隨著互聯網金融的迅速發展，大數據技術得到日益廣泛的應用，這對我國的金融生態和金融格局都將產生深刻影響。在這種新形勢下，商業銀行如何因時而變，順勢而為?如何推進金融大數據的應用，使之迅速轉化為產業競爭力?這是擺在我國銀行業面前的一個重大而緊迫的課題。本文從在大數據背景下商業銀行面臨的挑戰出發，進而以民生銀行大數據應用案例分析，最后提出大數據應用的具體措施。

大數據背景下商業銀行面臨的挑戰

（一）商業銀行的貸款業務受到沖擊

首先，互聯網金融簡單快捷的信貸審批流程對傳統商業銀行造成沖擊。由于信息不對稱，傳統商業銀行往往會有一套嚴格的貸款審批流程，從建立信貸關系開始，要經歷受理貸款申請、貸前調查、貸款審查、貸款簽批、貸款發放、貸款檢查、貸款回收或展期等一系列重要步驟。而在大數據時代，互聯網金融企業可以對客戶信息進行全方位收集處理，利用網絡信息技術在很大程度上減少了信息不對稱問題，因而在安全貸款的前提下對貸款流程上也做到了極大的簡化，使得商業銀行貸款業務受到競爭的影響。其次，互聯網金融企業客戶群的“小廣模式”在一定程度上占據了傳統商業銀行的市場份額。中國銀行體系存在“所有制歧視”與“規模歧視”，傳統的商業銀行往往傾向于實力雄厚、信用優質的大客戶，而小微企業在商業銀行的貸款難、程序多、融資貴等問題往往使之望而卻步。截至2015年末，全國銀行業金融機構小微企業貸款余額23.46萬億元，占各項貸款余額的23.90%。小微企業貸款余額戶數1322.6萬戶，較上年同期多178萬戶。可見小微貸款的剩余市場份額之多，而互聯網企業開發的“小廣模式”正好著重發展被傳統商業銀行遺漏的中小型企業客戶，利用大數據分析評估其放貸風險，大范圍地發展小微企業，從而廣泛占據市場份額，獲取利潤。

（二）商業銀行個人理財業務市場份額日漸被侵蝕

余額寶等新型互聯網理財工具的出現，打破了人們將剩余資金存放在銀行的理財習慣。這些互聯網理財工具憑借其投資起點低、方便快捷以及高收益等優勢吸引了大量的中小額投資者，對商業銀行的理財產品銷售產生了極大的壓力；而且由于很多互聯網企業可以根據客戶的消費習慣、消費能力、興趣愛好等大數據分析消費者的個性化需求并實施差異化營銷，其成功的幾率比單純的簡單營銷高很多，如很多投資咨詢公司與其他數據分析機構等進行合作，能更加全面地獲取客戶信息，在對客戶的信息進行大數據分析基礎上可以幫助客戶更好地規劃其個人的理財、消費方案，幫助客戶提高生活質量，這也對商業銀行的理財業務產生了較大沖擊。

（三）商業銀行的支付業務受到影響

支付業務是商業銀行最原始的業務模式，其需要客戶出于支付的目的將錢存入商業銀行，商業銀行將收集到的資金匯攏，然后再用于貸款，從而獲取利差。在大數據時代，互聯網技術應用廣泛，“支付寶”、“余額寶”、“微信錢包”、“百度錢包”逐漸在網絡支付上擔當了十分重要的角色，由于其便捷性，存款利率遠大于銀行活期存款利率，且轉賬免手續費等優惠在很大程度對傳統商業銀行的“U”盾支付、網銀支付等支付方式造成了威脅，同時也導致了其客戶群的流失。

民生銀行在移動大數據領域業務模式解析

民生銀行的大數據案例。民生銀行，將大數據布局在移動互聯上，形成了數據的閉環，值得借鑒和思考。

（一）民生銀行的移動端三大數據產品

在民生銀行的構想中，大數據將是未來民生銀行發展的新動力，使民生銀行逐步向智慧銀行過渡。因此，民生銀行信息管理的核心是圍繞互聯網發展的大數據和云計算平臺，實現信息化決策、信息化管理和信息化營銷。

目前，民生銀行基于移動云平臺，邁出了大數據“移動化”的重要一步。2015年以來，民生銀行自主研發了“蒲公英”、“啄木鳥”、“貓頭鷹”三大獨具特色的數據產品，覆蓋經營機構業務規模分析、公司客戶管理、風險預警領域。

三大數據產品在移動端應用上線，有效助力民生銀行形成了高效率、具有獨特競爭力的商業模式，讓數據資產切實成為了新的利潤增長點。

（二）產品優勢分析

1、蒲公英：顛覆式智能獲客與產品推薦

蒲公英，是民生銀行基于客戶經理和營銷管理人員的實際業務需求，歷時數月研發出“公司業務客戶關系管理與服務APP”。從誕生伊始，“蒲公英”就全面擁抱云、社交、移動與大數據，這幾種技術的無縫融合帶來了顛覆式的變化。

蒲公英，一方面能夠高效地探測集合到各行業、企業的信息，能夠運用復雜網絡科學、力導向布局圖、決策樹等大數據分析手段，加大行內外數據資源的整合力度，構建客戶基因圖譜模型和智能產品推薦模型。另一方面，在注重用戶體驗的基礎上，“蒲公英”更加強調數據信息推送的時效性和準確性，可隨時隨地支撐“在路上”的客戶經理和業務管理人員的工作需求。

“蒲公英”手機端不僅為客戶經理提供所轄客戶的業務概況和詳細信息，還具備客戶智能推薦、產品智能推薦、實時余額查詢、大額變動和到期提醒等功能。例如，客戶智能推薦功能，可使客戶經理智能化獲得基于核心及集團客戶的上下游交易鏈名單，發現潛在商機，準確定位潛在客戶，及時推送相關客戶信息，幫助客戶經理高效地拓展潛在客戶。產品智能推薦功能，可為客戶經理智能化推送客戶最需要的金融產品，增加對存量客戶交叉銷售的線索與機會。實時余額查詢、大額變動和到期提醒等功能，極大地方便了客戶經理和營銷管理人員實時掌握所轄客戶的賬戶余額和業務狀態的變化。

“蒲公英”推出四個月來，在提升公司業務方面已初見成效。目前，“蒲公英”已帶來19000余個新增產品，在“蒲公英”推薦的客戶中有近7000戶被成功開發為民生銀行的客戶，這些客戶為民生銀行帶來296億元存款，134億元貸款。

2、啄木鳥：精準的風險監控與全能預警

啄木鳥，以預警事件驅動的方式觸發風險審計及貸后管理，形成了“以客戶為中心”的風險預警信息全視角展現，全面建立了風險傳導的工作機制，消除了信息分散、不及時、不對稱以及信息量過大而無法及時處理的擔憂，從而提高了業務人員“單兵作戰”能力，大大提升了風險揭示能力、管理力度和管控能力。

“啄木鳥”具有兩大功能，一是運用大數據挖掘技術，從民生銀行自身積累的大量歷史數據中，對客戶的賬戶信息、實時交易數據和信貸記錄進行深入挖掘，構建并部署了基于客戶債項分析和行為分析的定量預警模型，從而對客戶、債項、交易等各方面的風險信號進行精準地分析與識別，實時鎖定可疑賬戶，增加了風險管理的客觀性和科學性，促進了風險管理的精細程度。

二是流程電子化，利用信息化手段，將銀行業務條線所制定的業務規則在流程電子化的過程中進行固化，實現零售客戶風險識別流程的標準化和規范化，為風險監控與管理決策提供有力的保障。

目前，“啄木鳥”已在民生銀行全行部署運用，取得效果明顯。在零售審計風險中，審計人員借助數據模型中所獲得的疑點數據，可在幾十億條的海量數據中迅速發現風險線索，進而采取數據詳查、抽調檔案、訪談客戶經理甚至下戶檢查等多種審計手段，快速查找到實質性風險。

例如，在零售業務審計中，運用“啄木鳥”，采取以非現場數字化審計為主、現場檢查為輔的工作方法，在保證審計質量的前提下，人員數量下降30%、現場檢查時間壓縮50%、差旅費用下降75%，數字化審計減能增效的作用由此可見一斑。

3、貓頭鷹：為精細化經營管理提供保障

貓頭鷹，是一款服務于各支行經營管理者的數據產品，可以讓每一位民生銀行的支行管理者隨時隨地掌握本機構的經營狀況。

通過“貓頭鷹”移動端，用戶可隨時查看到本機構上一日的金融資產余額、個人存款余額、個人貸款余額以及同年末、上周、上日、月日均的數據對比情況。同時，“貓頭鷹”還能分析每項數據的變動趨勢，讓支行行長隨時掌握支行的經營狀況，為實施精細化管理提供了保障。

此外，通過“貓頭鷹”移動端，用戶還可查看未來7天到期和起息的理財產品金額，并通過未來7天到期和起息的理財產品金額軋差，從而估算理財產品對于個人存款規模的影響程度。理財產品對未來7天的影響提醒，不僅是對于支行經營管理的數據支持，更是進行客戶維護、發現營銷線索的有效手段。

“貓頭鷹”提供的所有數據每天更新，不僅為民生銀行支行經營管理者提供了最快、最全、最準確的數據，還為經營機構開展營銷活動、制定營銷策略提供了有效支持。目前，“貓頭鷹”已在民生銀行1089家支行投入使用，覆蓋了民生銀行全部39家分行。

（三）小結

信息管理的核心是圍繞互聯網發展的大數據和云計算平臺，實現信息化決策、信息化管理和信息化營銷，讓大數據成為民生銀行未來發展的新動力。在2015年，民生銀行信息管理部基于阿拉丁移動云平臺，自主研發了系列數據產品，覆蓋經營機構業務規模分析、公司客戶管理、風險預警等領域，緊緊圍繞民生銀行數據的“標準化、云端化、智能化、移動化”的價值目標，使數據資產成為新的利潤增長點。

大數據應用的具體實施

（一）推進金融服務與社交網絡的融合

商業銀行要發展大數據平臺，就必須打破傳統的數據源邊界，注重互聯網站、社交媒體等新型數據來源，通過各種渠道獲取盡可能多的客戶和市場資訊。首先要整合新的客戶接觸渠道，充分發揮社交網絡的作用，增強對客戶的了解和互動，樹立良好的品牌形象。其次是注重新媒體客服的發展，利用論壇、微博、微信、聊天工具等網絡工具將其打造成為與電話客服并行的服務渠道。三是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，進行更高效的客戶關系管理。四是利用社交網絡數據和移動數據等進行產品創新和精準營銷。五是注重新媒體渠道的輿情監測，在風險事件爆發之前就進行及時有效的處置，將聲譽風險降至最低。

（二）處理好與數據服務商的競爭、合作關系

當前各大電商平臺上，每天都有大量交易發生，但這些交易的支付結算大多被第三方支付機構壟斷，銀行處于支付鏈末端，從中獲取的價值較小。為此，銀行可考慮自行搭建數據平臺，將核心話語權掌握在自己的手中。同時，商業銀行也可以與電信、電商、社交網絡等大數據平臺開展戰略合作，進行數據和信息的交換共享，全面整合客戶有效信息，將金融服務與移動網絡、電子商務、社交網絡等融合起來。從專業分工角度講，商業銀行與數據服務商開展戰略合作是比較現實的選擇；如果自辦電商，沒有專業優勢，不僅費時費力，還可能喪失市場機遇。

（三）增強大數據的核心處理能力

首先是強化大數據的整合能力。這不僅包括銀行內部的數據整合，更重要的是與大數據鏈條上其他外部數據的整合。目前，來自各行業、各渠道的數據標準存在差異，要盡快統一標準與格式，以便進行規范化的數據融合，形成完整的客戶視圖。同時，針對大數據所帶來的海量數據要求，還要對傳統的數據倉庫技術特別是數據傳輸方式ETL（提取、轉換和加載）進行流程再造。其次是增強數據挖掘與分析能力，要利用大數據專業工具，建立業務邏輯模型，將大量非結構化數據轉化成決策支持信息。三是加強對大數據分析結論的解讀和應用能力，關鍵是要打造一支復合型的大數據專業團隊，不僅要掌握數理建模和數據挖掘的技術，還要具備良好的業務理解力，并能與銀行業務條線進行充分地溝通合作。

（四）加大金融創新力度，設立大數據實驗室

可以在銀行內部專門設立大數據創新實驗室，統籌業務、管理、科技、統計等方面的人才與資源，建立特殊的管理體制和激勵機制。實驗室統一負責大數據方案的制定、實驗、評價、推廣和升級。每次推行大數據方案之前，實驗室都應事先進行單元試驗、穿行測試、壓力測試和返回檢驗；待測試通過后，對項目的風險收益做出有數據支撐的綜合評估。實驗室的另一個任務是對“大數據”進行“大分析”，不斷優化模型算法。在方法論上，要突破美國FICO式的傳統評分模式，針對大數據的非結構化特征，依靠云計算等分析工具，開發具備自學習功能的非線性模型。目前市場上的許多新技術，如谷歌MapReduce框架下的Hadoop或Hive等分析系統，具備較強的整合分析功能，可促進大數據向價值資產的轉換。

（五）加強風險管控，確保大數據安全

大數據能夠在很大程度上緩解信息不對稱問題，為商業銀行風險管理提供更有效的手段，但如果管理不善，“大數據”本身也可能演化成“大風險”。大數據應用改變了數據安全風險的特征，它不僅需要新的管理方法，還必須納入到全面風險管理體系，進行統一監控和治理。為了確保大數據的安全，商業銀行必須抓住以下三個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業自我監督和技術分享；二是加強與監管機構合作交流，借助監管服務的力量，提升自身的大數據安全水準；三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。

（來源：銀通智略）