大數據時代商業銀行的策略

盡管大數據對商業銀行的影響目前而言還比較小，但從發展趨勢看，要充分認識大數據的顛覆性影響。各銀行必須未雨綢繆，早做布局，從管理體系建設、具體運用模式方面不斷探索，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，加速推進轉型升級與可持續發展。 
　　一是明確大數據戰略的頂層設計。大數據戰略要超越IT部門或電子銀行部的視角，面向全局和長遠，以客戶需求為導向，構建自身的大數據結構。一個完整的客戶數據應該包括如下幾個維度：一是客戶基本信息，包括身份信息、聯系信息、社交關系信息、交易信息和信用信息等；二是客戶偏好信息，包括服務偏好、金融產品偏好、渠道偏好和個人愛好等；三是客戶行為信息，包括金融機構范圍的行為數據、外部行為數據和地理位置數據等；四是客戶分析數據，包括客戶細分類型、客戶價值度、客戶風險度和客戶狀態等。不同維度的數據要想有分析價值，必須要有合理的數據結構。商業銀行的現有數據結構往往是條塊分割的，而頂層機制的設計和改革可以讓商業銀行打破業務界限，圍繞數據目標對業務流程進行合理重組，最大限度地提升數據靈活性與數據價值。 
　　在總行層面應建立大數據工作推進機制，制定大數據工作規劃，主管數據部門對大數據工作進行統籌規劃、組織協調、集中管理，業務部門承擔大數據采集、分析和應用的職責，全面定義、收集、多方式整合集團內外部各類數據，形成管理數據、使用數據和推廣數據的有效工作機制。 
　　二是加速構建大數據平臺。一方面商業銀行可以考慮自行搭建大數據平臺，獲取屬于自己的大數據，將核心話語權牢牢掌握在自己手中。事實上，已有部分銀行開始謀劃布局。譬如建行打造的電子商務平臺“善融商務”已于2012年6月正式上線，業務涵蓋電子商務服務、金融服務、營運管理服務、企業社區服務及企業和個人商城。交行的電子商務平臺“交博匯”也開始面向客戶開放。在為客戶提供增值服務的同時，獲得客戶的動態經營信息，成為銀行共同的驅動力。另一方面還要加強與電信、電商、社交網絡等大數據平臺的戰略合作，建立數據和信息共享機制，全面整合客戶有效信息，將金融服務與移動網絡、電子商務、社交網絡等完美融合。 
　　三是著力提升數據挖掘與分析運用能力。在銀行內部全面推廣基于數據進行決策、利用信息創造價值的觀念，引進數據挖掘和大數據運用專業方法和工具，培養專業數據挖掘分析人才隊伍，重視人才的經濟金融、數學建模、計算機新型算法等復合型技能，建立前瞻性的業務分析模型，把握、預測市場和客戶行為，將數據深度運用到業務經營管理過程，利用數據來指導工作，設計和制定政策、制度和措施，做到精準營銷和精細化管理。 
　　四是以大數據思維推進金融互聯網化戰略。大數據時代，信息技術和金融產業將更加深入地融合在一起， 金融電子化的深度和廣度將不斷強化。商業銀行必須順應這一趨勢， 主動貼近技術進步， 擁抱互聯網和移動互聯網浪潮， 加快推行金融互聯化戰略， 除了繼續深化自身運行和管理系統的電子化建設及傳統業務的電子化受理之外， 還必須緊跟互聯網發展步伐， 探索建立電子化金融商業模式， 著力發展互聯網金融、社區智能銀行、移動終端、電子商務、直銷銀行等業務。這就要求商業銀行必須從戰略高度將金融互聯網及電子渠道作為未來提供金融服務和打造核心競爭力的主渠道。 
　　五是依托大數據技術全面提升風險防控水平。大數據時代，商業銀行可以打破信息孤島，全面整合客戶的多渠道交易數據，以及經營者個人金融、消費、行為等信息進行授信，有效破解傳統信貸風險管理中的信息不對稱難題，降低信貸風險。為此，各銀行必須深化風險管理體制改革，運用大數據理念來構建以客戶為中心的全面風險管理體系，理順部門間的職責，淡化部門色彩，徹底打破以往小數據模式下形成的部門、機構、區域、產品間數據信息分隔管理以及由分支機構各自分散識別風險的做法，形成按客戶集中統一管理數據信息和高效協調機制。要積極推行把現場調查與非現場數據信息挖掘分析相結合、模型篩查與經驗判斷相結合，以定性信息與定量財務、經營等多重數據信息的勾稽核驗等為重點內容的風險管理創新?？傂幸ㄟ^大量數據信息的挖掘分析，勾畫出客戶的全景視圖，更加全面地評估客戶風險狀況，有效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。