大数据时代如何构建数据服务体系

2012年以来，“大数据”一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，以及与之相关的技术发展和数据应用。随着人们生活信息化程度的提高，特别是伴随物联网、移动互联网、社交网络的快速发展，如何从各种类型的海量数据中快速获得有价值的信息成为数据挖掘和分析的新热点，这也是大数据应用的基本目标。

        数据是未来银行的核心竞争力之一，大数据对银行的数据驾驭能力提出了新的挑战，也为银行获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。目前，互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理等方面拥有明显的优势，并已涉足金融领域，阿里巴巴已开始利用大数据技术提供金融服务，通过其掌握的电商平台阿里巴巴、淘宝网和支付宝等的各种信息数据，借助大数据分析进行贷款审批。因此，探索大数据背景下的银行数据服务体系的建设方案，已成为商业银行提高自身竞争力需要解决的现实问题。

一、商业银行数据服务体系建设

        银行业一贯重视数据的战略价值，各大商业银行对于传统的结构化数据的挖掘和分析仍处于领先水平，在数据仓库和BI应用上已有多年的积累，开发了客户关系管理、运营管理、风险管理、财务管理等领域的各类应用，为企业的生产经营提供了科学依据。虽然现在国内商业银行对大数据的实际应用还比较少，但银行业对在其IT体系中引入大数据处理的必要性是基本认同的；大数据技术已经得到了大多数银行的关注，有部分银行正在进行相关的调研、论证与测试工作。

        在大数据时代背景下，商业银行的数据资产中，除了传统的结构化数据库，还应建设包含非结构化数据、半结构化数据的信息库（如图l所示）。传统结构化数据库中包含客户数据、员工数据、交易数据、财务数据等，信息库中既包含机器产生的半结构化数据（如网银/网讯点击流与日志数据、渠道通信数据、网点/ATM传感器数据等），又包含非结构化数据（如社交媒体数据、图像处理、声音/视频存储与处理、资讯类信息、规章制度、业务知识等）。商业银行数据服务体系的建设目标即是整合结构化数据库和非结构化信息库中的数据资源，通过信息价值挖掘、用户行为分析、智能推荐引擎等技术手段，对企业掌握的信息资源进行统一管理和利用，使数据信息产生最大化价值，为管理决策者、专业分析师、营销人员和重要客户提供数据挖掘、数据分析、统一检索、信息定制等综合信息服务，如：

        （1）及时推送金融分析、行业热点及舆情分析类信息，为管理人员提供决策支持；

        （2）通过统一检索服务为行内各专业的分析师提供快速便捷的信息获取方式，实现全行管理信息的集成与共享；

        （3）提供客户行业、来源、类型的业务动态、客户动态和市场信息，帮助营销人员及时发现营销机会并实现主动精准营销；

        （4）通过网银、邮件等形式为重要客户定期提供可定制的、高附加值、专业化的信息增值服务，增加客户的忠诚度。

        在上述数据服务架构中，银行需要拥有强大的大数据处理能力，才能使数据真正成为核心竞争力。与传统数据库管理工具处理相比，大数据处理在各环节（如获取、存储、检索、共享、分析和可视化）上都面临很多问题。大数据处理的基本框架主要包括数据存储和组织、计算方法、数据分析、用户接口，以及在整个数据管理过程中需重视的数据质量、数据安全、数据监护等（如图2所示）。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文