商业银行应用大数据优化经营管理策略研究.docx

商业银行应用大数据优化经营管理策略研究.docx

《商业银行应用大数据优化经营管理策略研究.docx》由会员分享，可在线阅读，更多相关《商业银行应用大数据优化经营管理策略研究.docx（7页珍藏版）》请在冰豆网上搜索。

商业银行应用大数据优化经营管理策略研究

摘　要：

大数据在商业银行经营管理中的运用全面涵盖客户营销、产品创新和精细化管理等领域。

但在利用大数据优化经营管理方面，商业银行对于数据分析的思维、数据的存储、数据的分析技术和人才储备等方面仍然存在一定的问题，需要及时改进以提高数据分析运用的成效，并最终进一步提高商业银行的经营管理水平。

关键词：

商业银行；大数据；经营管理中图分类号：

F830.33

文献标识码：

A

文章编号：

1007-9041-2014（5）-0092-04

随着信息技术、存储技术的进步，人类社会已步入大数据时代。

大数据的发展趋势不可逆转，数据是重要资产的理念已基本在社会各界达成共识。

通过大数据分析发现事物的内部规律并以此服务于经营管理，将成为商业银行的核心竞争力之一。

对此，商业银行有必要认真研究大数据给银行业经营管理所带来的变化，分析大数据在银行业经营管理中运用的领域，从而获得更好的发展。

基于以上考虑，本文主要分析讨论大数据对商业银行经营管理的相关影响，并提出商业银行在大数据时代优化经营管理的相关建议。

一、大数据的内涵及特点

2011年5月，麦肯锡首次提出大数据（柴洪峰，2013）。

一般认为，大数据就是规模巨大、结构复杂，采用传统数据处理方法无法很好地在合理的时间和成本范围内进行存储和处理的数据。

大数据的产生主要源于数据的爆发式增长，其核心理念是一切皆可数据化。

国际数据公司（IDC）将大数据的特点归纳为4V，即数据规模大（volume），数据量通常都是PB（1PB=250字节）级别的；数据类型多（variety），既包括结构化数据，也包括半结构化和非结构化数据；数据增长快（velocity），数据量较大且增速快，需要有较高的数据处理技术及时进行处理；数据价值大（value），虽然数据的价值密度较低，但通过大数据分析可以发现极具价值的信息（周林，2012）。

二、商业银行经营管理中应用大数据的基础条件麦肯锡认为，金融业是最早能够受益于大数据的

行业（方方，2012）。

作为金融业的重要组成部分，银行业在经营管理中可以有效利用大数据，其基础条件包括两个方面：

一是大数据分析可以有效开展预测；二是商业银行已积累了足够多的数据并具备一定的分析基础，有条件开展大数据分析。

大数据分析主要不在于探寻因果关系，也不再重点追求数据的精确性，而是在混杂的数据中力争及时处理，从中发现相关性（戴稳胜，2013），告诉我们事实是什么，并进行精准的预测，从而为相关的决策奠定基础。

也就是说，大数据技术能够有效挖掘隐藏于大量数据中的信息，为决策提供依据，从而提高效率。

基于对数据的获取、存储和分析，可结合大数据有效开展预测。

伴随着大数据的不断积累和数据处理能力的不断提升，利用大数据进行判断和预测的能力将进一步提升。

无论是数据积累，还是数据的分析利用，银行业都具有其他行业所无法比拟的优势。

首先，银行业是数据最为密集的行业之一，在业务发展中积累了大量数据，具有利用大数据提升经营管理水平的潜力。

2013年3月，IDC研究指出，目前我国商业银行的数据量已超过100TB，并且非结构化数据增长迅速（SAS赛仕软件中国公司，2013）。

与大多数行业不同的是，银行业积累的数据真实性、完整性更高，其分析利用价值更大。

特别是银行业拥有的结构化数据，是数据价值最高的部分。

其次，银行业是经营管理规范化程度最高的行业之一，也具备较为完整的IT基础设施，有利于数据的整合集中和维护管理。

再次，银行业拥

收稿日期：

2014-03-31作者简介：

娄飞鹏（1983-），男，河南通许人，高级经济师，博士，供职于中国邮政储蓄银行。

有足够大的客户群体，易于通过大数据分析得出具有指导意义的结论。

最后，银行业在大数据时代来临之前，有以信用评级模型和市场营销模型为基础进行数据分析的实战经验。

全球已有超过40%的先进银行准备好实施大数据分析，以利用大数据提升经营管理水平（SAS赛仕软件中国公司，2013）。

三、商业银行经营管理中应用大数据的领域银行业已步入大数据的初级阶段，并且呈现较快的发展势头（SAS赛仕软件中国公司，2013；BrianMcKenna，2012）。

商业银行在经营管理中，应用大数据的领域全面涵盖客户营销、产品创新和精细化管理等方面。

（一）提高客户营销水平。

首先，利用大数据丰富客户营销渠道。

移动互联网、大数据分析和云计算等信息技术的进步，将推动银行业向虚拟化和电子化方向发展，同时也影响着人们的金融消费方式和金融服务的获取途径。

目前看来，经过多年的积累，商业银行已拥有涵盖客户自然属性、财务状况、产品持有、交易行为等方面的数据，可以发现数据背后隐藏的客户需求和潜在业务机会（刘煜辉等，2014）。

从长远看，大数据有可能全面颠覆商业银行的金融服务形态，在服务渠道上更多地通过移动互联网等虚拟渠道向客户提供金融服务（方方，2012）。

对此，银行业可以加强渠道整合，在利用好网点渠道营销的同时，以线上线下相结合的方式多途径开展客户营销。

其次，利用大数据提高客户营销效率。

一方面，商业银行利用大数据提高客户营销的资源使用效率。

基于IBM的大数据方案，民生银行全面部署交叉协同销售平台、智能化产业链金融平台，以更好地获取、量度、处理并分析大量数据，为前台营销管理提供支撑，降低营销成本投入（夏小依，2013）。

另一方面，商业银行利用大数据提高客户营销的时间效率。

中信银行信用卡中心以Greenplum数据仓库为基础，利用统一的客户视图，结合实时数据和历史数据进行全局分析，使客户营销的平均时间从两周缩短到2-3天，客户营销效率得以全面提升（夏小依，2013）。

再次，利用大数据提高客户营销的精准性。

商业银行拥有的非结构化数据越来越多，占比也越来越大。

通过银行内外部数据的综合利用，可增加对客户的认知面，形成对客户多方面、立体化的观察视角，明确客户的消费行为，预测客户的消费需求及倾向，开展数据化营销，有针对性地进行产品服务推介。

大数据可以有效开展事件式营销，通过分析客户换工作、买房等行为，从中发掘营销机会（刘静如，2012）。

招

商银行通过数据分析，识别出本行信用卡价值客户经常出现在星巴克等场所后，以多倍积分累计等方式吸引优质客户，构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低15和7个百分点（韩耀强，2013）。

该行也通过分析客户交易记录，识别潜在的小微企业客户，并利用远程银行实施交叉销售。

（二）提高创新水平。

首先，利用大数据分析客户需求，丰富产品创新的创意。

大数据可以有效记录客户的消费行为，将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而为产品创新奠定基础。

商业银行可以在分析客户消费行为模式的基础上，把相关事件关联到一起进行研究，更好地了解客户需求，并以此为基础开展产品创新，提高产品的差异化水平。

如商业银行可以充分利用门户网站，将其功能从宣传转向营销。

在门户网站上更多地加入对产品和服务的介绍，丰富可在网上办理的业务种类。

在此基础上，分析客户在网上对产品的浏览点击情况，从中发现并积累产品创新创意。

其次，利用大数据进行客户细分，提高金融服务的针对性。

商业银行可以根据大数据分析了解客户的消费水平、消费偏好等信息，并以此为基础进行客户细分。

在客户细分的基础上，还可通过大数据分析让商业银行更好地为客户提供个性化的金融服务。

如在信用卡业务发展方面，商业银行通过挖掘分析客户的性别、收入情况、刷卡习惯等信息，综合判断客户的经济收入和消费水平，从而制订出定制化、个性化的服务。

建设银行利用官方网站页面浏览数据，研究网站访问者的行为，以此来分析客户流失点，了解客户需求偏好，进行客户细分，为提供精准的个性化服务奠定基础（刘煜辉等，2014）。

再次，利用大数据开展产品创新试验，降低产品创新成本。

一方面，大数据时代的创新产品可以避开多个中间环节，通过虚拟方式实现直接交易，降低交易成本。

银行可以借助虚拟的服务渠道，研发数字化的金融产品，并通过网络提高业务处理的便利性和效率，提高客户满意度。

另一方面，信息处理技术的进步及处理成本的降低，也能够以更低的成本投入提高基础交易功能的便捷性（陈柳，2013）。

中信银行与银联商务有限公司合作推出POS网络商务贷款，依托银联商务的商户和终端资源，对商户终端上的交易信息、风险监控、商户入网资质等数据进行综合评估，

PAGE

发展小额信用贷款，降低创新产品的开发成本（夏小依，2013）。

（三）提高管理精细化水平。

首先，利用大数据提高业务经营管理精细化水平。

金融服务业大数据和分析技术大会组委会的调查显示，54.2%的被调查者认为客户分析是银行业利用大数据的主因（BrianMcKenna，2012）。

随着大数据的不断丰富，商业银行可以充分利用行为数据判断客户贷款的真实性，根据客户的交易记录而非财务报告判断其真实经营情况，从而采取有针对性的措施，提高管理精细化水平。

兴业银行以大数据为基础，分析还款数据以区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务，有效推动客户分层和客户精细化管理。

商业银行也可以利用自身的信贷支付系统，积累客户的贷款及还款信息，并对其进行数据分析，寻求客户支用贷款的一般规律，做好贷款的支用管理。

其次，利用大数据提高风险管理精细化水平。

金融服务业大数据和分析技术大会组委会的调查显示，58.3%的被调查者认为风险管理为使用大数据的主因（BrianMcKenna，2012）。

银行业是经营风险的行业，风险管理水平决定商业银行的发展态势。

对风险管理来说，最重要的就是能否事先发现风险苗头，提前采取应对措施，防止潜在风险演变为事实风险。

而大数据最核心的应用在预测（戴稳胜，2013），为商业银行研判风险提供信息支持。

在信用卡业务发展方面，利用大数据可以开展业务联系欺诈分析、跨账户参考分析，从而提高风险管理水平（刘静如，2012）。

在贷款业务方面，通过大数据分析，花旗、UBS等银行能够综合客户的资产负债、支付以及流动性状况，对客户进行360度环评，提高贷款业务的精准率，降低违约风险。

不仅如此，在贷款逾期催收方面，商业银行也可以通过分析客户的违约记录和还款资料，对逾期贷款客户的催收次序进行优化，从而提高贷款催收成效。

四、商业银行经营管理中应用大数据面临的问题虽然大数据分析在商业银行经营管理中也有广泛的应用领域，但商业银行更有效地运用大数据，还面临着一些问题需要及时研究解决。

（一）运用大数据的理念需要进一步提升。

首先，在战略规划方面，虽然大数据将引发银行业的重要变革，但目前商业银行很少在战略层面积极规划大数据，应对大数据挑战的准备不足，更没有推进并建立数据驱动型发展方式。

其次，在管理决策方面，大数据将使得商业银行

的决策方式从业务驱动向数据驱动转型，决策过程从被动式向预判式演变（柴洪峰，2013）。

但目前商业银行的管理决策主要还是基于定性判断做出的，定量分析较少，依靠数据作出管理决策的经验不足。

再次，在业务发展方面，商业银行缺乏很强的风险识别、风险定价能力，部分商业银行仅依靠抵押和担保发放贷款。

以信用评级为例，大数据依靠机器设备自动收集分析大量信息，可以综合利用客户的财务和行为数据开展更客观的信用评级，从而有效改变以抵质押和担保为主的传统贷款方式。

虽然国内银行业总资产扩张速度非常快，但真正通过信用数据挖掘发放信用贷款的比例非常低，对大数据的应用明显不足。

（二）数据积累需要进一步增强。

首先，对数据积累的重视程度不够。

目前国内银行业对大数据应用还处在起步阶段，大数据的标准和产业格局尚未形成，大数据的开发利用战略尚不清晰（李东荣，2013），大部分商业银行也没有采取切实可行的措施来丰富数据积累。

其次，数据类型较为单一，半结构化和非结构化数据较少。

虽然银行业积累的数据较多，但也存在较大的数据结构缺陷，结构化数据存储较多，而半结构化和非结构化数据存储较少。

即使是既有的结构化数据，商业银行的分析、挖掘、利用水平还远远不足，不能从数据中很好地挖掘价值（刘煜辉等，2014）。

再次，内外部数据共享机制有待提高。

从银行业内部系统来看，大部分商业银行缺乏数据跨部门沟通和分析机制，不同业务的数据处于割裂状态，尤其是业务数据与管理数据割裂更严重，导致内部数据共享存在较大困难。

从商业银行与外部机构合作的情况看，即使不考虑商业银行需要及时获取网络社交媒体、移动互联网设备时产生的行为数据问题，随着金融外包和专业化分工不断发展，更多的数据将会被不同的机构拥有，商业银行更难以获得全面的数据。

如一笔支付业务可细分为交易前、交易、清算、结算和交易后5个阶段10多个环节，主要业务环节都由独立机构负责，数据自然难以在同一机构内部全部形成。

这决定了商业银行在数据积累方面，亟需与外部机构合作，扩大数据来源。

（三）数据分析技术研究和人才储备需要进一步强化。

在数据分析技术方面，目前对大数据的研究主要集中在存储和系统构建等基础设施层面，对数据分析利用的研究相对较少。

商业银行的业务发展绝大部分依赖结构化数据驱动，对非结构化数据分析存在较大

不足。

同时，银行业的数据大多处于孤立状态，不利于开展数据分析。

原因是多方面的，首先，商业银行的数据是客户的真实信息，需要保存在本机构的系统中并对客户信息做好保密工作，从性质上决定了不方便共享。

其次，商业银行受到严格的外部监管，对数据的管理有严格限制，也不利于数据公开共享。

在商业银行未来的发展中，大数据管理技术、非结构化金融数据分析处理技术等是数据分析的主要挑战。

在数据分析人才方面，商业银行虽然都有专门的信息科技管理部门，也有相关的信息技术人才，但目前国内商业银行理解大数据并能够进行分析和创新的人才亟待培养和储备，同时拥有较强的业务理解能力、数据资产管理能力、数据处理能力以及数据挖掘能力的人才较为稀缺（李东荣，2013）。

五、对商业银行利用大数据优化经营管理的建议充分利用好大数据，进一步提升银行业经营管理效益，商业银行需要转变对数据的认识和利用思路，注重对数据的积累，做好数据分析和数据人才的利用。

（一）转变对数据的认识和利用思路。

大数据时代具有不同于小数据时代的数据分析思路，大数据分析更注重利用整体数据，充分利用数据间的相关关系来发现规律。

对此，商业银行要逐步转变对数据的认识和利用思路，在经营管理中进一步利用好大数据。

在对数据的认识方面，大数据的核心理念是一切皆可数据化，数据分析可以得出不为人知甚至是与常识相反的结论。

目前，商业银行对数据的重要性认识不足，特别是对半结构化和非结构化数据的认识更是如此，相当部分信息没有被当做有价值的数据看待。

在这个问题上，商业银行不仅要从战略规划层面做好数据规划，及时构建智慧型数据分析系统，将大数据管理系统建设提高到与核心业务系统建设、渠道建设同等重要的位置，也要在软环境建设层面培育重视数据的文化。

在对数据的利用方面，由于大数据的量相对较大，统计学中所谓的异常值在整体中的作用相对就会弱化。

因此，大数据分析对单个数据的精确性要求就会有所降低。

也就是说，大数据更强调数据的完整性，更偏好于分析整体数据，数据分析过程中的少量数据损失变得不再重要。

只要建立合适的分析模型，就可以发现有价值的信息。

因此，商业银行在利用大数据开展分析之前要尽可能少做假定，更多地对整体数据进行全方位分析。

换言之，在大数据时代，商业银行不是预先设定业务发展模式，再利用数据分析检验发展模式的可行性，而是直接通过数据分析寻求发展思

路。

在数据分析的基础上，充分信任分析结果有并据之作出决策。

（二）注重数据的积累。

为真正利用大数据做好经营决策，商业银行需要从思想上认识到数据积累的重要性，真正做到充分利用内外部资源积累更多的数据。

在机构内部数据积累方面，首先，完善结构化数据积累。

在业务发展中，商业银行需要积累的结构化数据不仅包括正常的业务数据，更要包括异常或者出现风险的数据，甚至是业务处理中因各种原因没能做成的数据，提高数据的全面性，并以此增强数据分析结果对业务发展的指导作用。

其次，加大对半结构化和非结构化数据的积累。

商业银行需要更加注重新型数据来源，充分利用现代信息技术手段，建立智能化的数据收集机制。

也要利用好微博、微信等社交媒体平台收集非结构化数据，尽可能通过多种渠道获取多种信息。

以财务数据和行为数据为例，商业银行需要加大对行为数据的积累，通过分析行为数据判断客户的风险水平。

最后，商业银行要建立好内部数据仓库，对有关客户隐私的数据予以积累保存。

在机构外部数据积累方面，商业银行要充分认识到，由于数据量的飞速扩大，不可能依靠一家机构积累所有数据，不同机构在数据利用方面进行合作是共赢的选择，也是未来的发展趋势。

（三）注重做好数据分析和数据人才储备。

在数据分析技术方面，首先，加强对数据分析技术的学习。

大数据分析更多的是通过研究看似杂乱无章的数据，从中发现有价值的规律。

商业银行需要逐步学会分析无规律的数据并从中找到规律，通过不断改进数据分析的技术手段，提高从各种数据中提取重要信息，并用于经营管理决策的能力。

商业银行不仅要做好数据分析利用技术的学习，也要做好数据保密技术的学习。

其次，提高数据整合能力。

银行业需要全面整合内外部数据，形成完整的数据链条，更新数据分析处理方法，以商业智能为基础提高对半结构化和非结构化数据的分析处理。

再次，强对数据存储分析设备的引进。

大数据的一个重要特征是对数据分析存储设备的要求较高，虽然可通过云数据库下载各类数据，但商业银行的业务性质要求数据保密，因而需要在数据的存储、管理、分析等方面有相关的设备支持。

在人才储备方面，商业银行需要加强对数据分析人才的积累。

进行大数据分析需要人员有多学科的知识，多方面的专业素质，并且对新技术具备较好的学习和驾驭能力。

因此，商业银行需（下转第26页

▲

▲

）

PAGE

与通胀率之间呈现出微弱的负向关系，其对通胀的替代作用并不明显；汇率变动与通货膨胀率的变动在理论上所表现出来的反向相关关系仍然微弱成立。

基于此，在应对当前通胀的政策上，首先应该高度重视通胀预期的作用；其次，强化信用基础、规范地下经济、完善金融体制改革，以求在加快我国货币化进程的同时提升经济货币化的质量；再次，加大对货币供应量的控制力度，谨防货币量过度发放；最后，要积极合理地引导投资流向从而可以避免使得投资这一引擎“熄火”而引发经济“二次探底”。