|
随着信息数据的爆炸式增长，大数据概念逐渐进入大众视野，大数据行业的兴起与发展为行业结合奠定基础，其应用范围包括营销、金融、工业、医疗、教育等诸多领域，各行各业在大数据技术的支撑下从海量数据中挖掘客户信息，寻求潜在发展空间，因此大数据技术已成为企业的核心竞争力，大数据市场发展前景广阔。当前金融行业在大数据应用投资规模方面处于领先地位，占比为17.5%，而银行则是行业重点，其投资规模占金融业的41.1%，大数据应用潜力巨大。而银行与大数据行业结合也存在相当的必要性，新金融业态对传统银行造成的冲击迫使银行寻求转型机遇，而大数据技术的发展则是银行变革的一大契机，使其完成从传统模式下的资金中介身份向信息中介身份的转变。 大数据技术于银行业的价值主要在于精准营销、风险管控等运营模块，通过大数据分析，银行可精准把控客户画像，了解客户行为习惯及风险特征，以此实现转型升级。 银行与大数据行业结合前景 精准营销及产品创新。商业银行传统营销模式的最大特征即无差异化，在营销活动中居于被动地位，难以达到精准营销的效果。而大数据技术为商业银行获取客户的完整拼图创造了可能性，使其在充分了解客户行为特征的基础之上，预测客户消费行为，并根据客户群体的不同特征制定具有针对性的营销策略，以此实现精准营销。此外，大数据技术的广泛应用也为商业银行进行产品创新奠定了基础，将大数据贯穿于产品开发、推广及评价等环节。通过对客户消费行为的精准把控，研发契合市场需求的金融产品；通过精准营销助力产品销售活动；通过大数据收集了解客户反馈，并及时将反馈信息传递至产品研发部门，进一步提升客户投资或消费体验，增强客户黏性。总体而言，借助大数据技术实现精准营销及产品创新已成为商业银行在激烈的市场竞争下保持市场竞争力的重要途径。 数字化运营模式。随着大数据以及移动互联网技术逐步发展成熟，银行传统运营模式将被数字化运营模式代替。银行传统运营模式强调物理网点的作用，通过物理网点获客并提供客户服务，存在一定的局限性；但在大数据背景下，银行转向线上运营模式，其潜在客户群体的层次、数量打破了空间、时间的限制，大大降低了获客成本。通过大数据支撑，银行产品更具多样性，且其针对性更强，相比传统运营模式下的标准化产品更具竞争力。通过定向筛选确定潜在客户群体，依赖定向推送实现精准营销，并注重定向客服以增强客户黏性，彻底改变传统客户服务模式，在降低经营成本的同时增强经营效率。通过数字化运营模式的推广，银行锁定客户的能力将逐步加强，金融生态主体间的联系愈加紧密。此外，数字化的运营模式也体现在银行的资源配置方面，如通过大数据技术掌控市场需求，优化配置ATM设备。 大数据风控机制。移动互联网技术在增强金融普惠性与降低交易成本等方面发挥了重要作用，但同时也放大了金融风险，使其传播速度更快，波及范围更广，而大数据技术的发展为银行风险管理提供了新的思路。完整的风控流程涉及贷款前期、中期及后期。前期工作包括资料的收集、校验与授信等流程，通过对接征信大数据及线上风险评估等活动，银行在简化放贷流程的同时也能达到风险规避的效果；在贷款中后期，银行能在账户分类管理的基础之上提取账户行为特征，对其进行评估并判定风险类别，并通过大数据技术建立实时风险监控系统，增强风险监控的灵活性与准确性，以此实现对风险的有效把控。因此，大数据技术已成为银行风险管理的重要手段，为银行的风险识别、风险预警及风险评估等环节提供可靠保障，能有效提升风控效率。 大数据背景下银行转型风险 银行受限于转型阻力。当前，大数据技术的发展已成为银行业转型升级的契机。通过对大数据技术的有效利用，银行得以精准把控市场信息及自身业务运行状况等信息，以此实现运营模式的优化升级。虽然以大数据、互联网技术等为支撑的信息化银行的建设符合市场发展趋势，但在此过程中，银行仍然面临相当的转型阻力。当前大数据技术尚未发展成熟，政策及市场层面虽对大数据技术表现出较高的关注度，但如“数据孤岛”等阻碍大数据技术发展的关键难题仍未得到有效解决，银行转型发展的外在条件不足。作为我国金融生态的主体，银行在转型过程中也受到定向思维及传统经营模式的限制。一方面，大数据运营强调个体差异，不同个体的金融需求、金融风险等因素均存在特殊性，大数据技术的价值恰恰在于挖掘该种个体差异，为银行提供个性化服务奠定基础，而银行当前的营销体系、客户服务体系等都已发展成熟，且与以客户为基础的经营模式存在较大差距。如授信业务，银行往往从自身的风险偏好出发，以自身产品设计要求客户，忽视客户的个性化需求，因此，运营模式固化已成为银行转型升级的一大障碍。另一方面，作为专业化的金融机构，银行在信息化建设方面相对薄弱。据统计，当前全国的大数据人才约46万人，预计未来3至5年内人才缺口将高达150多万人，而银行内部人才则局限于金融层面，科技创新能力不强，对银行转型升级造成阻碍。 数据分析准确性存疑。数据本身没有价值，数据分析才能创造价值。银行利用数据分析结果优化业务运行，以期提高有效性与针对性，因此银行将大数据技术纳入战略规划的主要目的在于获取精准度较高的数据分析结果。由于大数据行业正处于发展初期，存在相当的技术风险，银行与大数据行业结合更进一步放大了风险，数据分析的准确性难以得到保障。一方面，就数据本身而言，大数据分析以海量的数据为基础，而当前数据可得性不强，银行主要依赖于其内部数据进行大数据处理工作，因此，数据分析结果难免存在局限性；数据质量也对分析结果造成影响，大数据存在种类混杂且价值密度低等特性，数据失真、失效等问题正逐步瓦解大数据质量，以低质量数据为支撑的大数据分析、处理结果的可靠性则不能得到保障。例如，被人为操纵的假数据歪曲了客观事实，且难以被识别，致使银行误判客户行为及其业务活动的有效性。另一方面，数据分析结果还受到人为因素的干扰。大数据分析以统计学为基础，研究人员极易受数据的蒙蔽而得出诸如“辛普森悖论”等不切合实际的结论。以应用范围最广的统计学指标——“均值”为例，该指标能客观反映事物或事件的特征，但受到异常值及正态分布偏差的影响，与此同时，现实数据包括银行数据基本不服从正态分布，因此将“均值”作为数据分析的基础指标则偏离了现实情况，对数据分析造成负面影响。 大数据加剧市场竞争。当前我国大数据行业尚处于发展的初期阶段，内在技术条件不成熟，外在发展环境也不健全，因此银行与大数据行业的结合也存在相当的局限性，数据可得性低是银行在利用大数据技术实现转型发展过程中难以回避的一大难题。银行可利用的数据主要来自于其系统内部，包括通过网上银行、信用卡平台、手机银行等平台累积的客户交易数据，而外部数据则较难获取。银行业在传统经济体系中处于重要地位，而随着大数据、互联网技术的发展，其他公司或平台如互联网金融企业逐渐兴起，银行业务的市场份额逐渐降低，在“数据壁垒”尚未被攻破的情况下，互联网金融企业等新兴金融平台所累积的数据基础也为其奠定了相当的业务优势。如第三方支付公司拥有涉及客户支付习惯、客户信用周期、客户交易习惯等的数据信息，据此进行客户画像分析，进而拓展业务范围。在数据尚未完全开放的情况下，自有数据质量在一定程度上影响业务开展能力，因此大数据技术在促进银行发展的同时也为银行培育了相当的市场竞争对手。较银行而言，互联网金融公司掌握的数据信息虽不如银行全面、成体系，但在刻画客户行为特征方面则更具优势，由此开拓新业务抢占市场份额，如消费信贷。在客户信息完善的情况下，消费信贷以其小额分散、风险低等特点为互联网金融公司所青睐，而与传统信贷方式相比，小额信贷需求方也更倾向于选择方便快捷的消费信贷。据统计，2016年我国消费信贷市场竞争激烈，消费金融公司表现最佳，商业银行所占份额次之。因此，银行在大力发展大数据技术的同时也面临相当的市场竞争压力。 大数据行业管理策略研究 以政策措施推进数据开放。在数据尚未完全开放的情况下，银行业与其他金融行业存在数据差异，仅通过内部系统数据及部分外部公开数据进行业务创新存在一定的局限性，即客户画像不全面，银行难以准确了解客户需求。一方面，“数据壁垒”不仅存在于不同金融机构之间，银行业内部也存在数据割裂的问题，除征信中心收集公布的征信数据外，其他数据如客户信用周期、交易习惯等都沉淀于不同金融机构。因此，行业协会应在推进数据开放方面发挥作用，沟通各方需求，利用商业化手段及技术手段激励促进不同机构间数据共享机制的形成。此外，我国政府部门掌握相当部分高价值的关键数据，但出于信息保护等原因并未对公众开放，因此，有关部门应在修订信息公开条例时，在控制数据安全风险的条件下最大程度开放政府数据，搭建大数据应用的底层基础，促进银行业的转型升级。 以人才驱动行业转型升级。数据本身没有价值，真正创造大数据价值的是大数据技术与大数据人才。当前大数据人才紧缺，在一定程度上也成为数据分析结果不精确、产业结合缺乏动力的诱因之一。大数据专业人才需具备较高的IT技术与数据分析技术，为银行业合理运用大数据技术奠定基础，以此促进精准营销、有效风控，并进一步实现行业整体的转型升级。因此，银行业应将大数据人才战略纳入其发展规划之中，使研发、运营过程中的人力资源投入更加专业化、常态化。第一，与高校合作培养大数据人才，共同建立校外科研基地，充分利用高校的培养模式选拔人才，包括大数据工程师、分析师、规划师等；第二，提高银行内部大数据人才待遇，并为其提供专业技能培训机会，吸收复合型人才；第三，组建大数据人才团队并形成行业协作的大数据人才建设模式。 以区块链技术弥补大数据漏洞。当前大数据技术不成熟，且诸如“数据壁垒”等外部不利因素正对大数据应用的拓展造成阻碍，银行利用大数据技术升级运营模式存在一定的局限性，但与此同时，正趋成熟的区块链技术或能弥补大数据技术在银行应用方面的漏洞。区块链技术系包括分布式技术、密码学、共识机制与时间戳等几大基础技术的有机结合，该种结合模式赋予了区块链技术“去中心化”与“去信任化”特征，成为解决当前数据孤岛问题的主要突破口，同时也避免了数据所有权的错配问题，而区块链技术特有的加密及时间戳技术也使数据的真实性得到有效保障。总体而言，区块链技术能在最大程度上弥补大数据应用的漏洞，因此银行业应正视区块链技术的潜在价值，将区块链技术纳入行业发展规划，探寻该项技术在银行运营活动中的具体应用模式，突破大数据技术的局限性。 以经营转型奠定大数据运营基础。传统运营模式下，银行客户对物理网点的依赖度较高，但随着互联网技术的发展，金融网络化趋势不断增强，客户对于物理网点及柜台的需求逐渐降低，因此银行应加强网络平台建设，完善手机银行、电子银行等网络机构的功能布局，为大数据运营奠定基础。此外，为提升运营效率，银行应在物理网点增设自助设备，以此搭建物理网点、自助设备及虚拟网点相结合的综合性的客户服务体系，以此突破传统运营模式的时间、空间局限，拓展客户范围，完善客户资料。与此同时，银行也应转变客户服务观念，树立以客户为中心的服务理念，关注客户的个性化需求。就业务范围而言，重视以中小企业为代表的金融弱势群体的金融权益，利用大数据技术积极开展业务创新；就网点布局方面，提升物理网点分区的合理性，并实现网点内的功能分区，使服务范围更全面。 以行业协作促进良性竞争。大数据技术的发展不仅为银行业的转型升级奠定基础，也使互联网金融公司等其他金融机构积累了相当的数据资源、增强了业务能力，但与此同时也加剧了金融市场竞争。银行与其他金融机构，特别是互联网金融企业的优势资源具有较大差异，数据资源是其中的典型代表，因此银行业与其他金融机构之间存在坚实的合作基础，双方可在金融科技方面展开深入的合作，共同探究大数据技术等先进科技在金融业的应用前景。此外，除技术互助之外，银行与其他金融机构在业务创新方面也具有相当的合作动力，不同金融机构的业务范围存在差别，且银行业的传统业务已难以适应市场发展的需要，因此加强与信托、保险、证券及互联网金融等公司的合作，银行得以实现业务整合与创新，同时以较高的效率与较低的成本开拓客户群体，实现金融行业的良性竞争。 大数据技术的发展为银行业的转型升级奠定了技术基础，通过数据分析结果，银行可获取客户的精准画像，以此掌握客户的行为特征、信用周期等信息。因此，通过利用大数据技术，银行可在精准营销、产品创新、风险管控等方面实现优化。 但与此同时，大数据技术本身存在一定的风险，数据准确性、安全性及数据开放问题都对银行业的大数据运营造成阻碍，以此导致数据分析结果准确性不高，银行业务缺乏针对性等问题；此外，银行业自身的固有观念及经营模式也体现出一定的滞后性，影响大数据运营的进一步推进；大数据技术的发展也催生了相当的新金融业态，由此加强金融市场竞争。因此，银行在大数据背景下正面临相当的发展压力。 对此，我国政府部门应制定相关政策措施，在保障信息安全的前提下逐步开放数据。银行业也应致力于大数据技术、区块链技术等新兴科技的研发工作，培养大数据专业人才，转变经营观念与运营模式，加强与其他金融机构之间的协同合作，以此适应市场需求，增强可持续发展能力。 除非特别注明，本站所载内容来源于互联网、微信公众号等公开渠道，不代表本站观点，仅供参考、交流之目的。转载的稿件版权归原作者或机构所有，如有侵权，请联系删除。 |
|
|
