大数据在银行业务中的应用分析--中国期刊网

字体：大中小

首页> 原创作品> 正文

大数据在银行业务中的应用分析

发表时间：2021/6/16 来源：《探索科学》2021年5月作者：唐浩轩

[导读] 随着大数据时代的到来，挖掘数据的商用价值成为热点话题。对于商业银行而言，其在经营过程中积累了大量的业务数据、用户信息数据和用户行为数据。在激烈的金融科技竞争格局下，如何从海量数据中挖掘出有效信息、为业务赋能，成为银行面临的重大问题之一，同时也是决定银行核心竞争力的关键因素。

上海市向明中学唐浩轩 200020

摘要：随着大数据时代的到来，挖掘数据的商用价值成为热点话题。对于商业银行而言，其在经营过程中积累了大量的业务数据、用户信息数据和用户行为数据。在激烈的金融科技竞争格局下，如何从海量数据中挖掘出有效信息、为业务赋能，成为银行面临的重大问题之一，同时也是决定银行核心竞争力的关键因素。本文首先对大数据进行了概念阐释，介绍了其由来、定义及特征，从风险控制、精准营销和运营管理三个方面分析大数据在银行业务中的运用现状，并对精准营销部分进行案例分析。之后阐述大数据在实际应用中的问题并提出相关建议，包括完善商业银行信息系统总体架构设计、加强数据挖掘技术和算法测试的研究以及创新营销管理机制与策略。
关键词：大数据；精准营销；金融科技；商业银行
        1引言
        随着移动互联网的普及和信息存储技术的发展，社会所积累的数据量越来越庞大，个人数据的存储单位从MB到GB再到TB，大型互联网企业拥有PB级数据，而社会总数据量已经突破EB，即将来到ZB时代。随着大数据时代的到来，海量数据的存储、传输和计算的商用化成为了热点话题。2014年，大数据首次写入政府工作报告。2015年发布的《促进大数据发展行动纲要》和2017年出台的《大数据产业发展规划（2016-2020年）》都能够反映出相关部门对大数据的重视[1]。目前，大数据逐渐从概念过渡到实际应用层面，迎来自身的蓬勃发展期。对于商业银行而言，多年经营使其积累了数以亿万计的经营数据和用户行为数据，如何从这些数据中挖掘出更多的商业价值、为银行创造出更大的利润，是当今需要运用大数据解决的问题[2]。换言之，大数据应用直接关联到银行业的发展，是影响商业银行未来核心竞争力的关键因素之一。基于此，本文将重点论述大数据在银行业务中的具体应用，并结合案例分析提出未来发展的对策建议。
        2 概念阐释
        2.1 大数据
        2008年，卡内基梅隆大学、加利福利亚大学与华盛顿大学联合业界组织“计算社区联盟”发表了《大数据计算：商务、科学和社会领域的革命性突破》这一白皮书并产生巨大影响。全球最具权威的IT研究与顾问咨询公司Gartner提出定义，即大数据指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。各行各业对于大数据的采集和存储使得数据总量急剧扩大，在短短数年内就完成了量级的飞跃，PB已成为大型互联网公司中主流的数据单位。之所以有如此庞大的数据量，不仅是因为数据的来源途径变得更加多样化，也是因为很多信息以多个维度被记录下来，且不再局限于结构化数据。此外，从实时更新的大数据中提取信息也对数据分析与挖掘的速度提出了要求[3]，这需要云计算等技术的支撑。?
        2.2 银行业务
        根据我国的经济制度与银行运营模式，不同银行具有不同的业务模式与类型。对于商业银行来说，银行业务分为三大板块：资产业务、负债业务与中间业务。资产业务分为国内外投资业务与贷款业务，其中贷款业务包括个人贷款（住房、旅游、个人投资等）与企业贷款（信用、担保、票据）两方面。负债业务即储蓄业务，同样包括个人存款与企业存款，而存款又一般分为活期存款与定期存款，为不同需求定制，打造精细化管理与精准营销战略。中间业务又主要包括国内外结算业务、银行卡业务、电子银行业务、代收代售业务。银行卡业务主要是为个人或企业办理借记卡和信用卡，进行风险管理。电子银行业务通常指线上办理的银行业务，可以以此积累用户行为数据。其他中间业务还包括信用证业务、保理业务、托收业务等。综合来看，资产业务、负债业务与电子银行业务与大数据联系较为紧密。
        3 大数据在银行业务中的运用现状
        尽管银行在多种业务开展过程中，均能积累并应用大数据。若将大数据在银行业务中的具体应用情况进行归类，主要可分为风险控制、精准营销和运营管理等。
        3.1 风险控制
        由于金融市场改革的持续深化和互联网金融的蓬勃发展，银行业务目前主要面临两大风险，分别是信贷风险和交叉风险[4]。以信贷风险为例，截至2020年末，我国银行业不良贷款余额在2020年末达到3.5万亿元，全年增加2816亿元，不良贷款率为1.92%。商业银行的资产质量呈现周期性波动的特征，而国民经济整体下行，存在明显的产能过程特征，这也强化了银行所面临的经营风险。而银行业务多元化和分区域运营等方式也使得风险关联关系愈发复杂。对此，风险控制管理水平很大程度上决定了一般商业银行的经营水平，而运用大数据可以提高银行业务中的精细化管理水平，从而把握风险控制。解决风险控制问题的关键在于提前预测风险因素，大数据的分析与预测功能则为其提供了良好的信息支持。比如在个人贷款信用风险预警问题上，一种解决方案是借助决策树构建多因子数据挖掘模型，筛选出能预测出发生不良贷款的风险因子，涵盖贷款人的身份属性和贷款本身特征等，从而定位高风险客户群，针对性地制定相应的风险防控措施。
        3.2 精准营销
        分析大数据后所得的高精确度信息能够帮助银行业务人员制定精准营销策略。在日常交易、资产管理等业务中，大数据能够记录客户的账户流水、消费水平、风险偏好等信息，分析人员可以从多个维度对客户进行细分，搭建用户画像，分析不同类别客户的核心需求，据此开展精准营销[5]。对于理财服务，可以利用大数据预测客户在后期不同时间段的资金状况，为其提供合适的理财产品与服务，兼顾资金稳定性、流动性以及理财风险，以求大幅提高购买率与营业收入。
        3.3 运营管理
        银行网点的运营有严格的管理制度。尤其是当下大多数银行都在全力发展线上业务，甚至关闭大量线下网点，如2020年前7个月全国范围内关闭了1700多个银行网点。在这个过程中，如何利用经营大数据来监控各大营业网点的运营成果，提升运营效率，降低运营成本，是各大银行非常关注的问题[6]。近年来，中国农业银行就提出了“四减两增一改”（减网点面积、减设备、减柜员、减成本，增营销能力、增风控能力，改运营制度流程）。大数据能够调查并分析各个业务的运营情况，通过客户量变化情况、运营活动实际效果等数据判定业务发展优良程度，选择性地剥离一些经营较差的业务、乃至关闭绩效差的营业网点等。同时，金融科技的快速发展使得银行大量业务的智能性有所提升，如通过大数据分析客户最常遇到的问题，构建包括“智能客服”体系在内的完整高效的运营管理体系，更有针对性和时效性地解决用户遇到的难题，使得用户在办理同类型业务时所需要花费的时间和成本明显降低，服务体验逐渐提升[7]。?
        4精准营销的具体案例分析
        银行在长期发展过程中积累了大量的用户资源，但盘活用户资源、提高用户价值成为实际运营中的一大难题。

期刊文章分类查询,尽在期刊图书馆

在传统营销方案中，银行可能会选择向用户发送营销短信和营销邮件、拨打人工客服电话等方式来推广新的产品与服务，个性化程度和转化率都不高。大数据时代的到来使得精准营销成为可能。某商业银行业务部门和渠道部门协同发力，以提高下载并注册本行手机银行APP的用户量为目标，开展精准营销活动。在项目准备期，银行先是根据已有数据作了全员用户画像，以此为基础确定后续的应用方向，最终将营销手段确定为场景化营销。场景化营销的方案设计一般包含三个步骤：第一步是特定用户偏好挖掘，一般操作是分析用户的APP使用行为，挑选出频率高的生活场景；第二步是选择合适的权益营销作为合作对象，第三步是设计营销方案触达客户。在开展场景化营销的过程中，该银行分别分析了全量客户、已注册手机银行APP客户和未注册手机银行APP客户的各类APP使用率及需求频次排名。综合考虑客户实际需求、竞争激烈程度与权益吸引力等因素，该行选择外卖APP作为本次场景化营销的基本场景。对于该行存量客户而言，大众点评、美团、百度外卖是渗透率排名前3的餐饮类APP。由于当时的百度外卖优惠力度较强，且已和该银行建立了良好的合作关系，故本轮活动中两者联合开展营销合作。首先，该银行在未注册手机银行的客户群中选出已下载百度外卖APP的客户，向其发送活动通知，即下载并注册手机银行APP即可领取XX元无门槛百度外卖优惠券。该营销使得该行新增20万手机银行用户，在预算一致的情况下，转化率相较于传统营销提升近12倍。
        5 大数据应用目前遇到的困难
        5.1不同来源数据难以整合
        在银行业务普遍追求多元化的形势下，全行业各部门所涉及到的总数据量不断增加，同时可能会出现多种来源的、结构不同的数据。同时，业务侧对数据的不同需求需要向开发中心提出资源申请，并且已有的数据平台也要有专门的运维人员进行维护。此外，同一银行不同业务线有时会建设独立的数据平台，产生大量不同来源的零散数据，导致“数据孤岛”现象，为开发人员带来大量的数据处理和整合的工作量，造成资源与资金的浪费。更不用说，不同银行之间各自为战，不仅数据来源与结构不同，而且所构建数据平台的底层逻辑也难以统一，这使得全行业全渠道的大数据无法打通，成为目前行业整体提高数据利用效率的一大瓶颈所在。
        5.2大数据人才存在缺口
        大数据成为全民关注热点的时间尚短，当前商业银行大数据人才短缺已是一个明显问题，难以满足商业银行大数据发展的需求。大数据的应用分析同时涉及多门学科及知识领域，大大考验了相关工作人员的专业性和跨学科的综合知识运用能力。在银行板块，后台的技术人员往往需要在软件开发方面有着较强的设计、处理能力，而前台的业务人员则要掌握强大的市场营销与分析能力。
        5.3数据安全性与流通性
        在收集对商业银行业务相关大数据时，会涉及到安全性与流通性等问题。这与个人客户的隐私边界密切相关，且受到了大众的广泛关注由于当下大数据产业的相关条例、法律法规尚未有明确定义，世面上也曾出现部分职员因谋取个人利益的私欲贩卖用户信息、威胁用户信息安全乃至资金安全的案例，一定程度上引发了大众对于数据安全的信任危机。因此，银行在收集、整理、管理大数据的过程中保证数据安全性，是其避免自身经营危机的必要操作。
        6 加强大数据应用的相关建议
        6.1完善商业银行信息系统总体架构设计
        部分商业银行的传统信息系统架构需要在加强大数据应用的基础上继续完善，以充分利用大数据技术带来的优势。以民生银行为例，其将数据的“标准化、移动化、智能化、云端化”作为目标，以“云架构”为基础搭建阿拉丁移动云平台，该平台涵盖数据、指标与工具三个层面，并用数据仓库汇总其100多个交易源系统的数据，包括内部业务数据和外部辅助数据等。在此基础上，平台还研发了以“蒲公英”、“猫头鹰”等为代号的特色数据产品，适用于风险预警、业务规模分析、客户关系管理等领域。换言之，大数据应用能力未来将成为各大银行竞争力来源的护城河，很多银行尚未构建起完善的大数据信息系统，未来需完善平台建设，并建立相应的数据挖掘、分析、运维部门，提升大数据到业务决策的落地效果。
        6.2加强数据挖掘技术和算法测试的研究
        数据挖掘技术是获取数据的重要途径，也是大数据技术的基础。实际应用可应结合效率与成本，分析先前的手段与经验，或引入先进技术进行测试，加强开发高效、理想化的数据挖掘模式，从而更易得到精确、大量的数据并便于投入使用。同时可以增强对于大数据技术应用过程中的算法或其他创新型方法的研究，通过存在的问题探究符合时代背景下的技术方法，如完善算法高效性、提高数据的可读性等。?
        6.3创新营销管理机制与策略
        对于银行大数据而言，精准营销是很有应用前景的一大模块。在创新营销方式上，在考虑筛选制的名单式营销外，还能综合考虑传统网点渠道提前识别客户身份并个性化推荐理财产品、打造银行高净值客户的社交平台并开展互动营销、构建大数据营销系统自动触发营销行为、利用专业团队为高端用户一对一定制服务、跨界合作与粉丝效应等方式。此外，还应完善营销管理机制，如单个优质用户可能成为不同业务线共同的营销目标，若缺乏全渠道统一的营销活动管理和优先级排序，那么该用户有可能收到过多营销信息，反而对该银行失去好感，故营销管理系统必不可少，通过设定推送频次与内部竞争的优化算法等，达成平衡营销效果和用户体验的目的。
        7结论
        商业银行的本质即存、贷、汇，并未因大数据技术的参与而发生改变。而引入大数据技术后，能够协助银行提升资金利用率、配置效率，开发多种创新模式，达到低成本高效率的运作机制。银行业未来的发展将逐步由线下转至线上，成为一个分布式的架构，数据也将逐渐变得可视化。目前银行业对于大数据的利用仍处于初级阶段，数据文化正逐步融合至商业银行的架构中。可从银行内部数据入手，持续性地、有层次地从上到下清理数据，搭建基本架构与平台，从而使大数据技术助力银行业的发展。
参考文献
[1]晏文静. 中国银行零售银行业务大数据运用的现状与策略优化的研究[D].江西师范大学,2019.
[2]李虹含. 大数据技术在商业银行中的应用:场景、优势与对策[J]. 广西大学学报(哲学社会科学版),2016,38(01):73-78.
[3]工商银行股份有限公司河北省分行课题组,宋颖新,王英琦. 商业银行大数据分析与应用研究[J]. 河北金融,2018,(01):3-10.
[4]庞淑娟. 大数据在银行信用风险管理中的应用[J]. 征信,2015,33(03):12-15.
[5]李健. 互联网金融2.0时代商业银行应用大数据部署数字化营销的策略研究[J]. 现代管理科学,2017,(09):33-35.
[6]娄飞鹏. 商业银行应用大数据优化经营管理策略研究[J]. 南方金融,2014,(05):92-95+26.
[7]蔚赵春,凌鸿. 商业银行大数据应用的理论、实践与影响[J]. 上海金融,2013,(09):28-32+116.