⑴ 大数据或重构商业银行

大数据或重构商业银行
中国工程院院士、中国通信学会副会长邬贺铨将“大数据”描述为“没有办法在容许的时间内用常规软件工具对其内容进行抓取、管理和处理的数据结合。”他同时又指出，大数据本身的规模标准在不断变化中，以前叫海量数据，现在数据比海量数据还大量。
简言之，“大数据”的特征为：数据量极大，数据的种类繁多，数据增速加快，数据来源多样，数据必须经过处理，数据具有定向性。浩如烟海的“大数据”用处极大，完成了以往“不可能”完成的任务。
在美国总统科学技术顾问委员会提交给总统和国会的一篇名为《规划数字化的未来》的报告中，明确提到“如何收集、管理和分析数据正日渐成为网络技术研究的重中之重。以机器学习、数据挖掘为基础的高级数据分析技术，将促进从数据到知识的转化、从知识到行动的跨越。”
“大数据”时代与既往存在的数据区别是，由于数据量的不同，使得“大数据”的挖掘工作量迅猛增加；尤其是数据来源更广，通过交换、整合和研究，可以发现市场发展趋势，市场参与者的需求，让企业从中寻找适合自己的商机，商机在握，就能为企业创造新价值。相比“大数据”的作用，如果说现有的数据能提供对企业类似的帮助，仅是在边缘地带，“大数据”却能真正深入核心。为此，必须使用仿真和复杂的计算，计算速度要求极快，以适应超量、在限时内完成工作的要求。
当然，“大数据”由于人为制造、以讹传讹、操作失误等问题，同样会存在虚假数据。因此，为了最大限度保证数据的准确性，需要大量的数学模型，而且分析结论可直观获得。其中，多源数据的存在提高了结论的完整性。所谓多源数据，是指对同一事物，采集它多方面、多纬度、多形态的记录数据。特别是用于预测时，还要关注历史数据，将两者对比，以缩小过去与未来预测的映射差距。
另外，“大数据”的最终结果展示也应该引起我们足够重视。最近爆发的美国“棱镜门事件”，表面上看，是美国政府对情报的窃取。实际上折射出“大数据”如何展示、向谁展示的问题。特别是“大数据”能够在一定程度上探寻人的思想时，就更加突显其重要性。
三十年前，商业银行用传统的算盘核算、簿记记录各类数据，今天，则以计算机运行、电子数据采集为主，并由此形成了海量数据。
相对“大数据”，过往数据因为过于零散、连续性不足、源头单一、形式单调，无法表现客户的交易行为、交易偏好和交易习惯等个性特征，银行也无法知晓客户对银行产品喜欢或讨厌的具体原因，以及对银行产品和服务满意与否的信息。海量的“大数据”却可以弥补这些缺憾。
商业银行核心竞争力，外部体现在市场份额、市场对其综合评价；内部则是股东利益最大化，员工的满意度。要实现核心竞争力，源头是市场与客户。“大数据”恰恰可以为开拓两个源头发挥重要引领作用。《经济学人》在一篇报道中写到“过去，这些数据储存在不同的系统当中，如财务系统、人力资源系统和客户管理系统，老死不相往来。现在这些系统彼此相连，通过‘数据挖掘’的技术，可以获得一幅关于企业运营的完整图景，这被称为：一致的真相。”
可以预见，今后“大数据”对商业银行的作用主要表现在：第一，对客户的了解程度与过去彻底不同。“大数据”不但让银行把握客户现在，更可以了解客户的历史，通过数据的交换、映射对其进行短期、中期预测。
第二，与客户开展多渠道互动，全面评估商业银行自身的产品和服务在客户中的满意度。商业银行通过自身和公共信息归集渠道掌握的数据，进行分析，有助于改进和提高产品种类及服务质量，在第一时间争取主动。
第三，“大数据”成为商业银行竞争的主要手段之一，其完整性、准确性将决定商业银行的竞争结果。“大数据”在竞争中成为名副其实的“双刃剑”，竞争双方都可以利用掌握的数据来制订竞争策略。
第四，商业银行营销手段以“大数据”为依托，开展针对性的销售。
第五，商业银行风险管理出现巨大变化。商业银行风险管理模型离不开数据。“大数据”的数据多样性和丰富性，能弥补过去数据不够的缺陷，最终带来管理方法的飞跃。
第六，多样化金融型态与传统商业银行展开竞争。马云[微博]涉足准金融业务，是电商市场发展的必然结果。某种意义上也预示“大数据”时代中，新的、能够节约交易成本的方式将不断涌现。
在“大数据”时代，商业银行要积极做好应对工作。
首先，商业银行在日常经营中产生的大量数据是形成整个社会“大数据”的重要组成部分，因此，要对数据管控、数据处理和数据结果反映作出正确处置。
一是数据管控上要依照标准化采集，统一化处理，时效化完成，分级化查阅。坚持做到采集的数据准确，结果可视，使数据应用性大大提高；二是数据处理时一定要科学、依照规则，特别要杜绝以假乱真，以次充好现象；三是处理后的结果，要依照规定展示，并且严格按照国家法律法规进行使用，避免影响商业银行声誉风险事项产生。
其次，商业银行需要投入大量资源用于适应“大数据”技术的需要。对此，对资源的投入一定要有相当的前瞻性，并兼顾当前实际。争取在过渡期内，尽可能地实现资源利用最大化。
最后，商业银行要高度重视适应“大数据”技术的人力储备。美国就曾预计，为适应“大数据”时代到来，未来美国需要60万名拥有数据分析特长，又懂行业知识的复合型人才。这类人才仅仅经过大学培养远远不够，还需要丰富的实践经验。我国商业银行对此类人才的储备相当不足，抓紧人力资源准备更为迫切。
此外，“大数据”时代将带动整个社会交易方式的变化，对诸如商业银行大多不需要体验型服务的行业冲击更大，从业人员和物理型网点一样将趋于减少。一增一减矛盾日益明显，要战略上着眼，早做布局。
商业银行对系统建设要高屋建瓴。今后商业银行的产品和资金提供主要由数据流来实现。同样，服务的虚拟化趋势，会让更多的服务由网络来承担。这一方面需要商业银行借助于社会网络，另一方面其自身的系统建设也必须与此匹配，强大的系统是商业银行未来经营管理的利器。
同样，商业银行要注重利用社交媒体的数据，拓展渠道获取客户信息。学会使用各类媒体，不但为客户服务，而且为优化商业银行自身形象服务。积极参与网络工具形成的各种运作方式，并研究在运作方式中融入商业银行工作目标。真正使媒体、网络工具成为维系、拓展客户的桥梁和重要的通道。

⑵ 大数据时代来临，银行怎么办

大数据概念的兴起似乎还是昨天的事，但托这个高速发展时代的福，我们已经可以看到很多成熟的大数据应用工具了。在很短的时间内，我们就能在茫茫的数据海洋中精确定位、分析，并拿到自己想要的结果。当然，这些技术的进步并非由银行推动，大型零售商、网上商城和各种门类的技术公司才是大数据的主导者，只不过，经过他们的探索之后，大数据也为银行打开了一扇精确营销的大门。从长远来看，银行如能充分利用大数据的优势，可以在市场细分、客户服务、客户研究、产品研发、产品测试等等方面取得重大进步，并在某种程度上彻底改变银行服务客户、销售产品的方式和渠道。 当然，这一切的前提是银行能找对切入大数据时代的方法和工具。对于银行来说，以正确的数量模型和分析方式来契合银行目前的业务需求，是合理利用大数据，达成更多经济回报的关键。其他行业的经验已经证明，大数据固然好，但如果不能对数据进行有效筛选和正确利用，最后只会赔了夫人又折兵。尤其银行是一个比较特殊且敏感的行业，在全局层面彻底进行所谓大数据革命是不实际的，正确的做法是从小的具体业务和关键节点入手，以能被银行现有管理架构和外部监管机制接受的方式，逐步将大数据纳入银行的经营体系中来。 举例来说，当前银行业普遍在为两件事头疼：留住客户、满足客户的期待。对于这两个难题，大数据机制下的情绪分析和行为预测可以发挥意想不到的作用。 分析客户情绪 传统的客户意见收集及调查方式往往以一个组别为单位，通过对于部分群体客户的调查和研究，银行可以得到客户方方面面的情况。随着时代的进步，这样的方式在获得客户金融消费的最新趋势、挖掘客户隐藏的需求等方面已不太管用。最为致命的一点是，这样的客户信息、数据收集方式往往耗时较长，花费更多，但最终得出的结果又往往无法应对客户实时产生的需求变化。 所谓情绪分析，是指收集客户在包括社交网络在内的网络平台上的言论和活动，不仅包括他自己的部分，还包括他最近关联到的其他好友，由此得到的数据，经过一套科学设计过的计算、分析系统，得出某个具体客户近期的情绪走向，为预测客户行动、帮助银行指定具体的应对措施提供帮助。 在这里，“情绪”并不简单代表客户的情感变化，还包括客户的态度立场、情感倾向等等。这在以往的调查分析工具中，是极难把握的东西，但在这个自媒体时代，这样的信息散布在网络上，极易获取、分析。而且抓取、分析这些数据的方法已经相当成熟，从宅在家里的技术男，到正经严肃的学院派，大家都在推出这样的工具。银行只需要选择一个比较稳定的技术供应商，并将结果实时反馈、整合到自己的系统中来，就能在第一时间确定客户对于银行的产品、服务、定价或政策调整的反应，并采取合适的方式应对。如果客户的反应对银行有利，银行可以及时介入，对客户的情绪加以引导，以实现更好的服务和销售；如果客户对银行表露出不太好的情感，银行也能及时发觉并积极处理，进一步提升客户的服务体验。 下面举出几个银行必须及时关注的客户表态例子： “XXX银行在小微业务上的确很好用，但缺乏合适的当天到账服务就太那啥了！” “XX银行的网上查阅账户余额功能的确设计得不错，但客户服务的一些细节真的有待改善。” 以普通人的角度，这不过是两句简单的客户意见表达而已。但在情绪分析工具的帮助下，通过对于“好用”、“缺乏”、“改善”等关键词汇的识别与统计，以及对于上下文意思的了解，就可以形成一张完整的客户情绪变化表，将更多的客户情绪变化汇集到一起，就可以形成一份颇具价值的报告（所谓舆情监控就是这类报告的简单形态）。通过这些报告，银行可以知道自己在客户心中真实的反馈，并知道客户最需要银行在哪些方面做出改变。也就是说，银行可以得知客户的“心愿单”，并将此纳入自己的产品、服务革新计划当中，逐一予以满足。 对于银行来说，客户情绪分析最有用的一点是帮助银行更有效率地回馈客户。我们都组织过各种客户回馈活动，但又不知究竟应当挑选哪些客户进行回馈、哪些客户经过我们的维护可以促成更多的交易——大部分时候，银行只是完成既定的任务，将礼品派送出去就完事，以为这样就能在激烈的竞争中留住自己的目标客户。而现在，银行可以在客户情绪分析工具的帮助下更有选择的进行类似的活动。例如，近期要做一个针对产品的活动，就以产品为关键词，对当前的客户情绪进行研判，得出主流客户群体对于我们产品的态度，再依照态度的不同来选择不同的活动策略和活动力度。这样不仅能帮银行节约成本、提高效率，最为重要的是，这也是维持现有客户忠诚度，并尽可能多地吸收目标客户的有效方式。 当然，批评者会说，目前虽然有大量的客户情绪分析工具，但这些工具的可行性与分析结果的真实性一直都存在疑问。已经有一些银行依照这些工具的帮助进行了一些实验，效果并未如想象中理想。那么，银行应当怎么应对这种尚处在完善过程当中的新兴事物呢？我们的态度很明确：虽然这还是一个有待完善的工具，但大数据的整体趋势是不容置疑的。当银行等到一切都齐备完善到不会出错时，其实就已经落后于时代的脚步了。要想成为行业的领军者，就必须承受创新可能带来的负面效应。 预测客户行为 比分析客户情绪更大的挑战是预测客户行为。关于大数据如何应用于预测客户行为最早最著名的例子，来自美国第二大超市塔吉特百货。明尼苏达州一家塔吉特门店曾被客户投诉，一位中年男子指控塔吉特将婴儿产品优惠券寄给他的女儿——一个高中生。但没多久他却来电道歉，因为女儿经他逼问后坦承自己真的怀孕了。塔吉特百货就是靠着分析用户所有的购物数据，然后通过相关关系分析得出事情的真实状况。 对于银行来说，正确地预计消费者的需求，并及时组织好可匹配的产品与服务响应客户的需求还是一件比较难完成的任务。这需要大量历史数据的储存与分析，还需要有应对各种行为可能的预测机制（不同的行为意味着不同的算法），才能实现塔吉特百货那样“料事如神”的效果。令人头疼的是，零售银行所需的数据关联性与零售商业的数据存在着一定的差异，因此需要针对银行产品和服务的特点进行重新设计。只要银行能解决这样的问题，并把分析的结果实时、具象的体现在前端营销人员的电脑、手机里，就能帮银行解决很多眼下头疼的问题。在全局层面上，这样的预测机制也能帮银行少走很多弯路，避免不必要的资源浪费。 银行可以根据客户以往的消费记录，尤其是与金融产品直接相关的消费记录，以及目前所持有的银行产品的使用情况建立数据收集模型，通过一定时间的数据收集和分析之后，便能为银行下一步的产品策划与营销提供翔实的数据参考。在此基础上，诸如交叉销售、深度挖潜、提升单个客户贡献度、保持客户忠诚度等等业绩或营销目标都能更轻松的完成。当你知道客户的情绪变化，还知道客户可能的购买需求，只要你能以合适的方式将客户所需要的东西及时递上，客户自然会乐意接受。 以合适的方式来发挥大数据的效用非常重要。大数据可能带来的一个负面效应就是客户隐私的被侵犯，前面提到的塔吉特百货就是一个例子。在这个事件之后，塔吉特百货调整了自己寄送优惠广告的方式：当发现某位客户可能怀孕之后，塔吉特百货还是会寄送一份包含孕妇所需产品的小册子到她手上，只不过通过视觉排版、其他品类产品交叉排列等等方式，在不引发客户那种“被窥视”的反感的前提下，实现了产品的精准推荐。最终，在大数据的帮助下，2002年到2010年间，塔吉特百货的销售额从440亿美元增长到了670亿美元。 值得一提的是，大数据应用还能帮助银行实现有效的风控。国外已经有一些金融机构利用大数据来帮助金融产品交易、信用卡消费等方面的风控。尤其是在信用卡、无抵押贷款等产品上，通过大数据建立的模型，银行能准确的知晓某个客户的生活和消费情况，从而选择是不是要发放卡片/贷款给他，或者要不要给他提升额度、延迟还款期。一旦某个客户出现异常行为，银行也能在最短的时间内知晓，并采取相应的措施防止风险案件的发生。 总之，虽然还不够完善，但大数据拥有无可限量的未来。

⑶ 商业贷款,银行说我的大数据系统评分非常低,而且现在还查不了,我自己是哪里有问题

在招商银行去查征信，上征信的小贷，上面都会体现出来。那是最全的。如果上面没有体现的，就无法进入大数据

⑷ 大数据时代与科技发展对商业银行有什么影响

无法在可承受的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。 有人把数据比喻为蕴 藏能量的煤矿。煤炭按照性质有焦煤、无烟煤、肥煤、贫煤等分类，而露天煤矿、深山煤矿的挖掘成本又不一样

⑸ “大数据”时代金融统计在商业银行营销中的应用研究

大数据是指来以多元形式，自许多来自源搜集而来的庞大数据组，往往具有实时性。在企业对企业销售的情况下，这些数据可能得自社交网络、电子商务网站、顾客来访纪录，还有许多其他来源。这些数据，并非公司顾客关系管理数据库的常态数据组。从技术上看，大数据与云计算的关系就像一枚硬币的正反面一样密不可分。大数据必然无法用单台的计算机进行处理，必须采用分布式计算架构。它的特色在于对海量数据的挖掘，但它必须依托云计算的分布式处理、分布式数据库、云存储和/或虚拟化技术。大数据的意义是由人类日益普及的网络行为所伴生的，受到相关部门、企业采集的，蕴含数据生产者真实意图、喜好的，非传统结构和意义的数据 。

⑹ 大数据时代对商业银行的影响

大数据来时代到来后自,信息的数量剧增,并且传播非常迅速,这对于商业银行来说是一个非常大的挑战。
大数据有力地推动了商业银行传统客户管理形式的不断完善,新的经营管理方法因运而生,将第三方加入到了金融竞争中,并迫使其增强自身的管理能力,在这样的状况之下,商业银行如果不在第一时间内转换传统的经营管理形式,就很有可能会成为大数据时代的牺牲品。
身处在大数据时代,应当及时调整原有思维,加大对数据变动的关注度,发扬自身优势,借助大数据努力处理好新产品的研究和开发、客户管理和银行内部管理等事项,采用完备数据库、创建数据平台、建设数据队伍等手段,通过对大数据技术的合理运用,推动商业银行的整体发展。

⑺ 如何运用大数据进行商业银行风险管理

商业银行的风险管理除了对基于银行过往的数据对未来做出预测以外，还会涉及到公司层面的问题。比如，公司以及其产品在网民中的地位如何，有哪些优点和不足，公司的竞争对手目前有什么举动等等。这里就涉及到对于网络进行信息的采集，进而进行舆情监测，发觉公司需要的有价值的信息和情报。
就目前来说，舆情 监测已经成为金融行业的一种十分重要的风险管理手段，因为互联网的力量越来越不可忽视。交行等就是其中典型的代表，他们的舆情系统来自Knowlesys,是基于web2db knowlesys 的，其主要的效果是这样的：
1. 可实时监测微博，论坛，博客，新闻，搜索引擎中相关信息
2. 可对重点QQ群的聊天内容进行监测
3. 可对重点首页进行定时截屏监测及特别页面证据保存
4. 对于新闻页面可以找出其所有转载页面
5. 系统可自动对信息进行分类26禁止9盗用0
6. 系统可追踪某个专题或某个作者的所有相关信息
7. 监测人员可对信息进行挑选，再分类
8. 监测人员可以基于自己的工作结果轻松导出制作含有图表的舆情日报周报

⑻ 商业银行运用大数据的优势有哪些

可以直接直接找到精准的用户群体。