大数据时代的农业银行金融创新

近年来，大数据已经成为社会关注的热点，并不断改变着人们的认知和生活方式。两会政府工作报告指出，“设立新兴产业创业创新平台，在新一代移动通信、集成电路、大数据、先进制造、新能源、新材料等方面赶超先进，引领未来产业发展。”大数据首次作为优化产业结构的一项创新国家战略被提出。大数据时代，银行业同样面临着一场经营方式上的变革，大数据为银行创造了深化客户挖掘、加快产品创新的广阔空间，使银行决策从“经验依赖”向“数据依据”转化，可以获得更加精准的市场洞察能力和经营管理能力;大数据催生出很多新的金融业态来直接瓜分传统商业银行市场，银行业的生存发展受到挑战，产品虚拟化、服务虚拟化与管理虚拟化对传统银行业的运营模式带来巨大的冲击。在此背景下，挖掘利用大数据的能力将成为决定银行竞争力的关键。

一、大数据带来的机遇与挑战

　　数据的潜在资产价值无处不在，预示着一个创新时代的来临。数据作为资源的再利用价值为银行业金融创新提供了可能并带来驱动力，农业银行正面临着前所未有的机遇和挑战。

　　1.机遇

　　第一，农业银行可以获得更广阔的业务发展空间。商业银行提供的服务和产品存在较大同质性，商业银行需要通过大数据进行金融创新实施差异化。社交媒体兴起为银行创造了全新的客户接触渠道，银行网点、PC终端、移动设备、传感器等多种渠道产生的结构化和非结构化的海量数据，为银行加快产品创新并深化客户挖掘提供了广阔空间。第二，农业银行可以获得更精准的决策判断能力。大数据将使银行决策从经验依赖向数据依据转化，将在深入了解和把握银行自身乃至市场状况的基础上，更加科学地评价经营业绩，引导银行业务科学健康发展。第三，农业银行可以获得更优秀的经营管理能力。大数据引发银行业的经营管理变革，在资产负债管理、信贷及风险控制、成本核算、营销活动、绩效考核等方面都发挥着重要的作用。

　　2.挑战

　　大数据给农业银行带来的挑战主要来自两个方面。一方面，要求农业银行具有数据获取和利用的能力。一是经过多年的信息化建设，银行积累了海量的数据，目前农业银行存贷业务的客户信息结构化数据较丰富，其他业务领域的数据还比较匮乏，全数据采集需突破传统业务边界和商业合作模式。二是实现低成本、低能耗、高可靠的数据存储，是农业银行大数据体系建设的关键环节。三是实现在复杂数据中寻找规律，发现价值，对商业银行数据处理能力提出很高的要求，打造发现和利用数据的能力是农业银行成功实施大数据战略的又一个关键因素。另一方面，要求农业银行有效应对大数据时代商业运营模式变革带来的挑战。在产品与服务方面，互联网金融、移动金融、金融IC卡的推广逐步改变银行向客户提供产品和服务的形式;在管理方面，数字证书、数据信息以及信息化的流程管理，要求传统商业银行的经营模式必须符合大数据时代的特征，借助大数据实现跨越式的发展。

二、农业银行大数据战略：数据治行

　　紧跟大数据时代的步伐，农业银行积极推进大数据平台建设及大数据的价值应用，确立了“大数据体系建设必须以应用为核心，数据平台开发与业务应用统筹考虑，要做好内部的数据治理，逐步拓展数据来源范围，充分利用内外部数据资源，不断提升对全行经营管理的支撑水平。”的总体战略思想，即：数据是基础，应用是目标，平台是支撑，治理是保障。

　　1.强化数据治行理念

　　大数据革命必将颠覆银行传统观念和经营模式。通过营造“数据治行”的文化，建立分析数据的习惯，落实全行的数据标准和数据治理，切实提升“大数据”开发利用的综合能力，将现有数据转化为信息资源，让决策更加有的放矢，让发展更加贴近市场需求。

　　2.建设大数据平台

　　构建处理能力强、扩展性好、开放度及共享度高的大数据存储加工平台，整合行内外、各种形态、跨历史周期的海量数据，并构建统一、全面、稳定的企业级数据模型，为大数据的分析利用提供基础的数据、环境、模型及配套工具等全方位立体式支撑。

　　3.打造数据分析应用体系

　　构建适应大数据分析的多功能、跨渠道、多粒度的分析挖掘模型和应用体系，为服务质量改善、经营效率提升、金融模式创新提供支持。通过对海量数据的深度分析，全方位调整产品结构、营销模式，从根本上提高风险管理、成本绩效管理、资产负债管理和客户关系管理水平。

　　4.实现智慧银行的目标

　　智慧银行是指，通过大数据技术不断优化业务办理流程，高效配置金融资源，敏锐洞察并引领客户需求的高度智能化的金融商业形态。智慧银行可提供“银行始终在客户身边”的全场景金融服务，为客户创造最佳服务体验。

三、农业银行大数据平台概述

　　经过多年的努力探索，农业银行在大数据平台建设的道路上锐意开拓，大胆创新，逐步形成了以四大基础平台、五类数据服务为核心的大数据平台。

　　1.四大基础平台

　　(1)企业级数据仓库

　　随着银行业数据利用能力的逐步提升，业务分析呈现跨领域分析、高度整合分析、长周期历史分析等特点，企业级数据仓库通过对行内跨领域海量数据的高度整合和模型化，形成对客户、账务、产品等的统一视图，使大数据分析成为可能。农业银行企业级数据仓库以存储和处理结构化数据为主要目标，全面涵盖了农业银行存、贷、中间业务等行内业务条线的核心类数据，实现PB级数据的高效存储，可以满足全行在各个领域数据分析和价值发现的各类需求，并为全行数据治理提供有力的支撑。如通过网点的多维度、全方位、长历史周期数据挖掘给出网点资源配置建议，提升运营效率，优化业务流程。

　　(2)信息共享平台

　　信息共享平台以存储和处理行内非结化数据为主，辅以来自行外的社会数据。基于非结构化数据的分析和深度挖掘，在客户关系管理、中小企业信贷、风险管理、品牌建设等众多领域发挥了重要的作用。如基于对社交网络各类非结构化数据的综合分析可以获取行外目标客户;通过机器学习、语音识别、情绪识别等技术，对客服语音记录进行深度挖掘，发现客户的需求。

　　(3)实时流计算平台

　　传统数据计算平台多以批量计算为主，数据处理能力较强，但时效性较差。农业银行的实时流计算平台采用业界最先进的流计算框架，实现数据的快速采集、交换、处理和应用，主要用于实时营销、实时客户服务、欺诈监控、大额动账监控、系统运营监控等各类对时效性要求比较高的业务场景。如结合持卡人的行为偏好为客户实时推荐精准的营销信息、优惠信息和特惠商户信息，并为特定客户群体提供实时的有针对性的服务提示。

　　(4)高性能数据处理平台

　　海量数据的分析挖掘亟须一个高性能环境的支撑，农业银行高性能数据处理平台采用大内存处理、分布式、闪存等新技术，以高性能计算为主要特点，实现对海量结构化数据、非结构数据等进行综合处理、全面分析和深度挖掘。如通过大数据语义分析和情绪分析追踪海量网络信息蕴藏的经济金融“微信号”，借此判断未来的市场走势，为前瞻性风险管理提供参考。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文