20世紀80年代，美國著名社會思想家Alvin Toffler對大量數據、非結構化數據進行了預測，他指出 大量的人工編碼信息將取代自然信息充斥人們生活，并會達到驚人的準確度， 但當時他的觀點并未引起重視。

2008年英國《自然》雜志發表了一篇文章“Big Data: Science in the Petabyte Era”，從此“Big Data（ 大數據 ）”一詞開始進入人們的視野。同年，美國計算機科學家Randal E. Bryant等在“計算社區聯盟”發表了一份有影響力的白皮書《大數據計算：在商務、科學和社會領域創造革命性突破》，這為“大數據”術語提供了理論支撐。

2014年白宮發布了全球大數據白皮書《大數據：抓住機遇、守護價值》，鼓勵使用數據以推動社會進步， 特別是在市場和現有機構并未以其他方式來支持這種進步的領域，銀行業便是其中之一。

商業銀行 大數據發展現狀

（一）數據容量大，涵蓋范圍廣

在大數據時代，銀行業數據迅速膨脹并呈現出幾何級數的增長態勢。由于行業特性，銀行業在長期業務開展過程中積累了海量數據（見表1）。從數據涵蓋范圍來看，數據類型包括以工資、公積金、消費貸款等為代表的結構化數據和以文檔、圖片、音像和地理位置信息等種類繁多的非結構化和半結構化數據。 波士頓咨詢公司曾指出，銀行業每創收100萬美元，會平均產生820GB的數據，數據強度高踞各行業之首， 而在相同創收條件下，電信、保險和能源行業數據強度分別為490GB、150GB和20GB，由此可知 銀行業在大數據應用方面具備天然優勢。

（二）數據處理復雜，充分挖掘困難

商業銀行數據體量龐大， 在數據處理過程中存在很多問題， 主要包括： （1）數據治理體系化建設匱乏。 現階段商業銀行尚未形成系統的數據治理方法和體系，缺乏有效的數據分類、整理和加工。 （2）數據資源管理整合度不高，內部可用信息使用率低下。 當前商業銀行的數據在組織內部處于割裂狀態，缺乏順暢的共享機制，難以實現數據的有效整合和使用。 （3）數據內容復雜多樣，難以充分挖掘數據資源潛在價值。 造成這一現狀的原因在于商業銀行非結構化數據占比不斷上升，數據構造方法重復率高，且關系復雜。

（三）數據資產化，應用場景豐富

國內商業銀行現處于數據資產化、產業化的起步階段，且 銀行運用大數據技術以描述性數據分析為主，預測性數據建模為輔，以自身交易和客戶數據為主，外部數據為輔。 數據資產目前最主要的作用是趨勢預測和決策支持，典型的應用場景集中在營銷分析、內部運營和風險管控等方面，具體應用案例包括交叉銷售、客戶群體劃分、信用評分及違約監測等。當前我國商業銀行大數據應用深度、廣度和頻度都與國際先進銀行存在著巨大差距（見表2），迫切需要拓寬數據應用層面，實現數據資產增值。

（四）數據應用難度大，制約因素多

1.大數據技術框架

大數據技術框架的組成部分包括處理系統、平臺基礎和計算模型。首先，處理系統必須穩定可靠，同時支持實時處理和離線處理多種應用，支持多源異構數據的統一存儲和處理等功能。其次，平臺基礎要解決硬件資源的抽象和調度管理問題，以提高硬件資源的利用效率，充分發揮設備的性能。最后，計算模型需要解決三個基本問題：模型的三要素（機器參數、執行行為、成本函數）、擴展性與容錯性、性能優化。這些要求對構建大數據技術框架提出了非常高的要求。

2.大數據應用推進和落地

商業銀行大數據應用雖然在風控、反欺詐、征信等領域初見成效，但在其他層面暫時還處于探索階段。究其原因，一方面只有當數據分析轉變為企業業務方式后才產生價值；另一方面商業銀行在新建應用系統的過程中缺乏數據思維，沒有充分了解大數據分析的價值、戰略和流程。同時大數據應用投資效果難以衡量，領域建模未得到充分重視。

3.數據安全與個人隱私

現階段用戶數據的收集、存儲、管理和使用缺乏規范，主要依靠商業銀行自律，用戶無法確定自己隱私信息的用途。此外，鑒于我國商業銀行體制機制限制以及尚未健全的金融法律法規體系，許多金融機構擔心擅自使用數據會觸犯監管和法律底線，同時數據處理不當可能會給自身帶來聲譽風險和業務風險，因而在駕馭大數據層面難以付諸實際行動。

大數據環境對我國商業銀行的影響

（一）顛覆商業銀行發展戰略

傳統商業銀行的發展戰略是在市場調研和充分考慮客戶需求的基礎上，通過預測未來經濟運行狀況，結合自身現有資源，依靠決策者的經驗確定其發展目標及經營戰略。 在大數據時代，商業銀行通過運用大數據分析技術，更加科學合理地評估客戶需求，準確定位自身的服務對象和服務領域，為商業銀行在內部管理、業務發展及客戶營銷等多個層面提供決策支持，從而使得企業戰略決策更加科學、有效。

（二）變革商業銀行經營方式

大數據時代，商業銀行的運營方式將面臨重大變革，主要體現在運營精細化、虛擬化和科學化。 首先，銀行網點、終端設備及社交媒體產生的海量數據將對商業銀行運營方式產生深遠影響，大數據處理技術將會使商業銀行在客戶開發、資產管理和產品創新等領域更加精細化。其次，數據處理能力的提升將加快商業銀行電子化發展進度，貨幣資金越來越多地呈現為各類數字信號的交換，電子貨幣將會逐步取代實物貨幣。另外，電子商務平臺、客戶自助服務終端的發展，將不斷減少傳統柜臺服務，電子渠道將是未來商業銀行發展的主流方向。最后，科技進步使得企業經營方式從傳統的經驗型轉向科學型。商業銀行將由過去的資金中介逐步向信息中介轉變，由過去存貸匯服務者向信息提供者、財富管理者轉變。

（三）挑戰商業銀行數據駕馭能力

大數據的迅速發展孕育了商業銀行的繁榮局面， 同時多樣化的數據也給銀行數據處理帶來新的挑戰。 （1）海量數據的集聚，這是大數據處理的第一道關口；（2）硬件成本的快速擴展，并發處理的瞬間增長，增量處理（注1）、單遍掃描（注2）都成為大數據分析的必備技術；（3）數據類型的多樣性和異構性以及建模的復雜性，這些難題需要多樣化的處理手段，但解決方案尚在研究和實驗階段；（4）大數據的準確性處理將會成為商業銀行數據應用面臨的一大課題。此外，在快速變化的金融環境下，數據的有效性、數據清洗、數據噪聲的去除等問題都會被提出來。

發達國家商業銀行應對大數據時代的經驗和路徑

（一）英國商業銀行：漸進式道路

漸進式發展道路是指商業銀行在大數據背景下，從被動參與到主動投入，由量變不斷迭加到質變的長期演變過程，主要體現為大數據技術框架的搭建和業務演變兩個方面。 大數據技術框架是由一套完整的硬件和軟件設施組成，通過硬件和軟件設施相輔相成來挖掘和分析沉寂在海量數據背后的信息； 銀行業務演變主要表現為：零售業務—信貸業務—中間業務， 遵循“先易后難，逐步升級”的發展規律。由于部分商業銀行受到外部環境和內部條件的雙重制約，在科技、資金及人才等方面投入有限，因而在大數據時代采取漸進式發展道路。

英國商業銀行在穩定發展的前提下，利用大數據技術進行一連串小的改變，以達到穩中求變的效果。 雖然英國商業銀行有關大數據技術的應用還處于探索和試點階段，但在以下兩方面取得了初步進展：一是大數據平臺的基礎建設。 英國商業銀行將更多的新工具和新技術加入到現代化的分析環境中，包括非關系型平臺、支持關系型和非關系型數據處理的探索平臺等技術。 二是積極推進業務應用。 英國商業銀行積極推出基于大數據技術的試點項目，為實體經濟發展和居民生活便利提供更加高效的金融服務。

（二）法國商業銀行：跨越式道路

跨越式發展路徑是商業銀行基于整體視角，選擇重點領域，實現跨越式發展，主要表現在技術創新和經營方式變革兩個層面。 商業銀行 通過技術創新突破傳統技術框架 ，實現從數據采集到成果應用的一體化結構，將各項業務納入可控、可傳導、智能化的信息生態閉環； 經營方式變革是指商業銀行根據客戶不同消費需求、價值預期和風險偏好等因素，制定出不同于競爭對手的差異化經營策略 ，避免與競爭對手陷入惡性競爭，達到建立比較競爭優勢并取得競爭主動權的目的。

法國商業銀行在互聯網迅速普及和 人工智能 化水平不斷提高的環境下，利用大數據技術對商業銀行進行全面變革。為此，法 國商業銀行在創新層面上投入大量資金用于數字化技術的發展，囊括金融服務全部環節和金融業務的各個方面， 通過增加業務和開展包括新客戶體驗和節省成本在內的激進項目打造全新的核心競爭力，并以客戶為導向，削減或者退出非核心業務，集中資源發展優勢業務和地區，推動對公、零售和金融市場業務的轉型，著力發展高效、輕資本的業務模式，不斷提升金融服務效率和服務水平。

（三）美國商業銀行—組合式道路

組合式道路是漸進式和跨越式路徑的結合，發展路線為“數據—信息—商業智能”。 這需要商業銀行一方面要做好基礎設施建設，建立智能化的信息平臺、終端技術和數據存儲體系；另一方面則要積極開展頂層設計，實行差異化經營戰略，完善組織架構，形成大數據整合、應用和推廣的全面管理體系。組合式道路將逐步成為商業銀行定量化、精細化的發展路線，對打造企業鮮明競爭特色，為客戶提供多樣化、差異化金融服務具有重要意義。

早在20世紀90年代，美國商業銀行就開始建設數據倉庫，運用數據挖掘和分析全方位調整管理模式、產品結構和營銷模式，從根本上提高了企業風險、資產負債和客戶關系管理水平。同時，美國商業銀行利用現有成熟的科技成果，不斷完善數據搜集、管理及評估方法論體系，對模型開發、驗證、測試、上線和監控實現全生命周期的管理，保證了量化模型與時俱進。另外，美國商業銀行根據大數據產業特點和發展趨勢，及時打破自身業務界限，確保各業務條線之間無數據壁壘，實現內外部數據的有效整合。

我國商業銀行的路徑選擇和政策建議

以上三個國家的內外部環境和制約因素不同，大數據發展的路徑選擇也各不同，既有充分發揮傳統業務競爭優勢，也有從整體視角選擇重點領域，獲取戰略先機。 筆者認為，我國商業銀行應當采取漸進式發展路徑。 原因在于：一方面目前大數據的應用發展還處于初級階段，國內尚未形成普遍應用的局面。現有應用以機構內部數據為主、外部數據為輔，數據的開放和綜合應用還有很大的發展空間；另一方面大數據理論超越了實踐應用，模式創新不足，采取漸進式路徑可以使決策者所選方案不會與現實狀況產生較大差距，有助于以量變引導質變，推動商業銀行穩定變革。

（一）做好頂層設計，優化組織架構

商業銀行應從戰略層面將大數據能力建設納入發展規劃，突破傳統信息技術部門或電子銀行的狹隘視角，組織協調業務、管理、支持保障等多個部門大數據工作推進機制。同時，積極與社交網絡、電子商務、移動通信等大數據平臺開展戰略合作，探索建立電子化金融商業模式，建立數據信息交流共享機制，將金融服務與社交網絡、電商、電信等深度融合。此外，大數據時代需要商業銀行各部門之間的分工協作與相互支持，構建更加高效的金融服務體系。因此，商業銀行應該明確組織規劃，加強決策層的領導，確保大數據項目始終體現戰略層意志，同時銀行也應當提高組織的靈活性和適應性。

（二）提升大數據時代的核心能力

一是數據獲取能力。就數據獲取而言，商業銀行除了應當搜集和整合日常經營活動中數據，還應與擁有穩定數據源的公司進行戰略合作，積極推動傳統業務渠道與互聯網金融等新興業態縱向整合、橫向滲透。

二是數據挖掘能力。商業銀行應當具備海量數據快速處理能力，不斷增強數據挖掘中價值攫取能力，從而高效配置金融資源，形成多元化的金融服務層次和更完整的金融生態圈。

三是數據分析能力（注3）。數據分析的主要目的在于找出隱藏在數據背后的內在規律，為整體抉擇、業務經營及信息披露提供準確、快捷、全方位的信息服務。

（三）積極培育和維護客戶

商業銀行要打破傳統的“以業務為中心”的經營理念，更加注重“以客戶為中心”的服務模式。這需要商業銀行做到：

一是主動挖掘客戶需求前景。 商業銀行應致力于研究客戶行為習慣，通過對交易數據、多渠道交互數據、社交媒體數據及其他客戶相關數據的全面分析，真正了解客戶需求，并預測未來行為。

二是創新客戶關系管理新模式。 通過與客戶保持高頻次的互動，清晰、具體地了解客戶所處的生命階段、財富階段，掌握客戶在金融活動中的需求和痛點，將銀行內部數據和外部社交數據互聯，獲得更加完整的客戶視圖。

三是尊重客戶隱私，維護數據安全。 數據采集技術的發展使得個人的偏好、財富和家庭背景等隱私信息很容易被獲取，商業銀行在數據挖掘過程中應最大化地隱藏用戶隱私。

（四）加強人才隊伍建設

大數據時代對人才的需求，不亞于20世紀90年代信息化和新世紀的互聯網浪潮，商業銀行需要早作準備，合理界定行業人才需求范圍。人才隊伍建設主要有三個方面：數據分析技術、業務目標理解和溝通管理技能。數據分析是大數據應用的核心，沒有數據的分析，就沒有數據價值的提取；業務目標是所有數據解決方案的源頭，如果沒有業務目標，數據挖掘也就失去了方向；溝通管理技則是能夠把模型預測的結果用來改善或影響行為，形成新的策略和見解。

注：1.對所有備選方案分別進行兩兩比較，依次剔除次優方案，最終保留下來的方案就是備選方案中最優的方案。

2.對數據流進行聚類時，只能按數據點流入的順序訪問一次。

3.大數據時代的數據分析與傳統商業智能的數據分析有所差別。傳統商業智能所處理的數據大多都是標準化、結構化的數據，而大數據時代，需要處理的更多是半結構化和非結構化的數據。

---

6月15日，億歐在上海舉辦「2018全球AI領袖峰會——智能+新金融峰會」，峰會將分解金融業務鏈條，從資金端、資產端及三方基礎設施服務3個環節，將AI技術、區塊鏈分布式技術帶來的金融業智能化，展望新一代智能金融的基礎設施和應用版圖。

新網銀行行長趙衛星、星河資本董事長&點融創始人郭宇航、融360創始人葉大清等嘉賓邀你一起開啟全面賦能的「智能金融」時代，購票及詳情請點擊： 智能+新金融峰會