⑴ 大數據或重構商業銀行

大數據或重構商業銀行
中國工程院院士、中國通信學會副會長鄔賀銓將「大數據」描述為「沒有辦法在容許的時間內用常規軟體工具對其內容進行抓取、管理和處理的數據結合。」他同時又指出，大數據本身的規模標准在不斷變化中，以前叫海量數據，現在數據比海量數據還大量。
簡言之，「大數據」的特徵為：數據量極大，數據的種類繁多，數據增速加快，數據來源多樣，數據必須經過處理，數據具有定向性。浩如煙海的「大數據」用處極大，完成了以往「不可能」完成的任務。
在美國總統科學技術顧問委員會提交給總統和國會的一篇名為《規劃數字化的未來》的報告中，明確提到「如何收集、管理和分析數據正日漸成為網路技術研究的重中之重。以機器學習、數據挖掘為基礎的高級數據分析技術，將促進從數據到知識的轉化、從知識到行動的跨越。」
「大數據」時代與既往存在的數據區別是，由於數據量的不同，使得「大數據」的挖掘工作量迅猛增加；尤其是數據來源更廣，通過交換、整合和研究，可以發現市場發展趨勢，市場參與者的需求，讓企業從中尋找適合自己的商機，商機在握，就能為企業創造新價值。相比「大數據」的作用，如果說現有的數據能提供對企業類似的幫助，僅是在邊緣地帶，「大數據」卻能真正深入核心。為此，必須使用模擬和復雜的計算，計算速度要求極快，以適應超量、在限時內完成工作的要求。
當然，「大數據」由於人為製造、以訛傳訛、操作失誤等問題，同樣會存在虛假數據。因此，為了最大限度保證數據的准確性，需要大量的數學模型，而且分析結論可直觀獲得。其中，多源數據的存在提高了結論的完整性。所謂多源數據，是指對同一事物，採集它多方面、多緯度、多形態的記錄數據。特別是用於預測時，還要關注歷史數據，將兩者對比，以縮小過去與未來預測的映射差距。
另外，「大數據」的最終結果展示也應該引起我們足夠重視。最近爆發的美國「棱鏡門事件」，表面上看，是美國政府對情報的竊取。實際上折射出「大數據」如何展示、向誰展示的問題。特別是「大數據」能夠在一定程度上探尋人的思想時，就更加突顯其重要性。
三十年前，商業銀行用傳統的算盤核算、簿記記錄各類數據，今天，則以計算機運行、電子數據採集為主，並由此形成了海量數據。
相對「大數據」，過往數據因為過於零散、連續性不足、源頭單一、形式單調，無法表現客戶的交易行為、交易偏好和交易習慣等個性特徵，銀行也無法知曉客戶對銀行產品喜歡或討厭的具體原因，以及對銀行產品和服務滿意與否的信息。海量的「大數據」卻可以彌補這些缺憾。
商業銀行核心競爭力，外部體現在市場份額、市場對其綜合評價；內部則是股東利益最大化，員工的滿意度。要實現核心競爭力，源頭是市場與客戶。「大數據」恰恰可以為開拓兩個源頭發揮重要引領作用。《經濟學人》在一篇報道中寫到「過去，這些數據儲存在不同的系統當中，如財務系統、人力資源系統和客戶管理系統，老死不相往來。現在這些系統彼此相連，通過『數據挖掘』的技術，可以獲得一幅關於企業運營的完整圖景，這被稱為：一致的真相。」
可以預見，今後「大數據」對商業銀行的作用主要表現在：第一，對客戶的了解程度與過去徹底不同。「大數據」不但讓銀行把握客戶現在，更可以了解客戶的歷史，通過數據的交換、映射對其進行短期、中期預測。
第二，與客戶開展多渠道互動，全面評估商業銀行自身的產品和服務在客戶中的滿意度。商業銀行通過自身和公共信息歸集渠道掌握的數據，進行分析，有助於改進和提高產品種類及服務質量，在第一時間爭取主動。
第三，「大數據」成為商業銀行競爭的主要手段之一，其完整性、准確性將決定商業銀行的競爭結果。「大數據」在競爭中成為名副其實的「雙刃劍」，競爭雙方都可以利用掌握的數據來制訂競爭策略。
第四，商業銀行營銷手段以「大數據」為依託，開展針對性的銷售。
第五，商業銀行風險管理出現巨大變化。商業銀行風險管理模型離不開數據。「大數據」的數據多樣性和豐富性，能彌補過去數據不夠的缺陷，最終帶來管理方法的飛躍。
第六，多樣化金融型態與傳統商業銀行展開競爭。馬雲[微博]涉足准金融業務，是電商市場發展的必然結果。某種意義上也預示「大數據」時代中，新的、能夠節約交易成本的方式將不斷涌現。
在「大數據」時代，商業銀行要積極做好應對工作。
首先，商業銀行在日常經營中產生的大量數據是形成整個社會「大數據」的重要組成部分，因此，要對數據管控、數據處理和數據結果反映作出正確處置。
一是數據管控上要依照標准化採集，統一化處理，時效化完成，分級化查閱。堅持做到採集的數據准確，結果可視，使數據應用性大大提高；二是數據處理時一定要科學、依照規則，特別要杜絕以假亂真，以次充好現象；三是處理後的結果，要依照規定展示，並且嚴格按照國家法律法規進行使用，避免影響商業銀行聲譽風險事項產生。
其次，商業銀行需要投入大量資源用於適應「大數據」技術的需要。對此，對資源的投入一定要有相當的前瞻性，並兼顧當前實際。爭取在過渡期內，盡可能地實現資源利用最大化。
最後，商業銀行要高度重視適應「大數據」技術的人力儲備。美國就曾預計，為適應「大數據」時代到來，未來美國需要60萬名擁有數據分析特長，又懂行業知識的復合型人才。這類人才僅僅經過大學培養遠遠不夠，還需要豐富的實踐經驗。我國商業銀行對此類人才的儲備相當不足，抓緊人力資源准備更為迫切。
此外，「大數據」時代將帶動整個社會交易方式的變化，對諸如商業銀行大多不需要體驗型服務的行業沖擊更大，從業人員和物理型網點一樣將趨於減少。一增一減矛盾日益明顯，要戰略上著眼，早做布局。
商業銀行對系統建設要高屋建瓴。今後商業銀行的產品和資金提供主要由數據流來實現。同樣，服務的虛擬化趨勢，會讓更多的服務由網路來承擔。這一方面需要商業銀行藉助於社會網路，另一方面其自身的系統建設也必須與此匹配，強大的系統是商業銀行未來經營管理的利器。
同樣，商業銀行要注重利用社交媒體的數據，拓展渠道獲取客戶信息。學會使用各類媒體，不但為客戶服務，而且為優化商業銀行自身形象服務。積極參與網路工具形成的各種運作方式，並研究在運作方式中融入商業銀行工作目標。真正使媒體、網路工具成為維系、拓展客戶的橋梁和重要的通道。

⑵ 大數據時代來臨，銀行怎麼辦

大數據概念的興起似乎還是昨天的事，但托這個高速發展時代的福，我們已經可以看到很多成熟的大數據應用工具了。在很短的時間內，我們就能在茫茫的數據海洋中精確定位、分析，並拿到自己想要的結果。當然，這些技術的進步並非由銀行推動，大型零售商、網上商城和各種門類的技術公司才是大數據的主導者，只不過，經過他們的探索之後，大數據也為銀行打開了一扇精確營銷的大門。從長遠來看，銀行如能充分利用大數據的優勢，可以在市場細分、客戶服務、客戶研究、產品研發、產品測試等等方面取得重大進步，並在某種程度上徹底改變銀行服務客戶、銷售產品的方式和渠道。 當然，這一切的前提是銀行能找對切入大數據時代的方法和工具。對於銀行來說，以正確的數量模型和分析方式來契合銀行目前的業務需求，是合理利用大數據，達成更多經濟回報的關鍵。其他行業的經驗已經證明，大數據固然好，但如果不能對數據進行有效篩選和正確利用，最後只會賠了夫人又折兵。尤其銀行是一個比較特殊且敏感的行業，在全局層面徹底進行所謂大數據革命是不實際的，正確的做法是從小的具體業務和關鍵節點入手，以能被銀行現有管理架構和外部監管機制接受的方式，逐步將大數據納入銀行的經營體系中來。 舉例來說，當前銀行業普遍在為兩件事頭疼：留住客戶、滿足客戶的期待。對於這兩個難題，大數據機制下的情緒分析和行為預測可以發揮意想不到的作用。 分析客戶情緒 傳統的客戶意見收集及調查方式往往以一個組別為單位，通過對於部分群體客戶的調查和研究，銀行可以得到客戶方方面面的情況。隨著時代的進步，這樣的方式在獲得客戶金融消費的最新趨勢、挖掘客戶隱藏的需求等方面已不太管用。最為致命的一點是，這樣的客戶信息、數據收集方式往往耗時較長，花費更多，但最終得出的結果又往往無法應對客戶實時產生的需求變化。 所謂情緒分析，是指收集客戶在包括社交網路在內的網路平台上的言論和活動，不僅包括他自己的部分，還包括他最近關聯到的其他好友，由此得到的數據，經過一套科學設計過的計算、分析系統，得出某個具體客戶近期的情緒走向，為預測客戶行動、幫助銀行指定具體的應對措施提供幫助。 在這里，「情緒」並不簡單代表客戶的情感變化，還包括客戶的態度立場、情感傾向等等。這在以往的調查分析工具中，是極難把握的東西，但在這個自媒體時代，這樣的信息散布在網路上，極易獲取、分析。而且抓取、分析這些數據的方法已經相當成熟，從宅在家裡的技術男，到正經嚴肅的學院派，大家都在推出這樣的工具。銀行只需要選擇一個比較穩定的技術供應商，並將結果實時反饋、整合到自己的系統中來，就能在第一時間確定客戶對於銀行的產品、服務、定價或政策調整的反應，並採取合適的方式應對。如果客戶的反應對銀行有利，銀行可以及時介入，對客戶的情緒加以引導，以實現更好的服務和銷售；如果客戶對銀行表露出不太好的情感，銀行也能及時發覺並積極處理，進一步提升客戶的服務體驗。 下面舉出幾個銀行必須及時關注的客戶表態例子： 「XXX銀行在小微業務上的確很好用，但缺乏合適的當天到賬服務就太那啥了！」 「XX銀行的網上查閱賬戶余額功能的確設計得不錯，但客戶服務的一些細節真的有待改善。」 以普通人的角度，這不過是兩句簡單的客戶意見表達而已。但在情緒分析工具的幫助下，通過對於「好用」、「缺乏」、「改善」等關鍵詞彙的識別與統計，以及對於上下文意思的了解，就可以形成一張完整的客戶情緒變化表，將更多的客戶情緒變化匯集到一起，就可以形成一份頗具價值的報告（所謂輿情監控就是這類報告的簡單形態）。通過這些報告，銀行可以知道自己在客戶心中真實的反饋，並知道客戶最需要銀行在哪些方面做出改變。也就是說，銀行可以得知客戶的「心願單」，並將此納入自己的產品、服務革新計劃當中，逐一予以滿足。 對於銀行來說，客戶情緒分析最有用的一點是幫助銀行更有效率地回饋客戶。我們都組織過各種客戶回饋活動，但又不知究竟應當挑選哪些客戶進行回饋、哪些客戶經過我們的維護可以促成更多的交易——大部分時候，銀行只是完成既定的任務，將禮品派送出去就完事，以為這樣就能在激烈的競爭中留住自己的目標客戶。而現在，銀行可以在客戶情緒分析工具的幫助下更有選擇的進行類似的活動。例如，近期要做一個針對產品的活動，就以產品為關鍵詞，對當前的客戶情緒進行研判，得出主流客戶群體對於我們產品的態度，再依照態度的不同來選擇不同的活動策略和活動力度。這樣不僅能幫銀行節約成本、提高效率，最為重要的是，這也是維持現有客戶忠誠度，並盡可能多地吸收目標客戶的有效方式。 當然，批評者會說，目前雖然有大量的客戶情緒分析工具，但這些工具的可行性與分析結果的真實性一直都存在疑問。已經有一些銀行依照這些工具的幫助進行了一些實驗，效果並未如想像中理想。那麼，銀行應當怎麼應對這種尚處在完善過程當中的新興事物呢？我們的態度很明確：雖然這還是一個有待完善的工具，但大數據的整體趨勢是不容置疑的。當銀行等到一切都齊備完善到不會出錯時，其實就已經落後於時代的腳步了。要想成為行業的領軍者，就必須承受創新可能帶來的負面效應。 預測客戶行為 比分析客戶情緒更大的挑戰是預測客戶行為。關於大數據如何應用於預測客戶行為最早最著名的例子，來自美國第二大超市塔吉特百貨。明尼蘇達州一家塔吉特門店曾被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問後坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然後通過相關關系分析得出事情的真實狀況。 對於銀行來說，正確地預計消費者的需求，並及時組織好可匹配的產品與服務響應客戶的需求還是一件比較難完成的任務。這需要大量歷史數據的儲存與分析，還需要有應對各種行為可能的預測機制（不同的行為意味著不同的演算法），才能實現塔吉特百貨那樣「料事如神」的效果。令人頭疼的是，零售銀行所需的數據關聯性與零售商業的數據存在著一定的差異，因此需要針對銀行產品和服務的特點進行重新設計。只要銀行能解決這樣的問題，並把分析的結果實時、具象的體現在前端營銷人員的電腦、手機里，就能幫銀行解決很多眼下頭疼的問題。在全局層面上，這樣的預測機制也能幫銀行少走很多彎路，避免不必要的資源浪費。 銀行可以根據客戶以往的消費記錄，尤其是與金融產品直接相關的消費記錄，以及目前所持有的銀行產品的使用情況建立數據收集模型，通過一定時間的數據收集和分析之後，便能為銀行下一步的產品策劃與營銷提供翔實的數據參考。在此基礎上，諸如交叉銷售、深度挖潛、提升單個客戶貢獻度、保持客戶忠誠度等等業績或營銷目標都能更輕松的完成。當你知道客戶的情緒變化，還知道客戶可能的購買需求，只要你能以合適的方式將客戶所需要的東西及時遞上，客戶自然會樂意接受。 以合適的方式來發揮大數據的效用非常重要。大數據可能帶來的一個負面效應就是客戶隱私的被侵犯，前面提到的塔吉特百貨就是一個例子。在這個事件之後，塔吉特百貨調整了自己寄送優惠廣告的方式：當發現某位客戶可能懷孕之後，塔吉特百貨還是會寄送一份包含孕婦所需產品的小冊子到她手上，只不過通過視覺排版、其他品類產品交叉排列等等方式，在不引發客戶那種「被窺視」的反感的前提下，實現了產品的精準推薦。最終，在大數據的幫助下，2002年到2010年間，塔吉特百貨的銷售額從440億美元增長到了670億美元。 值得一提的是，大數據應用還能幫助銀行實現有效的風控。國外已經有一些金融機構利用大數據來幫助金融產品交易、信用卡消費等方面的風控。尤其是在信用卡、無抵押貸款等產品上，通過大數據建立的模型，銀行能准確的知曉某個客戶的生活和消費情況，從而選擇是不是要發放卡片/貸款給他，或者要不要給他提升額度、延遲還款期。一旦某個客戶出現異常行為，銀行也能在最短的時間內知曉，並採取相應的措施防止風險案件的發生。 總之，雖然還不夠完善，但大數據擁有無可限量的未來。

⑶ 商業貸款,銀行說我的大數據系統評分非常低,而且現在還查不了,我自己是哪裡有問題

在招商銀行去查徵信，上徵信的小貸，上面都會體現出來。那是最全的。如果上面沒有體現的，就無法進入大數據

⑷ 大數據時代與科技發展對商業銀行有什麼影響

無法在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據集合。 有人把數據比喻為蘊 藏能量的煤礦。煤炭按照性質有焦煤、無煙煤、肥煤、貧煤等分類，而露天煤礦、深山煤礦的挖掘成本又不一樣

⑸ 「大數據」時代金融統計在商業銀行營銷中的應用研究

大數據是指來以多元形式，自許多來自源搜集而來的龐大數據組，往往具有實時性。在企業對企業銷售的情況下，這些數據可能得自社交網路、電子商務網站、顧客來訪紀錄，還有許多其他來源。這些數據，並非公司顧客關系管理資料庫的常態數據組。從技術上看，大數據與雲計算的關系就像一枚硬幣的正反面一樣密不可分。大數據必然無法用單台的計算機進行處理，必須採用分布式計算架構。它的特色在於對海量數據的挖掘，但它必須依託雲計算的分布式處理、分布式資料庫、雲存儲和/或虛擬化技術。大數據的意義是由人類日益普及的網路行為所伴生的，受到相關部門、企業採集的，蘊含數據生產者真實意圖、喜好的，非傳統結構和意義的數據 。

⑹ 大數據時代對商業銀行的影響

大數據來時代到來後自,信息的數量劇增,並且傳播非常迅速,這對於商業銀行來說是一個非常大的挑戰。
大數據有力地推動了商業銀行傳統客戶管理形式的不斷完善,新的經營管理方法因運而生,將第三方加入到了金融競爭中,並迫使其增強自身的管理能力,在這樣的狀況之下,商業銀行如果不在第一時間內轉換傳統的經營管理形式,就很有可能會成為大數據時代的犧牲品。
身處在大數據時代,應當及時調整原有思維,加大對數據變動的關注度,發揚自身優勢,藉助大數據努力處理好新產品的研究和開發、客戶管理和銀行內部管理等事項,採用完備資料庫、創建數據平台、建設數據隊伍等手段,通過對大數據技術的合理運用,推動商業銀行的整體發展。

⑺ 如何運用大數據進行商業銀行風險管理

商業銀行的風險管理除了對基於銀行過往的數據對未來做出預測以外，還會涉及到公司層面的問題。比如，公司以及其產品在網民中的地位如何，有哪些優點和不足，公司的競爭對手目前有什麼舉動等等。這里就涉及到對於網路進行信息的採集，進而進行輿情監測，發覺公司需要的有價值的信息和情報。
就目前來說，輿情 監測已經成為金融行業的一種十分重要的風險管理手段，因為互聯網的力量越來越不可忽視。交行等就是其中典型的代表，他們的輿情系統來自Knowlesys,是基於web2db knowlesys 的，其主要的效果是這樣的：
1. 可實時監測微博，論壇，博客，新聞，搜索引擎中相關信息
2. 可對重點QQ群的聊天內容進行監測
3. 可對重點首頁進行定時截屏監測及特別頁面證據保存
4. 對於新聞頁面可以找出其所有轉載頁面
5. 系統可自動對信息進行分類26禁止9盜用0
6. 系統可追蹤某個專題或某個作者的所有相關信息
7. 監測人員可對信息進行挑選，再分類
8. 監測人員可以基於自己的工作結果輕松導出製作含有圖表的輿情日報周報

⑻ 商業銀行運用大數據的優勢有哪些

可以直接直接找到精準的用戶群體。