大银行与大数据的战略思考

大银行与大数据的战略思考

大数据时代已经悄然来临。大数据用来描述规模巨大、类型复杂

的数据集合，被誉为是继云计算、物联网之后，IT产业又一次颠覆性

技术变革，引起各方高度关注。2011年，著名咨洵公司麦肯锡宣布“大

数据''时代已经到来；近年来，IBM、甲骨文、SAP等业界巨头纷纷收

购与大数据有关公司，加速布局大数据领域；2012年，达沃斯论坛报

告《大数据，大影响》称大数据像货币和黄金一样，成为新的经济资

产；2012年，奥巴马政府宣布投资2亿美元启动“大数据研究和发展计

划”，旨在增强对海量数据的搜集和分析萃取能力。

现代银行相对于传统银行最大的差别（或者说最大进步）在于

数据的深度利用。在现代TT技术之下，数据对银行来说已经超越了

账务信息等传统的涵义，成为现代银行经营的宝贵资源。现代银行特

别是大型银行的经营管理活动，很大部分表现为基于计算机技术的数

据管理和运用，其中展核心的工作是数据挖掘，即从海量数据中找出

隐含于其中的有价值信息，支持或指导经营决策。随着外部资本监管

日趋严格、同业竞争日趋激烈、客户行为FI益敏感、盈利能力不断下

降，越来越多的商业银行开始运营大数据方法驱动经营模式转型，并

深度服务客户选择与风险管理、产品设计与精准营销、资源配置与结

构调整，终于出现“数据驱动型银行”，表现为从客户的选择到产品的

设计、再到内部的管理，都是由数据驱动，由数据支撑决策。银行从

大数据思维，到数据驱动型经营，需具备以下特点：第一，要养成一

第1页共40页

大银行与大数据的战略思考

切靠数据说话的思维习惯，这是数据驱动型银行的基础；第二，要有

庞大的专业、高效的数据挖掘知识体系；第三，要有积极广泛的数据

应用，这些数据应用要更多地体现在风险识别与预警，市场的拓展与

产品设计，以及绩效考核与资源配置；笫四，要实现真正意义上的精

细化管理，彻底扭转客户、市场、盈利等方面的粗放型管理方式；第

五，耍认识到数据是最重要的经营资产，是持续创利的资产，是没有

天花板的盈利资产，银行竞争力与盈利能力主要取决于数据积累和数

据挖掘，而且有可能呈几何级增长。

目前，第三方支付机构拥有的海量数据资产已经对商业银行形

成挑战，未来比金融脱媒更令人担心的可能是客户数据脱媒和信息脱

媒，最终导致客户流失、服务能力降低。对大银行而言，建立大数据

能力己经成为保持竞争优势的必然选择。

一、大数据已成为大银行的战略性资产和核心竞争力

银行长远的发展战略，是培养自己的核心竞争力。什么是核心竞

争力？有人说是IT,有人说是人才，有人说是客户，总而言之，各

有各的理解。所谓的“核心竞争力”，关键的要素叫做“不可复制''、"不

可替代产品是可以被复制的，客户是经常有流动的，这都难以成

为我们的核心竞争力，而大数据能力由于其特有的性质将逐渐成为银

行真正的核心竞争力。大数据首先是建立在银行自己的数据基础上，

不是数据多少的问题，而是你我的数据不同，在不同数据基础上做出

的模型是不可复制的。马云，马化腾，还有马明哲，这三个中国互联

网的领军人物，他们有合作，但是彼此之间都无法复制，就是因为他

第2页共40页

大银行与大数据的战略思考

们在各自不同的数据基础上，建立起来的竞争力是无法复制、不可替

代的。第二，我们在自身数据基础上培养出来的人才，也是无法复制

的核心竞争力，这些数据分析专家在我们的数据环境下成长起来，别

家银行的数据环境跟我们完全不一样，他就没有用武之地，这就是特

有的人才。

（一）大数据是大银行解决面临问题的重要着力点

大型商业银行正面临很多严峻的挑战和问题，例如利润增速下滑、

资产质量降低、市场地位受到挑战、传统产品增长空间受到限制等，

尤其是随着中国经济增长进入“新常态''、银行进入股改红利后时期，

传统上靠扩大规模就可以维持快速增长的时期已经过去了。银行转型

首先解决的是寻找新的利润增长点，从发达国家银行发展经验看，通

过深入挖掘分析客户真实需求、提供更有针对性的服务，就可以大幅

提高盈利水平，这是体现数据挖掘价值最直接地方。比如花旗银行亚

太地区，近年来有25%的利润来自于数据挖掘；汇丰银行通过数据挖

掘开展交叉销售，使客户贷款产品响应率提高了5倍；澳洲联邦银行

运用大数据分析来提供个性化的交叉销售，成功将交叉销售率从9%

提高到60%；VISA把发现信用卡欺诈的时间从1个月缩短到13分钟，

极大地降低了信用卡欺诈带来的风险；另外，数据挖掘在客户挽留、

客户细分等领域都有效果非常好的应用。这还是在他们原有数据分析

水平就较高的基础上，国内商业银行数据挖掘分析水平本来较低，这

方面的工作将会产生更大的效果，相比于传统上跑马圈地、扩张规模

的做法，可以起到事半功倍的作用。进入移动互联时代后，“跨界”成

第3页共40页

大银行与大数据的战略思考

种机遇的一个集合点。也就是说，从数据入手，我们可能就找到大型

银行未来转型的一个事半功倍、给一个支点就能撬动地球的一个着力

点。通过数据挖掘，准确理解市场发展方向、客户需求、风险特征，

能够使我们正确配置资源，实施有效创新。相比较新的产品和其它资

源，大数据上的能力更难以复制，因此更可能成为我们的核心竞争能

力。因此，大数据不是一地一隅的事情，事关全行战略转型全局，全

行上下必须高度重视。一些先进银行的经验已经表明，数据挖掘会创

造很可观的效益，尤其是对我们这样数据分析基础还比较薄弱的银行,

只要稍稍投入就会产生出巨大的效益。

（二）数据已成为大银行的战略性资产

对于现代化的大型银行而言，我们的资产不仅是贷款等，有相当

重要部分是数据，是尚未被纳入核算系统的财产，这是大银行区别于

小银行，也是现代银行区别于传统银行的关键之处，数据是我们的重

要财产。现在，银行的一切活动都被数据化，客户的每一个行为、资

金流转的每一个细节、每一个决策、每一次交流都成为数据，这些数

据一旦得到深入分析使用，会深刻改变银行创造价值的模式。与其它

资产还不一样，数据的价值在被发掘后还能够不断产生新的价值，其

真实价值就像浮在水面上的冰山，我们发现的只是一角，绝大部分都

隐藏在表面以下。阿里在美国上市当天市值达到2300多亿美元，在

当时建行才有1800多亿的市值，它比我们建行都大，甚至比工行都

大。马云的优势在哪，为什么全球的投资这么追捧？数据平台是他的

重要财富。再看FACEBOOK的例子，2012年它上市时定价是38美元，

第5页共40页

大银行与大数据的战略思考

总估值1000多亿美元，但在2011年底其资产供债表中总资产是多少

呢？仅有66亿美元！也就是说，市场当时对FACEBOOK账面之外的数

据等资产的估值接近1000亿美元。谷歌收购了一些公司，其实他收

购的是数据，每一次对数据公司的收购都带来市值的巨大变化，说明

数据是他们的重要财富。最近国际上很多机构都在探讨如何量化数据

等无形资产的价值，例如美国一个联邦储备银行经济学家估计企业拥

有的数据等无形资产的价值超过8万亿美元，相当于德国、法国和意

大利的GDP之和；美国财务会计准则委员会也在探讨研究数据等无形

资产价值的事宜。大型银行的数据财富往往被忽略了，我们必须要认

识到数据的价值，把数据作为重要资产保护、经营，未来要立于不败

之地，不能完全看存款、贷款，还应看我们的数据挖掘和运用。如果

银行真能树立起数据优势，股价一定会有大幅度上涨。从实际情况来

看，我们的数据优势一点都不比马云差，关键是我们没有把数据当作

财富，说到底我们没有这方面的人才。数据就像矿石一样，价值不在

于多少，而在于挖掘。资源利用的越深价值越大，就在于挖掘。银行

的数据没有价值是因为没有挖掘，没有挖掘就是符号，各分行那么多

数据，通过数据挖掘创造的价值可能几倍于通过市场开发创造的财富。

数据财富是没有天花板的，可以不断挖掘、不断创造。

在银行业，对数据资产的争夺已经关乎产业的未来格局。银行自

诞生以来就是靠信息驱动的行业，银行从不吝惜在信息方面的投资，

在经营资金和风险过程中，资金流、信息流天然就结合在一起，内外

部交易积累了海量的数据，银行每个员工都在从事数据采集、几乎也

第6页共40页

大银行与大数据的战略思考

都在使用数据。但是，由于传统上银行更多强调事后统计工作（包括

监管统计、各类报表等），大量数据资源没有得到充分挖掘，无法通

过挖掘进行预测并支持经营管理，银行相比互联网公司在这方面已经

处于劣势。进入大数据时代，数据成为银行的战略性资产，银行其它

资产甚至需要追随数据进行整合优化，深入的数据挖掘分析对银行客

户营销、产品创新、绩效考核以及风险管理等将发挥日益重耍的作用，

数据挖掘和应用能力成为银行核心竞争力的关键因素。银行的经营方

式从过去的产品为中心、客户为中心过渡到以数据为中心，数据驱动

成为银行业发展的不可逆转的方向。大数据正成为银行获得新的认知、

创造新的价值的源泉，也是改变市场、组织机构以及银行与客户关系

的方法。

在大数据的支持下，我们可以将未来银行描绘为这样一张蓝图：

银行有整合完整的客户行为数据，充分了解客户消费及投融资偏好，

能够据以即时为客户提供针对性服务。当客户走入银行，轻轻点击触

摸屏时，我们可以根据他的指纹笠生物信息快速识别其身份，并通过

客户以往的交易及消费行为记录、客户的收入情况、各种贷款及固定

还款情况推测客户可能要实现的交易需求。同时利用客户的基本特征

与金融大数据分析结果比对，推测客户可能的风险承受能力平均值，

以及他倾向性的理财需求，为客户提供一款适合其性格及消费习惯的

个性理财产品。客户不再为每天接受大量无针充性理财发售信息而倍

感头痛，银行会根据客户的交易记录适时的为其提供理财产品信息，

配套产品服务推介，让每一位客户感觉到他的专属服务。可以这样说，

第7页共40页

大银行与大数据的战略思考

数据会深刻改变银行的经营模式，重塑银行服务行为。从这个方面说,

与小数据相比，只有大数据才成为银行的战略资产，银行掌握的数据

规模和质量成为影响其商业价值的关键要素之一，在大数据时代公司

的品牌价值正让位于其掌握的数据的价值。目前很多互联网公司在大

量跨领域并购掌握数据资源的公司，例如阿里并购高德地图和优酷土

豆，腾讯收购大众点评和58同城，百度收购91无线，在很大程度上

都是为了并购对象的大量数据资源，他们现在的行为也会是银行将来

的发展趋势。

（三）数据挖掘能力成为大型商业银行的核心竞争能力

实现大数据的重要价值有一个前提，就是要能从纷繁芜杂的数

据中去伪存真、找出规律，发现有价值的信息，这仅靠专家的经验和

智慧是远远不够的，需要更多地借助数据挖掘技术。这里举一个著名

的案例——沃尔玛”啤酒和婴儿纸尿裤”的故事。大致情节是这样的：

沃尔玛公司某店面经理偶然发现一个现象，周末啤酒和婴儿纸尿裤的

销量会同时出现上升。这个现象通常不会引起重视，因为超市销售的

商品数以万计。但是店面经理对商品销售数据进行了数据挖掘分析和

跟踪，最后发现，购买这两种产品的顾客年龄基本都在25-35岁左右,

他们的孩子大多都在哺乳期，周末往往都会按照妻子的吩咐到沃尔玛

超市为孩子购买婴儿纸尿裤，而在购物的同时他们通常也会为自己顺

便买几瓶啤酒（因为周木是美国各种球赛电视直播最集中的时间，可

以边喝啤酒边看比赛）。发现这个非常有价值的规律以后，超市对物

品摆放进行了调整，将原来相隔较远的妇婴用品区调整到酒类饮料区

第8页共40页

大银行与大数据的战略思考

附近，这样不仅方便了客户选购，而且大大提高了两类商品的销量。

如果没有数据挖掘方法，这个规律不太可能凭经验发现。现代商业银

行各种风险管理的技术方法，都是基于数据；银行各种风险经营和决

策，都强调“数据说话”。当然，数据本身并不会说话，要通过对银行

的数据进行深入的挖掘，发现我们的市场、风险和盈利。对这些问题

的认识，全行不是没有，但是局限在少量一些人，比如说做信息的人,

还有些前沿地区的分行，他们感觉到了，也进行了尝试并取得很好效

果，但是大部分同志甚至分行领导同志都没有，更不可能在这方面投

入精力、有比较深的认识。所以，怎么提高全行对数据的认识，培养

先进的数据理念，真正做到以数据说话、基于数据决策并形成良好习

惯将是任重道远的工作。我们不仅要采集、管理好数据，更重要的是

不断挖掘、应用数据，人脑越用越灵光，数据也是越用就越好用、价

值越大。数据可以进行不断的挖掘分析，上次挖掘的结果可以作为新

的数据推动下一步更深入的挖掘，从而产生挖掘的“乘数效应”，创造

越来越大的价值，这样的良性循环使数据挖掘能力真正成为大型银行

不可替代的核心竞争力。

（四）大数据促成了银行管理转向以数据分析为基础的精细化管

理

以往，由于数据和分析手段的缺乏，银行专家更多依靠经验、逻

辑判断进行业务决策，对较长时间跨度的数据分析应用较少。这种单

纯依靠经验判断的弱点体现在：一是无法获取准确的业务趋势信息，

不能“先知先觉''；二是不能对客户进行充分细分，不能支持满足客户

第9页共40页

大银行与大数据的战略思考

需求的差异化策略；三是无法准确跟踪评估业务策略的效果；叫是无

法准确权衡收益、风险、成本、贡献，造成顾此失彼和业务条线矛盾。

随着大数据时代到来，以数据分析为基础的精细化管理已具备条件，

显示出巨大优势：一是量化分析的结果更为客观，更易于理解、被管

理者接受，更容易让不同层级、条线的人员达成共识；二是量化分析

结果可以长期储存和反复跟踪验证，比人为判断更能准确获取市场规

律并在实践中印证，从而也具有更好的预测能力和事后评估能力；三

是能够照顾到不同客户群体的各种细分需求，使针对性服务水平大幅

提升；四是可以用于权衡复杂的风险收益关系，确保价值创造最大化。

比如，对客户信用评级模型，通过引入大数据分析方法，减少

主观判断，强调数据相关性分析，可以提高风险预测的准确性，提高

风险决策水平；利用大数据分析平台，收集分析客户的交易行为数据、

社交网络数据，用以实现增强的客户细分、客户挽留、客户获取和最

佳行动推荐等，对客户展开营销；基于大数据，可对产品、客户、渠

道的业绩表现进行充分的比较，从而为业务变革策略提供支持，例如

分析客户流失趋势、产品贡献度、渠道运行效率和成本等，对建立客

户、产品、渠道变革策略分别具有重要意义。

二、对于大银行来说大数据并不神秘

人之所以区别于其他动物，其本质在于思维，人类总是基于理

智判断环境，做出决策。孙子兵法有云，“知己知彼，百战不殆；不

知彼而知己，一胜一负；不知己不知彼，每战必殆“，这其实揭示了

人类决策的三要素：知己、知彼、权衡。早期，受制于数据收集、数

第10页共40页

大银行与大数据的战略思考

据存储、分析技术和工具的局限性，我们仅停留在有用的、直接的、

可感触的信息层面，以满足我们对现状的认识。随着社会的发展，我

们对权衡的需求越来越迫切，但“知己、知彼、权衡''的难度也越来越

大：所谓“知己”，不仅仅是了解一个个体，而是了解其作为群体的个

体，作为集团的个体，作为区域的个体；所谓“知彼”，受制于信息安

全管制、信息垄断、欺诈利用等行为，使传统的方法不再有效；所谓

“权衡”，由于追求的目标口益复合化，模式口趋复杂，传统的决策依

据和经验失效，都是导致行为出现偏差的重要原因。

传统的事实分析，多采用静态的趋势外延的方法，即根据经验

认知和直接信息，推演事物的规律，揭示事物发生的原因，但由于经

验的局限，直接信息的片面，以及方法的滞后，导致传统的事实分析

无法对未来进行准确预判。基于相关性的事实预测，能够帮助我们解

决这个难题。比如地震预测，全面收集到地震形成的数据，在当前的

技术和认知水平下，这几乎是不可能的任务，但是我们可以通过观察

动物的反常行为来预测地震，这就是基于相关性的事实预测，而且通

常高效、准确。基于相关性的事实预测，最大的挑战是如何动态地记

录、储存、量化、分析海量的非结构化数据。一直以来，我们对相关

性分析并不陌生，但都是基于结构化数据，非结构化数据的引入，能

够很好的帮助我们获得更加准确的分析结果，但是从将非结构化数据

整合至结构化数据，成为了我们面临的重大挑战。直到IT革命的出

现，这个挑战才开始发生变化。IT革命不仅是设备或技术的革命，

更是信息和技术相互影响的共同革命，信息的广泛高效以及低成本收

第11页共40页

大银行与大数据的战略思考

集、储存、分析变成现实；而互联网的出现与发展解决了动态记录与

实时反馈，从而使得相关性分析普及成大数据方法，进而使数据分析

更深入、更准确、更及时、更前瞻。

大数据的核心正是在基于相关性的事实预测，大数据的革命则

是分析方法的革命，这种突破带来了社会经济发展的飞跃，使过去很

多不可能的事情变成了现实。从理论上来说，我们几乎没有任何事情

是不可知的，因此我们的决策将会更加精准、更加科学、更加理性，

社会经济运行效率将会极大提高。在美国，大数据甚至应用在了社会

公共决策上，专家们通过大量的数据收集、分析、测试、试验，得出

“1元钱的就业指导将减少5元钱失业保障支出”的数据结论，政府基

于这个数据结论调整就业指导政策后，大幅度减少了失业保障金的支

出。

大数据的应用前景也是非常广泛。在“知己”方面，大数据可以

帮助我们更加了解个体和群体，更加了解市场的过去、现在、未来；

在“知彼”方面，大数据可以让我们更全面地了解竞争对手、合作伙伴、

各种利益相关者；在应对多元化的经营目标时，大数据可以帮助我们

更好地权衡收益、风险、政治、社会责任等。传统认知工具很难面面

俱到、和谐兼顾，但是在大数据方法下我们可以开展多目标、多层次、

多角度的权衡测试，进行多方案的选择，极大提高了个体和群体的行

为能力。

（一）大数据的基本范畴

首先是数据量要充分大，从MB级数据量，到GB级，到TB级，

第12页共40页

大银行与大数据的战略思考

直到今天动辄的PB级数据量，都属于大数据的范畴，而且这个范畴

是没有边界的，没有人知道未来数据量将会达到什么程度。其次是数

据面要充分广，从传统的交易数据，扩充到语音、文本，甚至是一举

一动，在过去看起来无法利用的垃圾、噪音，今天都有可能成为我们

分析的宝贵资产。然后是数据粒度要充分细，要把握每一个细节，才

能充分发挥效果。最后是数据耍充分相关，打破传统的数据孤立局面,

在不同数据之间建立相关的联接，真正使用大数据。

（二）大数据的思维的关键特征

第一，我们对大数据不能过分地追求所谓的精准、标准。为什么

大数据时代我们不再追求数据的精确度？一方面，随着放松了数据容

错的标准，我们掌握的数据也多了起来，可以利用这些数据做更多新

的事情。举个例子，假设我们要测量一个葡萄园的温度，如果整个葡

萄园只有一个温度计，那就必须确保这个温度计是精确的而且能一直

工作，这就是小数据时代的特点；但是如果每棵葡萄上都有一个温度

计，其中有些温度计的结果是错误的，但众多的温度计一定会提供一

个更加准确的结果，这就是大数据时代的特点。如果再考虑到度数频

率，如果一个小时读一次，对读取准确的要求就必须很高；但如果每

个温度计每秒钟都能产生一个温度，那么其中有一些错误就是完全可

以接受的，而且我们还会发现一些更多的温度变化规律。大数据时代,

为了收集到数量庞大的信息，我们需要放弃严格精确的选择，这是值

得的。我们怎么看待全部数据和使用部分数据的差别，以及如何选择

放松要求取代严格的精确性，将会对我们与世界的沟通产生严重的影

第13页共40页

大银行与大数据的战略思考

响。

过去都说，银行的数据规模虽然很大，但真正有用的数据不多，

尤其是在风险建模时，每次要进行清洗，每次只有几千条数据是有用

的，大量的信息全都洗掉了。我们过去经常批评数据仓库“垃圾”进，

“垃圾”山，其实大数据的概念本身是容忍数据的不精确的，我们过去

讲数据耍精准，那是过去我们的存储能力有限的情况下，我们必须通

过高质量的数据进行分析，事实上，高质量的数据会降低处理难度，

但其数据价值也是非常有限的。大数据说他大，不仅是量的大，还有

全、复杂和乱。通过对这样一种大数据的分析，才能真正发掘出有价

值的东西。现在这个时代，储存和处理都不再是问题，大量结构化、

非结构化数据看似垃圾，但是垃圾数据里可能蕴藏着财富，我们必须

以大数据的概念来看我们的数据资产。

第二，大数据的核心价值在于预测，这对于我们银行是最需要的

东西。大数据的核心是预测，就是把数学算法用到海量的数据上来预

测事情发生的可能性，一个客户会购买某个金融产品的可能性，一笔

贷款发生违约的可能性，从一个人理财和消费行为来看他是否会利用

信用卡分期付款的可能性，这些预测之所以会成功，关键就是建立在

海量数据的基础上。随着系统接收到的数据越来越多，预测的能力会

越来越好。在不久的将来，许多现在单纯依靠人类判断力的领域都会

被系统改变甚至取代。这在很多方面已经改变了我们的生活，比如说

亚马逊和当当可以帮我们推荐想要的书，百度可以为关联网站排序，

微博可以猜出我们认识谁。同样的技术也可以运用到银行管理的各个

第14页共40页

大银行与大数据的战略思考

方面。想象一下，如果我们可以通过海量数据分析了解客户的下一个

行为，那将是多么有价值的事情！这在大数据时代已完全成为可能，

虽然人们的行为模式有很大不同，但我们大多数人同样是可以预测的,

这意味着我们能够根据个体之前的行为轨迹数据预测他或者她未来

行踪的可能性。

我们过去做风险评级，讲的是从过去看现在，试图发现规律。大

数据对于过去是什么样并不在意，更多关注的是未来是什么，核心价

值就在这里。其实人们都想知道未来，知道未来就能做出决策，关键

是能不能知道未来。我们过去所有的统计都在试图解决这方面的问题,

只有大数据方法出现以后，我们才使预测变成了真正的可能，通过找

到一个关联物并监控它，就能预测未来，建立在相关关系分析法基础

上的预测是大数据的核心。对于预测有两个方面我们必须把握的，第

一个是预测业务方向，预测值不会是非常精准的，但方向至关重要。

第二个是刻画一个个体所具有的某种行为特征，能刻画就能选择好客

户，选择好客户风险也就可控了，价值也有了，这是个非常重要的事

情。大数据的价值就在于预测和刻画，至于说某个准确的数值，这不

是大数据要做的事情。

第三，大数据更关注相关性而不是因果关系。也就是说只告诉你

“是什么”，不回答"为什么“，这已经足够了。相关关系很有用，不仅

仅是因为它为我们提供新的视角，而且提供的视角都很清晰。举个例

子，一个人的信用常被用来预测他的行为，FICO（美国个人消费信用

评估公司）在20世纪50年代发明了信用评分，20n年他们提出“遵

第15页共40页

大银行与大数据的战略思考

从医嘱评分”——它分析一系列的变量来决定这个人是否会按时吃药，

包括一些看起来怪异的事情，比方说，一个人在某地居住了多久，如

果此人已经结婚的话，就会分析他们多久换一个工作以及是否有私家

车，有私家车和是否会按时用药并没有因果关系，但数据显示他们相

关，这样的评分会帮助医疗机构节省开支。FICO的首席执行官进而

扬言，“我们知道你明天会做什么同样，利用客户的资金交易行为

数据，我们可以做很多数据上的关联分析，甚至发现一些隐藏的规律

特点。例如一家国际大型银行通过大数据分析，发现年长足球爱好者

的利润率是普通客户的3倍，进而通过为这批客户提供特定服务获取

了不菲收益。再举一个零售业的著名例子，Target是一家非常大的

美国零售公司，他们已有大数据的分析。有一天，一个电话打进来，

是一位非常生气的客户，这个客户说公司送给他17岁的女儿一个折

扣券，这个产品是尿布或者是避孕药，这位客户说：“我17岁的女孩

子根本不需要，我需要你来道歉。''几天以后，客户自己跑来道歉，

他说你说的很准，我的女儿真的怀孕了。因为怀孕的女性会有不同的

生活习惯，会买不同的东西，我们自己有时候都不知道他们已经怀孕

了，而Target反而知道了。这家公司就用这些信息为客户推荐产品，

然后给折扣券。为什么要讲这些例子呢？在大数据时代，我们不必非

得知道现象背后的原因，而是要让数据自己“发声”，一旦找到了一个

现象的良好的关联物，相关关系就可以帮助我们捕捉现在和预测未来。

2008年《连线》杂志主编克里斯•安德森就指出“数据爆炸使所有的

科学研究方法都落伍了“，用一系列的因果关系来验证各种假设和猜

第16页共40页

大银行与大数据的战略思考

想的研究范式已经不实用了，如今它正被基于大数据的相关关系研究

所取代。让数据发声，我们会注意到很多以前从来没有意识到的联系

的存在，例如对冲基金通过剖析社交网络上的数据信息预测股市走向,

京东和亚马逊根据用户在网站上的类似查询来进行产品推荐，微博通

过用尸的社交网络图来猜测其喜好。当然在研究完善制度时可能需要

进行进一步分析原因，但是对于决策时并不需要精确了解因果关系。

大数据更多考虑的相关性，为我们预测提供很多的便利。比如浙江行

的一个支行行长做小企业业务的时候发现一个问题，有个老板老往澳

门跑，就怀疑这个企业可能有问题，事实上证明确实如此。这就是相

关性分析，老往澳门跑不一定是赌博，但是赌博概率比较大，老板只

要一赌博，好端端的企业可能都给赌没了。所谓大数据思维在很大程

度上就叫做相关性思维，透过一些相关性来捕捉信号，进而进行预测，

我们在理解和运用大数据的时候，相关性这个词大家一定要深刻理解

并牢牢记住，透过相关性来解决问题。大数据思维的重要影响，就是

会在很多方面影响我们思考问题、分析问题、解决问题的方法，使我

们更快、更准确地了解世界。

（三）大数据的核心技术其实也很简单

第一，相关性关系建模，这个建模方法能够帮助我们快速、理性

的进行决策。第二，非结构化数据处理，大量的语音、文本、视频、

点出流等非机构化数据，承载着许多行为信息，将这部分行为信息转

化为结构化数据，纳入我们已有的结构化数据体系进行量化分析，这

实际上是大数据目前的一个核心技术。大数据的工具有很多，常见的

第17页共40页

大银行与大数据的战略思考

工具主要可归结为回归分析和随机试验。回归分析是统计学中革命性

的进步，随机试验则能够让我们选取的样本更加具有代表性，特别是

在样本足够大的时候，其客观性更加有保障。

三、大银行应具备大数据逻辑思维

随着商业银行资产越来越大，业务结构越来越复杂，以往的经

营经验已经不能完全满足大数据时代下对银行经营者的耍求。跨界经

营的探索者同样面临这样的问题，量化经营管理成为了行业发展的共

同趋势。从西方商业银行分化的历史上来看，基于自身交易数据管控、

量化分析与数据挖掘，曾是商业银行分化的主要驱动因素。但是，挖

掘自身交易数据的局限性在于，我们无法据此茂确的预测市场趋势，

也无法准确判断客户的行为走向，从而在战略选择和经营决策上经常

出现失误。近年来，部分银行受相关性分析方法的启发，开始尝试运

用内部的非结构化数据，甚至外部的非交易性、非结构化数据，进行

内部的潜力挖掘，外部的市场预测，以及客户的行为分析，收到了意

外的功效。由此，银行大数据的思维开始形成，并展现出以下特征：

第一，了解客户的金融需求。在过去，我们靠着走访企业的财务总监,

交易人员，发觉判断客户的金融需求，但是由于获取信息的不全面，

可能造成盲目的推荐产品，导致客户粘度、客户贡献度都很难提升。

现在许多外国的商业银行已经开始用大数据的方法分析•、了解并把握

客户的金融需求。第一，预测客户的风险。银行是经营风险的，银行

的风险既来自于市场又来自于客户，但主要来自于客户。我们传统的

分析方法依赖于收集客户的财务数据和我们自身枳累的交易数据，很

第18页共40页

大银行与大数据的战略思考

难做到更早、更全面、更细致地把握客户的风险，对风险的预测能力

很差。风险管理要进步，不能局限于过去的内皆评级上，要用大数据

的方式和方法，引导风险管理发生根本性的改革。第三，把握交易价

格走向。现代的商业银行，资金交易的比重越来越大，地位也越来越

重要。大数据在这方面的应用，能够帮助我们预测价格走向，决定交

易定价。第四，挖掘内部潜能。有人分析，说中国银行业如果真正能

够做到精细化，我们的利润翻两番都是有可能的。大数据就能够帮助

我们准确定位管理上的薄弱环节，内部配置上的资源浪费，不断挖掘

内部潜能，实现银行的可持续发展。作为银行家，大数据可以在以下

几个方面帮助实现其经营“梦想”：

（一）为透彻了解市场创造了可能

银行家要面临复杂的形势做出各类决策，透彻地了解市场、把

控市场是我们最大的梦想，能够知道市场的发展趋势才能做出有效的

战略决策，这是成就“国内领先、国际一流''目标的重要前提条件。我

们现在面临的市场环境，与银行家的“市场梦”之间有很大的距离，许

多问题亟待解决：面对这样一个相对饱和的市场，我们要做到多大规

模才合适？面对这样一个第杂的市场，什么业务是我必须要做的？各

个业务应该做到多大规模？这些问题的存在，都说明市场选择极其困

难。传统上已经有很多工具和方法帮助我们去理解市场，例如波士顿

矩阵、标杆分析、SMT分析等，也包括抽样调查等成熟的统计工具，

但只有大数据方法才为我们透彻地了解市场创造了可能，通过对全部

客户海量行为数据的分析，我们将有能力知道市场的未来发展方向，

第19页共40页

大银行与大数据的战略思考

进而可以有针对性地做出战略安排。依托大数据，人们了解市场的方

式正在发生重大变化，例如，海关出口数据是判断外贸形势的关键指

标，是在出口企业卖了货以后进行统计；但通常买家在采购商品前'

会比较多家供应商的产品，在阿里巴巴网站统计数据中就反映为查询

点击的数量和购买点击的数量维持一个相对的比例，2008年初，阿里

发现平台上整个买家询盘数急剧下滑，进而推断世界贸易形势发生变

化，这比海关统计数据提前了半年，为国内出口企业调整生产策略提

供了重大帮助，这种分析如果没有大数据方法的支持是难以完成的。

再如，美国劳工统计局每月都要公布CPI,为此他们会雇用很多人向

全美90个城市的商店、办公室打电话、发传真甚至登门拜访，反馈

回8万多种价格数据，每年的花费达2.5亿美元，一般会滞后几周，

从2008年经济危机经验看，这个滞后是致命的。麻省理工学院的两

位经济学家提出了一个大数据解决方案，就是在互联网上收集价格信

息，每天可以收集50万种商品的价格，这些数据很混乱，但是利用

大数据分析方法，这个项目在2008年9月雷曼破产之后马上就发现

了通货紧缩趋势，而官方数据直到11月份才知道这个情况。我们的

梦想一“市场梦'非常美好，但并非像我们想象的那么简单，必须

依靠大数据方法进行解决。

（二）帮助银行深入了解客户需求，提升客户服务水平，实现〃价

值梦〃

我们的利润增速己经降到一位数了，将来要保持在一位数，不出

现增速的负增长，会越来越困难。过去大型国有商业银行的利润，在

第20页共40页

大银行与大数据的战略思考

一定程度上是借助国内经济快速发展、股改红利以及监管机构对市场

准入的保护来实现的，随着未来市场进一步开放，市场竞争进一步激

烈，若不快速提升银行价值创造能力，那么银行家的梦想是要泡汤的。

"价值梦''的关键是知道哪些客户、哪些产品、哪些行为能够为银行带

来利润，银行应该如何满足客户需求，前提是了解客户需求并迅速行

动，大数据是实现这一目标的利器。通过对海量客户行为数据的分析,

可以了解客户在什么地方、有什么需求，例如，某客户中午在北京某

区域出现，我们又通过分析知道该客户喜欢吃高端川菜，就可以将附

近有关促销活动通知该客户，既撮合了交易又可以创造利润；再如，

对一个新推出的产品，大数据可以帮助分析哪些客户最可能购买这一

产品，销售的效率就高得多。理解了大数据思维、主动应用大数据推

动业务发展，己成为银行家实现价值梦的必然选择。

大数据为我们观察客户、分析客户提供了一个全新的视角，基于

海量的、多样性的数据，银行可以获得客户更及时的、更具前瞻性的

信息，大数据技术为我们深入洞察客户提供了新的图景和可行的解决

方案。不可否认，大数据使我们进入了一个用数据进行预测的时代，

虽然我们可能无法完全解释数据背后的社会学、经济学原因，但数据

本身的规律已可以帮助我们解决很多管理问题。银行在日常经营过程

中积累了很多的数据，客户的、市场的、交易的，等等，利用这些数

据之间的相关关系就可以进行预测，并作为业务决策的基础。

在某种程度上，银行数据中最重要的部分是客户行为数据。与客

户财务数据等静态数据相比，行为数据具有更强的稳定性，基于行为

第21页共40页

大银行与大数据的战略思考

对未来的预测更加准确。例如，违约率是风险计量中最核心的指标，

使用大数据技术，可以使我们从客户行为数据中发现对违约率判别有

重要帮助的信息（尽管有时候这些信息在经验上看来可能与违约不相

关），用于违约预测和客户风险评级。例如通过分析零售客户通讯方

式（电话、邮件地址等）的留存情况，可以判断其在信用卡和房贷业

务中的信用表现，准确度甚至超过基于客户财务（收入）状况的预判。

对企业客户而言，目前银行主要依据财务报表k客户违约率进行建模

预测，但实践证明这种预测的准确性、前瞻性不是很理想。对银行风

险管理者来说，如果等企业的亏损反映到报表而为银行得知时，已经

晚了，再等到利用这些情况对评级结果、业务决策进行调整时就更晚

了，所以通过财务报表来判断企业的违约概率已经明显滞后。而通过

研究企业账户行为（如现金进出、投资行为等），建立行为评分模型,

可以在客户出现风险信号的时候就及时作出预警和应对，其时效性要

快于财务数据评级。因此，要打破单纯依赖财务数据进行风险评价的

传统做法，重视非结构性数据及行为在客户风险评价中的作用，提高

风险预测的精准性。当然，目前行为评分的技术还很有限，需要各方

合作研究。

（三）提升综合管理和市场拓展能力，增加盈利空间

目前，大家都觉得银行面临一系列困惑，其中最大的困惑，是大

家都觉得银行的利润增长到了拐点，未来可能出现利润负增长，不排

除未来个别银行可能出现亏损。面对这种形势，有人认为这是利率市

场化的必然产物，只要利率市场化到了一定程度，就会不可避免地出

第22页共40页

大银行与大数据的战略思考

现利差收窄，导致盈利水平降低。为此，我们分析了国外一些国家的

情况，利率市场化之后，整个社会的利差收窄是正常的，但是银行的

盈利能力是分化的，最主耍的体现，是银行经营的分化。比如说美国、

香港和其他一些国家，利率市场化之后，银行息差收窄开始收窄，同

时银行也开始分化。有的银行息差在零点几个百分点，有的银行在四

个点以上。为什么会出现这种情况？这就是银行的经营能力，定价能

力，客户选择能力，资产组合管理能力等。因此，利率市场化并不会

必然导致银行盈利能力的下降，银行的盈利能力是取决于银行本身。

在组成银行盈利能力的差异化定价、组合管理等方面，大数据的方法

给我们提供了一定的可能性。比如，定价当中最核心的几个方面，其

中一个就是风险成本，取决于客户的选择，这正是大数据的用武之地。

大数据用得好，用得广泛深入，不但能够避免银行出现利率下滑，还

能够继续保持盈利，甚至持续提高盈利水平。还有一个困惑，是关于

市场的，担心市场空间非常有限，没有规模，出现了天花板。其实，

在市场不变的情况下，如果我们能够找到更好的客户，调整客户结构，

提升空间非常大。此外，市场上还有许多增量有待开发：第一，被我

们忽略的新兴的金融需求，比如养老，这是一个巨大的市场。美国的

养老金规模，公私加在一起大约21万多亿，比GDP还高。我国现在

60岁以上的养老人口已经超过2个亿，到2050年，中国的养老人口

预计要达到4个亿。在我们目前收入水平不断提高的情况下，与养老

金相关的金融服务需求形成了一个巨大的市场；第二，在传统银行业

务方面，我们的空间也是巨大的。比如信贷业务，2013年，美国的

第23页共40页

大银行与大数据的战略思考

国内贷款余额是43万亿美元，GDP大约16.7万亿美元，国内贷款余

额与GDP之比大概是2.6左右；我国去年国内贷款折合成美元大约是

13万亿，GDP大约是10万亿美元，国内贷款余额和GDP之比大约是

1.30如此比较，我们就能发现，中国的信贷市场还有很大空间。再

比如国际业务，中国现在是世界最大的贸易国家，国际贸易相关的贸

易融资、国际清算以及相关的金融服务，应该也是全球最大的。建行

在全球最大的国际贸易市场上，我们的开拓程度还是远远不够的。从

这个角度说，我们的盈利能力还有很大的提升空间。

（四）提升风险经营能力

现代商业银行各种风险管理的技术方法，都是基于数据。现代

银行各种风险经营和决策，都强调“数据说话”。当然，数据本身并不

会说话，关键是如何从海量数据中萃取出银行风险经营、决策所需要

的信息？国际先进银行是通过数据挖掘的技术方法来实现的，数据挖

掘已经成为现代银行推动风险管理技术创新、提升风险经营能力的驱

动引擎。

大数据正在改变风险管理方法,大数据方法使提前预测客户风险

事件成为可能。什么是风险？风险就是不确定性，当我们的资产和经

营面临着巨大不确定性时，我们就正面临巨大风险。银行是经营风险

的企业，一个银行家的〃风险梦”，包括清楚知道自己面临的是什么风

险，是否能够承担风险，安排好所有风险在可控范围之内，这依赖于

对风险的识别和测量，银行业在这方面进行了大量技术方法上的探索,

开发了各类风险计量模型和测度工具，在银行管理风险中也起到了很

第24页共40页

大银行与大数据的战略思考

好的作用。但近些年的经验教训表明，这些方法离我们真正能够预测

风险、计量风险还有很大差距，很多情况下都是在风险真正发生之后

才了解。现在我们银行家对自己面临的风险都清楚吗？风险在承受范

围之内吗？所有的风险都是可控、可处理的吗？我看还未必。近些年

一些互联网金融公司的探索为我们实现银行家的〃风险梦〃提供了一

个方向，通过全面收集客户的各类行为痕迹数据、经济数据、产品价

格和交易数据等，利用大数据方法使提前预测客户风险事件成为可能,

可以说大数据在很多方面已经并且正在改变风险管理的方法,这为我

们实现〃风险梦”提供了以前无法企及的方法和手段。

在大数据的支持下，风险管理工作不仅是量化和控制风险，还是

合理平衡风险收益，挖掘客户价值，实现更大的价值创造。在高效风

险管理手段支持下，可以实现对银行客户整个生命周期的价值管理，

包括客户获取、客户保留、客户服务和客户提升等等。例如，目前国

内大型银行的信用卡业务在行内客户中的渗透率普遍不高，如果依托

现有数据，借助数据挖掘技术，研究开发响应评分卡等工具，以此区

分信用卡目标客户群并针对风险可控的群体进行交叉销售，将会大大

提高营销的针对性和风险选择的有效性。同时,基于海量数据,运用数

据挖掘方法，在信用卡应用领域可以实现反欺诈识别、实时发卡审批、

信用卡催收等环节风险管理工作的批量化、自动化，提升运营效率。

再如，可以通过数据挖掘技术，研发相关风险识别模型，建立信贷客

户的生命周期管理机制，不仅有利于风险管控，而且可以大大增进客

户忠诚度，挖掘客户的潜在价值，提高客户的综合贡献度。

第25页共40页

大银行与大数据的战略思考

从风险经营的角度来看，数据对于现代银行的意义不仅体现在

风险评价、审批、定价、监测分析等方面，而且还体现在对目标风险

的识别和市场机会的发现上面。举个例子，上世纪90年代，美国电

话电报公司（AT&T）要组建自己的信用卡公司。AT&T的做法另辟蹊

径，它基于多年积累的庞大客户信息数据库，借助数据挖掘，筛选出

目标客户群体，然后针对性地发出营销信函。这种营销策略非常成功,

AT&T一次性获得了上百万的信用卡客户，从而建立了自己的信用卡

公司。从这个案例就可以看出数据挖掘技术在现代银行经营中的重要

作用。

目前，国内大型银行都基本完成了数据集中平台的搭建，卜一步应着力研究如何运用好海量

数据信息，提升风险经营的精细化、专业化水平。这方面我们与国际先进银行的差距还比较

大，但从另一个角度来看，也意味着有很大的潜力。举个例子，目前国内大型银行的信用卡

业务在行内客户中的渗透率（信用卡客户数/全部个人客户数）普遍都不高。如果能够依托

现有数据，借助数据挖掘技术，研究开发响应评分卡等工具，识别信用卡口标客户群体并进

行交叉销售，那么将会大大提高营销的针对性和风险选择的有效性，同时降低发卡成本，提

高卡均收益。再如，可以基于数据挖掘技术，研发相关风险识别模型，建立信贷客户的生命

周期管理机制。这不仅有利于风险管控，而且可以大大增进客户忠诚度，挖掘客户的潜在价

值（如交叉销售），提高客户的综合贡献度。参见下图所示：

催收和回收

早期催收模型

晚期催收模型新客户审批

回收模型/

♦申请评分模型

・申请欺诈模型

Credit

Life-Cycle

客户管理、

行为评介模型

文又销告

交易欺诈模型

交叉销售模型

使用率模型

盈利模型

盈利模型

收益评分模型

激活及客户挽留

♦提前还款模型

（五）•客户流失模型

第26页共40页

大银行与大数据的战略思考

准确计量资本

过去，中国的银行家从未曾受到资本的约束，但是现在资本经

常让各家银行捉襟见肘。一方面资本不够用，经常要补充资本，另外

一方面，资本浪费极其严重。我们的“资本梦”跟国际领先水平有很大

的差距，很少有人在认认真真的使用资本，算清资本帐，利用资本创

造最大价值。资本管理天然需要与数据结合在一起，尤其是耍精确地

测算一笔业务占用的资本数量、创造的价值以及对应的资本收益情况,

需要知道业务本身的风险以及业务间的相关关系，以往我们采用一些

精算模型，模型假设合理与否直接影响资本计量结果，大数据则为我

们准确计量资本提供了可能，从而提高资本管理精细化水平。

（六）提升内部控制水平

银行家的“内控梦”，是希望所有的环节、所有流程都是严密、

可控的，业务运营是高效、准确的，反馈环节是灵活、敏捷的，决策

传导是及时、无误的。但事实上，我们现在所有的银行，尤其是中国

的大型银行，在内控方面承担的压力要远大于市场带来的压力。一系

列的不可思议的操作风险案件频繁发生，内控方面的问题比我们想象

的要大的多。我们采取了一系列的方式，希望能够提前发现，采取监

督制衡措施，但是在实践过程中，效果打了折扣。利用大数据方法，

可以帮助我们及时深入分析员工的异常行为、交易的每个环节，甚至

能够预测可能出现的问题，提前进行预防，这要比传统的内控方法更

加有效。大数据在帮助我们实现"内控梦'’方面会大有可为。

（七）改进银行分析决策模式

第27页共40页

大银行与大数据的战略思考

现代银行的分析决策模式必须建立在高质量的数据积累之上。

对数据的长度、标准化、准确性和真实性都有要求。例如，建立对零

售客户的一揽子产品组合安排，需要客户在全行的统一账务信息，以

确定客户的资产和现有债务情况，这就需要具备统一可查的客户ID

标识和相应的客户全景数据，如果客户信息在各个业务系统中是分散

的、非标准化记录的，无法统一查询，或者数据质量不佳，难以作为

分析基础，那么统一的客户产品服务方案也就难以形成。

为此，要特别重视客户数据管理的规范、安全和效率，保证经

营数据储存的及时、准确，做到对数据的产生、变化进行客观、全而

地记录、跟踪更新、分析评价。对于某些重要但尚未有效积累的数据,

可以根据实际情况，制定相应的收集和积累计划，以此支持数据库的

持续改进和提升。要专门针对数据管理建立完善的体系，包括组织、

制度、流程、系统，这如同建立量化分析手段一样，是业务变革的重

要环节。

银行的经营决策和风险管理需要以数据为基础。一家银行自身

的数据虽然很多但远远不够，对外部数据的需求非常迫切。应该说，

经过这些年的建设和发展，征信系统在商业银行风险管理中的作用日

益突出。征信中心拥有海量数据，这些数据既真实，又有长度，挖掘

和使用这些海量数据一定大有可为。比如，国外征信机构提供反欺诈

支持，我国征信中心也可以在反欺诈方面有所作为；再如，关于多家

银行对同一客户授信可能出现的过度授信问题，征信中心可以与商业

银行合作，通过开发模型或其他方法，在银行有授信意向时就能判断

第28页共40页

大银行与大数据的战略思考

是否会引起过度授信。还有，征信中心不仅可以提供信用报告查询，

还可以提供其他综合性产品，比如行业、区域金融生态分析报告、集

团企业关联信息查询、对贷款逾期客户进行预警提示、开发小微企业

信用报告特色模板和小微企业信用评分等。如果征信系统能够扩大采

集和整合来自工商、税务、海关、环保、质检、公检法等政府部门的

信息特别是违法处罚信息，将有助于银行筛选有社会责任意识的企业,

进一步推进诚信社会建设进程。

（八）利用大数据编制相关经济和金融健康指数

大型银行多年积累的大量业务、客户等各类数据，为编制相关

指数奠定了基础。指数的编制主要依赖于数据，也是对数据资源更好

的挖掘和利用，是数据资源增值的主要方式之一。信息科技的进步以

及大数据时代来临，要求银行业重视对数据的挖掘运用。相对于其他

机构，银行拥有丰富的数据，有利于其编制发布相关的指数，例如房

价指数、信贷经理指数、消费指数等，可及时反映金融市场发展状况。

另外，国内大型银行多数拥有庞大的机构网络和客户群体，而且这些

机构、客户在区域上分布广泛，便于采集所需要的各种数据，特别是

需要抽样采集数据时更加便利。

（九）通过大数据应用推动银行经营模式的升级和转型

银行已经到了经营模式转型的关键时期，有效地推动经营转型，

是大数据应用的一个策略。比如授信，其实是考虑风险和收舐平衡的

问题。银行开始有授信业务时，最开始是对客户授信，是对客户进行

风险、还款能力、需求的综合判断，评估出授信额度，开展授信经营。

第29页共40页

大银行与大数据的战略思考

在这个过程中，一直困惑银行的，就是对授信额度的把握。因此，我

们对客户进行评级，开展数据分析，利用模型给客户一个定量的评分。

过去的评级主要是依赖客户的财务数据对客户进行建模并评级，这时

出现了另外一个问题，客户的价值和风险并不完全体现在财务报表上,

这对于我们寻找有价值的客户，预判客户出现风险的概率是没有帮助

的。因此，我们耍透过客户行为的特点去找到他的价值，这就是大数

据分析和我们过去分析的不同之处，透过大数据的方法，我们在客户

经营、授信模式方面，就一定能够发生变化，不再是单纯地根据客户

财务报表去进行评级，完成授信，而是根据客户在日常经营中的具体

行为，包括交易记录、订单、投资行为等。这部分数据，在市场上是

被充分反映，充分记载的。这样一来，对客户的授信模式就会自然开

始转型。除了对客户授信需要转型，项目授信也能完成转型。世界银

行、亚洲开发银行以及过去建设银行在项目融资方面进行的很多尝试,

经验表明，项目融资是一种新的经营模式和授信模式，比客户授信的

风险小，收益高，具有更高的价值。大数据的分析方法能够更好地推

动项目融资的发展。此外，供应链融资模式也是大数据推动转型的重

要方向。现代市场经济的发展，很多银行在尝试供应链融资，但是风

险事件很多，一个优质的市场，为什么一直没有优质的表现？究其根

本，是因为我们总是将客户授信的模式套在供应链融资，但其实供应

链融资最适合的，是采取大数据的方法。马云为什么做的那么好？他

就是把大数据的方法运用到供应链融资中。那我们为什么没有做好？

“阿里小贷”的不良率不到1乐收益率却高的很，依赖的就是大数据。

第30页共40页

大银行与大数据的战略思考

所以大数据在推动授信模式转型方面能够起到非•常重要的作用。这是

近期的一个策略，想透过大数据的运用推动银行经营模式的转型，授

信模式只是其中的一个方面。

四、大型银行推动大数据能力建设是有规律可循的

长期以来，国内大型银行在业务发展过程中积累下了海量的客户

信息、交易信息等各种信息。这些信息是宝贵的资源，是“金山宝臧”,

也是那些小银行、新成立的银行所不具备的资源。在现代信息社会，

虽然银行需要的数据可以从多种渠道获得（例如从外部购买），但是

真正最有价值的数据是要依靠自身积累的。近年来，国内银行特别是

大型银行在数据管理方面右了很大进步，但是与国际先进银行相比，

对数据的挖掘利用还远远不够，主要还是限于在低层次的录入、查询、

统计等功能，信息资源优势还没有发挥出来。这其中有多方面的原因:

一是观念上不够重视，很多人还没有形成基于数据进行管理的习惯。

二是技术水平较低，特别是数据挖掘技术还比较落后。三是数据质量

参差不齐，标准化程度不高。比方说有一些很有用的数据，但是没有

标识，就像一堆图书没有编码、没有分类随便丢在仓库里，很难进行

有效运用。

当前国内大型银行数据管理和应用的重点，一是提高数据质量,

二是加强数据挖掘利用。这方面国外先进银行有很多成熟的经验可资

借鉴，总结起来主要有以下几个方面：

（一）树立大数据管理理念。核心是推进量化管理变革，需要

管理者转变思路，从〃基于经验〃的管理模式转变为〃基于数据〃的管理

第31页共40页

大银行与大数据的战略思考

模式。

从业务本质上看，商业银行是经营风险的企业，这一理念已被

广泛接受。风险的本质是不确定性，而不确定性主耍源于信息不对称。

现代银行业发生了很大的变化，一方面，随着信息网络化、计算机技

术发展、征信体系日益健全，银行获取内外部信息的能力、掌握信息

的广度和深度、处理信息的技术和方法等方面都有质的提升，原先困

扰银行的信息不对称问题得到明显缓解。另一方面，信息化带来的海

量数据，为银行更为有效地甄别风险并从中发现市场机会提供了可能。

因此，现代银行风险管理的理念和方法又有了新的变化，已经从被动

地承担风险向积极主动的经营风险转变，其核心要义不是“控''与"堵",

而是通过对数据信息的定量采集与分析，寻找发展的机会，平衡风险

与收益之间的关系，将积极的风险经营与严谨的内部控制相结合。按

这种理念，数据信息的收集与分析对银行风险管理来说就显得至关重

要，一是可以最大限度地减少信息不对称带来的风险；二是在分析基

础上开展积极主动的风险识别、风险选择和风险安排，最终实现风险

的价值创造；三是银行在选择风险时需要考虑整体的投入产出，后续

是否有足够大的市场空间尤为重要，这些选择都是建立在全面的数据

分析和科学判断基础之上的，没有数据，无法量化风险，上面的选择

也无从谈起

大数据是在信息技术快速发展的基础上产生的，反映了企业所

能获得的大量数据资源，包括企业内部的经营交易信息、物联网世界

中的商品、物流信息、互联网世界中人人间的交互信息、位置信息等

第32页共40页

大银行与大数据的战略思考

等。大数据管理理念，核心是要推进量化管理变革，需要管理者转变

思路，从“基于经验”的管理模式转变为“基于数据”的管理模式。从实

业界的经验看，这种变革具体表现在几个方面：广泛地使用数据、统

计及定量分析方法，利用解释和预测模型，以注重事实的管理方法制

定决策和行动方案；从传统意义上的联机交易数据・、联机分析数据，

到客户行为实时数据、外部数据，都耍纳入管理决策依据的数据范围；

提高数据使用能力，在识别客户需求、产品营销、风险管理、客户管

理等方面主动使用数据，基于数据规律进行决策；“基于数据''的决策

要求不能存在条条框框，要真正从数据分析出发找到规律、发现问题，

而不是通过数据来证实管理想法。

（二）大数据工作的关键是人才的培养和平台的搭建，重点是

要打破大数据的神秘面纱

银行要转型，真正意义上做到立足于市场的不败之地，必须要有

一批具备全球领先水平的数据专家。目前国内银行业能够被称得起数

据专家、能够深刻理解数据熟练应用数据的人不多，这跟我们国内银

行在国际上的地位严重不匹配、不相符。我们看花旗银行、汇丰银行、

美国银行这些做的比较好的银行，都组织了一支相当数量的数据分析

专业人员，花旗银行亚太地区就有300多人