大数据技术赋能金融业创新与应用升级

作者：李虹含

大数据时代将带来人类生产力的又一次大解放和生产效率的巨大提高，移动互联网络将成为实现中国梦的重要载体，这本质上需要相互联通相互融合的大金融体系。

然而，多年来我国金融监管体系相互独立，银行、证券、保险行业相互割裂，难以适应大数据时代金融发展的要求，当前虽然面临着移动互联带来的巨大机遇，但难以把握，反而受到互联网企业的全面渗透，各行业处于不改变就被改变的境地。

相关各方应该以金融监管协调部际联席会议制度建立为契机，加大体制和机制创新力度，加大金融领域中银行、证券、保险领域的相互开放力度，促进金融机构尽快转变理念、融入互联网精神，支持其在大金融体系下的金融创新和做大做强。

从国际看，IBM、INTEL 等巨型公司都向大数据业务转型，而金融服务领域天生就是数据和信息密集型产业，在这个领域谁拥有更多的数据，谁就占领先机。本文将以金融机构数据应用现状、前景和创新维度等方面探讨大数据技术在金融业创新与应用升级方面的重要作用。

一、金融机构数据应用的现状

目前，金融机构实现了所有核心业务系统的电脑化处理，计算机应用覆盖了本外币储蓄、本外币对公、国际贸易结算、信用卡、信贷管理等业务领域。

同时金融机构每时每刻都在搜集和处理大量的信息，包括公司和个人的账户信息、公司和个人的贷款信息和企业、行业、产业、产品信息等等。特别是随着金融机构数据集中工程实施后，金融机构的各级营业网点和业务部门要对总部返回所有交易、业务类数据。

如何利用好这些宝贵的信息资源，获取有益的信息，以便更好地为客户服务，提高金融机构经营管理水平和利润，是当前金融机构争相研究的核心热点问题。

建立基于数据仓库技术的一个信息管理平台，采用数据挖掘技术，适时、智能地抽取所需数据，并通过完善灵活的定义方式，运用科学、实用的分析工具，结合金融系统安全管理的特点，为管理决策人员及相关业务人员提供灵高效、可靠、实用的管理分析工具。

现代金融机构当中，数据资产成为其区别于传统金融机构的最大生产要素之一，利用大数据技术与数据挖掘方法对于数据资产的管理、运用、挖掘，成为现代金融业加快创新、增强管理能力等业务的最重要工作。

大数据挖掘分析决策的主要流程见下图1。银行业海量的数据内容，需要从“数据清理/整合——>数据仓库——>数据选择——>数据挖掘——>模式评价——>知识”多次的循环反复，才有可能达到预期的效果。

图1 分析决策的过程

资料来源：工信部电信研究院大数据白皮书（2016年）

银行业监管机构对于数据管理和监测的要求也在不断提高，在《中国金融业“十三五”信息化建设规划》中，“加快银行信息资源的集中，实现数据视图在全行范围的共享，充分利用数据仓库和数据挖掘技术，实现资产负债管理、财务绩效管理、风险管理和客户关系管理等主题应用，建立面向主题、面向市场、面向决策、满足内部管理及外部政策要求的银行管理信息系统建设”。

《中国银行业信息科技“十三五”发展规划监管指导意见》中又进一步指出，“大中型银行要把数据治理作为重要的制度性建设与基础性工作，加强组织保障、制度保障与流程保障，有序推进、重点强化；统一数据标准，提高数据质量，深化数据应用，有效支撑银行业务发展，有效提升银行管理水平。”

“十二五”末期，大部分银行均开始着力解决数据质量较差的问题，开始加强数据管理、管控，提高数据信息质量，采用数据挖掘和大数据技术深层利用、提炼数据以提升经营管控效能。

二、大数据在金融业中的应用前景

随着数据价值被越来越多的认可，尤其是在金融企业业务转型时期，基于数据的业务及内部管理优化使得金融领域的大数据应用市场规模在未来几年将以高于整体水平的速度增长。

三、大数据促进金融业创新的维度

（一）可扩展性开放架构支撑金融业发展

金融企业的IT设施更易于数据的集中、扩展是大数据技术的必然要求，而且还要求要管理过程当中具备更加优质的可靠、可控和安全性。近年来，随着 x86 架构 CPU 处理器制程、内部计算架构设计推陈出新，性能已逐渐赶上 RISC 服务器，同时，在稳定性、可用性及服务性也足以胜任海量数据对基础架构能力的要求，因此，具备高扩展性的开放架构正逐步成为金融行业应对大数据的优选方案。

（二）促进金融业风险管控、精细化管理、业务创新

第一，业务的精细化管理及风险的有效控制可以使用大数据技术有效完成。利率市场化大背景下的中国银行业需要重塑其精细化流程管理，实现精准营销；

第二，大数据技术支持的服务创新体系，可以更好地做到以“客户为中心”，通过对客户消费行为的分析，提高客户粘性，实现金融机构的差异化竞争。

（二）推进高频金融交易、小额信贷等业务创新

大数据技术在金融行业的运用已逐步展开，并开始取得了一些良好的成效，特别是一些典型的数据类业务：高频交易、小贷风控和精准营销等都有效地利用了大数据的优势。

例如，中国A股市场每天4个小时的交易都会产生约3亿条以上的交易数据，随着时间的推移，积累的数据量将会越来越多。

这些数据可以被用于进行数据挖掘和创新，实现创造和量化投资交易模型，将其应用于真正的投资活动过程当中，以期为企业和投资者创造利润。

阿里巴巴与建设银行联手在2007年推出专注于小额信贷的——E贷通，根据阿里巴巴大量用户数据、交易记录，建设银行进行数据挖掘，以判断是否应当给该网络店铺或网商提供贷款；

微众银行在消费金融层面不断使用大数据，2016年5月15日，微粒贷上线一周年累计放贷超400亿，贷款笔数超500万笔，单笔金额7000-8000元之间，共计1600亿，日贷款规模超过10亿，日均贷款余额500亿，利率0.05%，不良资产率不足0.4%，低于普通商业银行的水平，大数据技术的效果明显。

（四）促进金融业的精准营销

招商银行在数据挖掘过程当中发现招行信用卡额度较高的优质客户经常出现在星巴克和麦当劳等场所后，通过“多倍积分累计”和“积分店面兑换”活动吸引优质客户；

另外，其还构建出有效的客户流失预警模型，对即将出现流失的前20%客户发出售高收益理财产品或采取免手续费等策略进行挽留，使招行信用卡和金卡客户流失率降低15%左右；

同时，还通过小微企业主持有信用卡的个人消费活动识别消费行为习惯优质的小微客户，利用远程银行和云计算等实行交叉营销，取得了非常良好的效果。

四、大数据技术在金融业应用中的优势发掘

经济社会的三个重要组成要素：产品、信息、资金渗透于互联网时代的诸多环节，互联网时代的激烈竞争当中，电商、金融机构、物流三大类别企业代表着三种要素的重要占有者，三者都希望成为主宰着三种要素的利益获得者。

虽然在互联网技术、平台层面金融机构有所落后，但从长期发展趋势来看，金融机构具有重要的优势，主要包括以下几个方面：

（一）金融机构的信息优势

金融机构不仅掌握着大量资金，而且在信息搜集方面也拥有独特优势，不管是甄别优、劣客户进行授信贷款，还是金融服务用户交易活动留下的交易痕迹都是其重要数据资产。尤其是金融机构的信息化建设也居于各行业前列，信息处理与建设已经根植入金融机构的“思维”。

金融机构不仅有信息化建设的意愿，而且具备建设优质信息化系统的条件。特是在2000年之后，中国的金融机构提出建立数据集市的思路。各大金融机构纷纷建立了数据中心和备份中心，提高了数据的存储利用效率和风险防控能力。

另外，由于在贷款和金融业务开办之前，各自然人都需要在金融机构开户并填写个人基本信息，社会上的资金划转要以金融机构为媒介，因此金融机构有着广泛的渠道获取客户信息和资金流信息，同时POS机和ATM也可以获取个人的消费信息。

多年的积累，使金融机构已形成海量的信息数据库，其结构化程度优于电商等企业。

（二）金融机构的人才优势

中国的金融机构均设有科技开发中心、数据测试和收集中心以便于金融机构开发拥有自主知识产权的个性化业务、功能。

在二十世纪初提出的建立数据集中项目过程当中，金融机构累积了大量建设复杂数据信息系统的经验，涉及软件开发、数据仓储等具体实操项目，这些项目锻炼了金融机构的科技开发队伍，为金融机构积累了许多软件开发、管理人才。

金融人才和信息科技人才的结合是金融机构构建有效物流、信息流的重要基础保障。

（三）金融机构的资金优势

金融机构的利润率普遍较高，近几年来的业绩增长较快，许多金融机构的盈利能力开始超过国外金融机构。

因此，金融机构内部拥有充足的资金，有利于金融机构建立大规模的资金、物流、信息流操作系统。

资金优势使金融机构在构建三网融合过程当中可以建立先进的数据操作系统、存储系统和计算系统，有利于大数据技术和发展和应用。

（四）金融机构的制度优势

中国的金融机构一方面自负盈亏，另一方面与政策存在着千丝万缕的联系。

我国的金融机构牌照较难获得，电商和物流商的资格相对都比较简单。我国大型金融机构已基本实现集团化经营，全国十五家上市银行资产占到中国银行业总资产的60%以上，其经营管理经验、理念、方式、方法都强于电商和物流企业，容易形成跨界、跨区域经营。

总之，目前金融机构实现了所有核心业务系统的电脑化处理，为大数据技术的使用创造了良好的条件，计算机应用覆盖了本外币储蓄、本外币对公、国际贸易结算、信用卡、信贷管理等业务领域；

同时金融机构每时每刻都在搜集和处理大量的信息，包括公司和个人的账户信息、公司和个人的贷款信息和企业、行业、产业、产品信息等等。

特别是随着金融机构数据集中工程实施后，金融机构的各级营业网点和业务部门要对总部返回所有交易、业务类数据。

如何利用好这些宝贵的信息资源，获取有益的信息，以便更好地为客户服务，提高金融机构经营管理水平和利润，在信息技术应用广泛的今天，对金融机构有着非常重要的意义。

建立基于大数据技术的信息管理平台，采取大数据挖掘技术，适时、智能地抽取所需数据，并通过完善灵活的定义方式，运用科学、实用的分析工具，结合金融系统安全管理的特点，将为管理决策人员及相关业务人员提供灵高效、可靠、实用的管理分析工具，为金融业创新与应用升级插上腾飞的翅膀。

参考文献：

[1]薛冬辉,大数据时代下的物流、信息流、资金流融合——基于商业银行视角[J].物流技术,2014(1)

[2]中国工商银行.大数据时代下的三流融合——基于商业银行的视角[R].银行业研究,2013(8).

[3]《中国金融业“十三五” 信息化建设规划》

[4]《中国银行业信息科技“十三五”发展规划监管指导意见》

[5]工信部电信研究院大数据白皮书（2015年）

[6]赵维平. 国产MPP架构数据库在金融业大数据计算环境中的研究与实践[J]. 金融电子化,2015,(12):66-68.

[7]陈静,孙中东,林磊明,徐晓鸥,郭育知,李捷,魏珺. 大数据驱动金融业变革[J]. 金融电子化,2013,(12):28-33+7.

[8]郑岩. 商业银行的金融互联网思维[J]. 金融电子化,2013,(08):10-12.

微信订阅号：李虹含