大數據支撐銀行個人貸款何處發展

㈠ 大數據如何助力銀行業金融機構輿情防控

金融企業運用大數據和機器學習演算法，對欠款客戶進行人群聚類並根據聚類的結果識別騙貸、惡意欠款、惡意透支、盜刷盜用、對交易有疑問拒絕還款、經濟狀況惡化無力還貸、遺忘還貸等多種欠款類型；從而准確預測客戶的還款概率和金額，從而進行催收策略評估，最大限度降低催收成本。
中國建設銀行資產總行風險管理部/資產保全部副總經理譚興民曾詳盡分析大數據何以幫助銀行提高徵信水平和風險管控能力：
首先，一站式徵信平台可以進行貸前客戶甄別。目前，銀行查詢客戶的情況既費時、費力，又增加銀行費用，而利用企業的一站式徵信平台，則可以最大限度地節省銀行的人力、物力及時間，並確保數據有效、及時、准確。
其次，風險量化平台可以助力貸後風險管控。平台基於企業日常經營數據，結合平台數據模型，採用動態、實時的雲端數據抓取技術，對企業的發展進行分析和評測，給出風險量化分數，並第一時間發現企業的生產經營異動，在風險觸發前3到6個月預警，使銀行等金融機構能夠及時採取相應措施，防止和減少損失發生。
同時，利用「企業族譜」查詢，對不良貸款進行監控。如一些企業通過關聯交易轉移利潤、製造虧損的假象，為不償還銀行貸款尋找理由；或者通過關聯交易製造虛假業績，為繼續獲得銀行貸款提供依據，這些假象通過關聯交易查詢，都可以很快發現蛛絲馬跡，讓企業造假暴露原形，可防止銀行上當受騙。
大數據風控相對於傳統風控來說，建模方式和原理其實是一樣的，其核心是側重在利用更多維的數據，更多互聯網的足跡，更多傳統金融沒有觸及到的數據。比如電商的網頁瀏覽、客戶在app的行為軌跡、甚至GPS的位置信息等，這些信息看似和一個客戶是否可能違約沒有直接關系，但實則通過大量的數據累積，能夠產生出非常有效的識別客戶的能力。
在運行邏輯上，大數據風控不強調較強的因果關系，看重統計學上的相關性是大數據風控區別於傳統金融風控的典型特徵。傳統金融機構強調因果，講究兩個變數之間必須存在邏輯上能夠講通因果。
在數據維度這個層級，傳統金融風控和大數據風控還有一個顯著的區別在於傳統金融數據和非傳統金融數據的應用。傳統的金融數據包括上文中提及的個人社會特徵、收入、借貸情況等等。而互金公司的大數據風控，採納了大量的非傳統金融數據。
相對於傳統金融機構，互金公司擴大了非傳統數據獲取的途徑，對於新客戶群體的風險定價，是一種風險數據的補充。當然，這些數據的金融屬性有多強，仍然有待驗證。
巨頭優勢明顯，並不代表創業公司的路已被堵死。大公司不可能面面俱到，布局各種場景。在互聯網巨頭尚未涉及的領域，小步快跑，比巨頭更早的搶下賽道，拿到數據，並且優化自己的數據應用能力，成為創業公司殺出重圍的一條路徑。

㈡ 如何利用大數據來解決中國的巨大的信貸差距問題

作為銀行的一項主要資產業務，貸款資產的運動是一種以「兩權分離、按期償還」為本質特徵的特殊價值運動。在現實經濟活動中，銀行的信貸活動，會受事先無法預料的不確定性因素影響，例如使銀行貸款資金有可能遭受損失事件發生。主要表現為貸款到期不能按時收回和貸款的貶值等，這樣就產生了貸款風險。從目前國有商業銀行貸款資產質量的現狀看，形勢較為嚴峻。 國有商業銀行信貸風險分析 政府行政干預帶來的風險。按照經濟發展的客觀要求，國有銀行是資金配置的主體，政府職能只限於宏觀調控。然而在現實中，作為國有商業銀行，雖然在人事、行政、業務上不受政府直接管控，但並不等於不受政府影響。作為資金配置的主體，政府並未從實際運作的干預中退出，中心地位並未淡化，往往造成部份項目投資效益不高，形成貸款沉澱。 社會保障機制滯後帶來的風險。由於企業破產失業救濟制度不完善，國有銀行貸款風險無法直接分散和轉移。企業與社會的問題沒有解決，企業把生產所需資金缺口留給銀行貸款解決，形成貸款風險壓力；企業保險制度不健全，使銀行無法保全貸款資產的安全性，增加了損失的概率。 法制不健全帶來的風險。盡管我國陸續出台了銀行法、票據法等許多法律，但是這些法律大多內容比較簡單，有些內容有待於重新修訂，並且有些法律與國家的某些政策相悖，銀行在保全債權方面將會遇到較大的阻力，加大了銀行的信貸經營風險。 缺乏科學經營管理帶來的風險。國有商業銀行缺乏科學規范的經營管理方式主要表現在：在經營上把效益性放在首位，而忽視安全隱患；沒有建立起完善的責權對等的管理機制，一旦貸款出現問題，很難分清責任，更談不上追究責任。 借款人(企業)還貸意願不確定帶來的風險。借款人(企業)還貸意願與其(法定代表)的信用相關，還貸能力強的借款人(企業)還貸意願不一定強；還貸能力弱的借款人(企業)還貸意願不一定差。並且，信用度很難進行比較准確的考查、判斷。所以，借款人還貸意願存在很大的不確定性，這種不確定性必然帶來一定的風險。 國有商業銀行信貸風險的控制對策 為有效防止和化解國有商業銀行信貸風險，避免由此帶來的金融震盪和經濟風險，通過上述對我國商業銀行目前面臨的信貸風險原因的分析，我們可以從如下幾個方面著手治理商業銀行的信貸風險。 進一步加強政府監督職能。政企不分一直嚴重困擾我國企業改革和發展。我國信用的深層次問題很大程度上表現為政府行為和地方保護主義。由於政府尚未完成由市場的參與者向市場的管理者的轉變，為了政績需要而急功近利，期望短期內地方經濟有較大起色，過分干預銀行貸款，削弱了市場功能作用和市場法則權威。因此，必須重新界定政府職能、規范政府行為。政府職能是彌補市場缺陷、維護社會公平，著力為企業經營提供必要的經濟環境，同時支持並配合銀行防範和制止企業逃廢債務，確保金融資產的安全運行。 建立健全社會保障體系。形成全社會信用是提高銀行資產質量的重要保證。惡意逃避銀行債務、惡意欠款的單位必須受經濟和法律制裁。作為政府部門，央行應對企業改制中兼並、重組、破產等跟蹤監督，協助金融機構依法維護金融債權；應健全企業信息披露制度，解決銀、企信息不對稱問題：嚴格規范企業會計信息和信息處理標准化，並提高信息公開程度，以降低銀行系統風險。

㈢ 大數據在銀行傳統信貸全流程中，有哪些關鍵作用

我來說說吧，以芝麻信用為例，當發生電商交易，信用卡還款；亦或是導入領英賬號信息，錄入車輛信息，導入住房公積金信息。以上種種行為體現在信用分上，都會以提高芝麻信用分的形式體現出來。也即，在芝麻信用的體系中，將以上行為定義為好的，正面的行為。那麼問題就在於，此類行為的好與壞，是由何種標準定義的，是否能經過檢驗。當然，以人們常規的認識，上述行為必然是好的行為。但，是否不符合以上行為的人群，其違約風險一定會高？按照以上的標准將人群進行區分，違約率是否會有顯著差異？其差異是否達到了統計學顯著的標准，從而可以作為結論使用？大數據提供了檢驗的方法，在其背後的所涵蓋的統計學，計量經濟學，以至於神經網路中，有大量的知識和技能用於驗證上述定義是否有其科學依據。如果——不幸的——上述行為只是基於一般認識所得出來的結論，不加驗證的將其納入到大數據的信用評分體系中，那麼最終得到的結果，對於大數據來說是可悲的。因為在這一方法論下，大數據只是作為約定俗稱的慣常思維的眼神，只是相當於海量的信貸專家坐在一起進行討論。我所希望的大數據，應該要像AlphaGo學習圍棋一樣，不管定式，不管手筋。從勝率的角度去評價每一個點位落子的價值，最終找出能夠走向勝利的最優下法。應用在信貸審核中，就是拋掉所有約定俗成的見解，去重新尋找經過大數據驗證的信用風險影響因素，並以此為基礎，重新建立信用風險審核的新體系。

㈣ 在大數據、雲計算形勢下,個人貸款有哪些創新

◆ 概念的不同
從宏觀的概念上來講，雲計算改變了IT，而大數據則改變了業回務。同答時，大數據必須有雲作為它的基礎架構，才能得以順暢推廣並體現出強大的實用價值。
◆ 目標受眾的區別
雙方的目標受眾也是不一樣的，雲計算代表著一種IT層面的解決方案，是面向CIO的；而大數據則是一種戰略構架，是面向管理者和業務層的，它能讓我們在業務上展示出更強大的競爭力，完全提升綜合實力。

㈤ 大數據能為銀行做什麼

隨著移動互聯網、雲計算、物聯網和社交網路的廣泛應用，人類社會已經邁入一個全新的「大數據」信息化時代。而銀行信貸的未來，也離不開大數據。
國內不少銀行已經開始嘗試通過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，光大銀行建立了社交網路信息資料庫，招商銀行則利用大數據發展小微貸款。從發展趨勢來看，銀行大數據應用總的可以分為四大方面：
第一方面：客戶畫像應用。
客戶畫像應用主要分為個人客戶畫像和企業客戶畫像。個人客戶畫像包括人口統計學特徵、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據。值得注意的是，銀行擁有的客戶信息並不全面，基於自身擁有的數據有時難以得出理想的結果甚至可能得出錯誤的結論。
比如，如果某位信用卡客戶月均刷卡8次，平均每年打4次客服電話，從未有過投訴，按照傳統的數據分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。所以銀行不僅僅要考慮銀行自身業務所採集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的了解。包括：
（1）客戶在社交媒體上的行為數據（如光大銀行建立了社交網路信息資料庫）。通過打通銀行內部數據和外部社會化的數據可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理；
（2）客戶在電商網站的交易數據，如建設銀行則將自己的電子商務平台和信貸業務結合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可；
（3）企業客戶的產業鏈上下游數據。如果銀行掌握了企業所在的產業鏈上下游的數據，可以更好掌握企業的外部環境發展情況，從而可以預測企業未來的狀況；
（4）其他有利於擴展銀行對客戶興趣愛好的數據，如網路廣告界目前正在興起的DMP數據平台的互聯網用戶行為數據。
第二方面：精準營銷
在客戶畫像的基礎上銀行可以有效的開展精準營銷，包括：
（1）實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶採用信用卡采購孕婦用品，可以通過建模推測懷孕的概率並推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；
（2）交叉營銷。即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然後用遠程銀行來實施交叉銷售；
（3）個性化推薦。銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；
（4）客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。
第三方面：風險管控
包括中小企業貸款風險評估和欺詐交易識別等手段。
（1）中小企業貸款風險評估。銀行可通過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。
（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶賬號或侵入自動櫃員機(ATM)系統的罪犯。
第四方面：運營優化。
（1）市場和渠道分析優化。通過大數據，銀行可以監控不同市場推廣渠道尤其是網路渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。
（2）產品和服務優化：銀行可以將客戶行為轉化為信息流，並從中分析客戶的個性特徵和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大數據進行初步分析，通過對還款數據挖掘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。
（3）輿情分析：銀行可以通過爬蟲技術，抓取社區、論壇和微博上關於銀行以及銀行產品和服務的相關信息，並通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發現和處理問題；對於正面信息，可以加以總結並繼續強化。同時，銀行也可以抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為自身業務優化的借鑒。
銀行是經營信用的企業，數據的力量尤為關鍵和重要。在「大數據」時代，以互聯網為代表的現代信息科技，特別是門戶網站、社區論壇、微博、微信等新型傳播方式的蓬勃發展，移動支付、搜索引擎和雲計算的廣泛應用，構建起了全新的虛擬客戶信息體系，並將改變現代金融運營模式。
大數據海量化、多樣化、傳輸快速化和價值化等特徵，將給商業銀行市場競爭帶來全新的挑戰和機遇。數據時代，智者生存，未來的銀行信貸，是從數據中贏得未來，是從風控中獲得安穩。

㈥ 銀行信貸引入大數據的意義

應用大數據對商業銀行信貸業務與風險管理，能夠有效地加強銀行內部信貸業務評價體系的構建效果，進一步發展銀行業務，更好地對風險因素的構成進行數學統計分析，按照指標體系的要求構建更加科學和客觀的內容。在這個過程中，需要進一步對當前市場金融信息進行集結，讓商業銀行信貸風險業務的評價更客觀，制定定性和定量的評價方式才能夠符合商業銀行風險預控理論的要求。在實際應用過程中，必須按照客觀公正的研究方式對當前銀行業務風險評價進行分析，並根據我國當前經濟發展新趨勢，按照大數據背景下的實際要求為我國商業銀行業務風險提供控制策略，有助於我國商業銀行進一步完善信貸業務風險預控體系，將大數據應用到信貸業務當中，提高信貸業務的市場競爭力，促進銀行平穩發展，獲得持續有效的進步。所以，大數據助推商業銀行信貸業務風險管理是當前銀行信貸業務發展的重要形式，能夠促進風險管控信貸業務的穩定進行。

㈦ 大數據時代，該如何申請信用貸款

不知道大家有沒有遇到這種事情，某一天你在蹲便時因為無聊，點開了一個廣告頁面，那麼在接下來很長一段時間，你會經常看到類似產品的廣告推薦，而且除了手機、電腦上也會出現。是不是覺得很恐怖。

這到底是怎麼回事？ 這是因為你生活在大數據時代。

大數據時代的特點

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》中，大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

我是這樣理解的：但凡與互聯網連接的每一個行為都會留下痕跡，都會形成信息，而這些信息都可能被抓取並加以分析利用。

有人會較真，不用手機、不上網不就行了嗎？

是的，這樣的話只是你切斷了自己主動向互聯網發送信息的埠，被採集信息的埠你是關不掉的。不用手機支付你得取錢吧！銀行採集你的信息。出行乘車不用說，車站會採集你的信息。即便是走路也有無數的天眼攝像頭會捕捉到你。 所以，除非你脫離這個 社會 、獨處深山隱居，你是無法擺脫大數據對你信息的採集的。

理論上講，大數據可以將每一個人特定維度的信息進行收集、整理、分析、量化。 打個比方，你在淘系平台所有的行為信息匯總分析後，支付寶給了你芝麻分、淘寶給了你淘氣值，這些都是經過數學模型、智能演算法加工後得出的一個非常直觀、具有參考價值的量化數值。

2015年，馬雲曾經在一次演講當中表示，10年20年之後，最珍貴的資源一定不是石油，一定是數據。如果要製造時代變成創造時代，就一定要善用好數據。

什麼是信用貸款？

網路裡面的解釋： 信用貸款是指以借款人的信譽發放的貸款， 借款人不需要提供擔保。其特徵就是債務人無需提供抵押品或第三方擔保僅憑自己的信譽就能取得貸款，並以借款人信用程度作為還款保證的。

我要補充的是，這里的抵押品泛指物權法裡面所規定的一切可以用於擔保的不動產、動產、權利、有價證券等；這里的第三方擔保指的是與借款人沒有關聯關系的獨立第三方，夫妻關系、直系親屬關系、股權關聯關系都不能視為獨立的第三方。

信用貸款主要考察哪些方面？

我把它分成三塊：過去、當下、未來。怎麼說？客官往下看。

過去： 過去你做過什麼？有沒有和金融機構發生過信貸交易？還款情況如何？有沒有被起訴、被執行等情況？有沒有被記載的刑事、行政處罰？

當下： 資產、負債狀況如何？年齡、 健康 、婚姻狀況如何？工作、經營、收入狀況如何？借錢的用途是什麼？

未來： 你的第一還款來源是什麼？預計凈收入能否覆蓋本金和利息？還款計劃是否符合實際？如果第一還款來源不足，還有哪些風險補救措施？

覺得很空洞，是不是？那就來點具體的吧！

1、 身份證： 可以直觀的知道你的年齡、性別、戶籍所在地等信息，通過互聯網查詢到你是否有未結訴訟和被執行，以及其他需要知道的公開信息；

2、 結婚證： 可以了解你當前的婚姻狀況，配偶姓名、相貌、身份證號碼等信息；

3、 戶口簿： 可以知道你的籍貫、戶籍遷移軌跡、 歷史 家庭成員、身高、血型等等信息；

4、 房產證： 可以知道你的房屋面積、坐落位置、樓層、抵押登記狀況，預估你的不動產價值；

5、 營業執照： 可以知道你的經營場所、經營范圍、經營年限、 歷史 變更信息、 歷史 被處罰信息，預估你的經營收入情況；

6、 銀行流水: 根據你一段時間的銀行賬戶資金流入流出數據進一步佐證你的 歷史 收入情況，預判你未來的收入情況；

7、 徵信報告： 可以知道你的基本信息（包括個人公積金、養老金信息）和信用交易信息，主要內容是交易信用信息，包括信用卡開卡、銷戶、使用、還款、逾期等信息，已發生的所有貸款的貸款品種、金額、期限、放貸機構、放還款時間、擔保方式等信息；詳細版的徵信報告除了信貸逾期外，欠稅、民事判決、強制執行、行政處罰、生活繳費未按時和擔保等行為等情況，報告中或將有所陳列。 另外，授權金融機構查詢本人徵信報告的信息也被如實記錄在報告最後。這一點很重要，後面會講到。

8、 金稅盤： 根據你企業的納稅情況反推你的經營、收入情況？根據你的開票信息知道你的主要銷售對象，從而判斷你的未來經營收入是否穩定；

9、 財務報表： 根據你的財務報表可以測算你短長期償債能力、運營能力、盈利能力、發展能力、現金流狀況等，以此判斷你的企業經營是否 健康 ，未來是否有持續性和成長空間；

10、 購銷合同： 通過購銷合同知道你的主要上下遊客戶，推斷你的經營情況，與銀行流水可以互相佐證。

說了這么多，到底要注意哪些細節呢？

1、 絕對不能成"黑戶"，但也不要是"白戶"。 所謂"黑戶"是指兩年內連續三期或累計六期逾期、當前有逾期等等金融機構認為不能增加信用額度的客戶，說白了就是你的 歷史 還款記錄很糟糕，金融機構已經不再相信你了。那麼"白戶"是指在金融系統沒有任何的信貸、信用卡使用記錄，金融機構無法獲取你的 歷史 信用記錄，從而無法對你進行評估。怎麼辦呢？最簡單的就是辦信用卡啊！初始額度不會很高，開了卡就用，額度不要用太滿，以消費、經營支付為主，養成按時還款的習慣。嫌額度小可以申請提額，再不行就換一家銀行，批的額度絕對比之前的要高。信用卡也不要申請太多，每月刷卡金額與自己的消費、經營所需匹配就行，不要大起大落。

2、 銀行流水要充足。 銀行流水能最直觀的反映你的賬戶現金流，進而評估你的經營、收入情況。不管是對公、還是個人賬戶，收付款賬戶不要太多。一般銀行會要求你提供半年以上的流水，也就是說，你要提前半年開始籌劃，有人是提前籌劃了，但是到頭來是無用功：同戶名進出、同金額進出、當天進出的那些轉賬可能會被剔除。

3、 財務數據要合理。 一般來說，對公業務都會涉及財務數據的錄入，系統模型會根據這些數據測算你的償債能力、發展能力、資金缺口等等。過於完美和太糟糕都是不好的，因為過於完美你就根本不差錢，而太糟糕你根本還不起錢。合理兩個字寫起來簡單，做起來相當難。為什麼很多做助貸的人做房抵貸輕車熟路，一旦涉及對公業務要調整報表就抓瞎？因為房產有評估價，銀行有抵押成數，很容易就可以算出來。財務報表各個科目一下羅列幾十項，各項之間的勾稽關系，牽一發而動全身，不是精通財務的人根本就無從下手。

4、 購銷合同很重要。 如果你的銀行流水無法支撐你的報表收入，那麼准備的銷售合同就派上大用場了，你在合同裡面可以從銷售額、付款方式、付款時間等等方面做出對自己有利的鋪墊，從而讓你在必要時對自己的報表收入與銀行流水不符能夠自圓其說。另外，如果是受託支付，你還要細心准備一份采購合同，這個關繫到你的貸款出去了怎麼回來，非常重要，銀行客戶經理會告訴你這么弄。

5、 網貸、小貸最好不要碰。 因為這些不能解決你大問題的小額信貸信息會在你的徵信報告裡面留存5年，而銀行金融機構往往把這一類貸款視同為民間借貸、高利貸，這類客戶也被視同為高風險客戶。那種要你注冊查詢額度的事，你試都不要試，因為你一試就可能在你的徵信報告裡面多了一條某某某小貸公司查詢記錄，惡心你2年。

6、 不要輕易授權他人查詢徵信。 哪怕是正規的銀行，查詢次數多了對你申請信用貸款都有影響。因為機構查詢你的徵信無非就是信用卡、貸款審批，以及貸後檢查。查的次數越多，越是證明你缺錢。銀行只做錦上添花，不做雪中送炭——這就是現實。如果確實需要怎麼辦呢？自己拿了身份證去打呀！列印點在哪裡？以前只能在人民銀行，現在很多了，網路一下就知道了！

7、 找靠譜的人咨詢協辦。 這個人一定要深入了解你的資金需求、還款來源，同時更要熟悉各個銀行的金融產品。因為每一個銀行的信用貸款都有差異，要麼准入條件、要麼審批額度、要麼利率標准、要麼貸款期限、要麼還款方式，林林總總。專業人士和你聊上半個小時，基本上就能夠判斷你的情況能不能申請，獲批的概率哪一家更大，資金成本哪一家更低，期限和還款方式哪一家更靈活。不要說為什麼他知道而銀行的人不知道？因為銀行客戶經理整天疲於應付各種指標考核，自家的產品吃透都難，更別說所有銀行的，而吃這碗飯的人不受銀行的條條框框約束，堅持拿來主義、為我所用的原則，整天就在琢磨哪家銀行出了新政策、新產品，哪個產品有哪些優點有哪些不足，哪家銀行批的快、批的高，哪一家頭寸足，哪一家批了沒錢放。可能你會說找這些人會花錢。是的，這個世界哪有免費的午餐。你花錢買到的是讓你少走彎路的時間、買到的是更符合你的金融產品信息。之前說時間最寶貴，現在說數據最值錢，兩樣你都買到了，怎麼會覺得不值呢？

㈧ 大數據助銀行提高徵信水平和風險監控能力

大數據助銀行提高徵信水平和風險監控能力
在智慧科技產業飛速發展的當下，以大數據技術為依託的若干大數據產品在金融領域逐漸開拓出廣闊的運用空間。特別是在控制銀行風險和降低不良資產領域，目前已經有了較為成熟的實踐。事實上，不良貸款的產生除了受近年來國內外經濟大環境影響外，還與現有的徵信體系和銀行傳統的徵信方式不適應現代經濟發展的實際情況有關，而大數據正是解決這一難題的有力工具。

我國徵信體系建設起步於1992年，但現有徵信體系覆蓋范圍仍很有限。個人徵信系統中反映的僅是個人或企業與銀行間發生的信用情況，企業與企業間的商業信用關系以及個人與多方面的信用關系並沒有得到系統的記錄與反映。
與此同時，銀行傳統的徵信方式也無法滿足現代經濟發展的實際情況。現代經濟發展使企業和個人的經濟活動發生了巨大變化，涉及范圍更大、內容更加豐富，因此，衡量信用的維度更多樣。銀行僅僅依靠財務報表已無法了解企業的真實情況，而權威機構的公開信息系統還無法涵蓋有關企業及個人社會行為的所有信用信息。這些不足導致現有銀行的徵信系統對客戶了解的信息維度不夠，信息真實性不高，信息採集、分類的科學性不強，進而使銀行無法准確地對客戶的誠信作出判斷，對客戶經營活動無從掌握，對客戶的未來發展無法預測。
大數據技術手段的應用，為現有徵信體系建設提供了很好的補充和強化作用。當前一些企業所做的嘗試表明，大數據可以幫助銀行提高徵信水平和風險監控能力。
首先，一站式徵信平台可以進行貸前客戶甄別。目前，銀行查詢客戶的情況既費時、費力，又增加銀行費用，而利用企業的一站式徵信平台，則可以最大限度地節省銀行的人力、物力及時間，並確保數據有效、及時、准確。
其次，風險量化平台可以助力貸後風險監控。平台基於企業日常經營數據，結合平台數據模型，採用動態、實時的雲端數據抓取技術，對企業的發展進行分析和評測，給出風險量化分數，並第一時間發現企業的生產經營異動，在風險觸發前3到6個月預警，使銀行等金融機構能夠及時採取相應措施，防止和減少損失發生。
同時，利用「企業族譜」查詢，對不良貸款進行監控。如一些企業通過關聯交易轉移利潤、製造虧損的假象，為不償還銀行貸款尋找理由；或者通過關聯交易製造虛假業績，為繼續獲得銀行貸款提供依據，這些假象通過關聯交易查詢，都可以很快發現蛛絲馬跡，讓企業造假暴露原形，可防止銀行上當受騙。
值得一提的是，大數據技術將有效解決中小微企業融資難題。銀行發展中小微企業客戶既是國家的要求，也是銀行自身改善客戶結構的需要。但是，有融資需求的中小微企業普遍存在資產少、擔保不足的問題。運用金電聯行的工具，在企業提供反映其真實經營狀況的歷史數據的基礎上，通過大數據挖掘和分析技術，可挖掘出企業真實的經營狀況、健康狀況、盈利能力及企業歷史信用積累情況，真正展現出企業實際經營信息，並給出企業的信用等級和信用額度，從而為銀行或相關金融機構提供貸款依據，緩解中小微企業融資難題，挖掘潛在優質客戶。
除此之外，還可以提高信用卡發卡質量，合理增信，防止不良客戶產生。大數據企業有多項獨特的個人外部數據來源和評分系統來協助銀行進行信用卡新卡發卡審批、審批額度、增信、交易監控等業務管理環節。
金融的本質是經營風險，如何做好風控尤為重要。特別是在當前經濟新常態下，中小企業承受著不同程度的壓力，銀行風險開始涌現。在此背景下，金融機構如何對已貸款客戶進行有效的風險度量，無疑是迫切的現實需求。由此，提前抑制風險就成為銀行利用大數據技術所要實現的首要目標。
某股份制銀行董事長曾談到量化風險管理給銀行帶來的三大收獲：「一是至少可以比其他銀行跑得快一點兒；二是實現了最大限度的信息對稱；三是效率與准確度大幅度提升，擺脫大量人工之後，有利於將貸後風險管理上收總行及分行，大幅提升管理透明度。」而據某商業銀行測算，大數據技術能有效降低不良率47%以上。
由於大數據技術在某種程度上相當於給中小微企業加了一套體檢設備，這樣篩查出來的好企業，銀行就敢於放貸，從而很好地解決了融資難的問題。此外，通過大數據技術催生新的金融服務模式，實現了全線上的流程再造。即將傳統的人工點對點模式升級為智能、批量的高效模式，可以最大程度地降低成本，助推金融機構轉型發展。
特別是，針對以往基層銀行客戶多、人員少，無法做到實時監控，難以及時發現風險的狀況，大數據產品的運用，則可以幫助銀行做到風險監控實時化、動態化，從而避免和減少損失。

㈨ 大數據金融創新與發展

img src=' https://p26 . toutiaoimg.com/large/c5f 00022 e 860696 a06b '/

近年來，大數據已經成為重塑金融競爭格局的重要支撐和抓手。特別是「十三五」規劃綱要明確提出實施國家大數據戰略，把大數據作為基礎性戰略資源，加快數據資源共享、開放和發展。

在此背景下，為全面落實「十三五」規劃提出的國家大數據戰略，推動金融業轉型升級和創新發展，助力上海建設國際金融中心和科技創新中心，「大數據時代的金融野盯服務與創新」論壇於8月17日在中國金融信息中心舉行。論壇由上海市經濟和信息化委員會、上海市金融服務辦公室和上海銀監局指導。由新華社中國經濟信息社、新華社新聞信息中心、新華網、上海證券報、中國金融信息中心、中國銀行上海市分行主辦，易迅財經協辦，證大財富特別支持。

img src=' https://P3 . toutiaoimg.com/large/c5b 00057 DCC 4232 c 44 e '/

大數據之父勛伯格曾說，「大數據開啟了時代的重大變革。正如望遠鏡讓我們感受宇宙，顯微鏡讓我們觀察微生物一樣，大數據正在改變我們的生活和我們理解世界的方式，成為新發明和服務的來源，更多的變化即將發生」。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510 CD 74d 6298 '/

張笑君表示，傳統金融行業如何利用大數據技術和思維實現產業轉型變革，推動金融服務創新發展，是每個企業都應該深入思考的問題；如何利用大數據降低金融風險，促進「大數據新金融」的可持續發展，使其發揮更大的社會價值，也是政府部門和監管部門面臨的新課題。

據了解，2016年是「十三五」的開局之年，也是新華社業務轉型發展的重要一年。2016年7月底，新華社全面完成國內分支機構采編管理「兩分離兩加強」重大機構改革。7月1日，新聞信息中心上海中心正式成立，這也標志著新華社在上海的各項事業進入了一個新階頌罩和段。

「在保持傳統信息產品和業務優勢的同時，上海證券報將能夠專注於國家戰略和上海本地事業的整體發展。在垂直管理體制和上海分社的雙重領導下，將繼續夯實基礎、求新求變，進一步擴大新華社新聞產品市場的覆蓋面和影響力，為上海「四個中心」建設做出我們的貢獻。」張笑君說。

img src=' https://P6 . toutiaoimg.com/large/c5d 000581 f 9 CB 43 f 6 c 4 '/

上海市經濟和信息化委員會副主任邵志清

上海市經濟和信息化委員會副主任邵志清表示，這次論壇主要是為了規劃所謂的「形勢、戰略和技術」。所謂「趨勢」，永遠不應該是趨勢的敵人。一個人，一個企業做一件事，一定要順應時代潮流，順勢而為。今天，我們已經進入了信息文明時代，其中第一個是PC時代，第二個是網路時代，第三個是大數據時代。

大數據可以開發成引擎嗎？邵志清講了三個方面。首先，世界進入了一個新時代。90年代中期加入互聯網大家庭，實現了人際交往的突破，讓「一條家信抵一噸金」不復存在。現在，世界各國都在計劃實現大數據時代的國家發展，因為大數據已經是一種資源，一種資產。顯然，它已經成為一項國家發展戰略。大數據能力已經成為綜悶凱合國際競爭力和國際影響力不可或缺的方面。

第二，大數據已經成為我們的生產要素。大數據為計算開辟了新模式和新路徑。產業方面，有新業務、新商業模式、新業態，給新經濟帶來很多活力。現在政府掌握了大量的大數據資源，如何服務社會和市場，從而激發市場的活力和社會的創造力，在社會治理方面如何管理網格。大數據也帶來了很多機會，例如，它可以用於控制城市基礎設施、環境保護、食品葯品安全和交通運輸。

第三，利用大數據安裝創新驅動發展的強大引擎，要從資源、技術、使用、產業、安全等幾個方面著力。

邵志清表示，最近上海也在制定大數據發展的實施意見，對接國家層面的戰略，結合上海實際，大概有幾個方面要做：要素供給、使用創新、產業發展。他認為，要加快幾個方面的建設：一是整合共享的資源流通體系。二是創新活躍的行業使用體系。三是發展自主可控的數據技術服務體系。第四是世界一流的大數據基礎設施體系。第五，可信、安全、獨立的擔保體系。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510d 22 a 7942 e '/

上海數據交易中心首席運營官沈翔宇

「在具體循環方面，我們對所有數據做了從高風險到低風險的評估。從用戶產生的原始數據到後來產生的數據，無論是對個人還是對群體，都有幾個要求。進入流通，我們有自主知識產權的六要素標准：數據要有ID，數據要有維度主鍵，也就是Key。這是分配ID、分配key、設置限制、數據提供及時性、設置交易價格的角度。」他們把數據交易中心能給大家提供的服務分為會員、掛牌、撮合、分銷、清算服務等五個方面。沈翔宇說會有一個交易平台給大家用。

img src=' https://P6 . toutiaoimg.com/large/C5 c 00057 e 30 BF 384969 '/

上海大數據聯盟

常務副秘書長馬慧民

上海大數據聯盟常務副秘書長馬慧民演講主題是《大數據推動產業創新》。市場交易成本主要是由信息成本和討價還價成本構成。他說，企業組織成本主要是指維持企業內部各個部門運轉所需要的各類行政成本和協調成本。

當企業內的組織管理成本擴大到等於市場交易費用時，企業達到其最大邊界。比如說大數據、移動互聯網等新型技術讓計程車行業交易費用大幅度降低，傳統計程車公司逐漸被中間市場——平台公司影響。比如說滴滴打車、Uber，有了這些平台，交易成本大大降低了。互聯網促進和推動這個產業的發展，同時為產業的生產也帶來了變革。大數據和相關技術解決了某種信息不對稱領域引起的交易成本增加的過程。

通過大數據可以進行精準營銷。「我們通過很多數據採集之後，我們會形成一個用戶畫像，無論是線上數據還是線下的數據，集合在一起之後就知道這個個人或者是企業需要什麼樣的東西。這里就解決了一個問題，就是線上、線下數據加在一起的個人標簽。」馬慧民說。

上海交通大學互聯網金融研究所所長羅明雄

上海交通大學互聯網金融研究所所長羅明雄分享的主題是《從互聯網金融投融資看大數據金融》。他說，互聯網金融等同於P2P、等同於騙子這是非常不準確的，P2P只是互聯網金融當中的一個分支，而騙子只是打著P2P的旗號去做的行騙。他把大數據產業鏈條分為四個部分包括數據源、數據採集與存儲、數據分析與挖掘和大數據使用。

什麼人可以做好大數據金融，羅明雄說，一個是可以合法拿到大量的非結構化數據，二是能夠對這些非結構化數據進行專業的挖掘、梳理、清洗。他建議大家不要把銀行完全想像成傳統金融機構，銀行業在變，銀行會通過很多領域來進行思考，要做風控，會拿到很多的數據，然後把這些數據打通，包括你的信貸風控、精準營銷、運行決策優化。他說，銀行的電商把信息打通，本質就非常類似於余額寶，余額寶就是利用信息化手段，讓老百姓以極低門檻享受一個私人銀行般的理財服務。

羅明祥說，傳統的供應鏈金融是以銀行或傳統金融機構主導，通過綁定核心企業通過給核心企業授信，並給予其上下游企業一定支持，對供應鏈金融企業的BD能力以及自身資源能力提出很大的挑戰。近期以B2B或者是SaaS模式切入供應鏈金融，從「三流」切入成為供應鏈金融最容易彎道超車的商業模式。供應鏈金融的本質是你能夠抓到中小的企業為他提供整套供應鏈金融服務。

萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊

萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊結合他在銀行、信貸行業和徵信領域的工作體會與大家分享了徵信行業的發展機遇。

國外徵信行業發展情況來講，美國的徵信體系最為成熟，現已形成從數據採集、數據標准化、數據處理到信用使用等成熟完整的產業鏈布局，從而形成全球最大的市場規模。嵇磊說，美國徵信行業的發展歷程、動因及趨勢，對我國徵信市場及機構發展具有很好的借鑒意義。從發展路徑看，美國的徵信行業經歷了快速發展、法律完善、行業整合及成熟發展四大階段，最後經過行業洗牌整合，機構數量從最多時的2000家減少至500家，並逐漸出現全國性徵信巨頭。

研究分析國外市場，是為了更好的研判中國徵信市場。至2015年末，央行徵信系統已收錄8.8億自然人信息，其中3.8億有信貸記錄;收錄企業及其他組織2120萬戶，其中577萬戶有信貸記錄。伴隨著龐大消費市場的逐步成熟、消費信貸的快速增長、互聯網及大數據使用的跨越式發展，更多的社會第三方徵信機構參與到我國徵信體系建設中。

盡管成立背景不同、數據類型各異，但在個人徵信業務的具體規劃上，各家徵信公司均不約而同地突出了「大數據」和「互聯網徵信」。互聯網徵信機構收集信息面寬，可以覆蓋無法在銀行留下信貸記錄的龐大群體，從而成為央行徵信體系的有益補充。

嵇磊認為，徵信業最好的時代已經到來。隨著法律法規的進一步完善、消費經濟持續增長以及大數據、互聯網技術的發展，徵信行業正面臨前所未有的發展機遇：一是法律法規的完善為徵信發展提供支持；二是消費經濟增長推動徵信業持續發展；三是大數據及互聯網促動徵信業務全面升級；四是社會發展提高人們對信用價值的認知。

翼勛金融總經理孫海江

翼勛金融總經理孫海江表示，大數據的成長速度非常快，現在整體的大數據，人類90%數據都是在最近三年產生的。每天要使用消費類的軟體，比如說滴滴打車這樣的工具類軟體以及金融軟體等等，都會產生大量的數據。這些數據的服務能夠產生價值，同時這些數據使用也能夠帶來價值。但是其實這個當中還有數據為我們帶來的困擾。

在圓桌討論環節，光大雲付副董事長兼總裁夏令武、綠地金服CEO楊曉冬、上海互聯網大數據工程研究中心主任陸晉軍、證大財富總裁戴衛新、前海徵信副總經理施奕明圍繞四個議題展開，分別是：大數據時代為金融業帶來的新機遇；大數據 金融如何服務小微企業；如何管理大數據徵信使用中存在的挑戰與風險；政府如何監管並服務於大數據金融創新。

光大雲付副董事長兼總裁夏令武

光大雲付副董事長兼總裁夏令武說，大數據和互聯網最近幾年的飛速發展給金融業帶來很多機遇。這種機遇是兩個方面，一個方面是給傳統金融機構帶來了更大、更強的生存能力。有人說互聯網會顛覆傳統機構。現在如果說從大數據維度來看，其實不是的。傳統金融機構掌控了金融業、經濟部門最大的數據。因為金融機構就是經營數據的。所以我想大數據增強了傳統金融機構的能力。另一方面，大數據也推動了新的金融服務形式的產生，而光大雲付就是這兩方面的結合。

綠地金服CEO楊曉冬

作為陸金所創始管理團隊之一，綠地金服CEO楊曉冬說，大數據最重要的是要降低企業的成本，從經營角度來說，大數據可以幫助我們提高風控能力。我對大數據未來的遠景還是充滿信心的，但目前的狀況還是不令人滿意的。舉一個例子，在美國，這是我在90年代做的項目。90年代的時候，你在美國就可以在互聯網上開戶，我不用1秒鍾就可以知道所有的信息。但是在目前，在中國的信息還是島式的信息，沒有一個統一的信息可以證明這個人是可信的，可以線上開戶。市場數據成本是否合理，是關繫到大數據能否成功的關鍵。他希望政府可以為不僅是金融企業，要為所有企業提供公共信息。這樣才可以幫助金融企業降低成本。

上海互聯網大數據工程研究中心主任陸晉軍

上海互聯網大數據工程研究中心主任陸晉軍說，現在整個大數據行業存在一個亂象。一方面擁有數據的，比如說政府、銀行、運營商很難開放。另一方面，有很多公司又號稱有數據。但這個數據哪裡來?可能會涉及到到隱私泄露的問題。圍繞金融談大數據，談移動互聯網，這是真正可以改變金融領域供給側改革的技術和手段。因為有了移動互聯網、各種寶、各種貸，為老百姓提供了更多的選擇，當然選擇過程當中又帶來了很多風險。這是做技術、管理、監管的人要去解決的問題。通過大數據一定程度可以解決客戶畫像、客戶獲取、徵信等等的問題，要把它做好。

陸晉軍說，大數據一定要開放，一定要跨境。如果說你是封閉群體的數據也可以做數據分析，但是只有打開了通路，和不同領域的數據做交換、結合之後才可以產生更多的價值。這也是大數據交易所面臨的一個非常重要的課題，而且要注重大數據的安全。

證大財富CEO戴衛新

證大財富的CEO戴衛新認為精準營銷和風險管理兩者結合度是非常高的。他們公司在兩年前就做了「淘寶達人貸」，面對的客戶是專門在淘寶上有消費的人群做信用貸款。在推出這個產品的時候，芝麻信用分還沒有出來，通過這兩年的數據積累，未來在大數據使用上，可以做一些改善。可以結合芝麻信用分來看我們客戶的表現以及真實的芝麻信用分有巨大的關聯性，來驗證芝麻信用分在這樣一個領域的市場，是不是有更好的使用場景。

戴衛新表示，金融最大的要點就是風險控制，大家數據共享可以有效降低在這一塊上的損失。他說證大財富一直和上海官方機構、民營徵信機構等合作，做數據共享。

前海徵信副總經理施奕明

前海徵信副總經理施奕明從徵信和金融的關系談了他的看法。金融的核心是風險定價，風險控制是非常重要的手段。原來傳統的金融方式都是以線下方面為主，比如說貸款必須要面簽。但是現在很多都是遠程化、線上化的方式，如果說沒有像現代徵信業的發展，像遠程開戶、人臉識別這樣的技術是不可能實現的。未來大數據在金融行業將會越來越重要。

施奕明介紹徵信業面臨的挑戰是信息孤島問題、安全合規問題和技術創新問題。

他說，現在徵信把信息分為三大類，第一類是公共信用數據，第二類是金融信用數據，第三類是生活信用數據。這三方面的數據分別在各個不同的地方，要把這三類進行整合，需要一個大的戰略，數據聯盟、數據交易中心的出現為數據整合提供了很好的基礎，也會成為徵信業未來發展的契機。

大數據時代一個很大的問題就是個人信息披露泛濫。前海徵信操作是非常規范的，任何數據的採集和披露都是要遵照合法的途徑和規矩來做的，大數據的前提是合法合規。

在大數據徵信時代有很多的創新點，但必須要謹慎。傳統的金融徵信其實已經被驗證過無數次了，是可以非常有效的判斷一個人的信用風險的。現在大數據發展很快，但是這些信息和標簽是不是可以真正的防止風險，這是需要待驗證的。因此並不會把所有創新都推向市場，需要經過長期驗證之後，才會非常負責地推向市場。

主持人：第一財經廣播主持人葉柳

相關問答：

㈩ 商業銀行應用大數據之策

商業銀行應用大數據之策

隨著以社交網路為代表的web2.0 的興起、智能手機的普及、各種監控系統及感測器的大量分布，人類正在進入一個數據大爆炸的時代，「大數據」的概念應運而生。大數據被譽為繼雲計算、物聯網之後IT產業又一次顛覆性的技術變革，已經引起各方面的高度關注。大數據的意義在於從海量數據中及時識別和獲取信息價值，金融業在IT基礎設施、數據掌控力和人才富集度方面較之其他產業更具優勢，具備了深度「掘金」的潛力。但是，大數據也給金融業帶來劇烈的挑戰與沖擊，我國商業銀行需要樹立「數據治行」理念，明確大數據戰略的頂層設計，加強大數據基礎設施建設，實施穩妥的大數據安全策略，方能從容迎接大數據時代。

大數據帶來的沖擊與挑戰

(一)傳統發展戰略面臨沖擊。傳統銀行發展戰略，是在預計未來金融政策、經濟環境的前提下,根據現有銀行人員、網點、客戶、資本、存貸款規模等資源佔有狀況,以及競爭對手、客戶需求狀況，來確定其戰略目標及發展路徑和方式的。步入大數據時代後, 對數據資源的佔有及其整合應用能力是決定一家銀行成功與否的關鍵因素,而傳統的網點、人員、資本等因素則趨於淡化,未來商業銀行的客戶營銷,將主要依靠對不同類型客戶需求數據的掌握，並開發設計出安全、便捷、個性化的金融產品。因此，這就要求各商業銀行在評判競爭對手實力與自身優勢時，要注重考量IT能力與大數據實力；在制定戰略目標時，必須兼顧財務承受能力來決定對大數據的投入,從而確保戰略規劃與大數據支撐相適應；在確定戰略目標的實施路徑時，必須將互聯網金融、電子渠道、數據的收集與挖掘作為向客戶提供服務的重要方式和手段。

(二)傳統經營方式面臨重大轉變。在大數據時代, 金融業務與互聯網深度融合, 商業銀行的經營方式將會發生徹底改變。在產品開發、營銷方面,通過對海量交易、行為數據的收集、分析和挖掘,科學構建數據模型, 分層客戶的不同金融需求可以得到充分展示,進而針對客戶需要、市場需求研發產品、開展營銷,真正做到以客戶為中心開發設計產品,並實現精準營銷,而不是以銀行為中心製造、推銷產品。在風險防控方面,許多商業銀行在風險分析和評估中，雖然已經引入了數量分析方式,但是因歷史數據的積累不足,經驗判斷依然在風險管理、決策中起主導作用。依託大數據，對客戶實施多維度評價,其風險模型將會更加貼近市場實際,對客戶違約率的取值變得更加精準,長期以來銀行憑經驗辦業務的經營範式將會得到根本改善。在績效管理方面,可以通過對大數據的有效利用,並藉助通訊、視頻、移動終端等技術手段，對商業銀行員工的工作方式、頻率、業績等做出更加准確的評價,有助於充分發揮績效考核的正向激勵作用。

(三)數據基礎設施建設面臨嚴峻考驗。進入大數據時代，數據來源的多元化主要體現在兩個層面：一是在金融業務鏈條之外。移動網路設備和網路社交媒體產生了極其豐富的實時化的客戶行為數據，在這種環境下，客戶行為偏好數據往往隱藏在社交網路之中。如果要實施「大數據工程」，商業銀行必須搜集開放的網路數據，但現有的銀行IT系統、技術手段還無力搜集、分析、利用大數據。二是在金融業務鏈條內部。隨著專業細分與金融外包的趨勢愈加明朗，由一家或少數幾家銀行掌控關鍵業務數據的時代已經走向終結，業務數據產生、流轉於金融業務鏈條的各個結點，業務數據、客戶行為數據不可能自動集成至某個機構，這對「大數據工程」的實施提出了嚴峻挑戰。

商業銀行的應對與謀變

(一)優先搞好大數據戰略的頂層設計。大數據戰略必須超越電子銀行部或IT部門的狹隘視角，面向全局、面向未來，以客戶需求、市場需求為導向，建立自身的大數據架構。完整的客戶數據必須是多維度的，至少包含以下幾個方面：一是客戶的基本信息，譬如信用信息、社交關系信息等；二是客戶的偏好信息，譬如金融產品偏好、金融服務偏好等；三是客戶的行為信息，譬如銀行范圍內的行為數據、外部行為數據等；四是客戶的分析數據，譬如客戶風險度、客戶價值度等。要想使這些不同維度的數據信息具有分析價值，首先必須具有合理的數據結構。但現實情況卻不盡如人意，各銀行的數據結構基本上是條塊分割的。為此，各銀行必須優先搞好頂層機制的設計與改革，逐步打破業務界限，重組業務流程，確保數據靈活性。

在總行層面上，需要抓緊制定大數據工作規劃，建立大數據工作推進機制。主管數據部門負責組織協調，對大數據工作進行統籌規劃、集中管理；業務部門負責大數據的搜集、整理、存儲、分析和應用，全面採集、多方式整合商業銀行內外部各類數據，形成數據管理、數據使用、數據推廣的有效工作機制。

(二)科學謀劃和打造大數據平台。一方面各銀行要積極與社交網路、電商、電信等大數據平台開展戰略合作，建立數據信息交流、共享機制，全面梳理、整合客戶各類信息，將金融服務與社交網路、電子商務、移動網路等深度融合。另一方面各銀行也可考慮自行打造大數據平台，以便牢牢掌握核心話語權。

(三)積極建設大數據倉庫。著眼於大數據挖掘和分析，對海量數據的持續實時處理，建設數據倉庫項目，為服務質量改善、經營效率提升、服務模式創新提供支撐，全面提升運營管理水平。在項目建設中，通過梳理整合經營管理關鍵數據，建立數據管控體系，搭建基礎數據平台。通過數據倉庫建設，運用數據挖掘和分析，全方位調整管理模式、產品結構、營銷模式、信息戰略，從根本上提高風險管理、成本績效管理、資產負債管理和客戶關系管理水平，實現多系統數據的業務邏輯整合，形成全行級客戶、產品等主題數據。

(四)以大數據思維推進金融互聯網化戰略。進入大數據時代，金融產業與信息技術將實現深度融合, 金融電子化的深度、廣度將日漸強化。各銀行必須順勢而為, 緊緊追隨迅猛發展的互聯網、移動互聯網浪潮, 積極實施金融互聯化戰略, 嘗試構建電子化金融商業模式, 著力發展直銷銀行、社區智能銀行、互聯網金融、電子商務等業務。這就要求各銀行應當從發展戰略的高度，將金融互聯網作為未來提供金融服務、提升核心競爭力的主渠道。

(五)依託大數據技術實現風險管理的精細化。大數據時代，商業銀行可以消除信息孤島，全面整合客戶的多渠道交易數據，通過經營者個人金融、消費、行為等信息進行授信，有效破解傳統信貸風險管理中的信息不對稱難題，降低信貸風險。為此，各銀行必須深化風險管理體制改革，運用大數據理念來構建以客戶為中心的全面風險管理體系，理順部門間的職責，淡化部門色彩，徹底打破以往小數據模式下形成的部門、機構、區域、產品間數據信息分隔管理以及由分支機構各自分散識別風險的做法，形成按客戶集中統一管理數據信息和高效協調機制。

要積極推行把現場調查與非現場數據信息挖掘分析相結合、模型篩查與經驗判斷相結合，以定性信息與定量財務、經營等多重數據信息的勾稽核驗等為重點內容的風險管理創新。總行要通過大量數據信息的挖掘分析，勾畫出客戶的全景視圖，更加全面地評估客戶風險狀況，有效提升貸前風險判斷和貸後風險預警能力。

要進一步完善基於大數據信息平台的集中式風險審查審批體制，採用大數據方式來驗證借款人的數據信息，校正申報機構或部門對借款人的風險判斷。運用合理的參數和模型，計量出可接受的最大風險敞口，精準識別和動態審查借款人的每一筆融資業務。再利用習慣性數據信息和常識性、邏輯性分析，作出更專業的判斷，使風險識別、防範、決策更加可靠、更加貼近實際。

以上是小編為大家分享的關於商業銀行應用大數據之策的相關內容，更多信息可以關注環球青藤分享更多干貨