大数据冲击银行业
来源:用户上传
作者: 于跃
在拥有海量数据的金融行业，大数据正在改变包括银行在内的金融机构的运转模式和经营理念，甚至可能对未来银行业产生颠覆性影响。正如国家开发银行（以下简称“国开行”）信息科技局局长洪正华所言：“在目前的银行业内，只有一小部分的从业人员能够真正理解IT和数据对银行的影响和作用。但在未来，大数据会推动整个金融业的深刻变革。”
网络+数据+金融=变革
大数据对银行业革命性影响的3个要素将作用明显，即网络、数据和金融。其中，网络是大数据产生的平台。
大数据的产生过程可分为3个阶段：第一个阶段是计算机刚开始应用在企业管理之际，只简单用于企业经营活动，存储购买商品的记录、明细、支付信息等，企业进行单独的记录活动；第二个层次是CRM系统，即每家企业均有上下游客户，并通过资金流、物质流相互联系，形成客户关系管理系统，企业之间也由单独的点变成了线和网；第三个阶段是网络出现之后，它将各个孤岛之间的个体通过网络联系到一起，演化成信息并加工利用，典型的例子就是电子商务（以下简称“电商”）平台。
洪正华指出：“在电商平台，每家商户都可以知道上下游企业处于怎样的状态，以及同业竞争的状态、消费者状态等，这就使得整个活动的消费行为和消费习惯在网络里得到了反映和体现，其中的数据也随之产生互动，这就是大数据。”
金融与网络、大数据结合在一起，形成新的金融模式，无疑将会改变银行业传统的生产方式。
洪正华以村镇银行的产生举例：“在我国，大银行不以面向社区、农民提供金融服务为主，是因其获取信息的成本较高，村镇银行的设立本意是解决服务半径和上述信息不对称问题。村镇银行要提供高效率的金融服务，可以积极探索应用基于数据的网络金融新技术，进一步提升竞争能力。”
无疑，网络金融对银行业的影响将越来越明显。一方面，电商越来越离不开数据，金融的核心也是数据；另一方面，网络金融在改变客户的交易习惯和信用方式的同时，也将改变银行业传统的风险控制方法。
在电商平台，供货商和消费者所有的登记信息和交易行为都有完整的记录，并且这个记录是真实的，可以互相印证。所以，网络金融可以对注册的商户，按天、月、年的交易量，或者根据其商品品质、商品类型、结算方式、结算周期、货物交易速度和同一类商户的比较因素，来计算这一类群体的违约概率。洪正华说：“通过这种数据计算的违约概率极低，相对现在银行通过填申请表访问客户，获得财务数据还要反复认证，这种风险控制方式更有效。”
根据这些信息也可以决定给商户多少信用额度。之前，银行原来对贷款客户的调查，都是基于人与人之间的交流，或者通过表格调查。在大数据时代，银行除可利用得到的结构化数据外，还会对信贷源进行调查访谈，进一步获得客户的半结构化、非结构化的数据信息，真正建立客户的360度视图，通过更加全面的数据计算客户的违约概率，决定给其多少授信。“这也可以提高效率。”洪正华说，“现在发放一笔贷款需要一两个月的时间，银行可以根据大数据的信用模型，用几秒钟的时间在网上直接放贷。”
另一方面，银行可以根据消费者所填的基本信息，比如所住小区的位置、所在公司的档次以及公司的收入水平、收入的增长趋势等，得到客户的信用能力和消费习惯，并且根据这些数据的分析结果，为客户提供金融产品，甚至可以为金融机构发布怎样的信托产品、理财产品提供依据。
同时，目前银行的各种投资渠道，包括资金交易，无风险的收益产品、对冲产品，高风险的股票投资、货币、衍生品等服务，都可以通过大数据模型的计算去解决结构性信息不对称的问题。如果信息对称，银行则可以通过数据挖掘分析设计出更具前瞻性的金融产品。
此外，洪正华指出，如果10年后，所有的企业都可以在一个平台上进行交易，由于从大数据系统得到的信息更准确，银行很有可能不再需要这么多的风险管理人员、信贷管理人员。“只要通过外部大数据模型的计算和设计，整个银行体系就会变成基于所有的数据收集、数据建模、数据分析的数据应用体系，加上货币，按照数据设计和提供金融产品、金融服务、授信额度，再通过现有的支付媒介，进行循环运行，就可构成未来的银行。”洪正华说。
国开行大数据实践
洪正华提到，中国银行业的IT化已经比国外银行的IT化晚了近20年，如果再没有数据基础，两者之间的差距将越来越大，更谈不上个性化的金融产品设计。
国开行因此开始着手建立自己的大数据体系。
洪正华表示，大数据一定要来自底层，就金融机构而言，大数据的起步是各个生产系统的IT化。
首先，国开行将信贷流程整合，打造了从项目开发，到信用评审，再到项目评审等13个生产环节的全流程信贷系统，这13个生产环节原来由各个部门主导，每个部门建单独的IT系统。“如果每个系统都是信息孤岛，不可能产生大数据。”洪正华说。
其次，国开行升级改造了原来的十几个系统，形成了中小企业系统、账务结算系统、总账系统等12个生产系统。然后是建立数据仓库，安排12个生产系统数据入仓。“生产系统数据入仓并不是简单的事情，需要3个前提条件，一是要把生产系统按业务流程集中，二是数据要标准化，三是数据标准在生产系统和业务部门要落地。”
之后，这些数据在入仓前首先要经过缓冲层，然后到数据仓库基础层，按照客户、财务、机构等不同的主题加工。汇总之后，数据再按照应用分类，如资产负债管理、风险管理或财务绩效类别等。仓库会将不同系统非常杂乱的数据通过基础层模型加工之后，再按照主题进行加工，之后进入不同的业务领域。“不同业务领域的数据，通过在数据仓库内统一计算，比之前运算的速度提高了很多。”洪正华说。
在数据仓库的基础上，国开行支持了“5+1”的业务应用，其中，5大业务包括银行的资产负债管理、风险管理、监管合规、财务绩效、分析型客户关系管理，“1”是指经营管理，包括统一报表、高管驾驶舱和经营管理平台等。
洪正华表示，由于银行数据仓库的建立使数据挖掘分析成为了可能，而这个数据仓库就是大数据的雏形。“整个社会的大数据就是用无数个这样的数据库联系起来的，通过数据质量、数据模型、数据交换、数据安全维护，以及基础运用，与外部的数据结合起来，又构成了其他数据，一环套一环，越套越大。”洪正华说。
另外，洪正华称，国开行的下一步工作，就是沿着大数据的思路，在硬件、软件层面进一步跟随大数据、云计算、网络金融、互联网的发展，研究科技给银行的经营管理带来的机会。“银行的精细化管理科学水平提升一定是基于数据来说话的，这才能真正改变管理的随意性，虽然管理文化建立在思维范畴和习惯上，但真正的决策来自于模型和数据，这是现代管理和传统管理一个非常重要的区别。”
转载注明来源:https://www.xzbu.com/3/view-4353755.htm
