|
前言：近几年，大数据已经撼动了世界的方方面面，从商业科技到医疗、政府、教育、经济、人文以及社会其他各个领域；数据成了有价值的公司资产、重要的经济投入和新型商业模式的基石。互联网金融发展，特别是大数据的处理技术提高，对商业银行数据治理工作带来了更多的挑战。当前，国有商业银行统计工作面临的金融环境、统计对象、统计范围、统计技术、数据处理能力等正在发生深刻变化，但国有银行仍然停留在传统思维模式中，统计工作仍以满足监管要求为主，信息数据统计的理念、定位和转型较慢；在统计人才储备与培养、基础数据源管理、大数据资源积累、数据仓库建设、数据分析工具等各方面仍存在较大差距，对经营决策和精准营销的支撑作用亟待加强。 在大数据时代背景下，统计工作的定位、权责利如何得到合理匹配和保证、总分行统计工作如何形成合力、统计角色的转变以及如何转变、统计专业如何更好的立足与发展、如何应对当前内外部形势的挑战等等，诸多问题和矛盾已经成为国有银行迫在眉睫急需解决的重大课题。 与互联网金融在大数据应用上的兴起相反，国有银行信息数据统计工作多年来一直不愠不火，主要职责以满足监管报表的报送为主；甚至有的国有行的统计工作是一个逐渐走下坡路的过程，统计专业不被重视、工作被动，呈现被边缘化的趋势，如统计人员待遇降低、统计工作定位不明确、权责利不对称、缺少基本的培训等；虽然统计部门能够加班加点完成职责内的监管报表报送工作，但统计工作的地位与影响力日益下降。 一、大数据背景下的数据管理理念 首先要明确几个基本观点：一是数据如果与业务结合不起来，那就无用；二是数据质量差，不是统计工作有问题，而是说明管理有问题；三是大数据时代处理数据理论上的三个新的转变：要全体不要抽样，要效率不要绝对，要相关性分析不要原因分析；四是数据信息也有寿命，应该突出统计数据应用的效率与时效性。 其次要明确统计工作的两个基础。从多年的工作经验看，统计至少应具有两个基本职能：一是满足监管要求（存在的基础）；统计部门需要完成监管报表的报送，完成巴塞尔委员会关于全球系统性大银行的信息交互工作；二是提供决策支持（发展的基础）；通过数据分析，满足行领导在管理决策中所需要的信息，包括内部管理、业务发展、客户营销、风险管理等各个方面；因此，整个统计工作的基本导向是：在满足监管要求后，应以业务发展为第一需求，并展开相应的数据管理与分析工作。通过加强数据分析，提高数据利用率，促进数据质量的真正提高，并推动业务发展；同时通过满足业务发展的需求，进一步促进数据分析水平的提高。 最后要明确统计工作的一个根本宗旨。对外监管报表的报送工作是统计存在的基础，此项工作肯定放在第一位；在剩余的三项数据治理、数据标准和数据分析之间，本着以提升统计地位、促进统计发展的宗旨，应确定统计分析为统计的工作重心，以数据分析应用引导数据治理工作和数据标准制定工作。 二、信息数据统计工作转型三步曲 （一）明确数据质量考核本身的科学性和有效性，完成从原因分析到相关性分析的转变 当前国有银行数据质量考核中，追求不同系统数据一致性，这个目标从理论上就偏离了统计工作的根本宗旨。原因在于性质不同的系统本身的差异（如会计核算系统遵循会计准则，信贷管理系统面向客户同时还兼顾内部管理的功能，不同系统在数据折算规则、加工等都不一致），会导致系统之间的数据存在先天的差异。加之，国有银行全国范围内机构数量多，人员素质差异大、业务种类多、情况复杂，其差异的存在是具有必然性的。但数量考核正在花费精力做的，恰恰是要去掉这个数据的不确定性，而实际上，存在差异的可能性是永远存在的，只要在现有的网点规模、人员和业务数量、现有的管理水平下，就不可避免。 与致力于避免错误相比，对错误的包容会带给我们更多的好处，也就是说，在数据处理上选择不同的策略将会直接影响到统计工作的效果。从目前掌握的情况看，导致各系统数据差错的原因主要有历史遗留因素、系统漏洞、管理问题、人员素质问题等，数据质量的容错率很可能是有限的，包括错误的种类和数量，能够被统计和监测。即在一个合理的错帐比例下，我们可以忽略差错率对数据分析结果的影响，并将统计的主要精力集中于数据分析模式建立和数据管理体系的建立上，而非停留在一些点上浪费时间，这既不违背传统的统计学随机采样理论，同时又能够保证统计工作的方向性与科学性，并取得最明显的工作成效。 关于信息数据统计与业务经营决策的结合，要相关性分析不要原因分析。数据爆炸使得科学的研究方法都落伍了--大量的传统研究范式如今已经被无需理论指导的纯粹的相关关系研究所取代。2004年，沃尔玛对历史交易记录这个庞大的数据库进行了观察，发现每当在季节性飓风来临之前，不仅手电筒销售量增加了，而且蛋挞的销量也增加了。虽然并不知道造成这种现象的原因，但是，通过大数据分析，得到了蛋挞销量与飓风用品销量的相关性，却可以指导实际的销售行为。 当前国有银行总分行的经营决策由于个人以及团体的局限性，往往多少加入了主观意想的成分，使决策的实战性不强、清晰度不够，导致总行的政策不能被基层行彻底地贯彻执行，我们通常会将这种状况判定为执行力不够。如当前四大行在存款工作上表现出的“冲时点”现象，已经引起监管层注意。总行完全依靠分配计划与硬性的窗口指导，很多指标是做出来的，可以说，当前依赖滞后的经济数据的决策，已经远远达不到经营管理所需的前瞻性、有效性和针对性等要求。相对来说，大数据的相关关系分析法更准确、更快，而不易受偏见的影响，这不仅仅是因为它能提供新的视角，而且提供的视角都很清晰；这也说明大数据的相关性分析在国有银行的经营决策中将具有广阔的发展空间。 麻省理工学院商学院教授埃里克·布伦乔尔森（Erik Brynijolfsson）和他的同事一起进行了一项研究，发现决策依赖数据的公司的运营情况比不重视数据的公司出色很多-这些公司的生产率比不使用数据进行决策的公司高6%，这是一个重要的竞争力。 当前，国有银行业务经营在战略调整上，具有较明显的滞后性。如自2013年起，连续9个季度不良贷款双增趋势形成，盈利增速下降，直到2014年，全国范围内一级分行盈利同比下降。通常的做法是通过提高组合拨备率、加大风险考核比重等方法将风险下压至一级分行来调控经营。但实际上，风险已经存在时，这种经营管理模式并不是从客观上减少风险，而是将风险的责任推至一级分行，从整体上看，并不能解决根本问题。相反，若通过大数据分析找到这些现象背后的相关因素，并即时调整经营战略，将会比当前的经营管理更加有效和快速。随着管理决策越来越受预测性分析和大数据分析的影响和控制，依靠直觉做决定的情况将会被彻底改变。 在利率市场化和人民币国际化进程中，国有银行的主营业务盈利能力，即存贷款利差必定呈现收窄的趋势，特别是互联网等新的金融业态出现，推动了普惠金融发展，银行在过去受国家政策保护的垄断利润，会大大缩减，因此，经营转型迫在眉睫。近几年，银行业大力发展中间业务，但从实际情况看，中间业务产品品种雷同、老旧，以手续费收入为主的现象未有较大改观，其在营业收入中的占比提高不大，且存在息转费等非正常手段。在这个时候，大数据的出现与应用，将会切实提高银行的竞争力，并促进银行的经营转型。 （二）明确数据质量好与差的根源是什么，完成从要绝对准确到要效率的转变 数据有问题，就是管理有问题。基础数据质量太差的原因是什么，是因为没有人管理；从纵向数据生产至应用的全周期和横向各系统责任部门分工，都没有明确的管理规定，特别是部室职能交叉的真空地带，基本处于无人管理的状态，这也是部门银行自身固有的缺陷。而数据中的问题最终会集中于统计报表中，并导致各级统计部门进行多种、多层级调整，加大了统计报表工作的难度和强度；同时还增加了监管风险，因为统计部门要向监管部门解释异常数据变动原因，并接受监管和处罚。目前，基础数据源质量存在的各类问题如何解决，就最基本的重视程度都没有，所以，后续的管理自然跟不上。就目前国有行的现状，数据存在差错是具有复杂性和必然性的。 要效率不要绝对精确。在大数据时代，不需要再担心某个数据点对整套分析的不利影响，要做的就是要接受这些纷繁的数据并从中受益，而不是以高昂的代价消除所有的不确定性。同时，需要重新审视精确性的优劣，错误并不是大数据固有的特性，而是一个亟需去处理的现实问题，并且有可能长期存在。放弃对极端数据质量的要求，快速获得一个大概的轮廓和发展脉络，要比严格的精确性要重要得多，这又是一个关注焦点的转变。当然， 并不是完全放弃精确度，只是不再被追求精确度所困，适当忽略微观层面上的精确度会在宏观层面拥有更好的洞察力。精确性是信息缺乏时代的产物，但只有5%的数据是结构化且能适用于传统数据库的，如果不接受混乱，剩下95%的非结构化数据都无法被利用。 这意味着，国有银行更应该从业务经营的战略需求上来决定数据处理所要得到的结果，而不是单单将追求数据质量作为的最重要的工作。这个是与当前工作相反的，对国有银行重新定位，提升统计的地位，发挥统计真正的作用等各个方面都有好处。虽然管理数据质量没有错误，但在大数据时代，这个追求已经远远落后了。即提供基于大数据分析基础上的战略分析报告，才是董事会更加关注的东西。专家和专业性变得不那么重要了，直觉的判断被迫让位于精准的数据分析，这将迫使人们调整在管理、决策、人力资源和教育方面的传统理念。 （三）要明确数据管理体系建立的必要性，完成要全体不要抽样的转变 国有银行现有的数据管理体系缺乏从基础到应用的规范，即没有从纵向对数据生命周期中全程进行数据跟踪管理，也没有从横向对不同部门、不同系统之间数据标准、口径、质量进行细致的管理。国有银行的数据管理手段主要是考核，导致各级分支行统计部门成了结果的承担者。就目前分行统计人员的权责利匹配的情况看，将管理体制导致的数据质量差异，交由统计部门承担整改及后续问题的处理，面临较多困难，在当前统计地位较低的情况下，这是不合理的。明确数据管理的边界，即落实几大核心系统数据质量管理的牵头部门，并形成制度，是数据质量管理能够得到真正落实的必要条件，也是一个长期性的基础工作。只有健全的管理体系作为保证，数据质量考核才能落到实处，从根本上提高整体的数据质量。 要全体不要抽样。大数据是当今世界发展的趋势，数据处理技术已经发生了翻天覆地的改变，一些观念的改变也起到重要的作用，如人们关于如何使用数据的理念，但国有银行的方法和思维却没有跟上这种改变。小数据和精确性的时代，采样统计的目的就是用最少的数据得到最多的信息，呈现在人们面前的是清晰的假象和不完全的精确；大数据因为更强调数据的完整性和混杂性，反而能够帮助人们进一步接近事实的真相。大数据中的“大”不是绝对意义上的大，它是指不用随机分析法这样的捷径，而采用所有数据的方法，全数据模式，样本=总体。 从大数据的角度看，统计的主要精力应该放在趋势分析、时效性和前瞻性等战略分析上。正如传统统计学家们总是把他们的兴趣放在提高样本的随机性而不是数量上。对一个象国有银行这种规模的企业，若在跨业务、跨准则、跨部门的系统之间去追求简单的数据一致性，是存在偏离统计主要发展方向的。如在判断是否应该向某些拥有不良信用记录的人提供小额短期贷款，传统的信息评分机制关注少量突出的事件，比如一次还款的延迟等，而大数据则分析了大量不那么突出的事件，则会大大降低贷款拖欠率。内部管理的有效性，也可以通过大数据的思路解决，如对基层行信息反馈机制的建立，可以了解和掌握各项政策制度的执行效果，形成有效的信息反馈体系，提高内部管理的有效性等。 当前，国有银行要想改变统计工作的现状，统计要生存与发展、要有发言权，关键在于能满足业务需求，能满足行领导经营决策的需求；统计要增加独立性、不可替代性、提高壁垒，就需要不断学习新的数据分析技术，掌握新的分析工具，通过聘请外部专家组织培训学习，并应用新的统计工具，切实提高统计的整体战斗力；如，尝试对当前数据进行分析，为应对大数据强加对R语言的学习与培训，逐步提供定期分析报告等，找准统计的职能和定位，并树立全新的统计形象等等。总之，国有银行需要改变操作方式，将数据分析作为统计的亮点，而不仅仅是数据管理；不再把精确性当成重心，而是接受混乱和错误的存在；侧重于分析相关关系，而不再寻求滞后的原因分析。 从近几年全球若干传统行业巨头的破产及被兼并，如柯达、摩托罗拉、诺基亚、东芝等，都阐述了一个道理：一旦外部的环境发生根本性的变化，来不及变革的企业，必定遭遇前所未有的劫数！数据重构商业，流量改写未来，旧思想渐渐消失，二十一世纪逐渐变成数码时代。无论是哪一家公司，如果不能够深刻意识到一个新的商业系统正在形成，财富正随着消费体验的改变而改变流向，对国有银行来说，如果不能从战略的高度来推动大数据在业务经营中的应用，那么，摆在其面前的将是一个未知的前途！
|
|
|
