世界正從IT(信息技術)在走向DT(數據技術)。大數據熱潮引發了一場思維、生產和生活方式的重大變革，可以說開啟了全新的時代。對于天然具有數據屬性的金融業來說，一方面，大數據能夠為金融機構的經營管理提供充分的信息支持;另一方面，大數據滋生的新型金融業態對傳統金融機構帶來了嚴峻挑戰。在這場社會大變革中，金融機構將如何應對，非常令人期待。

 

近些年來，中國銀行業的改革發展取得了令世界矚目的成就。前不久國務院總理李克強見證微眾銀行首筆線上貸款后，互聯網貸款被認為是沖擊傳統金融機構的又一創舉。隨著以移動互聯網、云計算、“大數據”和物聯網為代表的信息革命的興起，銀行業又一次面臨新的機遇和挑戰。中國銀行業能否用好大數據，實現經營、管理和服務創新，決定了其未來的可持續發展能力。

 

銀行業已初步具備運用大數據的基礎

 

大數據是信息技術與互聯網產業發展到特定階段的產物，從互聯網到物聯網，從云計算到大數據，信息技術正在從產業基礎走向產業核心。而銀行業作為與信息技術深度結合的行業，互聯網思維和決策數據化已開始嵌入經營管理的全流程。大數據實質是“深度學習”，能夠為銀行提供全方位、精確化和實時的決策信息支持。銀行的經營轉型、產品創新和管理升級等都需要充分用好大數據。目前，銀行在客戶分析、風險管理方面對大數據運用已初步積累了一定的經驗，為未來過渡到全面大數據運用奠定了良好基礎。

 

銀行業開始嘗試接入和整合外部數據資源。在傳統的數據分析模式下，銀行業出于市場分析、內部管理、監管需要，產生并記錄了巨量的文本式結構化數據，涉及客戶賬戶資金往來、財務信息等，以及網銀瀏覽、電話、視頻等非結構化數據。但是，傳統意義上的銀行僅能掌握客戶與銀行業務相關的金融行為，無法獲得客戶在社會生活中體現興趣愛好、生活習慣、消費傾向的情感或行為數據，無法與業務數據形成聯動。隨著電子商務的快速發展和移動金融的深化，銀行業逐步加強與外部數據源對接，甄別有效信息，整合多渠道數據，豐富客戶圖譜。目前，已有多家銀行進行了有益嘗試。

 

一是銀行與電商平臺形成戰略合作。銀行業共享小微企業在電商平臺上的經營數據和經營者的個人信息，由電商平臺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臺。銀行自建電商平臺，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，是銀行搭建電商平臺的驅動力。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、托管、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臺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，準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。

 

運用大數據需要警惕的風險

 

銀行業結合了互聯網大數據會使得該行業面臨更多更復雜的風險在此背景下互聯網金融行業健康可持續發展離不開對風險的監控和管理。

 

第一，數據安全和數據定價風險。銀行從一開始誕生就離不開數據，銀行的核心基礎就是大數法則，在大數據時代，互聯網銀行在深度觸網的過程中會產生各種結構化和非結構化數據，深度挖掘客戶的大數據，開發出客戶潛在需求和合適的金融產品，前提是確保這些數據來源的全面性、可靠性和準確性，防止數據失真所帶來的定價風險。

 

互聯網本身的虛擬性會產生各種“偽數據”，例如，“網絡水軍”已滲透到互聯網的每一個角落，在大數據時代，怎樣做到去偽存真，這對互聯網銀行數據開發人員提出了更高要求。

 

第二，信用與網絡欺詐風險。運用大數據分析軟件，可以預防信用卡和借記卡欺詐。通過監控客戶、賬戶和渠道等，提高銀行在交易、轉賬和在線付款等領域防御欺詐的能力。在監控客戶行為時，大數據可以識別出潛在的違規客戶，提示銀行工作人員對其予以重點關注，從而節省反欺詐監控資源。

 

在國外例如由谷歌(Google)前首席信息官Douglas Merrill創辦的信用評估公司ZestFinance，通過大數據技術把收集的海量碎片化數據整合成完整的客戶拼圖，較為準確地還原客戶的真實狀況和實際信用狀況，并據此支持合作公司向難以從銀行獲得貸款的美國人提供“工資日貸款”(payday loan)。西班牙對外銀行(BBVA)推出的具有記憶功能的ATM機ABIL，不但能記住客戶習慣的取款金額、頻率，還能根據其賬戶情況給出相應的取款建議。在國內例如杭州同盾科技可以通過大數據分析出客戶的貸款申請行為、用戶銀行卡的交易行為等等，更好的為客戶進行欺詐防范。

 

第三，運維風險和運營風險。前者如數據丟失、數據泄露、數據非法篡改、數據整合過程中的信息不對稱導致錯誤決策等，后者如企業聲譽風險、數據被對手獲取后的經營風險等。因此，必須加強數據管控。

 

這方面既有成功的經驗，也有值得總結的教訓。從已出現的問題看，最大的風險來自網絡攻擊和欺詐：2011年，網絡銀行欺詐給日本53家銀行造成2700億日元(約合225億元人民幣)的損失;2012年，詐騙集團曾攻擊歐美至少60家銀行的網絡，盜取銀行資金;2013年，國內某保險公司受黑客攻擊，造成數十萬保單信息泄露。為此，一是高度重視并推進統一的數據標準，并做好數據清洗，保證數據質量。二是審慎劃定數據邊界，合理開展內外部數據共享和非核心數據業務外包。三是大數據下應更加重視隱私保護和信息安全，加大對反網絡攻擊的投入。

 

第五，操作風險。之所以將此風險單獨列舉出來，主要是出于此風險的危害性角度考慮，因為該風險很多時候會對企業產生致命性的打擊，英國巴林銀行的倒閉和日本大和銀行的巨額虧損都與操作風險管理不當有關，至今想起來仍令人怵目驚心。大數據時代的互聯網金融面臨的操作風險更加不容忽視，銀行工作人員和客戶的在線操作風險如果不引起重視，不僅會影響互聯網金融的長遠發展還會引致法律風險。尤其在大數據時因此我們呼吁操作風險的管理應納入到互聯網金融公司日常的風險管理中。

 

推動大數據應用的策略

 

依托大數據技術提升風險管理水平。大數據能較好地解決傳統信貸風險管理中的對客戶申貸行為信息缺失的難題，提升貸前風險判斷和貸后風險預警能力，實現風險管理的精確化和前瞻性。大數據時代，銀行業可以打破信息孤島，全面整合客戶的多渠道信息數據，包括電商、支付、社交媒體等等用戶個人日常注冊、登錄、交易等互聯網行為分析，根據上述信息在進行反欺詐評分，從而降低信貸風險。由歷史反欺詐數據分析轉向行為動機數據分析，將對目前的風險管理模式產生巨大突破。

 

大數據是信息革命中非常前沿且快速發展的技術，銀行業要抓緊解決內部數據挖掘分析和外部資源的安全整合利用問題，加快人才隊伍建設和技術成果轉化，通過大數據的高效應用，加速推進銀行業的轉型升級和可持續發展。