商业银行大数据的应用研究

来源：银通智略

（一）商业银行的贷款业务受到冲击

首先，互联网金融简单快捷的信贷审批流程对传统商业银行造成冲击。由于信息不对称，传统商业银行往往会有一套严格的贷款审批流程，从建立信贷关系开始，要经历受理贷款申请、贷前调查、贷款审查、贷款签批、贷款发放、贷款检查、贷款回收或展期等一系列重要步骤。而在大数据时代，互联网金融企业可以对客户信息进行全方位收集处理，利用网络信息技术在很大程度上减少了信息不对称问题，因而在安全贷款的前提下对贷款流程上也做到了极大的简化，使得商业银行贷款业务受到竞争的影响。其次，互联网金融企业客户群的“小广模式”在一定程度上占据了传统商业银行的市场份额。中国银行体系存在“所有制歧视”与“规模歧视”，传统的商业银行往往倾向于实力雄厚、信用优质的大客户，而小微企业在商业银行的贷款难、程序多、融资贵等问题往往使之望而却步。截至2015年末，全国银行业金融机构小微企业贷款余额23.46万亿元，占各项贷款余额的23.90%。小微企业贷款余额户数1322.6万户，较上年同期多178万户。可见小微贷款的剩余市场份额之多，而互联网企业开发的“小广模式”正好着重发展被传统商业银行遗漏的中小型企业客户，利用大数据分析评估其放贷风险，大范围地发展小微企业，从而广泛占据市场份额，获取利润。

（二）商业银行个人理财业务市场份额日渐被侵蚀

余额宝等新型互联网理财工具的出现，打破了人们将剩余资金存放在银行的理财习惯。这些互联网理财工具凭借其投资起点低、方便快捷以及高收益等优势吸引了大量的中小额投资者，对商业银行的理财产品销售产生了极大的压力；而且由于很多互联网企业可以根据客户的消费习惯、消费能力、兴趣爱好等大数据分析消费者的个性化需求并实施差异化营销，其成功的几率比单纯的简单营销高很多，如很多投资咨询公司与其他数据分析机构等进行合作，能更加全面地获取客户信息，在对客户的信息进行大数据分析基础上可以帮助客户更好地规划其个人的理财、消费方案，帮助客户提高生活质量，这也对商业银行的理财业务产生了较大冲击。

（三）商业银行的支付业务受到影响

支付业务是商业银行最原始的业务模式，其需要客户出于支付的目的将钱存入商业银行，商业银行将收集到的资金汇拢，然后再用于贷款，从而获取利差。在大数据时代，互联网技术应用广泛，“支付宝”、“余额宝”、“微信钱包”、“百度钱包”逐渐在网络支付上担当了十分重要的角色，由于其便捷性，存款利率远大于银行活期存款利率，且转账免手续费等优惠在很大程度对传统商业银行的“U”盾支付、网银支付等支付方式造成了威胁，同时也导致了其客户群的流失。

民生银行的大数据案例。民生银行，将大数据布局在移动互联上，形成了数据的闭环，值得借鉴和思考。

（一）民生银行的移动端三大数据产品

在民生银行的构想中，大数据将是未来民生银行发展的新动力，使民生银行逐步向智慧银行过渡。因此，民生银行信息管理的核心是围绕互联网发展的大数据和云计算平台，实现信息化决策、信息化管理和信息化营销。

目前，民生银行基于移动云平台，迈出了大数据“移动化”的重要一步。2015年以来，民生银行自主研发了“蒲公英”、“啄木鸟”、“猫头鹰”三大独具特色的数据产品，覆盖经营机构业务规模分析、公司客户管理、风险预警领域。

三大数据产品在移动端应用上线，有效助力民生银行形成了高效率、具有独特竞争力的商业模式，让数据资产切实成为了新的利润增长点。

（二）产品优势分析

1、蒲公英：颠覆式智能获客与产品推荐

蒲公英，是民生银行基于客户经理和营销管理人员的实际业务需求，历时数月研发出“公司业务客户关系管理与服务APP”。从诞生伊始，“蒲公英”就全面拥抱云、社交、移动与大数据，这几种技术的无缝融合带来了颠覆式的变化。

蒲公英，一方面能够高效地探测集合到各行业、企业的信息，能够运用复杂网络科学、力导向布局图、决策树等大数据分析手段，加大行内外数据资源的整合力度，构建客户基因图谱模型和智能产品推荐模型。另一方面，在注重用户体验的基础上，“蒲公英”更加强调数据信息推送的时效性和准确性，可随时随地支撑“在路上”的客户经理和业务管理人员的工作需求。

“蒲公英”手机端不仅为客户经理提供所辖客户的业务概况和详细信息，还具备客户智能推荐、产品智能推荐、实时余额查询、大额变动和到期提醒等功能。例如，客户智能推荐功能，可使客户经理智能化获得基于核心及集团客户的上下游交易链名单，发现潜在商机，准确定位潜在客户，及时推送相关客户信息，帮助客户经理高效地拓展潜在客户。产品智能推荐功能，可为客户经理智能化推送客户最需要的金融产品，增加对存量客户交叉销售的线索与机会。实时余额查询、大额变动和到期提醒等功能，极大地方便了客户经理和营销管理人员实时掌握所辖客户的账户余额和业务状态的变化。

“蒲公英”推出四个月来，在提升公司业务方面已初见成效。目前，“蒲公英”已带来19000余个新增产品，在“蒲公英”推荐的客户中有近7000户被成功开发为民生银行的客户，这些客户为民生银行带来296亿元存款，134亿元贷款。

2、啄木鸟：精准的风险监控与全能预警

啄木鸟，以预警事件驱动的方式触发风险审计及贷后管理，形成了“以客户为中心”的风险预警信息全视角展现，全面建立了风险传导的工作机制，消除了信息分散、不及时、不对称以及信息量过大而无法及时处理的担忧，从而提高了业务人员“单兵作战”能力，大大提升了风险揭示能力、管理力度和管控能力。

“啄木鸟”具有两大功能，一是运用大数据挖掘技术，从民生银行自身积累的大量历史数据中，对客户的账户信息、实时交易数据和信贷记录进行深入挖掘，构建并部署了基于客户债项分析和行为分析的定量预警模型，从而对客户、债项、交易等各方面的风险信号进行精准地分析与识别，实时锁定可疑账户，增加了风险管理的客观性和科学性，促进了风险管理的精细程度。

二是流程电子化，利用信息化手段，将银行业务条线所制定的业务规则在流程电子化的过程中进行固化，实现零售客户风险识别流程的标准化和规范化，为风险监控与管理决策提供有力的保障。

目前，“啄木鸟”已在民生银行全行部署运用，取得效果明显。在零售审计风险中，审计人员借助数据模型中所获得的疑点数据，可在几十亿条的海量数据中迅速发现风险线索，进而采取数据详查、抽调档案、访谈客户经理甚至下户检查等多种审计手段，快速查找到实质性风险。

例如，在零售业务审计中，运用“啄木鸟”，采取以非现场数字化审计为主、现场检查为辅的工作方法，在保证审计质量的前提下，人员数量下降30%、现场检查时间压缩50%、差旅费用下降75%，数字化审计减能增效的作用由此可见一斑。

3、猫头鹰：为精细化经营管理提供保障

猫头鹰，是一款服务于各支行经营管理者的数据产品，可以让每一位民生银行的支行管理者随时随地掌握本机构的经营状况。

通过“猫头鹰”移动端，用户可随时查看到本机构上一日的金融资产余额、个人存款余额、个人贷款余额以及同年末、上周、上日、月日均的数据对比情况。同时，“猫头鹰”还能分析每项数据的变动趋势，让支行行长随时掌握支行的经营状况，为实施精细化管理提供了保障。

此外，通过“猫头鹰”移动端，用户还可查看未来7天到期和起息的理财产品金额，并通过未来7天到期和起息的理财产品金额轧差，从而估算理财产品对于个人存款规模的影响程度。理财产品对未来7天的影响提醒，不仅是对于支行经营管理的数据支持，更是进行客户维护、发现营销线索的有效手段。

“猫头鹰”提供的所有数据每天更新，不仅为民生银行支行经营管理者提供了最快、最全、最准确的数据，还为经营机构开展营销活动、制定营销策略提供了有效支持。目前，“猫头鹰”已在民生银行1089家支行投入使用，覆盖了民生银行全部39家分行。

（三）小结

信息管理的核心是围绕互联网发展的大数据和云计算平台，实现信息化决策、信息化管理和信息化营销，让大数据成为民生银行未来发展的新动力。在2015年，民生银行信息管理部基于阿拉丁移动云平台，自主研发了系列数据产品，覆盖经营机构业务规模分析、公司客户管理、风险预警等领域，紧紧围绕民生银行数据的“标准化、云端化、智能化、移动化”的价值目标，使数据资产成为新的利润增长点。

（一）推进金融服务与社交网络的融合

商业银行要发展大数据平台，就必须打破传统的数据源边界，注重互联网站、社交媒体等新型数据来源，通过各种渠道获取尽可能多的客户和市场资讯。首先要整合新的客户接触渠道，充分发挥社交网络的作用，增强对客户的了解和互动，树立良好的品牌形象。其次是注重新媒体客服的发展，利用论坛、微博、微信、聊天工具等网络工具将其打造成为与电话客服并行的服务渠道。三是将银行内部数据和外部社交数据互联，获得更加完整的客户视图，进行更高效的客户关系管理。四是利用社交网络数据和移动数据等进行产品创新和精准营销。五是注重新媒体渠道的舆情监测，在风险事件爆发之前就进行及时有效的处置，将声誉风险降至最低。

（二）处理好与数据服务商的竞争、合作关系

当前各大电商平台上，每天都有大量交易发生，但这些交易的支付结算大多被第三方支付机构垄断，银行处于支付链末端，从中获取的价值较小。为此，银行可考虑自行搭建数据平台，将核心话语权掌握在自己的手中。同时，商业银行也可以与电信、电商、社交网络等大数据平台开展战略合作，进行数据和信息的交换共享，全面整合客户有效信息，将金融服务与移动网络、电子商务、社交网络等融合起来。从专业分工角度讲，商业银行与数据服务商开展战略合作是比较现实的选择；如果自办电商，没有专业优势，不仅费时费力，还可能丧失市场机遇。

（三）增强大数据的核心处理能力

首先是强化大数据的整合能力。这不仅包括银行内部的数据整合，更重要的是与大数据链条上其他外部数据的整合。目前，来自各行业、各渠道的数据标准存在差异，要尽快统一标准与格式，以便进行规范化的数据融合，形成完整的客户视图。同时，针对大数据所带来的海量数据要求，还要对传统的数据仓库技术特别是数据传输方式ETL（提取、转换和加载）进行流程再造。其次是增强数据挖掘与分析能力，要利用大数据专业工具，建立业务逻辑模型，将大量非结构化数据转化成决策支持信息。三是加强对大数据分析结论的解读和应用能力，关键是要打造一支复合型的大数据专业团队，不仅要掌握数理建模和数据挖掘的技术，还要具备良好的业务理解力，并能与银行业务条线进行充分地沟通合作。

（四）加大金融创新力度，设立大数据实验室

可以在银行内部专门设立大数据创新实验室，统筹业务、管理、科技、统计等方面的人才与资源，建立特殊的管理体制和激励机制。实验室统一负责大数据方案的制定、实验、评价、推广和升级。每次推行大数据方案之前，实验室都应事先进行单元试验、穿行测试、压力测试和返回检验；待测试通过后，对项目的风险收益做出有数据支撑的综合评估。实验室的另一个任务是对“大数据”进行“大分析”，不断优化模型算法。在方法论上，要突破美国FICO式的传统评分模式，针对大数据的非结构化特征，依靠云计算等分析工具，开发具备自学习功能的非线性模型。目前市场上的许多新技术，如谷歌MapReduce框架下的Hadoop或Hive等分析系统，具备较强的整合分析功能，可促进大数据向价值资产的转换。

（五）加强风险管控，确保大数据安全

大数据能够在很大程度上缓解信息不对称问题，为商业银行风险管理提供更有效的手段，但如果管理不善，“大数据”本身也可能演化成“大风险”。大数据应用改变了数据安全风险的特征，它不仅需要新的管理方法，还必须纳入到全面风险管理体系，进行统一监控和治理。为了确保大数据的安全，商业银行必须抓住以下三个关键环节：一是协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享；二是加强与监管机构合作交流，借助监管服务的力量，提升自身的大数据安全水准；三是主动与客户在数据安全和数据使用方面加强沟通，提升客户的数据安全意识，形成大数据风险管理的合力效应。

注：本文摘自银通智略报告《商业银行中间业务创新研究》（2016年4月）

来源：银通智略