首页 大数据百科正文

银行大数据应用解读以及发展分析

    银行大数据应用解读以及发展分析

  大数据现在发展迅速,渗透到各行各业中,银行也不例外。下面我们收集了银行的大数据发展、应用、案例等相关资料,希望对大家有所帮助。

  对银行大数据应用的一点思考

  在《大数据时代》广为流行之时,就拜读了该书。当时的第一感觉是,大数据时代是对传统统计学的一大挑战,因为大数据的分析无需取样,直接避开了传统统计学的一大前提,也就避免了因样本取样本身带来的误差。得益于当前发达的网络技术和计算机性能,大数据时代的数据分析是全量的数据分析。我想,这也是该书为什么一经推出就如此火热并迅速推广至各行各业的原因。梳理一下近期的思路,谈一谈自己对大数据于银行业务的一点思考。

  一、银行拥有得天独厚的大数据优势

  看完书后的很长一段时间,我都在思索大数据的思维和方法如何运用在工作中。因为自己每天都在与大量的数据、各类的报表、不同的系统打交道,深感银行数据的全面、多样与深不可测。网上银行、手机银行、财富管理、信用卡平台等系统内的客户交易数据,核心系统、信贷系统、客户关系维护系统、计价系统等客户的基础信息,这些是多少外部咨询公司可望而不可及的数据。如此丰富的信息,如果只是让她们停留在数据阶段,真是太可惜了。虽然,我已经通过不断提升excel的操作水平来简化和分析数据,但深感其用途远远不应该只是每日通报而已。如何科学利用这些数据,并以此来推动工作开展,是自己一直在思索但总有点心有余而力不足的问题。银行的大数据,内容庞大,超出一般人的数据处理能力;大数据于银行,是新的竞争领域,是新的思路也是新的挑战,理应是新的工作重点。

  二、银行大数据应用的主要方面

  银行归根到底是金融服务业,产品的研发、服务的开展无疑都是为了吸引和留住客户,提升综合竞争力,而数据则是服务好客户的前提和保障。就自己浅显理解,我觉得大数据可在如下几个方面促进业务开展。

  一是区域化管理。不可否认,大到国家、省份、地市,小到不同城区、不同社区、不同单位,文化差异和生活习惯是有所不同的。我们所辖的网点分布在不同的地方,如何因地制宜地推出适合当地居民的产品和政策,必须对不同片区、不同社区、不同商圈的客户进行统计分析,分析区域之间客户存在的工作、消费、生活习惯差异,寻求区域内部客户之间存在的工作、消费、生活习惯共性,以提供有针对性的营销计划,根据地域优势来分配主要的业务经办行,打造专业的队伍服务特定的人群,促成资源的合理配置。

  二是差别化服务。从IT蓝图上线起,我们中行就提出了经营模式从“以产品为中心”向“以客户为中心”的转变,服务模式从“标准化服务”向“个性化服务”的转变,这些转变落实到具体工作中,就是服务形态和方法的转变。通过我行自身的各种渠道、各类系统整合客户信息,已经形成了一个基本的数据库,这个数据库里包含了客户的工作、家庭、账户、联系信息等客观数据,如果能通过借助外部平台,引入客户喜好、情绪等主观因素,则可以更加精准地判断客户的态度立场、情感倾向等,进而可以相应地分析可向客户推荐的产品、服务、定价政策,既能迎合客户的需求,又能提高营销的效率和效益,真正实现“精准化营销”。

  三是风险管控。这是目前为止,我的日常工作中做得最多的。对于风险控制我们多数时候是被动的,到了贷款出现逾期才意识到借款人资金、信用出现了问题,对于这类现象首先追究的是客户经理的贷后管理工作不到位。但很多逾期的贷款客户在其资金链断裂前,其经营实体和抵押物情况等是没有太多变化的,为了尽早地发现问题,现在的贷后管理,不能仅仅局限于上门回访,而应通过系统监控和数据分析加强预警防控能力,及时地发现客户的资金异动,以便采取及时有效的措施防范风险。随着信用卡的普及,信用卡的消费和还款情况一定程度上反映了持卡人的资金实力,通过分析贷款客户的信用卡使用情况及时发现潜在风险,尽早开展贷后催收和诉讼工作,避免逾期后再催收的措手不及。

  三、银行大数据运用可采取的措施

  有了数据,如何运用数据才是更加具有挑战性的工作。对于如何运用大数据,我觉得首先要丰富数据采集渠道,拓宽数据来源,我们掌握的客户信息多为金融信息,数据准确可靠,但缺乏客户行为方面的信息,可依托互联网、电商、微博微信等社交平台充实数据资源,以更加全面了解客户的真实需求;其次要加强内部数据的整合运用,虽然目前我们的数据多,但是数据较分散,各自为政,缺乏交叉运用,各部门各条线应加强数据的资源共享;最后是要建立和培养一支专门的数据分析队伍,整合各专业领域的员工,负责数据的采集、简化、分析和应用。在保护客户隐私的前提下,还可以委托专门的数据处理公司开发专门的程序,以利于更加方便快捷地开展各项工作。

  下面我们通过实例来看看大数据在银行的具体应用。

  漫谈大数据在银行的七个业务潜在应用

漫谈大数据在银行的七个业务潜在应用

  文:张越|波士顿咨询董事经理

  笔者专注于服务金融行业的客户,并就互联网金融和“大数据”进行了深入研究。在研究中,笔者既感受到了“大数据”中所蕴藏的海量机会,同时也体会到了许多传统金融机构的举步维艰。本文将分享一些海外金融机构试水大数据的实践,并尝试走到现象的背后去理解金融机构在驾驭“大数据”的过程中遭遇艰难的原因。

  一、怎样理解大数据?

怎样理解大数据?

  首先澄清我们如何定义“大数据”。在国内,这个概念已经被很广泛的应用,但大家对它的理解各异。波士顿咨询认为,成就大数据的不仅是传统定义中的三个“V”(Volume–量,Velocity–速度, Variety–多样性),而是“价值”,当人们从海量数据中能够汲取价值,并借助其推动商业模式发生内嵌式变革时,具备“3V”特点的数据才成为了“大数据”。

  波士顿咨询就“大数据”专题成立了全球的虚拟事业部,汇聚了包括数据科学家、行业专家、资深咨询顾问在内的50 余名专家,支持遍布于全球各个行业的“大数据”相关项目。这些行业都是波士顿咨询的主要服务对象,包括金融、医疗、制药、消费品、工业品、能源等。本文将将着重讨论“大数据”在金融领域的应用。

“大数据”在金融领域的应用

  金融行业的数据强度为上述各个行业之首。大数据理念在银行业十分流行,但其潜在价值尚未得到充分的开发和利用。以银行为例,每创造100 万美元的收入,一家银行平均产出约820GB 的数据。银行目前只用到一小部分与客户相关的数据,主要包括:

  交易数据

  客户提供的数据(出生日期、地址、婚姻状况等)

  评分数据

  渠道使用数据

  还有许多可以利用的数据,有助银行提升业务价值:

  移动银行业务用户的定位数据

  社交媒体互动信息

  网站互动信息(交易前)

  交易数据,用于推测客户的行为

  往上搜索行为

  社交网络

  其他

  我们的调研显示,真正能够在传统银行中得到应用的数据占比约为34%。

我们的调研显示,真正能够在传统银行中得到应用的数据占比约为34%

  “大数据”无疑在金融领域有广泛的应用空间。仍旧以银行为例,波士顿咨询在银行的七大主要领域中发现了64 项潜在应用,遍布于零售业务、公司业务、资本市场业务、交易银行业务、资产管理业务、财富管理业务和风险管理。这64 个应用源自我们的项目经验,就是说,他们或多或少都已经被某些金融机构进行了尝试,其价值已经得到了初步的证实。

  从海外金融机构应用“大数据”的整体情况来看,我们的经验是,有1/3 处在普及和理解大数据概念阶段,1/3 处在试点阶段,另外有约1/3 的金融机构已经谙熟于“大数据”的应用,正在按部就班地提升能力,并将“大数据”所要求的工作机制嵌入商业模式与运营模式中,进行了嵌入式变革阶段。总体而言,大数据在金融行业的应用还有很长的路要走。

  二、海外金融机构大数据应用举例

  接下来分享几个我们与海外金融机构合作应用大数据的实际案例。

接下来分享几个我们与海外金融机构合作应用大数据的实际案例

  1. 某澳大利亚大型银行应用“大数据”分析为自己的小微企业客户提供了一项免费的增值服务,以提高客户粘性。在这项服务里,银行为这些客户免费提供它们自己的客户和竞争对手分析:客户的财富结构,购买偏好,与竞争对手客户结构的差异等。而分析的基础数据来自于该银行零售业务中的个人支付数据。由于银行掌握的数据海量而精准,这样的分析就比一般的市场分析机构的成果更富有洞察。此项服务不仅为该银行提高了存量客户的粘性,也成为它们吸引新客户的一个重要工具。

  2. 某海外大型银行通过“大数据”分析为自己的企业客户提供营销支持。例如,他们为自己一个卖手机的零售商客户分析了其客户在购买手机前后的其他购买行为。发现客户在购买之前出现频率最高的地方是交通枢纽,而购买之后则最可能出现在食品杂货店里。这样的分析帮助手机零售商明确定义了营销的最佳地点,从而优化了客户的营销资源配置。

  3. 某海外银行通过“大数据”分析优化了自己的客户细分。传统银行做客户细分的主要维度是年龄、性别、职业、财富水平等。基于这样的细分做营销和产品设计容易“误伤一片”,会浪费不少的资源。在“大数据”分析的帮助下,银行做客户细分的思路开阔了很多,而且细分对于行动的指导性也越来越强。这家银行按照一个客户使用产品的“广度”(即产品的数量)和“深度”(即使用产品的频率)进行细分。这样的细分帮助该银行发现了一些从前没有注意到的机会。例如,细分中发现了一类“临界点”客户,即很有可能换银行的客户。基于数据分析还发现,客户换银行一个重要原因是因为自己的朋友们都在使用目标银行。于是,稳住这些客户的一个手段就是营销他的朋友圈。

  此外,该银行还发现了一个占比不大(约7%)但很有意思的客群,姑且称之为“败家族”。这类客群的财富水平不高,达不到银行的贵宾门槛,所以常常被银行忽略。但是,这类客户有个特点,就是交易行为非常活跃。他们的消费习惯能够为银行带来可观的价值。这个案例可以带来两个启示:第一,“大数据”发现的未必是“大机会”,即单个机会的价值未必很高,而是“大量机会”,即不断找出新的洞察,而充分实现大量机会就可以获得“大价值”。第二,“大数据”往往并没有给金融机构带来翻天覆地的改变,但它可以为金融机构带来新的视角。客户细分是金融机构一直在做的事,但是,“大数据”可以帮助金融机构深化、细化自己的认识,找出以往被忽略的价值点。

  4. “大数据”帮助金融机构发现指导行动、创造价值的关联关系。例如,某西班牙大型银行就客户的兴趣爱好和其金融行为进行“大数据”分析时发现,高尔夫球爱好者为银行创造的价值最高,而足球爱好者的忠诚度最高。这样的分析不仅可以指导银行进行精准营销,也能够帮助银行进行更加有目的的数据收集。

  5. “大数据”在零售银行业务中的应用十分引人注目。但其实,“大数据”在公司银行业务中同样可以大显身手。某加拿大银行对于自己的医药零售商客群做了一个分析。该银行首先将这些客户按照销售额分成八类,进而计算每个药店为银行带来的收入。分析发现,在同一类中,客户每百万销售额所产生的银行收入之间的落差可高达17 倍。这家银行意识到,特征类似的中小客户给银行带来的价值却可以差异巨大。于是,这家银行为每一类客户找到了“标杆”,即对于银行贡献居中的客户,并分析其金融产品的配置情况。然后,这家银行比对每个客户与自己的“标杆”之间的差距,并用这些差距来指导客户经理进营销。而且,客户经理还可以与客户分享这些比对结果,帮助他们认识到自己与同业相比在金融方面的潜在需求。这样的分析既提高了营销的有效性,也为客户带来了金融服务之外的增值。

  6. “大数据”能够帮助金融机构提升风控能力。Bankinter 是西班牙的一家精品银行,他的单体客户利润往往比规模领先的大型同业高上几倍。该银行专注于中高端客群,并高度注重技术的应用。Bankinter应用亚马逊的云服务,借助“大数据”分析进行行业发展模拟以支持对于公司客户的风险控制。公司客户的信贷风险除了与企业自己的状况有关之外,还会极大地受到行业发展的影响。但是,行业模拟在过去的技术条件下并不能广泛应用。“大数据”极大地提高了这种分析的可行性。以前,这家银行做一个行业的宏观模拟分析,一次运算平均耗时可达23 个小时,而现在,同样的分析只用20分钟左右。

  7. “大数据”催生了风险控制领域的创新创业。美国一家创业公司应用电梯数据和黄页数据帮助银行进行风险预警。电梯运行过程中一直会有数据留痕,例如在某栋楼的每一层停了多少次等。而黄页是公开信息,某栋楼的某一层是哪家公司可以很容易查到。匹配这些数据就可以得出某家公司每天电梯停靠的次数。该公司的“大数据”分析发现,如果某家公司的电梯数据突然发生异常变化,可能代表该公司出现了经营变化。电梯停靠次数异常减少可能意味着员工的减少或者客户拜访次数的减少,无论如何,这样的信号应该引起银行的及时关注。将这样的预警信号植入贷后管理流程无疑会比单纯进行每季度或每年的贷后检查要更有针对性。

  Scor!是一家依托社交数据帮助银行进行个人信贷风险评估的“大数据”公司。银行将申请贷款的客户情况报给Scor!并向其购买评估结果。Scor!的评估结果被植入信贷审批流程,作为银行内评估的补充。这样的合作正在帮助客户提升审贷速度和准确性。

  8. “大数据”助力银行优化贷中和贷后管理。以Wells Fargo(富国银行)为例,他们应用“大数据”分析识别客户的异常行为作为风险提示信号。分析的数据基础是银行自己的海量的交易数据,即个人的支付数据、企业的交易数据等。在贷后管理中,“大数据”分析正在帮助银行优化催收管理。通过量化分析我们发现,近三成的失败催收源于联系不到借款人。而“大数据”分析能够帮助银行提升联系借款人的成功率。

  上述案例只是金融机构应用“大数据”潜在可能性的“一斑”。海量的机会仍然有待开发。但我们观察到,相比技术的蓬勃发展,金融机构对于大数据的实际应用仍然差强人意。原因究竟在哪里?波士顿咨询对海外20 多家金融机构做了调研。

  研究的目的是找出:第一,从数据到价值的过程是什么?

  第二,哪里是瓶颈?

  结果显示,从数据到价值的过程包括七个步骤:数据收集、获得数据拥有者的许可和信任、储存和处理技术、数据科学/ 算法、协调、洞察、嵌入式变革。

从数据到价值的过程包括七个步骤

  而在这七步中有两个关键瓶颈:

  一是获得数据拥有者的许可和信任,即是否能够把数据整合并用起来;

  二是协调,即金融机构内部部门之间的协调问题。

  例如,很多银行面临的问题是整合、打通散落在各个部门的数据,零售、对公、信用卡等。而在“协调”方面,金融机构常常要面对业务与技术沟通不畅的问题,数据难以转化为生产力。突破这些瓶颈的关键在于管理层面,而非技术。“大数据”之于传统金融机构,我们认为更大的意义在于它推动嵌入式变革的能力。

制约大数据发展的两个瓶颈

  “大数据”时代要求试错、应变的机制,跨界复合型人才,开放灵敏的触角体系,这些都会挑战传统金融机构惯常的管理实践。这样的改变不仅对于汲取“大数据”的价值意义非凡,也是传统金融机构在以“互联网金融”为符号的变革时代里求生存、求发展的关键。

    

  了解完大数据的在银行中应用后,我们来看看专家是如如看待大数据时代下银行的发展。

  银行掘金大数据时代

  面对大数据,银行业的喜与忧

  记者:近十年来,中国银行业的改革发展取得了令世界瞩目的成就。就大数据而言,某种程度上说,金融业一直是基于之上运转的,请问,金融业在大数据时代,是否更应该有着天然的竞争优势?这些竞争优势目前是否得到了发挥,还有哪些问题?

  杨兵兵:实际上,相对于其他行业而言,金融行业在大数据方面确实有着先天的优势,因为金融行业特别是银行业的数据系统建设历史是最长的,其应用历史也是最长的。例如,最早的主机等的采购都来自金融行业,特别是银行业。(杨兵兵:中国光大银行职工代表监事。资料来自于互联网)

  所以,从时间的长度来说,其积累的历史是比较长的, 而从业务宽度来讲,也是比较宽的。可以说,以上这些方面是金融行业的一个特点,而且银行手中还掌握着账户基础及往来信息。

  其实,账户是一个很关键的东西,是金融牌照的基础资源。围绕着账户,我们能知道资金的进出、支付等信息,并且还形成了把银行内体系与银行外体系连接在一起的一个关键点。所以,围绕着账户会产生大量的数据,也使得银行业的数据更加丰富。从数据方面而言,这是银行业的一个优势。

  不过,在数据积累和应用方面,当前的银行也面临着一些问题。

  第一,随着客户的交易行为越来越线上化,以及第三方支付与店商的合作,使得银行对客户的交易行为的了解反而在减少。尤其是第三方支付,对银行了解客户的交易行为有一定的屏蔽。

  第二,银行自身已经有了很多数据,但是基于多种原因,银行对这些数据的开发和利用还不是很充分。假如你成为某个银行客户的时间超过十年,现在如果想了解十年来自己的资产变化情况、收入变化情况等,按理来说这是很简单的一本账,但是现在要很快提取一个客户十年的历史数据,还真不是每家银行都能做得到的事情。

  在这方面,很多银行还存在很大障碍。其实,往前推十年,很多银行的核心系统都进行过升级,升级前后的数据是否能够联系在一起、有没有做过这种联系,使得客户提取历史数据更加容易,可能都存在疑问。实际上,如果在银行核心系统的升级换代过程中存在断点,其客户数据就不再连续。

  如果客户数据中间存在这种断点,会妨碍其对相关数据的应用。另外,银行系统在原来建设的时候产生的若干信息孤岛也会影响对数据的使用。第三,在大数据的应用上,如果对数据结构及定义的理解不到位的话,数据应用单位对其也很难准确把握的。面对第三方支付,

  银行业要“固本培元”

  记者:日新月异的大数据时代,尤其是互联网金融的快速发展,第三方支付的崛起,是否给银行业也带来了一定的冲击,具体体现在哪些方面?银行业应如何来面对这些冲击?

  杨兵兵:我觉得,第三方支付真正给银行带来的冲击实际上是在告诉银行:一方面,有些业务,银行原来没有看上的,实际上是潜在价值更高的;另一方面,“技术是生产力”不是一句空话。具体来说,有一段时期银行对于结算业务、支付业务重视不够,认为这些业务比较繁琐,利润又很薄,特别是早期的网购,需要担保支付,当时银行要介入这种担保支付是有风险的,所以没有做,而支付宝等其他机构却把这项业务做起来了,并且做大了,反过来也印证了这项业务是很有价值的。

  另外,“技术是生产力”,无论是第三方支付公司,还是互联网金融公司,我们会发现它们最大的投入就是技术的投入,这会让它们快速地成长和改变。在银行业,技术也在逐渐地变成生产力,而在早期,技术更多的是作为一个生产工具。可以说,第三方支付公司和互联网金融公司使得银行再次审视一下自身,哪些业务还需要再次捡起来。例如,支付业务、结算业务本来就是银行的一些基础业务,所以银行当前面临的这些冲击也是正常的,这是银行自身忽视原本的一些基础业务所带来的后果,下一步银行要做的就是固本培元。

  银行“固本培元”是有基础的,因为银行经营的时间比较长,有比较好的客户基础,也有很好的信用基础。这三方面都是银行的长项,关键在于银行如何把这些长项应用到自己变得薄弱的地方。

大数据,将打开银行收益空间

  大数据,将打开银行收益空间

  记者:你曾提到,随着对大数据综合运用能力的不断提高,未来银行作为一台“精密仪器”也会变得越来越“聪明”。那么,请你再详细谈谈,大数据将在哪些方面对银行产生影响?

  杨兵兵:在运营上,假如银行的这些数据可以被综合的分析和应用,对银行的运营管理就会产生很大的影响。

  比如,运用大数据,银行就可以比较清楚地知道在哪个时段会出现交易量的高峰和低谷,哪个产品带来的是交易量的高峰。假如这些可以准确预测的话,那么银行就可以更游刃有余地调配人力,在交易高峰时可多投入一些人力来满足大家的需要,在低谷时可以把人员降下来,让大家多出去跑跑营销。

  具体来说,对于一个拥有10 名员工的银行网点,原来根本不敢让员工出去跑营销,因为不知道什么时候会出现客户需求高峰,所有员工都得原地待命。实际上,一周七天,并不是天天都忙,其实这里面是有规律的。假如运用数据分析后找到了这种规律,那么就会把整个银行的运营水平提高到一个平均的高度,当所有网点都达到平均的水平之后,那么全行的生产力一下子就提升起来了。

  在营销上,假如能够捕捉和了解到客户的即时需求,并有针对性地提供相关产品,就会达到事半功倍的效果。其实,做营销最难的是客户没有需求时而要去拼命挖掘他的需求,最好的是当客户有某种想法时就把解决方案摆在他的面前。

  当然,要达到最好的营销效果,就需要能捕捉到客户有需求的时点,并且能调出来相关的产品,这些都是建立在对客户信息数据分析的基础上,而通过人工来完成是不太现实的。

  目前,银行能够记录客户在银行网站的哪一部分停留的时间比较长,意味着其对某项业务可能有想法,但是其最终并没有购买某项业务或者开立相关账户,反映出客户可能存在某些顾虑,这时银行可以反过来搜索客户在网站上的运行轨迹,并进行分析,当客户下次再来时就可以送上一些新的解决方案。

  另外,当另一个客户也出现类似情况时,银行就可以向其推送新的解决方案,这样就使得银行运营的精密度提高了,并最终降低成本,如营销成本、管理成本和运营成本等,进而也就打开了银行收益的空间。

  数据应用,需先打通“竖井”

  记者:有分析认为,在亚太地区,中国金融机构在大数据方面的发展较为领先,但同时也面临着一些技术和管理上的障碍。那么,据您分析,在不断发挥大数据“能量”的过程中,还有哪些障碍需要去突破?

  杨兵兵:其实,当整个社会的数据能被充分应用的时候,一定会改变对民生的服务,以及促进政府职能的转变。现在,关键的问题是怎么让整个社会的数据更好地应用起来。每个职能单位,如某部门,它对应的全国数据标准是否都是统一的,如果都是统一定义的,那么它所管辖的各个省市的对应的部门发生的数据都是可分析、对比并计量的。如果这些数据标准不能统一,那么这些数据就没有办法使用。

  可以说,每个职能单位或者行业都能形成一个数据“竖井”。假如全国有二十个大的行业,那么就会形成二十个数据“竖井”,而这些“竖井”之间的数据又怎么能够交换起来呢?

  当然,现在的身份证是一个很好的统一标准。其实,在美国,数据标准的形成已经给我们很多启示。美国个人都有一个唯一的社保编码,各行各业都以此为标准,这就让数据有了统一的标准。

  而在国内,各行各业都有自己的数据标准,数据交互使用的难度可想而知。

  当前,人民银行已要求银行业把所有个人账户都填上完整的身份证信息,这就意味着在整个银行体系中个人的信息数据是统一的,那么这些信息就有用了。当然,这只是在银行这个行业“竖井”里的数据被统一了,但是与其他“竖井”里的数据是否可以交换使用呢?目前来看,数据要实现横向使用还有很长一段路要走。如果“竖井”不打通、数据标准不统一的话,那么这些数据是无法综合使用的。

  另外,如果在数据的标准上全国能够统一的话,而且在每次使用时都调用统一的数据,而不是各自去想各自的数据标准的话,我们就会发现社会的数据都是可被分析的。例如,光大银行有一个数据字典,实际上就相当于一个统一的标准,假如某新成立的部门要建立一个新系统,以前可能要设计数据的标准,现在不需要了,只需要调用数据字典里的标准就行了。

  在国内,大数据的标准有一个逐渐统一的过程,首先需要把各个部门、行业非电子化的信息变成各类电子化的信息,并通过大数据的分析技术,把结构化、非机构化的数据变成可分析的数据,再往下,要想使可分析的数据得到更广阔的应用,就需要把标准这个事情提上议事日程。其实,推动整体数据标准的统一是对整个社会很有意义的。不过,这不是一蹴而就的事情,统一标准的周期可能会比较漫长,因为各行业都有自己的系统、自己的标准,并已经形成了多年的数据,统一数据的成本很高,由谁来承担,都是需要综合考虑的。

  对银行业来说,数据是一个资产,是银行的一个资产,也是个人的一个资产,都是很重要的。整个社会数据的逐步开放,需要国家去推动,以及法律体系的完善,同时需要拥有数据的企业愿意用开放的心态、开放的商业模式在互联网上和更多的机构进行合作。

  大数据,将提升客户的体验

  记者:作为个人金融消费者来说,在关注大数据给银行带来变革的同时,更关注自己能在这些变革中享受到哪些便利。据我们了解,光大银行在云缴费方面进行了大胆创新,并且还在3 月底启动了便民缴费白皮书调研。那么,请您详细谈谈,在缴费方面,民众能获得哪些便利?

  杨兵兵:其实,缴费是一项传统业务,以前是通过柜台进行水电煤气等方面的缴费,后来又通过网银和手机银行来缴费。缴费本身没有特别的地方,光大银行的云缴费是通过开放的理念,对传统业务加上互联网翅膀之后的再定义。

  例如,以前,如果光大银行谈下来一个城市的水费代收业务,只有光大银行的客户通过光大银行的网点、手机银行或网银才能去完成缴费。

  现在,如果谈下来一个城市的水费代收业务,那么相当于光大银行拥有了代理这个城市缴水费的“牌照”,要让缴水费变得更加容易,需要银行线下网点的触及和客户的触及更容易才行,而光大银行的网点、手机银行和网银都有一定的盲点,即只对自己的客户服务。

  所以,要解决这个问题,我们就通过技术的手段把“牌照”输出给愿意代理这项业务的机构,输出越多意味着银行的触角就越广,也意味着能联系到客户的地方越多,客户也就越方便,无论是线上还是线下。

  另外,不管是持有哪家银行卡的客户,都可以到光大银行网站的缴费终端(瑶瑶缴费)上完成缴费。

  目前,云缴费平台集中了电、水、燃气等460 余项缴费业务,通过与光大银行自有渠道以及合作商户渠道的对接,打通了线上、线下、PC 端、手机端、POS、柜面等多种缴费渠道,全面满足用户各种缴费方式,解决了用户缴费难、排队久等问题。

 

  最后我们来看看大数据给银行的指示作用。

大数据给银行画了一张怎样的蓝图?

  大数据给银行画了一张怎样的蓝图?

  比尔·盖茨曾说:“世界需要的是银行服务而不是银行本身。”

  在“互联网+”时代,搅动银行业的互联网,除了带来互金业务,还带来了以大数据、云计算为核心为新工具。而这些工具,无疑正在颠覆银行的面貌和模式。

  比尔·盖茨所言得到了印证,不过,银行也早已意识到了银行服务的永恒性,积极转型,正在进行的“三转型”——经营模式从“以产品为中心”向“以客户为中心”转型,营销模式从“粗放营销”向“精准营销”转型,服务模式从“标准化服务”向“个性化服务”转型,可以说,每一项都与大数据息息相关。

  围绕“大数据”的课题,重庆银行目前正在打造自己的“大数据金融实验室”,并且拉来了具有大数据专业技术背景的数联铭品,以及具有丰富集团资源和多元化场景资源的知名上市公司成都三泰控股集团股份有限公司,构建起“互联网+金融+大数据”的合作模式,试图挖掘大数据更深层次的价值。

  大数据给银行画了一张怎样的蓝图?大数据是银行业务开展的发动机

  大数据对于商业银行的重要性已经不言而喻。作为现代金融信用创造的基石,大数据成了传统银行与新兴互联网金融更加重视的宝藏。

  然而,大数据在国内的发展其实只是处在初始阶段,以前不可搜集的信息变成“可搜集”、且搜集的成本大大降低的阶段,还不能做到完善而真实、甚至能够作为一套可供独立分析数据模型的程度。

  以互金公司为例,单纯的依靠互联网信息去构建一个比较完整的、作为机构判断和决策的公司有点不靠谱,这也是为什么P2P公司既不能有效解决融资成本,又不断曝出违规和跑路事件的原因。

  而对于传统银行与互联网公司而言,都希望借助大数据创新更多业务,从而满足客户的更多需求。然而,由于两者的“出身”和成长环境,以及由此所养成的“性格”差异,所以,必须要去寻找第三方、第四方数据去进行补充和匹配,才能够进一步判断这些大数据的准确性,因此相互合作补充成为一大趋势。

  从这个角度看,对于大数据建设而言,重庆银行、数联铭品及三泰控股三者形成的“铁三角”关系,使得数据链条更稳固,也更可持续。

  首先看重庆银行方面。其实与线上数据相比,银行手中掌握的信息相对更全面和准确。银行出于监管,法律与保护客户利益的需要,保存客户大量的交易流水,并通过客户对本行持有产品的使用、信贷情况、投资理财表现,对客户更了解。而且,银行既有数据和客户通常具有高价值的金融属性,因此可以看出,重庆银行在三人关系中,可以提供高质量的数据。

  再看数联铭品,其是行业领先的大数据金融风险管理专家,拥有强大的数据科学家团队和金融科专家团队,更有基于大数据的风险管理应用研发能力。与淘宝、天猫累积用户数据不同,数联铭品是企业数据方面的专家,他们正在全面打造创新型小微信用风险大数据评估云平台,而这也与重庆银行关注小微企业的方向不谋而合。

  而合作的第三方三泰控股,则带来了更为安全的软硬件。三泰控股长期致力于为银行客户提供专业的金融自助设备、金融安防服务、金融服务外包和软件技术开发集成服务。

  三方在大数据方面都各有优势。对于重庆银行而言,组建这样的团队,对其开展和创新业务提供强有力的支持。

  大数据战略实施要有立足点

  都在讲利用大数据,尤其是新兴的互联网金融机构,把大数据当成了创业创新的故事主角。然而只有极少数公司已形成清晰稳定的盈利模式,并具有长期可持续发展能力。与此相反,一批又一批表现亮眼、获得若干轮融资的应用软件最终无疾而终,还有大量正在存续的公司,尚处在赔本赚吆喝找投资者接盘的状态。

  为什么会如此?原因其实很简单,这些企业被束缚在了大数据的硬币两面——数据大,也意味着利用起来难度更大,一些企业犯了胡子眉毛一把抓的毛病,对其无从下手。

  而从当前的经验看,场景化或许是输出大数据宝藏的通道。一如三泰控股在“铁三角”关系中,不仅是安全卫士的角色,缘由是其积极布局社区服务平台,成功打造了“速递易”、“金惠家”、“金保盟”等社区流量入口,初步形成社区商业大数据生态体系,构建了丰富的商业场景和特色化的社区生态雏形。

  这或许是重庆银行及其合作方更为看重的资产。重庆银行及其合作方已经把搭建“社区生活金融服务平台”作为主攻方向,而在这方面,会将以三泰控股已布局的社区为原点,围绕社区多元化的生活消费需求布设交易场景,比如线上商品推广销售、线上医疗问诊、线下快递物流等,嵌入重庆银行在支付、缴费、理财、消费贷款、金融资讯等方面的金融服务资源,结合数联铭品的大数据分析应用能力,构建和运营集生活服务与金融服务为一体的社区O2O服务平台。

  此外,在普惠金融的理念驱动下,三家合作方将建立“家庭消费金融服务品牌”作为下一步的工作重点。这一业务,也将应用大数据分析金融消费者的行为特征,研究以家庭为单位的消费群体,尝试家庭数字画像,构建家庭信用体系并探索在消费信贷领域的应用,逐步完善构建服务于家庭的综合化金融服务方案。

  大数据是个宝,懂得它的人才能享受到,或许你已经收到大数据发出的邀请了!

 

  以上就是本文关于银行大数据的全部内容,如果你觉得意犹未尽,请阅读下面的几篇文章。

    相关阅读

    银行业大数据环境下的个人消费金融研究

    亚信数据王大超:大数据助力银行贷后风险管控

    王浩:国家开发银行大数据实践经验分享

    传统银行的转型实战:看工商银行如何利用大数据洞察客户心声

    干货分享丨百分点银行大数据应用解决方案解

责任编辑:陈卓阳

分享:
延伸阅读
    大数据概念_大数据分析_大数据应用_大数据百科专题
    贵州

    贵州大数据产业政策

    贵州大数据产业动态

    贵州大数据企业

    更多
    “智慧中国杯”全国大数据创新应用大赛
    企业
    更多