信托公司的数据之“困”
08:57:50 来源:中国信托业协会
信托，作为国内第二大金融子行业，在经历了数年的高速发展之后，目前已进入了深度转型期。
摘要：信托，作为国内第二大金融子行业，在经历了数年的高速发展之后，目前已进入了深度转型期。无论从监管政策的调整导致不利的业务环境，还是信托公司自身寻求创新发展的竞争压力，68家信托公司正在通过产品创新、渠道创新、服务创新、管理创新等全方位的转变来提升各公司的差异化竞争力，而在这些转变的背后，准确、高效的数据支持起到至关重要的作用。本文将对信托公司的数据现状、产生相关数据问题的原因及影响进行了总结和分析，并对处于转型期的信托公司解决当下数据问题给出了应对策略，同时，对今后全行业面临大数据带来的挑战和机遇提出了个人的思考和建议。
从2015年底16万亿到2016年底20万亿的资产规模，数据的增幅在告诉我们信托业作为国内第二大金融子行业仍处于快速的增长期。当这种快速增长持续到2017年4月，随着史上最严的8道监管文件的集中下发，整个行业陡然进入了“冷静期”，随之而来的是各种自查、上报、整改、清理，一时间让习惯了享受政策红利的信托业变得很迷茫。如果说以往信托业的快速发展得益于监管预留了一定的套利空间，那么在如今去通道、去链条、降杠杆的重重政策“限行”下，信托业面临了急速刹车。转型，又一次成为这个行业热议的话题。
对于任何一个行业，即使在最困难的时期，一个企业能够拥有的最宝贵的“无形资产”就是数据。站在20万亿资产规模的背后，信托业在近年来的高速发展过程中，每家公司都积累了大量的业务数据。当我们想要透过“量”（数据规模）看到“质”（数据价值）的时候，会发现粗放发展过程中所沉淀下的数据并没有那么有价值。各类数据的准确性、完整性、可关联性、可分析性都远没有预期的那般可以利用。以至于我们有客户但是并不“认识”，我们有报表工具但是并不“相信”自动化的统计结果，数据之“大”变成数据之“困”、数据之“痛”。
如何去除这些困难和痛点，充分挖掘数据之间的关联性、建立跨系统耦合的数据分析模型，让数据真正服务于公司的业务发展，成为营销支持的有力推手呢？下面就从认识数据入手，逐步发现实际生产经营过程中存在的各类数据问题，探讨可行的解决思路。
二、什么是数据、大数据和数据价值
什么是数据？数据是指对客观事件进行记录并可以鉴别的符号，是对客观事物的性质、状态以及相互关系等进行记载的物理符号或这些物理符号的组合。它是可识别的、抽象的符号，其实通俗的说就是可查询的记录集。
什么是大数据？大数据是指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合，是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。IBM提出的大数据5V特点：Volume（大量）、Velocity（高速）、Variety（多样）、Value（低价值密度）、Veracity（真实性），其实通俗的说就是没办法可以直接读懂的数据集。
数据如果只有量的概念，那就只会带来物理磁盘上空间的增加。如果无法从存量数据中发现价值，那这些数据保留的意义就只剩下对“历史记录”的备份。所以，大数据和数据之间远不止所差的一个“大”字，数据量是外在的表现，大数据的分析价值才是本质。麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。银行、证券、保险以及P2P、众筹等新兴的互联网金融领域，正在利用大数据的价值分析进行一场全新的竞争。
三、数据在银行、证券、保险等金融同业的价值体现
如何挖掘数据潜在的价值使其“增值”，让数据转化为间接生产力，助力公司业务的发展呢？让我们简单了解一下同为金融行业的银行、证券和保险业的情况。
（一）银行业
银行作为资产体量最大的金融行业，其庞大的客户数量和业务种类使其产生的数据量与日俱增。面对这些庞大而繁杂的数据，很多银行早早开始了大数据的规划布局，并已经形成了服务于业务发展的若干应用场景。比如：中信银行(6.60
+0.61%,诊股)信用卡中心通过构建数据分析营销平台，实现了近似实时的商业智能和秒级营销，运营效率得到全面提升。该数据分析营销平台为中信银行提供了统一的客户视图，借助客户统一视图，银行可以更清楚地了解其客户价值体系，能够为客户提供更有针对性和相关的营销活动。类似这种基于数据分析的营销支持平台还有：建设银行(7.08
-0.56%,诊股)的综合电子商务和信贷业务平台，光大银行(4.24 +0.71%,诊股)的社交网络信息数据库，招商银行(27.34 -0.69%,诊股)的小微贷款市场平台，浦发银行(12.86 +0.63%,诊股)的电商通2.0平台等。银行基于数据建立起来的分析平台转化到应用场景中已经对其业务发展产生了积极而深远的影响，未来银行业的大数据处理能力也将成为其核心竞争力的重要组成部分。
（二）证券业
在证券行业，不少服务商将二级市场和行业数据进行整合，将分析结果准确展现。比如：光大证券(15.74
+4.38%,诊股)的中文云文本挖掘系统可以基于财经新闻、股票论坛、研究报告等信息来源，通过增加如关键词指数、情感指数、关注度因子等数据引擎的深入分析，给投资者提供更多的投资意见参考。长江证券(10.16
+4.85%,诊股)曾推出新闻选股策略，该模型先从互联网上进行个股所有信息的归纳整理，利用大数据的处理方法进行文本分析，进而做出利好或利空的判断。再根据新闻在互联网上热度的变化，来判断对应投资主题或标的的市场关注度变化，进而对行情做出预测。银河证券还借力分析师研报、财经新闻等多种文本载体，开发有基于文本挖掘的量化选股模型。诸如此类的大数据应用将对证券行业产生较大影响。
（三）保险业
在保险行业，全球已经有2/3的保险企业正在计划进行大数据技术应用。通过大数据来进行精算、统计、建立保险模型，这给保险行业带来了新的竞争维度。波士顿咨询公司与中国保险业协会联合发布的研究报告《互联网+时代，大数据改良与改革中国保险业》对国内19家知名保险公司进行了访谈问卷，调研结果显示，63%的保险公司已将大数据应用于欺诈检测方面，47%的保险公司已在风险评估与定价方面展开实践，对于大数据在交叉销售、防止客户流失方面的实践分别都达到了32%。除此之外，保险公司还可以通过大数据技术细分客户进行精细化营销以及进行更准确的精算定价。
（四）其他金融业
除了上述几大金融行业，阿里巴巴通过其平台上大量用户产生的交易数据、好评率等完整的结构化数据可以非常容易的对用户进行信用评分和风险管理，阿里信贷系统甚至可以在1分钟内完成虚拟信用卡的审批和额度确定。如此高效的处理过程正是大数据分析有力支持的结果，也正是历史数据价值的充分体现。
由此可见，数据价值对于金融各子行业来说，已经成为其业务发展的重要决策参考和依据，在大数据里准确、快速的发现数据价值将是企业未来成长的基础和关键。
四、信托公司的“大”数据问题及影响分析
因金融各子行业的业务种类、发展阶段的不同，信托公司的“大”数据只是数量多、类型杂、分布广，还算不上真正意义的大数据，但从目前部分业务的发展趋势看看，某些业务也逐渐呈现出大数据趋势，比如现金管理类业务、消费金融类业务等。在我们的业务发展没有受限于真正的大数据问题之前，让我们先分析一下现有的“大”数据问题。
（一）基础数据获取阶段缺少制度化的质量控制要求
所谓基础数据，是指在信托公司各类业务的发生过程中需要存留在各类应用系统中的业务数据，这其中会包括项目信息、产品信息、客户信息（资金来源方和融资方）、合同信息（受益合同和投资合同）、交易信息（资金流水）以及所有的过程记录等，这些基础数据记录了信托公司所有的业务发生过程。因为每一类基础数据都由若干的属性信息组成，这些属性信息又有大量的参数选项，这就造成在实际的业务开展过程中数据录入人员的主观判断和填写随意性直接影响了最终的数据准确性和完整性。目前基础数据录入过程系统必填项的依据一般是监管的数据报送要求，这就导致系统最终获取到的数据可分析性大大降低。
（二）数据标准差异性导致多业务系统成为信息孤岛
信托公司的各类应用系统往往来自于多个不同的供应商，每个供应商都有自己独立的数据标准和数据处理逻辑，当有较复杂的业务场景发生时需要多业务系统进行数据交互才能完成。由于数据标准的差异性，跨系统进行数据交互存在较大难度:1、直接跨系统读写存在较大的业务风险。2、采用接口的方式应对业务逻辑的多样性将会越来越困难。3、如果采用中间处理逻辑进行数据转换，则业务处理过程的实时性无法保证，业务操作过程体验较差。4、基于业务完整场景的数据统计存在一定困难，数据关联很难建立起来。随着业务种类和行业开放性的发展需求，继续在无规划和统一数据标准的状态下构建更多的业务系统只会让分散在不同应用系统中的业务数据成为信息孤岛。
（三）僵化的报表依赖无法满足灵活的数据处理工作要求
信托公司在日常工作中涉及诸多报表数据的统计工作，如：1104、EAST、全要素、理财资金、等。同时，为了满足公司日常经营管理的需要，也要对收入、费用、绩效考核等方面进行日常的数据统计分析。通常情况下，数据统计工作的一般处理方法是通过系统增加报表来实现。报表的优点在于，只要被统计的数据对象是完整的，报表的实现过程相对容易。报表的缺点在于，一旦报表开发完成并发布到系统中，面对数据统计维度及呈现方式的频繁变更要求，需要不断通过供应商变更系统。尤其当上述问题（二）普遍存在的情况下，跨系统建立数据统计过程存在实现的难度。目前监管机构的数据统计工作调整已是常态，信托公司普遍采用“报表+ EXCEL手工”的方式应对，这种处理方式确实不能作为长期的对策。另外，在公司日常经营管理过程中，数据统计只有可以灵活的建立多角度的分析并呈现多样化的结果展示，才更有利于决策支持的需要。
五、“大”数据问题对策及大数据机会
基于上述的“大”数据问题，提出以下的建议对策。同时，对今后信托公司可以引入借鉴的大数据应用及可以基于自身发现的大数据机会进行了总结分析。
（一）从“源头”控制数据质量重塑数据价值
从监管的角度，提高对信托公司报送数据的质量要求可以更加准确的了解信托行业的发展状况。从信托公司自身的角度，准确的数据获取、收集、统计加工结果是对公司决策的重要参考依据。无论对内对外，高质量的数据都是信托公司日常生产经营的一个重要的基础，同时也是宝贵的无形资产。重塑数据价值，一方面要建立有针对性的数据录入标准，这成为数据入口端的重要操作指导。数据录入标准以监管机构数据采集及服务于公司经营管理为最基本的录入要求为主，在满足这个前提的基础上，要构建起数据价值分析的模型（这需要先明确模型的使用者和关注点），根据系统目前实际数据获取的现状，适当增加数据分析模型需要的采集信息。另一方面要与系统的数据录入控制相结合，无论来自客户的主动数据填写还是信托公司内部人员的信息录入，要在系统上形成与数据录入标准相一致的功能实现。同时要根据常规数据的合法性和有效性判断校验规则控制数据的准确性。
（二）提升数据整合加工处理能力，实现自有数据的价值增值
数据中心（数据仓库）是一个行业内较多公司都在探索的解决方案，理想的数据中心建成以后，一方面可以实现信托公司多系统数据的集中，另一方面可以满足灵活的统计结果输出，实现多维度、不同层面的数据统计，充分发现数据价值。构建数据中心可以分几个阶段来实现：一、数据采集：各类源数据的采集整合（以接口或中间表的方式将各应用系统的基础数据全部抽取到数据中心里）；二、数据加工过程：建立数据加工模型，构建数据之间的关联性（在数据中心里增加数据处理过程，使存在业务关联性的不同应用系统间数据能够建立关联）；三、数据输出：以常规数据统计工作为基础，实现灵活度更高的统计分析能力（数据经过二次加工以后，将以全新的逻辑关系入库，数据更具可分析性）。只有我们先“认识”了公司已有的全部数据，才能在数据的价值分析过程中发现增值点。
（三）完善应用体系架构，以新业务为突破点构建自主数据标准
随着信托公司业务种类更加复杂多样，以往以私募的封闭属性构建起来的各类应用系统在面临一个更具开放性的市场环境时会存在一定的应用体系架构瓶颈。一方面，以满足复杂的业务需求而开展的结构化产品、复杂投向的证券投资类产品、资产证券化产品、家族信托等业务为主的信息系统支撑需求将成为今后一段时间信托公司信息系统建设工作的重点，在构建这些系统（子系统）时，除业务逻辑本身所需的系统间数据交互要求外，需要充分评估新业务带来的新数据与已有各类业务数据的整合，为今后的数据统计分析提供便捷的数据获取条件；另一方面，以消费金融、现金类产品为创新点的新型业务也在冲击着信托公司原有的应用体系架构。消费金融涉及的行业广泛，资产端多为以互联网平台为基础的业务模式。现金类业务更是基本以线上实现业务过程为主，客户的产品选择、身份、合同签署、双录采集、资金支付、份额确认、收益分配、产品赎回、信息查询等业务流程都在线上完成，相当于客户自助完成的一种互联网业务，其互联网属性更为突出。这类业务的开展要求信托公司的应用体系架构具有更大的弹性空间，“灵活构建模型、敏捷迭代开发、快速上线发布”这些互联网行业的技术特点也将逐步成为信托公司信息化建设工作需要考量的因素，而其中最关键问题就是核心数据标准的统一性。这样即使资产端的业务再多元化，以标准的数据落地到信托公司业务系统（或数据仓库）中的各类数据，其可利用分析的价值将有很大程度的提升。
（四）引入大数据分析方法，降低企业风险，提升工作效率
当上述（一）、（二）、（三）的问题得到厘清，信托公司的基础数据问题就得到了初步的解决，不会继续因为当下的数据之“大”而困惑。随着消费金融、现金类产品等互联网业务的逐步展开，需要思考一下信托行业是否面临真正的大数据挑战，同时该如何利用大数据既有的成果服务于公司业务发展。从资金募集的角度，信托公司对于合格投资者的判断是否可以基于大数据快速分析基本情况，对洗钱、非法资金、黑名单等问题第一时间给出分析结果，这样可以有效避免资金落地后已经建立了委托关系所造成的业务风险。从资金投放的角度，对于交易对手（融资方）如果能通过完善的大数据方法对企业的经营情况、行业地位、竞争力、抗风险能力、公司治理水平、社会责任、企业信用等方面快速做出综合评价，则项目的决策会变得更加高效，并把公司的项目风险尽可能降至最低。除此之外，监控也是越来越多信托公司关注的问题，能够实时获取到与公司存在业务往来的客户各方面信息对于及时发现风险，及时进行风险排查及规避，并把可能产生项目风险的因素降低到最小化，也是避免信托公司发生损失的一种方法。
（五）发挥集团化金控平台各牌照间的数据协同，实现客户与公司利益双赢
许多大型集团拥有多个金融牌照，比如证券、信托、期货、基金、财务、保险、担保等。每一类金融牌照的业务和客户群体都有差异，存在一定的产品/业务（服务）/客户互补性。从集团层面，各金融牌照子公司都是独立运作，所形成的每家公司各类业务数据都是一个独立的数据集。如何在集团的框架下构建起这些独立数据集的协同关系，在集团这个大的金融产品体系内，让客户的资金和资产360度匹配，实现无缝对接，这样才能最大化的发挥集团品牌的价值。正如全牌照的金控集团平安，就是以平安科技作为整个集团的大数据技术“抓手”，通过统一的前端（一账通）向客户提供服务，一旦客户与平安的某个金融牌照下的子产品建立了关联关系，大数据平台将会以平安的全产品系向客户进行全面推介，最终实现客户从零散资金到大额资金满足各类风险偏好的资产标的投资方向，这实现了客户大数据分析初级阶段的意义（全方位获取客户）在此基础上，平安还实现了对大数据分析结果的衍生服务及应用，比如平安养老、平安医疗、平安好房、平安好车等等，那这就实现了客户大数据分析的进阶意义（全面掌控客户），如下图所示。借鉴平安模式，如果集团内各金融牌照子公司能够共同利用大数据的技术实现产品和服务的延展，则各公司都可以发现更多的利益增长点。
六、结束语
从“大”数据到大数据，是从数据量到价值的转变。从大数据的价值分析到转化大数据成果，是从技术手段到应用思路的转变。数据之“大”带来了诸多问题的同时，更带来了发现更多业务的机会。借助大数据技术，建立全方位的客户管理视角、优化现有的产品设置、提升公司服务水平、实现精准营销策略、简化系统运行管理、完善风险管理机制，真正以数据说话，享受数据“服务”。
也许信托公司还会在数据困局中摸索一段时间，但我相信数据之“困”终将转变为数据机会，信托公司也会在大数据的影响下发现更多的业务驱动点。大数据对于金融行业的影响将会更加深入，意义将更加深远。
相关文章：
中国茶叶流通协会
中国食用菌协会
中国畜产品流通协会
中国对外承包工程协会
中国木材与木制品流通协会
中国纺织品进出口商会
中国国际货运代理协会
中国食品土畜进出口商会
中国砖瓦工业协会
中国建筑材料联合会
中国五矿化工进出口商会
中国石油和石油化工设备工业协会
中国石油和石油化工设备工业协会
中国家用维修协会
中国茶叶流通协会
中国食用菌协会
中国畜产品流通协会
中国对外承包工程协会
中国木材与木制品流通协会
中国纺织品进出口商会
中国国际货运代理协会
中国食品土畜进出口商会
中国砖瓦工业协会
中国建筑材料联合会
中国五矿化工进出口商会
中国石油和石油化工设备工业协会买哪个平台的海关数据好？ - 电商营销 -
福步外贸论坛(FOB Business Forum) |中国第一外贸论坛
UID 2428680
阅读权限 25
买哪个平台的海关数据好？
我是做人造革的，近期考虑买海关数据，请买过的朋友推荐下，先谢谢了！
(使馆认证QQ:)
UID 2675305
积分 42339
帖子 11790
阅读权限 120
来自 报关商检+产地证+证明书+CIQ证书
海关数据对我们没什么作用。
( 精准国外采购商qq： )
上海腾道qq：
UID 2786794
阅读权限 40
回复#jojoheartai
lz可以考虑一下腾道的海关数据，可以看数据演示，直接看到效果的，有需要的可以直接加左边的联系方式。
不只是海关数据哦！
UID 2753271
阅读权限 40
来自 向日葵外贸大数据
回复 #1 jojoheartai 的帖子
楼主家是做哪些国家地区的外贸，不是所有的国家都有数据的哦。可以找我交流QQ&&Andy
(梁先生 手机/微信 )
60年历史 60国子公司
UID 868281
积分 288277
帖子 17177
福步币 136 块
阅读权限 120
回复 #1 jojoheartai 的帖子
海关数据公司名单小统计
据我粗略所知，提供海关数据的公司有：
中国国际电子商务中心/中国诚商网
上海双击科技公司
上海Teyi 信息科技有限公司
上海弗英荷咨讯公司
（2015被上海腾道信息技术有限公司
大连瀚闻咨讯公司
易能欧亚市场资讯有限公司
四海商舟电子商务有限公司
上海腾道信息技术有限公司
上海驭岳信息科技发展有限公司
环球慧思（北京）信息技术有限公司
帝擎(上海)信息科技有限公司
易之家 易家科技（大连）有限公司
免费资源：
加拿大海关和财政总署提供的进口商免费查询数据库
每一家公司对数据的处理方式和给客户呈现的方式以及价格不同，建议逐个了解。
UID 2816439
阅读权限 0
做外贸，还在为找不到客户而发难吗？
最新国外采购商信息可查看同行、老客户出口的每一笔交易信息，全部都是正在采购的买家。帮助你快速进入国外市场 现在年终促销，有优惠&&感兴趣可以带您看一下您关注海外市场的海外客户 qq
瀚闻资讯grace
UID 1759562
积分 18390
阅读权限 80
楼主可以联系我左边联系方式，我们大家一起交流下，我可以给到您很多合理建议
UID 2843546
阅读权限 25
新华锦信贸环球
新华锦信贸环球-山东Google AdWords体验中心，帮助外贸企业客户提供Google 全球推广、Facebook推广、海关数据等。还帮助外贸客户提供一站式服务：提供收汇、结汇、退税、报关、租船订舱等服务。杨飞鸿
UID 2529689
阅读权限 25
您的目标市场在哪？
UID 2638150
阅读权限 40
原帖由 jojoheartai 于
16:16 发表
我是做人造革的，近期考虑买海关数据，请买过的朋友推荐下，先谢谢了！ 楼主要开发哪些国家市场？
用海关数据是了解市场行情还是开发新客户使用？
UID 2767699
阅读权限 40
回复 #1 jojoheartai 的帖子
有欧美等国的海关数据，如有兴趣，可与我联系，
(小小蜜蜂)
UID 1589363
阅读权限 40
回复 #1 jojoheartai 的帖子
推荐个网站可以看看& && & 可以免费下载
UID 2486548
阅读权限 25
海关数据、国外客户资源
需要做海关数据、国外客户资源的包括负责人联系方式或者需要建设中英文（多语言网站）的，可以加QQ&&加我的时候请注明是在福布看到的&&PS：同行就不要再加QQ了，谢谢
UID 2731910
阅读权限 0
卖海关数据的朋友注意看 : 本人有300家外贸企业负责人QQ以及联系方式（其中有正在合作的客户），至少5000家外贸企业名称以及联系方式。有需要的联系.最好晚上找我，白天有自己的工作。保证独家一份。
UID 2808914
阅读权限 0
海关数据免费查询
外交圈海关数据拥有1000万全球活跃采购商，不仅人工审核匹配“联系人+职称+Email+电话”，而且同步其最新采购动态，并智能生成采购分析报表，数据已覆盖美国、加拿大、英国、俄罗斯、印度、巴基斯坦等13个贸易国，精准的采购商联系方式助你提升销售效率100%，外交圈平台的海关数据均可免费试用。参加广交会的企业还可以免费领取外交圈的vip卡
当前时区 GMT+8, 现在时间是
Powered by D1scuz! && 2001-大数据技术在银行业中的应用
　　近日，成立金融科技（FinTech）委员会，旨在加强金融科技工作的研究规划和统筹协调。随着金融科技在业务层面渗透率的逐步提升，技术在金融机构中的应用日益广阔，对于商业银行如何在金融科技时代使用、提取、管理好大数据的讨论也更加深入。
　　一、大数据技术在银行业中应用的前景
　　20世纪以来，信息技术在金融业的中大量广泛使用，使其累积了体量庞大的数据和信息，金融机构当中存储着数亿万计的数据，这种情况迫使金融机构必须要考虑如何将这些数据转换为可以创造实际价值的内容，为企业尽可能多的创造利润。然而，这些数据并不是为了分析目的而专门生产，仅仅是随商业活动产生，尽管数量庞大，但难于直接产生价值，因此需要借助大数据挖掘技术进行深度挖掘，使之成为有价值的信息。随着数据收集能力逐步提高，金融企业将形成时间连续、动态变化的面板数据，其中不仅包括用户的交易数据，也包括用户的行为数据。简单的数据搜集和归并对金融企业来说不足以有效利用这些数据，只有对其进行深度挖掘，才可以发现其中的隐性信息并利用其为客户提供更加优质的和服务。如何对多源数据实现快速高效的(603138,)处理？如何应对产生的碎片化数据、快速响应需求引发的风险问题？如何充分利用数据分析、挖掘来获取更大的经济效益？是金融企业在进行大数据分析时面对的几大挑战。
　　互联网的发展催生了大数据技术的诞生。在21世纪初，全球网页内容大规模增长，网页内容每日增长速度超百万。截止2001年末，全世界网页个数达50亿个[1]，互联网用户检索有用信息的难度越来越大。谷歌（LE）等拥有较高搜索引擎技术的公司开始建立搜索系统，其内容覆盖数十亿网页，提高了人们对互联网内容的使用效率，大数据技术由此诞生。由于网页内容当中需要处理的数据包含大量的非结构化内容，传统的搜索技术无法完成检索。谷歌公司提出了以“分布式”为基础的存储和检索系统，包括分布式文件、分布式并行计算和分布式数据库等系统，实现了非结构化据的检索，并奠定了大数据技术的基础。伴随着互联网产业的崛起，这种创新的海量数据处理技术在、定向广告、智能推荐、社交网络等方面得到应用，取得巨大的商业成功。这启发全社会开始重新审视数据的巨大价值，金融、电信等拥有大量数据的行业也开始尝试这种新的理念和技术，取得初步成效。与此同时，业界也在不断对谷歌提出的技术体系进行扩展，使之能在更多的场景下使用。2011 年，麦肯锡、世界经济论坛等知名机构对这种数据驱动的创新进行了研究总结，随即兴起了一股大数据热潮。
　　虽然大数据已经成为全社会热议的话题，但到目前为止，“大数据”尚无公认的统一定义。笔者认为，认识大数据，要把握“资源、技术、应用”三个层次。大数据是具有体量大、结构多样、时效强等特征的数据；处理大数据需采用新型计算架构和智能算法等新技术；大数据的应用强调以新的理念应用于辅助决策、发现新的知识，更强调在线闭环的业务流程优化。因此说，大数据不仅“大”，而且“新”，是新资源、新工具和新应用的综合体。
　　现代金融机构当中，数据资产成为其区别于传统金融机构的最大生产要素之一。对于数据资产的管理、运用、挖掘，成为现代银行业加快创新、增强管理能力等业务的最重要工作。大数据挖掘分析决策的主要流程见下图1。银行业海量的数据内容，需要从“数据清理/整合――&数据仓库――&数据选择――&数据挖掘――&模式评价――&知识”多次的循环反复，才有可能达到预期的效果。
　　银行业监管机构对于数据管理和监测的要求也在不断提高，在《中国金融业“十三五”信息化建设规划》[2]中，“加快银行信息资源的集中，实现数据视图在全行范围的共享，充分利用数据仓库和数据挖掘技术，实现资产负债管理、财务绩效管理、风险管理和客户关系管理等主题应用，建立面向主题、面向市场、面向决策、满足内部管理及外部政策要求的银行管理信息系统建设”。《(601988,)业信息科技“十三五”发展规划监管指导意见》中又进一步指出，“大中型银行要把数据治理作为重要的制度性建设与基础性工作，加强组织保障、制度保障与流程保障，有序推进、重点强化；统一数据标准，提高数据质量，深化数据应用，有效支撑银行业务发展，有效提升银行管理水平[3]。” “十二五”末期，大部分银行均开始着力解决数据质量较差的问题，开始加强数据管理、管控，提高数据信息质量，采用数据挖掘和大数据技术深层利用、提炼数据以提升经营管控效能。
　　大数据技术的产生本身就有其强烈的应用需求背景，它从一开始就是面向应用的。数据挖掘技术在决策支持方面有着广泛的市场前景，并可用于业务管理方应用，是实现CRM和BI的重要技术手段之一。具体涉及商业化应用的有数据挖掘技术中的数据库营销（Datase Marketing）、客户群体划分（CustomerSegmentation & Classifiion）、背景分析（ProfileAnalysis）、交叉销售（Cross-selling）等市场分析行为，以及客户流失分析（Churn Analysis）、客户信用评分（Credit Scoring）、甄别 （Fraud Detection）等应用手段。目前，诸多商业领域（银行、保险、证券、超级市场、电信等）均有大数据技术成功应用的案例。在金融机构中，由于其提供多储蓄、投资和信用卡业务之外，保险、股票、等也是其重要业务。因此，大数据技术和数据挖掘技术在金融业中的主要运用有：1.数据分析和设计构造的数据仓库；2.特征数据变量选择、关联属性相关数据用于预测客户信用状况；3.聚类、分类分析识别目标客户和市场；4.数据可视化过程及归并、聚类分析甄别洗钱等金融犯罪行为。
　　将大数据技术应用于金融业不仅是技术发展的需要，也是金融业提高自身盈利能力的需要。在当前“以客户为中心、以市场为导向”的激烈竞争时代，在各大金融机构准备“二次转型”的改革进程中，要想提高核心竞争能力、防范业务风险、提高业务分析数据的时效性及准确性，就必须懂得如何利用现代管理信息系统进行综合分析，挖掘客户的潜在价值，利用有价值的信息改进服务手段，运用数据挖掘技术实现职能化的决策支持功能管理。一直以来，金融行业对数据的重视程度非常高。随着发展，各种金融业务和服务的多样化和金融市场的整体规模扩大。对于大数据带来的主要业务价值，参加调研的金融企业表示，大数据的价值是他们可以根据商业分析实现更加智能的业务决策，让决策的制定更加理性化和有根据。依靠有前瞻性的决策，实现生产过程中资源更优化的分配，能够根据市场变化迅速做出调整，提高用户体验以及资金周转率，从而获取更高的利润。
　　二、大数据技术在银行业中的主要应用场景
　　（一）大数据时代下银行的精准营销
　　按照单个客户个性化的营销方案和沟服务体系，金融机构依照信息化技术手段可以建立起精确的营销方案以实现对个人客户的精准营销（Precision Marketing）。这种建立在精准定位基础之上的营销活动，包含着对个体的关注和差异化的认同，可以最大限度地摊平企业的成本。精准营销对于每一位金融客户的的兴趣、爱好、购买能力均可以做出预测和判断，根据综合化的评分向顾客推荐金融服务及产品，以保障推荐产品在其财力范围和兴趣半径之内。精准营销的基本理念如图2所示：
　　传统银行业当中，认识产品、产生兴趣、付款购买三个环节是金融消费者在购买过程当中必然出现的环节。由于在认知产品的过程当中，消费者会通过网络、私人渠道进行检索，对产品信息、类别进行了解以确定其购买信息，在此过程当中产生的搜索数据便可以定位消费者的收入水平、兴趣和爱好，企业借助分布式存储和深度挖掘这一系列关于该类消费者的信息，形成完整的客户关系系统（CRM系统），从而设计出各种序列的营销方案，推送给消费者，实现精准化营销[5]。
　　（二）大数据时代下银行的精细化管理
　　数据是传统银行最为重视的业务内容，由于受制于银行较弱的数据处理能力，体量庞大、细节更多的精细化交易数据无法得到有效处理。例如，传统银行经营模式之下，商业银行仅能记录每次的银行卡消费信息，却无法实现实时的消费信息反馈，归集整理；在存款、贷款风险管控过程当中，银行也对于对小额贷款实施有效的风险管控。一般的商业银行在记录了客户消费和挑选产品的数据后，亦没有利用好这些并不是为商业银行经营活动（风控、催收）而产生的数据。顾客的每笔投资和消费都被记录分析之后，运用数据挖掘技术将产生信息化决策，有助于提升用户体验，精细化管理水平将不断提高。
　　（三）大数据时代银行的低成本管理
　　传统银行业中的信息数据是手工化产生的，容易产生错误。特别是在信贷活动过程当中，对于银行客户信息在记录过程中产生的错误将会给银行经营的有效性造成损失，这种传统的手工信息处理方式效率低下、准确度差、成本高。在商业银行的贷款业务当中，银行需要对客户的个人信息、财务状况和抵押品等内容进行尽职调查，信息获取的成本较高。但在大数据时代，商业银行对客户信息的采录过程完全自动，通过客户自填、自报，收录客户的个人信息，从而更加精确地了解到客户的实际情况，降低人工处理成本，提高办事效率。对于个体、小微层面的关注将有效解决长期以来困扰中国企业的“小微融资难”问题。
　　（四）大数据时代的集中化管理
　　商业银行的传统业务模式当中，跨地区、跨国经营成本极高，商业银行不仅要承担开设实体机构的成本，还要承担与代理行之间产生的摩擦经营成本。在大数据技术的帮助之下，商业银行总部机构将可以更加便捷地获取更多有价值的信息，不仅局限于当地的分支机构，跨越了地域、时空限制。对各个条线的集约化管理，使得银行总部的经营权利更加集中，分支行的执行功能将被强化，银行管理职责、风控策略将被集中于总行层面，有助于进一步提高机构总体执行力，避免上传下达过程当中的摩擦成本[6]。
　　三、大数据技术在银行业应用中的主要优势与难题
　　经济社会的三个重要组成要素：产品、信息、资金渗透于互联网时代的诸多环节，互联网时代的激烈竞争当中，、银行、物流三大类别企业代表着三种要素的重要占有者，三者都希望成为主宰着三种要素的利益获得者。虽然在互联网技术、平台层面商业银行有所落后，但从长期发展趋势来看，商业银行具有重要的优势同时也存在着诸多困难，主要包括以下几个方面：
　　（一）商业银行的信息与人才优势
　　商业银行不仅掌握着大量资金，而且在信息搜集方面也拥有独特优势，不管是甄别优、劣客户进行授信贷款，还是金融服务用户交易活动留下的交易痕迹都是其重要数据资产。尤其是商业银行的信息化建设也居于各行业前列，信息处理与建设已经根植入商业银行的“思维”。商业银行不仅有信息化建设的意愿，而且具备建设优质信息化系统的条件。特是在2000年之后，中国的商业银行提出建立数据集市的思路。各大商业银行纷纷建立了数据中心和备份中心，提高了数据的存储利用效率和风险防控能力。另外，由于在贷款和金融业务开办之前，各自然人都需要在商业银行开户并填写个人基本信息，社会上的资金划转要以商业银行为媒介，因此商业银行有着广泛的渠道获取客户信息和信息，同时POS机和ATM也可以获取个人的消费信息。多年的积累，使商业银行已形成海量的信息数据库，其结构化程度优于电商等企业。
　　中国的商业银行均设有科技开发中心、数据测试和收集中心以便于商业银行开发拥有自主知识产权的个性化业务、功能。在二十世纪初提出的建立数据集中项目过程当中，商业银行累积了大量建设复杂数据信息系统的经验，涉及软件开发、数据仓储等具体实操项目，这些项目锻炼了商业银行的科技开发队伍，为商业银行积累了许多软件开发、管理人才。金融人才和信息科技人才的结合是商业银行构建有效物流、信息流的重要基础保障。
　　（二）商业银行的资金与制度优势
　　商业银行的利润率普遍较高，近几年来的业绩增长较快，许多商业银行的盈利能力开始超过国外商业银行。因此，商业银行内部拥有充足的资金，有利于商业银行建立大规模的资金、物流、信息流操作系统。资金优势使商业银行在构建过程当中可以建立先进的数据操作系统、存储系统和计算系统，有利于大数据技术和发展和应用。
　　中国的商业银行一方面自负盈亏，另一方面与政策存在着千丝万缕的联系。我国的商业银行牌照较难获得，电商和物流商的资格相对都比较简单。我国大型商业银行已基本实现集团化经营，全国十五家资产占到中国商业银行总资产的60%以上，其经营管理经验、理念、方式、方法都强于电商和物流企业，容易形成跨界、跨区域经营。
　　（二）商业银行大数据应用的难题
　　在利用大数据帮助商业银行进行问题解决的同时，信贷客户个人信息保护、隐私保护的边际在哪里，客户的哪些数据可以收集，可以通过什么样的方式收集？个人数据是不是可以全部收集，收集在一起引起的副作用也要考虑。例如：美国有法律规范禁止教育部门的数据就移民局数据联通，移民局不得利用教育部门数据来查获非法移民，目的是为了防止这些移民由于害怕移民局而不将儿童送去上学，如果存在大量的失学青年可能会对美国社会的安定和未来不利。
　　哪些数据可以搜集收集？是否可以追踪公司高管个人的信息？这些问题均涉及到道德与法律层次的重要问题。数据资产的合理利用也需规范，数据结果能用于哪些方面，是否会违背非歧视原则？在与商业银行数据应用过程中必然涉及到方方面面的内容亟待解决。另外更大规模的数字化对于、信贷市场的的长远影响究竟如何？对各种参与者都是公平的吗？对于商业银行的存在本质是有益的吗？
　　以上种种问题，只是冰山一角，大数据对社会、对金融、对个人的影响还需细致分析和推演，需制定在金融领域的数据收集、数据分析和利用规则，制定底线。
　　四、大数据技术在银行业应用中的对策建议
　　商业银行应当继续使用大数据和数据挖掘技术及时、准确、全面地掌握自身资产质量、数量及分布、头寸调度、信贷情况，提供给客户安全、可靠及强有力的技术支撑。数据仓库、大数据、数据集市通过深度挖掘可以获得“深度效益”；同时，大数据技术还搜集了大量的商户、用户资料，可以为开发新的产品、业务及综合化服务，让银行在不同的平台、层面上为用户提供异质化业务变得更加容易，而且为商业银行的经营管理决策提供了支持与依据，让商业银行可以随时根据与自已有历史经验往来的商户数据信息推断出客户的信用状况，有助于银行风险的防范。
　　随着各种新技术的发展，大数据与数据挖掘技术也随研究的深入而不断进步，以后将更加便捷、有效地应用于未来的实践当中去，结合新的理论、技术和模型评价方法，以增加数据挖掘的有效性，进一步提高数据分析工具的实用性。数据挖掘在未来商业银行中的研究焦点和需要进一步开展的工作在于以下几个方面。
　　（一）完善商业银行信息系统总体架构设计
　　传统商业银行的数据应用信息系统搜集与保存系统在大数据应用环境背景下仍需进一步完善与，本文根据商业银行大数据的业务基本需求和监部部门的监管要求，结合我国金融机构当前的实际情况，采用企业级分层架构思想，构建出如图3所示的金融机构大数据信息系统体系架构图：
　　该大数据系统体系结构的特点包括：①层次化清晰。系统共分为应用层、服务层、网络层和数据层，在系统体系结构中，每层将具有相同服务功能的部分封装在一起，相邻层之间调用服务；②在传统三层网络体系结构的基础上，该体系结构加入了网络层，通过金融机构专用网络将服务层和数据层相连接，并设置了防火墙，充分保证金融机构业务数据的安全性；③各个商业金融机构可以通过金融机构专用网络共享数据库信息，同时各监管部门与业务条线可以实时查看银行经营业务数据，提高业务开展效率与监管可行性。
　　（二）加强数据挖掘应用系统和算法测试的研究
　　不断重视数据挖掘技术的实际应用。尽管国内关于大数据技术和数据挖掘理论对算法模型的研究较多，但实际应用案例和算法应用改进案例却比较少，缺乏可以借鉴的经验数据。如何引入国外的先进经验、技术，改进算法的性能并进行有效性测试，检验算法合理性和功能系统的稳定性？结合多种数据挖掘算法实现，提高数据挖掘的效率和技术功效仍是亟待解决的问题。
　　（三）加强传统数据与非结构化数据挖掘过程中的可视化方法的研究
　　加强人机交互，可以把用户需要解决的问题方便地转化为数据挖掘技术人员能够理解并解决的问题，然后将结果以更直接的表现形式被用户理解。完善解释机制，将各种算法的研究趋向于简单化和易于理解。
　　从多媒体数据库中发现有意义的模式，包括对文本数据、图形数据、音频数据以及超文本数据的挖掘等。基于内容的检索和相似度搜索、概化和多维分析、分类和预测分析对复杂数据进行挖掘，使数据挖掘技术发展的整体趋势由处理简单的挖掘问题逐步到解决复杂的挖掘问题。
　　（四）加强对数据挖掘结果的有效性的研究
　　用科学的方法加以评估。目前许多算法所花费的时间很短，但其挖掘结果的数据却远远超出了可理解的范围。随着信息技术的高速发展，今后的算法研究需要集中在挖掘结果的有效性上，便于用户快速得到自己所需要的、有价值的信息。包括对算法的动态维护、基于约束的挖掘算法和提高算法的可伸缩性等都将是主要的研究方向。
　　参考文献：
　　[1]薛冬辉，大数据时代下的物流、信息流、资金流融合――基于商业银行视角[J].物流技术，2014（1）
　　[2]中国(601398,).大数据时代下的三流融合――基于商业银行的视角[R].银行业研究，2013（8）.
　　[3]《中国金融业“十三五” 信息化建设规划》
　　[4]《中国银行业信息科技“十三五”发展规划监管指导意见》
　　[5]工信部电信研究院大数据白皮书（2015年）
　　[6]工信部电信研究院大数据白皮书（2015年）
关键词阅读：
责任编辑：卢珊&RF10057
已有&0&条评论
最近访问股
以下为您的最近访问股
24小时新闻榜
理财产品推荐}