⼤数据分析技术在银⾏业的应⽤及思考
政治面貌英文随着信息和互联⽹技术的普及应⽤，⼤数据时代已经到来，⼤数据数据分析因其⾃⾝显⽽易见的应⽤价值，从⽽得到了迅猛发展，与此同时“数据化管理、数据化运营、数据化决策”等管理理念也渗透到了各⾏各业。放眼当下，企业间的经营竞争越发剑拔弩张，⾯对⽇益激烈的竞争环境，各级决策者更加注重对海量数据的分析利⽤。
⼤数据是动态发展的⾮结构化数据，同时兼具时效性与经济性的特征。⼤数据的应⽤将重新构建社会信息和关系⽹络，⽽作为长期的社会信息和信⽤中⼼，商业银⾏势必受到外部的冲击。当然挑战也伴随着机遇，本⽂将着眼于银⾏业务，通过分析国外银⾏模式和国内银⾏相关案例，展现⼤数据在零售银⾏业务的应⽤现状，并对未来发展思路进⾏探讨。
英文男子名⼤数据与⼀般数据的主要区别在于，其包含⼤量⾮结构化数据。在⾮结构化数据的收集和处理⽅⾯，互联⽹企业具备⼀定先发优势，同时凭借丰富的客户和流量资源向银⾏发起挑战。不过，有效利⽤⼤数据同样给银⾏带来了诸多好处，多维度的数据分析和应⽤使银⾏零售业务在服务创新、客户评价和精准营销等⽅⾯均有明显提升，在这⼀领域海外银⾏有不少成功经验值得借鉴。
反观国内银⾏业，虽然对⼤数据的概念并未过早提及，但是实际业务中也积累了不少成功案例，其中最早应⽤于信⽤卡领域，并已成为全⾏业发展的⽅向。⽽在⼩微业务⽅⾯，阿⾥⼩贷是⼤数据应⽤的典范，
阿⾥完备的数据体系使其能够在线快速提供⼩额融资服务。当然，国内银⾏业在⼤数据应⽤⽅⾯仍存在不少问题，本期报告也进⾏了必要的分析。
⾝处⼤数据时代，银⾏业挑战与机遇并存。银⾏业必须正视来⾃外部的冲击，通过⼤数据重塑商业模式，提升经营管理⽔平。当然，海量数据的席卷⽽来，海量机遇也随之⽽来，这为银⾏业务转型和产品创新创造了条件，我们相信未来银⾏业服务及管理模式都将发⽣根本性改变。
商业银⾏处于⼤数据时代变⾰之中
2012年3⽉奥巴马政府公布了⼤数据(Big Data)研发计划，旨在提⾼和改进⼈们从海量和复杂的数据中获取知识的能⼒，这是时隔近20年美国政府宣布信息⾼速公路计划后的⼜⼀重⼤科技发展部署。1993年诞⽣的信息⾼速公路计划改变了全世界信息的⽣产和传输⽅式，推动了全球化的Internet的发展，掀起了世界性的互联⽹⾰命。
作为信息⾰命的第⼆个⾼潮，可以预见⼤数据即将对未来的世界产⽣重⼤影响。当前银⾏业服务及管理模式都发⽣了根本的改变。统计显⽰以ATM、⽹上银⾏、⼿机银⾏为代表的电⼦银⾏在我国当前已经成为主要交易渠道，对传统银⾏渠道的替代率超过了60%。接下来的⼤数据⾰命可能对银⾏的⼀些观念和经营模式再次加以颠覆，银⾏业应如何主动变⾰、变挑战为机遇是⼀个值得探讨和深刻思考的问题。
句子结构
（⼀）⼤数据的三个主要特征
⾃1980年以来，世界上的数据以每40个⽉翻⼀番的速度增长，现在每⼀天约有2.5E字节的新数据产⽣；商业公司数据产⽣量更迅速，每翻⼀番的时间⼤概为14个⽉。但⼤数据绝不能简单等同于海量数据，⼤数据主要有三个主要特征：
1、动态发展
根据麦肯锡公司的定义：⼤数据往往是指传统⼿段和⼯具⽆法处理的数据。这是⼀个⽐较主观的定义旨在强调⼤数据是动态的，会随时间和技术⽽扩展。另外⼤数据也随着⾏业的不同⽽变化，视该⾏业所使⽤的软件以及⼀般数据集⼤⼩⽽定义，当前对⼀般⾏业来说落在⼏⼗个T(1T=1024G)与⼏个P(1P=1024T)之间的数据量就会感到难以处理，对它们来说就是⼤数据。excellency
2、时效性、经济性
⼤数据是传统技术⽆法处理的数据，严格地说只要时间⾜够长没有⽆法处理的数据。⽽⼤数据是难以在业务容忍时间内使⽤传统软件捕获、管理和处理的⼤尺度数据集，因此⼤数据的尺度是随任务时间变动的。除了技术，经济性是应对⼤数据挑战需要考虑的另⼀个重要因素。当世界上的数据量以年40%的速度增长的时候，信息科技(IT)投⼊的增长率仅有5%。技术和经济两⽅⾯决定⽆法使⽤传统⽅法应对⼤数据时代的到来。
3、⾮结构化数据
⼤数据⼀个具有很多⾮结构化的异构数据种类的数据集，这些异构数据种类包括社交⽹络⽂本、射频认证、相机照⽚、⼿机信号、传感器⽹络信息等，随着技术的进步这类数据增长率更快，数量更巨⼤，世界上有90%的数字内容是⾮结构化的。银⾏中的数据具有典型的异构化特征数，包括传统业务数据、办公信息、开发测试数据、业务运⾏⽇志、与客户进⾏沟通的邮件和短信、电话银⾏和服务的语⾳记录等。
（⼆）银⾏、信息与关系⽹络
olt
近年来⼤数据的概念被反复提及，⼀个主要原因是电⼦商务活动的全⾯兴起，⽆论是B2B还是B2C，在线交易规模的迅速扩⼤带来了数据信息的爆发式增长。最引⼈关注的是，记录客户⾏为的⼤量⾮结构化数据开始影响到⾦融领域。作为社会信⽤的中⼼，商业银⾏始终占据着最关键的社会信息资源，然⽽⾮结构化数据的普及应⽤使得互联⽹企业不断冲击银⾏的核⼼地位。⼤数据的有效利⽤，帮助互联⽹企业迅速拓展关系⽹络，其搭建的各类公共平台正试图成为社会关系的核⼼，可谓是银⾏业的巨⼤威胁。
1、银⾏占据社会信息中⼼
强迫状态商品经济的发展，要求信⽤在全社会进⾏放⼤，与之适应构造了这样⼀种社会关系：银⾏对其他⾏业企业单向提供信⽤，处在⽀配地位，成为信⽤社会信⽤中⼼；企业为了获取更多信⽤主动向银⾏提供⾃⼰的信息，银⾏也⾃然成为社会经济信息收集中⼼⾏业。这种关系的形成的缘由是只有作为信息收集中⼼，银⾏才可能使⽤信息对信⽤进⾏社会性放⼤。这时以银⾏为中⼼，企业间信⽤和信息构成雪花和⽹状的混合结构，企业之间能够进⾏更⼤更⼴的信⽤连接，形成更复杂社会关系。
2、计算机应⽤强化银⾏竞争优势
信息的具体存储使⽤形式，是限制社会信⽤进⾏有效扩展的⼀个重要因素，计算机技术的普及应⽤极⼤的提升了银⾏收集和处理信息的能⼒。社会信⽤状况处于不断变化之中，因此也需要对持续变化的信息进⾏判断。计算机技术发展的初期，银⾏的标准化需求是直接推动⼒之⼀。这种标准化⼀⽅⾯是指将单据等信息进⾏数字化标准化，另⼀⽅⾯是指将企业的经营活动⽤标准化指标表⽰，银⾏是这种规则的构建者，企业只能屈从建⽴所谓规范化的制度。⼀个典型的例⼦是由于反映了关系⽹络因此关系型数据库成为信息⾏业的重要产品和标准。
使⽤计算机技术银⾏强化了它的经济信息收集中⼼地位，同时可以更深度地探测分析它的借款⼈关系⽹络。基于对客户信息更深刻和正确的探测，银⾏能够进⾏信⽤更有效的放⼤，结果是以银⾏为中⼼筛选出适应社会发展的最良好的企业关系群体，优化、加速了整个社会资源配置。银⾏还通过信息技术如POS机、ATM不断扩⼤优化以它为中⼼的信息和信⽤关系⽹络。
3、互联⽹冲击银⾏信息中⼼地位
⼴泛意义的⽹络出现后，银⾏业的主要竞争优势体现在信息中⼼，能够⾼效的探测集合到各种⾏业以及企业的信息，这是其他⾏业做不到的，银⾏业主要任务是对客户信息进⾏去伪存真。
然⽽，当前各种传统业务正在向互联⽹迁移，当然也包括银⾏业。但是银⾏在互联⽹上发展业务仅仅是借助这⼀渠道，它依然使⽤传统的数据关系。不过，互联⽹构建的原则是形成⼀种联⽹机构相对平等的关系，没有唯⼀的核⼼⾏业，于是银⾏在互联⽹上不再是经济关系的信息中⼼。银⾏成为了被动的服务者，除了去伪存真，银⾏业必须主动吸引客户；这个时代银⾏只有遵循⽹络规则，除此之外别⽆它途。
以往⾯对处于⽀配地位的银⾏，企业愿意主动提供信息并配合进⾏标准化，但在全新的⽹络环境下，银⾏是服务⽅，信息不可能按照银⾏的意愿标准化并主动推送。银⾏必须采⽤新的能够检测⾮标准化的企业信息/数据的装置和⼿段，并不断改善其对社会关系探测灵敏度。
（三）国外银⾏模式分析与借鉴
互联⽹冲击着银⾏信息中⼼的地位，⽽商业银⾏也在利⽤信⽤和资源优势巩固⾃⼰的领地。为了得到客户真实关系⽹的信息，国外⼀些银⾏开始研究如何通过获取、整合各种⽹络⼤数据对客户真实社会⽹络关系加以映射和应⽤。在具体实践中，主要有四种表现形式。
1、扩⼤数据分析范围、提升信⽤评估能⼒
在美国由个⼈消费信⽤评估公司(FICO)开发的FICO信⽤积分指标⼤概包含15~20个变量，⼤多数美国银⾏对个⼈信⽤评估也建⽴在该基础上，再添加本⾏的其他⼀些侧重指标。这造成了⼀个问题，这个标准简单划⼀，不注重细节。这与我们了解的客观世界的复杂性不相符，⼈不是机器，不可能存在任何时候都是⾮好即坏的绝对情况，同样的⼈不同的环境会形成不⼀样的结果，⼈的信⽤也如此。在此意义下FICO信⽤积分显得过于主观，究其原因是银⾏过去信⽤评定者由于缺乏先进的技术，要判断每个⼈的信⽤所形成的环境只能使⽤客户经理⼈为判断，成本⼗分⾼昂。
ZestCash是这样⼀家公司，它的客户群体主要瞄准了信⽤记录不好或者没有信⽤卡历史的⼈。ZestCash的创始⼈是Google的前⾸席信息
官，Google是⼤数据研究的开拓者之⼀，其MapReduce技术是被认为当前研究⼤数据最常⽤的有效技术。ZestCash使⽤MapReduce进⾏⼤数据分析，考察贷款⼈的数千个信息线索(对⽐FICO的⼏⼗个指标)，从⽽造就了它独特的竞争⼒。例如对于⼀个⽆法进⾏某次还款的客户不论他是否主动解释，传统银⾏都认为他是⾼风险的，但ZestCash发现如果这种顾客主动解释其原因，他们更有可能全额还款；ZestCash还会探测客户在ZestCash⽹站上停留的时间(这反映了真实世界⼈们对信⽤申请的谨慎程度与还款诚意)作为信⽤评价的考量因素，这些都是过去FICO信⽤评分系统所⽆法想象的。
2013奥斯卡最佳影片ZestCash的分析技术的核⼼就是把握客户的差异化⾏为，理解⽹络对真实世界的反映。如果仅仅分析⼀个数据可能是噪⾳，但如果将多⽅⾯展⽰
客户的数据收集起来，并理解它们的关系，则可能出现不同的效果。⽽这些数据不可能是规规矩矩的，需要我们使⽤不同的探测⽅法加以寻找，更敏锐的分析能⼒会令我们发现更多商业机会。例如对我们周边那些太忙碌或者⼀时糊涂遗忘了信⽤卡还款时间的⼈，这样⼀种技术使得我们不会轻易丢失⼀个优质客户。
2、提供深度分析服务、打造消费信息中⼼
国内的⼀些银⾏已经尝试根据顾客购买产品的历史，分析他们的兴趣使⽤各种⼿段主动营销，但这仅仅是数据初步应⽤，还没有做到将线下的购买⾏为与客户浏览⾏为结合起来进⾏更进⼀步分析。尤其是当今经济热点切换频率快，各种产品收益轮动，客户对银⾏产品的兴趣会紧随这种波动，这种分析能⼒国内银⾏尚⽋缺。
国外银⾏现在已经开始根据⼤数据的分析尝试提供超越银⾏领域的产品和服务。新加坡花旗银⾏基于消费者的信⽤卡交易记录，有针对性地给他们提供商家和餐馆优惠，并且根据反馈不断学习提升推荐准确度。服饰零售商Gap为了提⾼吸引⼒，与Visa卡合作，由Visa采集数据，如果客户在Gap店附近进⾏刷卡的就会得到折扣优惠，形成龙卷风效应。
这种看似与银⾏主业风马⽜不相及的⾏为⽬的何在？传统银⾏的优势在于它是经济信息中⼼，客户对银⾏的信任依赖是建⽴在这种信息收集处理能⼒的认可上。因此花旗和Visa这种⾏为还是⼀种信息中⼼的争夺，不过银⾏处在服务⽅，并且变为消费信息中⼼。客户不关注服务的⽬标从银⾏本⾝转移到客户，他们只是亲⾝感受到银⾏信息获取和处理能⼒的强⼤，进⽽认为银⾏是可依赖和安全的，这就⼤⼤提⾼了客户的认同度。
3、进⾏⾮账务性线索排查的有⼒⼿段
以反洗钱为例，洗钱疑犯虽然与银⾏发⽣了直接关系，但他绝⾮像普通交易那样有意⽆意的将银⾏作为他的信息中⼼。对银⾏来说洗钱疑犯如此讨厌，使⽤标准的⽅法和⼯具去判断这些伪装起来的异常客户不是传统银⾏的强项，将⼤⼤增加银⾏⼯作量。银⾏的⽬标是⾏为可预测的合法借贷客户，在⼀定程度上客户的⾏为以及与银⾏契约关系是标准的。就此《经济学⼈》举例说“对照顾客姓名看其是否处在制裁⿊名单之上这件事情并不容易，因为⼀家银⾏可能会有数千位顾客和这些制裁⿊名单上的顾客重名，如果稍有不慎，就可能毁掉⼀份顾客关系。”
对此花旗银⾏引⼊了Watson，能从各种不同数据源获取信息，“通过搜集顾客的国籍、地址、家庭成员的姓名，以及他们是否曾经在某些国家旅游或者从这些地⽅收到过汇款等记录，来确定这个顾客是否正是制裁⿊名单上的那位。”Watson这种杰出的处理⾮结构化数据的能⼒——像专家那样观察真实
客观世界对细节加以洞察得到特殊结论，使它的领域⼜扩展到反欺诈、零售业务分析等领域。必须承认，银⾏的结构化的数据在某些⽅⾯是有局限性的，因此即使⾮刻意增加与客观世界更相符的⾮结构数据，也必须明确⼤数据是对付我们常规业务之外挑战的有效武器。
美好的回忆英文4、强化市场营销、优化商业模式
⼤数据⽐银⾏传统处理的数据复杂，是否意味着运⽤⼤数据的银⾏业务会⽐传统银⾏更复杂？其实不然，以美国最⼤的⽹上ING Direct为例，该⾏成⽴于2000年，2011年其存款规模达820亿美元，客户数量已经达到700万。该⾏的独特运营模式就是：简单并且对追求⾼回报的客户具有吸引⼒。为此该⾏只提供⽹上银⾏服务；只向客户提供最基本的⾦融服务，如普通储蓄存款账户、定期存单、简单住房按揭贷款、普通基⾦理财服务等；该⾏⾃成⽴以来没有发放过⼀张信⽤卡；该⾏对⽀票账户会⽀付平均4％的⾼额利息，保证了客户从⾃⼰的存款中得到最⾼的回报。但是这种简单的运营模式完全是建⽴在基于对复杂⼤数据的分析基础上，ING Direct所以能够提供如此⾼额的回报在于他们已经计算到：相对传统银⾏办理业务所需要的材料费和⼈⼯费ING Direct能⼤量节省成本。
基于所有的可获取的各种异构数据分析基础上，ING Direct甚⾄主动解除不符合它们发展模式的客户。例如给呼叫中⼼太多电话的客户，可能是恶意的，⾄少与ING Direct简单以到达节省成本的企业经营模式不匹配；甚⾄对ING Direct⽹站浏览太多时间的客户，ING Direct也会质疑客户没有必要花费
这么多时间(同时也增加了银⾏的维护成本)来理解这些简单易懂的产品。为此ING Direct每年要主动解除成千上万与其公司经营理念不符的客户，节省上百万美元成本。在ING Direct这种看似简单的经营理念下我们看到它的基础是能够实现对⼤量异质数据进⾏复杂分析从⽽抽取出反映真实世界的简单有效的⽹络关系，貌似简单实则复杂。
⼤道⾄简的ING Direct和上⽂提到的化腐朽为神奇的ZestCash看似两个极端，但是他们都取得了成功，原因不外乎：不管经营模式有多么不同，它们都有⾜够的分析真实社会关系的能⼒，能够通过数据分析出与⾃⼰的经营模式最匹配的社会关系，从⽽有针对性的筛选同质的客户。
纵观国内，⼤数据分析应⽤在银⾏业还刚刚起步，但不乏涌现出了⼀批掌握着核⼼先进技术的公司，他们深⼊挖掘银⾏⽤户的⽅⽅⾯⾯的数据，将银⾏的⾃⾝数据将外部互联⽹数据有机结合起来，为⽤户提供更有价值的、精准性的服务。例如数据科技就是这样的⼀家公司，尽管这家公司成⽴时间不长，但已掌握了国际前沿的先进⼤数据钻取和挖掘技术，并致⼒于通过技术和业务的创新，为客户带来安全、合规、⾼效、并且低成本的价值数据互联运营服务，⽬前已有多项成功案例。
当前⼀种观点认为，我国商业银⾏对互联⽹的了解和应⽤以及对⼤数据概念的认识都是不⾜的。这种看法有失偏颇，⼀直以来我国银⾏业⼗分重视对科技建设的投⼊，甚⾄在互联⽹企业出现以前，就建⽴了⾃⼰的全国性计算机⽹络。随着信息和互联⽹技术的不断进步，我国银⾏业正在快速向
经营管理的信息化和数据化发展，已经建⽴起了以数据仓库为核⼼的经营管理数据体系，数据分析技术已经⼤量应⽤在客户评级、风险识别等⽅⾯，电⼦银⾏业务替代率超过70%，各种在线远程业务渠道和相关产品⽇趋丰富。
不过，⼤数据时代我国银⾏也确实需要继续更新观念，跟踪学习新技术、新⽅法。⽬前来看，银⾏在互联⽹应⽤和IT系统建设⽅⾯仍存在⼀些问题。如⾮结构化数据采集和处理能⼒不⾜，数据应⽤在⾏为预测、市场营销⽅⾯有所⽋缺，业务联动亟待提升，如线上线下业务联动、⽀付融资联动、资⾦流和信息流结合等。英语三级听力
downton abbey
从长远来看，随着数据化和⽹络化的全⾯深⼊发展，⾦融服务将向虚拟化⽅向发展，从⽽全⾯颠覆⾦融服务形态。⼀是产品的虚拟化，资⾦流将越来越多的体现为数据信号的交换，电⼦货币等数字化⾦融产品的发展空间巨⼤。⼆是服务的虚拟化，通过移动互联⽹、全息仿真技术等科技⼿段，银⾏完全可以通过完全虚拟的渠道向客户提供业务服务，现有的实体柜⾯可能趋于消亡。三是流程的虚拟化，银⾏业务流程中各类单据、凭证等将以数字⽂件的形式出现，通过⽹络进⾏处理，从⽽提⾼处理的便利性和效率。在这样的服务形态下，银⾏的整体运作就是⼀个数据的洪流，“数字⾦融”得以全⾯实现，银⾏的管理理念和运营⽅式也随之得以全⾯颠覆。
