打造大數據金融銀行

❶ 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：

❷ 如何構建銀行業大數據分析平台

一是銀行與電商平台形成戰略合作。銀行業共享小微企業在電商平台上的經營數據和經營者的個人信息，由電商平台向銀行推薦有貸款意向的優質企業，銀行通過交易流水、買賣雙方評價等信息，確定企業資信水平，給予授信額度。建設銀行曾在這方面做過有益的嘗試。此外也有銀行參股電商、開展數據合作的案例。

二是銀行自主搭建電商平台。銀行自建電商平台，獲得數據資源的獨立話語權。在為客戶提供增值服務的同時，獲得客戶的動態商業信息，為發展小微信貸奠定基礎，是銀行搭建電商平台的驅動力。2012年，建設銀行率先上線「善融商務」，提供B2B和B2C客戶操作模式，涵蓋商品批發、商品零售、房屋交易等領域，為客戶提供信息發布、交易撮合、社區服務、在線財務管理、在線客服等配套服務，提供的金融服務已從支付結算、託管、擔保擴展到對商戶和消費者線上融資服務的全過程。

三是銀行建立第三方數據分析中介，專門挖掘金融數據。例如，有的銀行將其與電商平台一對一的合作擴展為「三方合作」，在銀行與電商之間，加入第三方公司來負責數據的對接，為銀行及其子公司提供數據分析挖掘的增值服務。其核心是對客戶的交易數據進行分析，准確預測客戶短時間內的消費和交易需求，從而精準掌握客戶的信貸需求和其他金融服務需求。

銀行業有處理數據的經驗和人才。數據分析和計量模型技術在傳統數據領域已得到較充分運用，同時也培養出大批精通計量分析技術的人才。如在風險管理方面，我國金融監管部門在與國際接軌過程中，引入巴塞爾新資本協議等國際准則，為銀行業提供了一套風險管理工具體系。銀行在此框架下，利用歷史數據測度信用、市場、操作、流動性等各類風險，內部評級相關技術工具已發揮出效果，廣泛應用於貸款評估、客戶准入退出、授信審批、產品定價、風險分類、經濟資本管理、績效考核等重要領域。

❸ 大數據助推金融業發展

大數據助推金融業發展
專家表示，對於金融行業來說，尤其是以銀行、保險為主的金融行業都是非常注重數據應用的，很多企業已經在利用大數據去服務其風險管理、客戶營銷和運營管理等工作。大數據未來將成為全球金融業競爭的主要「陣地」之一。對大數據的應用能力已經成為金融企業的核心競爭力，未來有競爭力的金融企業一定是有深厚大數據文化的企業。
今年《政府工作報告》明確提出要「發展壯大新動能。做大做強新興產業集群，實施大數據發展行動」。近年來，以信息通信技術的創新為基礎，互聯網、大數據和人工智慧等蓬勃發展，新的經濟形態展現出強勁的生命力。接受《金融時報》記者專訪的畢馬威中國大數據團隊學科帶頭人魏秋萍博士表示，對於金融行業來說，尤其是以銀行、保險為主的金融行業都是非常注重數據應用的，很多企業已經在利用大數據去服務其風險管理、客戶營銷和運營管理等工作。
金融大數據值得關注
魏秋萍表示，金融行業本身是一個自帶很大流量的行業。比如一個規模較大的銀行，都擁有海量的客戶。銀行可以利用大數據技術，針對不同的客戶群體制定不同的個性化服務方案，可以創建出很多不同的場景。同時，銀行擁有很多的數據維度，這些數據項又比一般的網路行為大數據擁有更高的價值密度，可以發揮很大的業務價值。因此，金融行業充分利用自己的流量、數據，有效結合外部數據，再配套先進的技術和理念，必然可以成為一個生態體系中的核心組織。
大數據已經被廣受關注，但到底什麼是大數據，並沒有一個被大家普遍認可的定義。魏秋萍認為，要認識大數據，可以從數據和技術兩大層面來看。在大數據這個熱詞沒有出現之前，金融行業早就開始了商務智能分析和數據挖掘，不過這時被分析的數據往往是企業內部的結構化數據。目前，金融企業分析的數據已經不再拘泥於此，而是大大拓寬了數據的廣度，除了結構化數據外，也會根據實際的分析需要來引入非結構化數據，同時也會結合企業內部數據和企業外部數據來開展分析。在技術層面，也有了很大的變革，包括存儲能力、計算能力和演算法種類等，都有長足的進步。在10多年前做數據挖掘的時候，往往由於樣本量龐大需要做采樣技術，現在有了高性能存儲和內存計算等技術的更新，采樣基本不再是必需的了。
魏秋萍預計，大數據未來將成為全球金融業競爭的主要「陣地」之一。與互聯網企業相比，雖然金融行業踐行大數據戰略的起步要晚了一些，但是金融行業利用大數據的進程也發展得很快。對大數據的應用能力，已經成為金融企業的核心競爭力，未來有競爭力的金融企業一定是有深厚大數據文化的企業。大數據提供了全新的溝通渠道和客戶經營手段，可以加深企業和客戶的互動，更及時精準地洞察客戶。大數據也可以幫助金融企業滋生新型的金融業態參與市場競爭，用大數據來武裝自己的金融企業未來一定是某個生態鏈中的關鍵組件。
風控需同步跟上
魏秋萍表示，應用大數據必須要重視數據質量和技術創新。舉例來說，把大數據應用於風險控制是金融業應用大數據最典型的場景之一。在這一場景的應用中，有以下兩點必須注意：一是對於數據的整合和數據的治理。風控是一個復雜的過程，要利用數據對風險進行穿透式管控，必須實現用真實的數據再現業務流程，因此，數據的可獲得性和數據質量非常關鍵。二是先進技術的應用和創新。風控是魔高一尺道高一丈的游戲，「小偷」的伎倆層出不窮，作為「警察」的風控必須要有不斷創新的能力，不斷優化風控的技術。她還表示，從大數據風控技術的角度看，國內和國際的差異並不大，中國也走在了技術的前沿。但是，國外的金融企業對創新技術的容錯會比國內好，他們有一些機制來鼓勵創新技術的試錯。這一點值得國內企業學習。
魏秋萍還認為，應用大數據的時候，數據安全也要同步跟上。保障數據安全的方法主要是三大手段：第一，需要依靠健全的法律制度來保障和約束數據交易的買賣雙方；第二，需要加強數據買賣雙方的道德約束；第三，需要通過安全技術來保障數據的安全。
金融企業應用大數據是一個逐步發展的過程，大數據的價值釋放也必然是循序漸進的。企業內部一致的大數據理念和數據驅動決策的文化，也是大數據助推金融企業發展的保障。

❹ 大數據技術在金融行業有哪些應用前景

大數據金融市場前景廣闊，深度開發大數據金融工具，或將重構整個金融行業。預計未來5到回10年，金答融大數據產業將迎來黃金增長期，大數據也將成為助推「大眾創業、萬眾創新」浪潮的有力抓手。
據《大數據金融行業市場前瞻與投資分析報告》數據顯示，2016年我國大數據金融市場規模為15.84億元，隨著政策逐步實施與落地，以大數據為核心手段、核心驅動力的產業金融，將邁入時代發展正軌成為主流趨勢，預計2018年中國金融大數據應用市場會突破100億元，金融業開始進入了大數據時代快車道。
大數據金融作為一個綜合性的概念，在未來的發展中，企業坐擁數據將不再局限於單一業務，第三方支付、信息化金融機構以及互聯網金融門戶都將融入到大數據金融服務平台中，大數據金融服務將在各家機構各顯神通的基礎上，實現多元業務的融合。
伴隨互聯網金融縱深發展，大數據優勢越加凸顯。作為互聯網金融創新的驅動力，大數據金融帶來的方式革新，未來走向精細化和專業化。今後大數據金融行業的努力方向，應該是以完備的大數據為基礎，基於用戶需求提供智能化一站式產品購買及定製化服務，以及數據挖掘、數據整合、數據產品、數據應用及解決方案等。

❺ 大數據在金融領域的應用

大數據在金融領域的應用如下：

1. 概述

近年來，隨著大數據、雲計算、區塊鏈、人工智慧等新技術的快速發展，這些新技術與金融業務深度融合，釋放出了金融創新活力和應用潛能，這大大推動了我國金融業轉型升級，助力金融更好地服務實體經濟，有效促進了金融業整體發展。

在這一發展過程中，又以大數據技術發展最為成熟、應用最為廣泛。

從發展特點和趨勢來看，「金融雲」快速建設落地奠定了金融大數據的應用基礎，金融數據與其他跨領域數據的融合應用不斷強化，人工智慧正在成為金融大數據應用的新方向，金融行業數據的整合、共享和開放正在成為趨勢，給金融行業帶來了新的發展機遇和巨大的發展動力。

2. 大數據技術在金融行業中的典型應用

大數據技術在金融行業中有著廣泛的應用， 下面將介紹大數據技術在銀行、證券、保險等金融細分領域中的應用。

3. 金融大數據應用面臨的挑戰及對策

大數據技術為金融行業帶來了裂變式的創新活力，其應用潛力有目共睹，但在數據應用管理、業務場景融合、標准統一、頂層設計等方面存在的瓶頸也有待突破。

❻ 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

❼ 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。

❽ 金融大數據平台應該如何搭建及應用是否有金融案例可以借鑒的

金融大數據平台的搭建和應用是兩個部分，對於金融大數據平台來說，這兩個部分都很重要。所以以下的部分我們從大數據平台和銀行可以分析哪些指標這兩個角度來闡述。

一、大數據平台

大數據平台的整體架構可以由以下幾個部分組成：

1.一個客戶

客戶主題：客戶屬性（客戶編號、客戶類別）、指標（資產總額、持有產品、交易筆數、交易金額、RFM）、簽約（渠道簽約、業務簽約）組成寬表

2.做了一筆交易

交易主題：交易金融屬性、業務類別、支付通道組成寬表。

3.使用哪個賬戶

賬戶主題：賬戶屬性（所屬客戶、開戶日期、所屬分行、產品、利率、成本）組成寬表

4.通過什麼渠道

渠道主題：

渠道屬性、維度、限額組成寬表

5.涉及哪類業務&產品

產品主題：產品屬性、維度、指標組成寬表

三、案例

鑒於篇幅問題，此處可以參考這篇文章：

華夏銀行：大數據技術服務業務需求，實現銷售高速增長