大数据对商业银行的机遇与挑战_金融大数据

商业银行认识到未来金融服务质量提升将取决于对客户行为的深度理解及需求的洞察，而大数据技术使原来认为不可能的数据分析与挖掘成为了可能，进而给商业银行的业务与服务创新创造机会。

近年来，伴随社交网络的兴起，智能手机及移动终端的普及，各种监控及传感设备的大量分布使用，产生了前所未有的大量数据，并同时推动着各种大规模数据处理技术的迅猛发展。2012年大数据被Gartner定义为最热门的IT技术之一。大数据的机遇与挑战无处不在，麦肯锡的观点认为大数据已经渗透到每个行业和业务职能领域，逐渐成为重要的生产要素与企业资产，对大数据的运用预示着新一波生产率的增长和消费盈余浪潮的到来。

一、商业银行的机遇

大数据的技术发展给各行业对业务数据的应用提供了广泛的想象空间，现代商业银行作为信息密集型的服务企业，普遍大量投资于IT设施。互联网的应用普及使金融信息化程度更为迅速深化，电子银行、电子贷币及电子支付、在线金融信息服务得到广泛推广，基于更好的服务客户、提升风险管控和管理能力及监管的要求，银行业已产生从产生、交换、管理和应用全流程的数据应用流，并拥有庞大的数据可用资源。商业银行认识到未来金融服务质量提升将取决于对客户行为的深度理解及需求的洞察，而大数据技术正迎合将各种行为的数字化进而数据化和信息化，使原来认为不可能的数据分析与挖掘成为了可能，进而给商业银行的业务与服务创新创造机会。

1．深度的客户行为分析与洞察

传统的数据分析领域，主要借助于客户的静态数据对客户进行行为评分，依赖结构化数据为主，受制于关系数据库技术。而大数据时代，借助大数据的技术商业银行将从数据的广度与深度两方面对客户的各种行为数据进行采集与分析，能更加深入分析客户行为，并能从全样本的角度对数据进行挖掘。

客户信息视图将更全面和完整，主要表现在以下方面：①客户的基本信息将包括身份信息、联系信息、社交关系信息、交易信息和信用信息等；②客户的偏好信息将包括服务偏好、金融产品偏好、渠道偏好和个人爱好等；③客户行为信息，包括商业银行范围的行为数据、外部行为数据，同时将客户行为与相应的地理（位置）信息结合；④客户分析数据，包括客户细分类型、客户价值度、客户风险度和客户的状态等。更多维度的数据将提升银行数据分析的价值，商业银行可通过构建合理的数据结构来支持数据采集与分析，以综合全面的分析客户的资产负债、支付、流动性状态、客户行为，实现产品的研发与创新及客户的精准营销等，从而创造无限商机。

2．广泛的风险及欺诈控制

银行金融服务的多渠道发展，伴随着互联网和智能手机等技术的使用，源于这些技术的开放性，增加了商业银行在业务操作风险与欺诈防控方面的风险，通过大数据分析技术的应用，银行将可通过对支付业务链全流程业务数据与客户行为数据的采集，实现银行业务链之外的社交媒体和移动设备产生的丰富实时化及包含地理位置信息的处理，实现客户风险的实时侦测及欺诈行为的识别。

例如信用卡组织和第三方支付服务机构通过对大规模支付交易日志、商户信息、地理位置的分析对欺诈活动进行识别，实现整个诈骗过程中自动检测、分析和标识，建立欺诈活动反馈循环。

二、商业银行面临的挑战

大数据在给商业银行带来机遇遐想的同时，也使商业银行面临着前所有未有的挑战，只有有所准备，才能在大数据时代获得先机。

1．对银行IT架构的挑战

商业银行IT架构主要从应用的角度实现技术架构与数据架构的构建，如何将大数据处理技术融入到现有的架构中来，首先需要对原有的应用架构及数据架构进行重新规划，这将带来重大的影响与改变。为适应大数据的应用，商业银行将需搭建自己的大数据基础设施，这包括硬件与软件，以实现获取、存储、分析和利用大数据的IT系统架构。虽然大数据的市场定义很宽泛，但是核心的大数据技术和工具都有一些共同特征，即：利用标准化硬件实现可扩展的并行处理技术；采用某种程度的非关系型数模型来处理非结构化和半结构化数据；都利用了高性能的数据直列存储和／或压缩技术来提升查询效率；都能与业务分析和数据可视化技术互操作，向最终用户提供分析结果。但如何将其与商业银行的传统技术融合，并付诸实践将是对现有IT架构的一次革命性的挑战。

2．数据整合的挑战

大数据的核心问题是集成与整合，从这个角度看商业银行将面临复杂的数据环境，其数据类型、形态、来源将是前所未有的多样化，既包括来自商业银行传统交易系统的结构化业务数据，还包括来自银行自己的电子商务网站、网上银行和外部社交媒体网站、即时聊天工具、微博等渠道的半结构化数据及日志，以及来自客户服务渠道的各种语音、图片和影像等。只有有效地集成与整合来自各个渠道的各种类型的，甚至异构的数据，打破传统数据化与非结构化数据间的壁垒，才能构建完整、全面的企业大数据信息视图。

数据整合能力还体现在整个大数据链条上的数据获取，商业银行要打破传统数据源的边界，通过各种渠道获取尽可能完整的客户信息，整合客户接触渠道，充分利用社交网络，而大数据的快速传播及多姿变换的特点也给数据的整合带来了复杂性，当数据充分融合后将难分辩真正的来源，只有合理利用数据采集渠道才能有效实现数据的整合。

3．对大数据技术掌握的挑战

在数据分析方面，大数据分析方法与传统数据分析方法有很大不同。数据分析人员面临新工具与新方法的挑战，传统数据分析方法是相对明确需求后从样本数据开始，而在大数据时代，则是全样本出发，IT部门构建数据平台，提供数据存储与分析的能力，由业务部门的数据分析人员进行数据挖掘，从全量数据中发现业务需求和业务创新点，这要求数据分析人员需要具备统计学、数学、运筹学、业务知识、创造力及心理心等跨领域的知识和技能，这对数据分析人员的提出了更高的要求。

在技术支持方面，大数据存储与计算技术以其不共享分布式架构来满足海量级数据存储与高效计算能力的需求，集群中的机器节点数将达到成百上千，甚至上万的节点，且从使商业银行采用成熟、稳定技术的传统看，大数据技术本身成熟度稳定性尚有待提高，这些技术的使用将使商业银行在部署、监控和维护管理上面监着与其传统技术不一样的复杂度和模式，对大数据技术的掌握将是IT部门的一大挑战。

在数据管理方面，大数据给商业银行创造了能够更好的理解客户，更好的服务客户的机会，如何保护好这些数据，防止恶意的使用和访问，防止客户数据，包括客户隐私数据的“泄漏”，在使用好数据同时又要防止数据的滥用，需要银行在技术、流程和制度上进行变革。

大数据时代给商业银行带来了机遇的遐想，也带来了挑战，并必将对商业银行产生深远影响，能否把握机会，在于银行是否做好了相应的准备。

（文章来源：中国金融电脑）