《银行与大数据的战略思考概述.docx》由会员分享，可在线阅读，更多相关《银行与大数据的战略思考概述.docx（42页珍藏版）》请在三一办公上搜索。
1、大银行与大数据的战略思考（首席经济学家 黄志凌）大数据时代已经悄然来临。大数据用来描述规模巨大、类型复杂的数据集合，被誉为是继云计算、物联网之后，IT产业又一次颠覆性技术变革，引起各方高度关注。2011年，著名咨询公司麦肯锡宣布“大数据”时代已经到来；近年来，IBM、甲骨文、SAP等业界巨头纷纷收购与大数据有关公司，加速布局大数据领域；2012年，达沃斯论坛报告大数据，大影响称大数据像货币和黄金一样，成为新的经济资产；2012年，奥巴马政府宣布投资2亿美元启动“大数据研究和发展计划”，旨在增强对海量数据的搜集和分析萃取能力。现代银行相对于传统银行最大的差别（或者说最大进步）在于数据的深度利用。
2、在现代IT技术之下，数据对银行来说已经超越了账务信息等传统的涵义，成为现代银行经营的宝贵资源。现代银行特别是大型银行的经营管理活动，很大部分表现为基于计算机技术的数据管理和运用，其中最核心的工作是数据挖掘，即从海量数据中找出隐含于其中的有价值信息，支持或指导经营决策。随着外部资本监管日趋严格、同业竞争日趋激烈、客户行为日益敏感、盈利能力不断下降，越来越多的商业银行开始运营大数据方法驱动经营模式转型，并深度服务客户选择与风险管理、产品设计与精准营销、资源配置与结构调整，终于出现“数据驱动型银行”，表现为从客户的选择到产品的设计、再到内部的管理，都是由数据驱动，由数据支撑决策。银行从大数据思维，到
3、数据驱动型经营，需具备以下特点：第一，要养成一切靠数据说话的思维习惯，这是数据驱动型银行的基础；第二，要有庞大的专业、高效的数据挖掘知识体系；第三，要有积极广泛的数据应用，这些数据应用要更多地体现在风险识别与预警，市场的拓展与产品设计，以及绩效考核与资源配置；第四，要实现真正意义上的精细化管理，彻底扭转客户、市场、盈利等方面的粗放型管理方式；第五，要认识到数据是最重要的经营资产，是持续创利的资产，是没有天花板的盈利资产，银行竞争力与盈利能力主要取决于数据积累和数据挖掘，而且有可能呈几何级增长。目前，第三方支付机构拥有的海量数据资产已经对商业银行形成挑战，未来比金融脱媒更令人担心的可能是客户数据
4、脱媒和信息脱媒，最终导致客户流失、服务能力降低。对大银行而言，建立大数据能力已经成为保持竞争优势的必然选择。一、大数据已成为大银行的战略性资产和核心竞争力银行长远的发展战略，是培养自己的核心竞争力。什么是核心竞争力？有人说是IT，有人说是人才，有人说是客户，总而言之，各有各的理解。所谓的“核心竞争力”，关键的要素叫做“不可复制”、“不可替代”。产品是可以被复制的，客户是经常有流动的，这都难以成为我们的核心竞争力，而大数据能力由于其特有的性质将逐渐成为银行真正的核心竞争力。大数据首先是建立在银行自己的数据基础上，不是数据多少的问题，而是你我的数据不同，在不同数据基础上做出的模型是不可复制的。马云
5、，马化腾，还有马明哲，这三个中国互联网的领军人物，他们有合作，但是彼此之间都无法复制，就是因为他们在各自不同的数据基础上，建立起来的竞争力是无法复制、不可替代的。第二，我们在自身数据基础上培养出来的人才，也是无法复制的核心竞争力，这些数据分析专家在我们的数据环境下成长起来，别家银行的数据环境跟我们完全不一样，他就没有用武之地，这就是特有的人才。（一） 大数据是大银行解决面临问题的重要着力点大型商业银行正面临很多严峻的挑战和问题，例如利润增速下滑、资产质量降低、市场地位受到挑战、传统产品增长空间受到限制等，尤其是随着中国经济增长进入“新常态”、银行进入股改红利后时期，传统上靠扩大规模就可以维持快
6、速增长的时期已经过去了。银行转型首先解决的是寻找新的利润增长点，从发达国家银行发展经验看，通过深入挖掘分析客户真实需求、提供更有针对性的服务，就可以大幅提高盈利水平，这是体现数据挖掘价值最直接地方。比如花旗银行亚太地区，近年来有25%的利润来自于数据挖掘；汇丰银行通过数据挖掘开展交叉销售，使客户贷款产品响应率提高了5倍；澳洲联邦银行运用大数据分析来提供个性化的交叉销售，成功将交叉销售率从9%提高到60% ；VISA把发现信用卡欺诈的时间从1个月缩短到13分钟，极大地降低了信用卡欺诈带来的风险；另外，数据挖掘在客户挽留、客户细分等领域都有效果非常好的应用。这还是在他们原有数据分析水平就较高的基础
7、上，国内商业银行数据挖掘分析水平本来较低，这方面的工作将会产生更大的效果，相比于传统上跑马圈地、扩张规模的做法，可以起到事半功倍的作用。进入移动互联时代后，“跨界”成为普遍特征，互联网企业利用平台优势和数据优势不断入侵其它行业，银行业也受到了很大冲击，我们在转型中必须要思考未来银行业务模式到底是什么。实际上，在生意比较好做的时候，很多事情我们不愿意做，失去了很多商机，我们有上亿的个人客户，这些客户在购买产品、出差时的消费记录都可以记录下来，如果我们知道一个客户购买了机票或火车票去异地出差，就可以为他推荐目的地的酒店，就像艺龙、携程那样，不仅可以方便客户，还会带来可观的利润。利用大数据技术这是可
8、以做到的。这还仅仅是简单的开始，大数据会使银行能够真正介入客户日常生活，成为客户各项活动的“安排者”和伙伴，这会为银行的经营方式带来革命性的改变，就像BRETT在BANK3.0中说的，银行变为一种行为，渗透到客户的每个日常活动。银行转型面临的第二个典型问题是风险管理，传统上银行的风险计量更多的是依靠客户财务数据，不仅滞后，往往还有很严重的数据质量问题，大数据为识别客户风险提供了全新的思路，例如，使用客户交易行为数据、舆情数据甚至企业主的行为数据，可以更加及时、准确地发现企业的潜在风险，比起传统上通过下户调查、分析财务数据的方法更加有效。可以说，银行转型的各个方面都可以从大数据方法中获益，发达国
9、家商业银行经验表明，在很多领域数据挖掘都会产生巨大的价值。这次全球金融危机之后，各国银行都在探索转型路径，寻找未来银行的发展方向。经过多方观察和深入思考，我们发现大部分银行的转型都有一个共同的特点，就是转型的设计方案都是建立在大量数据分析的基础上，数据已成为当前最突出的各种矛盾、各种潜力、各种机遇的一个集合点。也就是说，从数据入手，我们可能就找到大型银行未来转型的一个事半功倍、给一个支点就能撬动地球的一个着力点。通过数据挖掘，准确理解市场发展方向、客户需求、风险特征，能够使我们正确配置资源，实施有效创新。相比较新的产品和其它资源，大数据上的能力更难以复制，因此更可能成为我们的核心竞争能力。因此
10、，大数据不是一地一隅的事情，事关全行战略转型全局，全行上下必须高度重视。一些先进银行的经验已经表明，数据挖掘会创造很可观的效益，尤其是对我们这样数据分析基础还比较薄弱的银行，只要稍稍投入就会产生出巨大的效益。（二） 数据已成为大银行的战略性资产对于现代化的大型银行而言，我们的资产不仅是贷款等，有相当重要部分是数据，是尚未被纳入核算系统的财产，这是大银行区别于小银行，也是现代银行区别于传统银行的关键之处，数据是我们的重要财产。现在，银行的一切活动都被数据化，客户的每一个行为、资金流转的每一个细节、每一个决策、每一次交流都成为数据，这些数据一旦得到深入分析使用，会深刻改变银行创造价值的模式。与其它
11、资产还不一样，数据的价值在被发掘后还能够不断产生新的价值，其真实价值就像浮在水面上的冰山，我们发现的只是一角，绝大部分都隐藏在表面以下。阿里在美国上市当天市值达到2300多亿美元，在当时建行才有1800多亿的市值，它比我们建行都大，甚至比工行都大。马云的优势在哪，为什么全球的投资这么追捧？数据平台是他的重要财富。再看FACEBOOK的例子，2012年它上市时定价是38美元，总估值1000多亿美元，但在2011年底其资产负债表中总资产是多少呢？仅有66亿美元！也就是说，市场当时对FACEBOOK账面之外的数据等资产的估值接近1000亿美元。谷歌收购了一些公司，其实他收购的是数据，每一次对数据公司
12、的收购都带来市值的巨大变化，说明数据是他们的重要财富。最近国际上很多机构都在探讨如何量化数据等无形资产的价值，例如美国一个联邦储备银行经济学家估计企业拥有的数据等无形资产的价值超过8万亿美元，相当于德国、法国和意大利的GDP之和；美国财务会计准则委员会也在探讨研究数据等无形资产价值的事宜。大型银行的数据财富往往被忽略了，我们必须要认识到数据的价值，把数据作为重要资产保护、经营，未来要立于不败之地，不能完全看存款、贷款，还应看我们的数据挖掘和运用。如果银行真能树立起数据优势，股价一定会有大幅度上涨。从实际情况来看，我们的数据优势一点都不比马云差，关键是我们没有把数据当作财富，说到底我们没有这方面
13、的人才。数据就像矿石一样，价值不在于多少，而在于挖掘。资源利用的越深价值越大，就在于挖掘。银行的数据没有价值是因为没有挖掘，没有挖掘就是符号，各分行那么多数据，通过数据挖掘创造的价值可能几倍于通过市场开发创造的财富。数据财富是没有天花板的，可以不断挖掘、不断创造。在银行业，对数据资产的争夺已经关乎产业的未来格局。银行自诞生以来就是靠信息驱动的行业，银行从不吝惜在信息方面的投资，在经营资金和风险过程中，资金流、信息流天然就结合在一起，内外部交易积累了海量的数据，银行每个员工都在从事数据采集、几乎也都在使用数据。但是，由于传统上银行更多强调事后统计工作（包括监管统计、各类报表等），大量数据资源没有
14、得到充分挖掘，无法通过挖掘进行预测并支持经营管理，银行相比互联网公司在这方面已经处于劣势。进入大数据时代，数据成为银行的战略性资产，银行其它资产甚至需要追随数据进行整合优化，深入的数据挖掘分析对银行客户营销、产品创新、绩效考核以及风险管理等将发挥日益重要的作用，数据挖掘和应用能力成为银行核心竞争力的关键因素。银行的经营方式从过去的产品为中心、客户为中心过渡到以数据为中心，数据驱动成为银行业发展的不可逆转的方向。大数据正成为银行获得新的认知、创造新的价值的源泉，也是改变市场、组织机构以及银行与客户关系的方法。在大数据的支持下，我们可以将未来银行描绘为这样一张蓝图：银行有整合完整的客户行为数据，充
15、分了解客户消费及投融资偏好，能够据以即时为客户提供针对性服务。当客户走入银行，轻轻点击触摸屏时，我们可以根据他的指纹等生物信息快速识别其身份，并通过客户以往的交易及消费行为记录、客户的收入情况、各种贷款及固定还款情况推测客户可能要实现的交易需求。同时利用客户的基本特征与金融大数据分析结果比对，推测客户可能的风险承受能力平均值，以及他倾向性的理财需求，为客户提供一款适合其性格及消费习惯的个性理财产品。客户不再为每天接受大量无针对性理财发售信息而倍感头痛，银行会根据客户的交易记录适时的为其提供理财产品信息，配套产品服务推介，让每一位客户感觉到他的专属服务。可以这样说，数据会深刻改变银行的经营模式，
16、重塑银行服务行为。从这个方面说，与小数据相比，只有大数据才成为银行的战略资产，银行掌握的数据规模和质量成为影响其商业价值的关键要素之一，在大数据时代公司的品牌价值正让位于其掌握的数据的价值。目前很多互联网公司在大量跨领域并购掌握数据资源的公司，例如阿里并购高德地图和优酷土豆，腾讯收购大众点评和58同城，百度收购91无线，在很大程度上都是为了并购对象的大量数据资源，他们现在的行为也会是银行将来的发展趋势。（三） 数据挖掘能力成为大型商业银行的核心竞争能力实现大数据的重要价值有一个前提，就是要能从纷繁芜杂的数据中去伪存真、找出规律，发现有价值的信息，这仅靠专家的经验和智慧是远远不够的，需要更多地借
17、助数据挖掘技术。这里举一个著名的案例沃尔玛“啤酒和婴儿纸尿裤”的故事。大致情节是这样的：沃尔玛公司某店面经理偶然发现一个现象，周末啤酒和婴儿纸尿裤的销量会同时出现上升。这个现象通常不会引起重视，因为超市销售的商品数以万计。但是店面经理对商品销售数据进行了数据挖掘分析和跟踪，最后发现，购买这两种产品的顾客年龄基本都在25-35岁左右，他们的孩子大多都在哺乳期，周末往往都会按照妻子的吩咐到沃尔玛超市为孩子购买婴儿纸尿裤，而在购物的同时他们通常也会为自己顺便买几瓶啤酒（因为周末是美国各种球赛电视直播最集中的时间，可以边喝啤酒边看比赛）。发现这个非常有价值的规律以后，超市对物品摆放进行了调整，将原来相
18、隔较远的妇婴用品区调整到酒类饮料区附近，这样不仅方便了客户选购，而且大大提高了两类商品的销量。如果没有数据挖掘方法，这个规律不太可能凭经验发现。现代商业银行各种风险管理的技术方法，都是基于数据；银行各种风险经营和决策，都强调“数据说话”。当然，数据本身并不会说话，要通过对银行的数据进行深入的挖掘，发现我们的市场、风险和盈利。对这些问题的认识，全行不是没有，但是局限在少量一些人，比如说做信息的人，还有些前沿地区的分行，他们感觉到了，也进行了尝试并取得很好效果，但是大部分同志甚至分行领导同志都没有，更不可能在这方面投入精力、有比较深的认识。所以，怎么提高全行对数据的认识，培养先进的数据理念，真正做
19、到以数据说话、基于数据决策并形成良好习惯将是任重道远的工作。我们不仅要采集、管理好数据，更重要的是不断挖掘、应用数据，人脑越用越灵光，数据也是越用就越好用、价值越大。数据可以进行不断的挖掘分析，上次挖掘的结果可以作为新的数据推动下一步更深入的挖掘，从而产生挖掘的“乘数效应”，创造越来越大的价值，这样的良性循环使数据挖掘能力真正成为大型银行不可替代的核心竞争力。（四）大数据促成了银行管理转向以数据分析为基础的精细化管理以往，由于数据和分析手段的缺乏，银行专家更多依靠经验、逻辑判断进行业务决策，对较长时间跨度的数据分析应用较少。这种单纯依靠经验判断的弱点体现在：一是无法获取准确的业务趋势信息，不能
20、“先知先觉”；二是不能对客户进行充分细分，不能支持满足客户需求的差异化策略；三是无法准确跟踪评估业务策略的效果；四是无法准确权衡收益、风险、成本、贡献，造成顾此失彼和业务条线矛盾。随着大数据时代到来，以数据分析为基础的精细化管理已具备条件，显示出巨大优势：一是量化分析的结果更为客观，更易于理解、被管理者接受，更容易让不同层级、条线的人员达成共识；二是量化分析结果可以长期储存和反复跟踪验证，比人为判断更能准确获取市场规律并在实践中印证，从而也具有更好的预测能力和事后评估能力；三是能够照顾到不同客户群体的各种细分需求，使针对性服务水平大幅提升；四是可以用于权衡复杂的风险收益关系，确保价值创造最大化
21、。比如，对客户信用评级模型，通过引入大数据分析方法，减少主观判断，强调数据相关性分析，可以提高风险预测的准确性，提高风险决策水平；利用大数据分析平台，收集分析客户的交易行为数据、社交网络数据，用以实现增强的客户细分、客户挽留、客户获取和最佳行动推荐等，对客户展开营销；基于大数据，可对产品、客户、渠道的业绩表现进行充分的比较，从而为业务变革策略提供支持，例如分析客户流失趋势、产品贡献度、渠道运行效率和成本等，对建立客户、产品、渠道变革策略分别具有重要意义。二、对于大银行来说大数据并不神秘人之所以区别于其他动物，其本质在于思维，人类总是基于理智判断环境，做出决策。孙子兵法有云，“知己知彼，百战不殆
22、；不知彼而知己，一胜一负；不知己不知彼，每战必殆”，这其实揭示了人类决策的三要素：知己、知彼、权衡。早期，受制于数据收集、数据存储、分析技术和工具的局限性，我们仅停留在有用的、直接的、可感触的信息层面，以满足我们对现状的认识。随着社会的发展，我们对权衡的需求越来越迫切，但“知己、知彼、权衡”的难度也越来越大：所谓“知己”，不仅仅是了解一个个体，而是了解其作为群体的个体，作为集团的个体，作为区域的个体；所谓“知彼”，受制于信息安全管制、信息垄断、欺诈利用等行为，使传统的方法不再有效；所谓“权衡”，由于追求的目标日益复合化，模式日趋复杂，传统的决策依据和经验失效，都是导致行为出现偏差的重要原因。传
23、统的事实分析，多采用静态的趋势外延的方法，即根据经验认知和直接信息，推演事物的规律，揭示事物发生的原因，但由于经验的局限，直接信息的片面，以及方法的滞后，导致传统的事实分析无法对未来进行准确预判。基于相关性的事实预测，能够帮助我们解决这个难题。比如地震预测，全面收集到地震形成的数据，在当前的技术和认知水平下，这几乎是不可能的任务，但是我们可以通过观察动物的反常行为来预测地震，这就是基于相关性的事实预测，而且通常高效、准确。基于相关性的事实预测，最大的挑战是如何动态地记录、储存、量化、分析海量的非结构化数据。一直以来，我们对相关性分析并不陌生，但都是基于结构化数据，非结构化数据的引入，能够很好的
24、帮助我们获得更加准确的分析结果，但是从将非结构化数据整合至结构化数据，成为了我们面临的重大挑战。直到IT革命的出现，这个挑战才开始发生变化。IT革命不仅是设备或技术的革命，更是信息和技术相互影响的共同革命,信息的广泛高效以及低成本收集、储存、分析变成现实；而互联网的出现与发展解决了动态记录与实时反馈，从而使得相关性分析普及成大数据方法，进而使数据分析更深入、更准确、更及时、更前瞻。大数据的核心正是在基于相关性的事实预测，大数据的革命则是分析方法的革命，这种突破带来了社会经济发展的飞跃，使过去很多不可能的事情变成了现实。从理论上来说，我们几乎没有任何事情是不可知的，因此我们的决策将会更加精准、更
25、加科学、更加理性，社会经济运行效率将会极大提高。在美国，大数据甚至应用在了社会公共决策上，专家们通过大量的数据收集、分析、测试、试验，得出“1元钱的就业指导将减少5元钱失业保障支出”的数据结论，政府基于这个数据结论调整就业指导政策后，大幅度减少了失业保障金的支出。大数据的应用前景也是非常广泛。在“知己”方面，大数据可以帮助我们更加了解个体和群体，更加了解市场的过去、现在、未来；在“知彼”方面，大数据可以让我们更全面地了解竞争对手、合作伙伴、各种利益相关者；在应对多元化的经营目标时，大数据可以帮助我们更好地权衡收益、风险、政治、社会责任等。传统认知工具很难面面俱到、和谐兼顾，但是在大数据方法下我
26、们可以开展多目标、多层次、多角度的权衡测试，进行多方案的选择，极大提高了个体和群体的行为能力。（一） 大数据的基本范畴首先是数据量要充分大，从MB级数据量，到GB级，到TB级，直到今天动辄的PB级数据量，都属于大数据的范畴，而且这个范畴是没有边界的，没有人知道未来数据量将会达到什么程度。其次是数据面要充分广，从传统的交易数据，扩充到语音、文本，甚至是一举一动，在过去看起来无法利用的垃圾、噪音，今天都有可能成为我们分析的宝贵资产。然后是数据粒度要充分细，要把握每一个细节，才能充分发挥效果。最后是数据要充分相关，打破传统的数据孤立局面，在不同数据之间建立相关的联接，真正使用大数据。（二） 大数据的
27、思维的关键特征第一，我们对大数据不能过分地追求所谓的精准、标准。为什么大数据时代我们不再追求数据的精确度？一方面，随着放松了数据容错的标准，我们掌握的数据也多了起来，可以利用这些数据做更多新的事情。举个例子，假设我们要测量一个葡萄园的温度，如果整个葡萄园只有一个温度计，那就必须确保这个温度计是精确的而且能一直工作，这就是小数据时代的特点；但是如果每棵葡萄上都有一个温度计，其中有些温度计的结果是错误的，但众多的温度计一定会提供一个更加准确的结果，这就是大数据时代的特点。如果再考虑到度数频率，如果一个小时读一次，对读取准确的要求就必须很高；但如果每个温度计每秒钟都能产生一个温度，那么其中有一些错误
28、就是完全可以接受的，而且我们还会发现一些更多的温度变化规律。大数据时代，为了收集到数量庞大的信息，我们需要放弃严格精确的选择，这是值得的。我们怎么看待全部数据和使用部分数据的差别，以及如何选择放松要求取代严格的精确性，将会对我们与世界的沟通产生严重的影响。过去都说，银行的数据规模虽然很大，但真正有用的数据不多，尤其是在风险建模时，每次要进行清洗，每次只有几千条数据是有用的，大量的信息全都洗掉了。我们过去经常批评数据仓库“垃圾”进，“垃圾”出，其实大数据的概念本身是容忍数据的不精确的，我们过去讲数据要精准，那是过去我们的存储能力有限的情况下，我们必须通过高质量的数据进行分析，事实上，高质量的数据
29、会降低处理难度，但其数据价值也是非常有限的。大数据说他大，不仅是量的大，还有全、复杂和乱。通过对这样一种大数据的分析，才能真正发掘出有价值的东西。现在这个时代，储存和处理都不再是问题，大量结构化、非结构化数据看似垃圾，但是垃圾数据里可能蕴藏着财富，我们必须以大数据的概念来看我们的数据资产。第二，大数据的核心价值在于预测，这对于我们银行是最需要的东西。大数据的核心是预测，就是把数学算法用到海量的数据上来预测事情发生的可能性，一个客户会购买某个金融产品的可能性，一笔贷款发生违约的可能性，从一个人理财和消费行为来看他是否会利用信用卡分期付款的可能性，这些预测之所以会成功，关键就是建立在海量数据的基础
30、上。随着系统接收到的数据越来越多，预测的能力会越来越好。在不久的将来，许多现在单纯依靠人类判断力的领域都会被系统改变甚至取代。这在很多方面已经改变了我们的生活，比如说亚马逊和当当可以帮我们推荐想要的书，百度可以为关联网站排序，微博可以猜出我们认识谁。同样的技术也可以运用到银行管理的各个方面。想象一下，如果我们可以通过海量数据分析了解客户的下一个行为，那将是多么有价值的事情！这在大数据时代已完全成为可能，虽然人们的行为模式有很大不同，但我们大多数人同样是可以预测的，这意味着我们能够根据个体之前的行为轨迹数据预测他或者她未来行踪的可能性。我们过去做风险评级，讲的是从过去看现在，试图发现规律。大数据
31、对于过去是什么样并不在意，更多关注的是未来是什么，核心价值就在这里。其实人们都想知道未来，知道未来就能做出决策，关键是能不能知道未来。我们过去所有的统计都在试图解决这方面的问题，只有大数据方法出现以后，我们才使预测变成了真正的可能，通过找到一个关联物并监控它，就能预测未来，建立在相关关系分析法基础上的预测是大数据的核心。对于预测有两个方面我们必须把握的，第一个是预测业务方向，预测值不会是非常精准的，但方向至关重要。第二个是刻画一个个体所具有的某种行为特征，能刻画就能选择好客户，选择好客户风险也就可控了，价值也有了，这是个非常重要的事情。大数据的价值就在于预测和刻画，至于说某个准确的数值，这不是
32、大数据要做的事情。第三，大数据更关注相关性而不是因果关系。也就是说只告诉你“是什么”，不回答“为什么”，这已经足够了。相关关系很有用，不仅仅是因为它为我们提供新的视角，而且提供的视角都很清晰。举个例子，一个人的信用常被用来预测他的行为，FICO（美国个人消费信用评估公司）在20世纪50年代发明了信用评分，2011年他们提出“遵从医嘱评分”它分析一系列的变量来决定这个人是否会按时吃药，包括一些看起来怪异的事情，比方说，一个人在某地居住了多久，如果此人已经结婚的话，就会分析他们多久换一个工作以及是否有私家车，有私家车和是否会按时用药并没有因果关系，但数据显示他们相关，这样的评分会帮助医疗机构节省开
33、支。FICO的首席执行官进而扬言，“我们知道你明天会做什么”。同样，利用客户的资金交易行为数据，我们可以做很多数据上的关联分析，甚至发现一些隐藏的规律特点。例如一家国际大型银行通过大数据分析，发现年长足球爱好者的利润率是普通客户的3倍，进而通过为这批客户提供特定服务获取了不菲收益。再举一个零售业的著名例子，Target是一家非常大的美国零售公司，他们已有大数据的分析。有一天，一个电话打进来，是一位非常生气的客户，这个客户说公司送给他17岁的女儿一个折扣券，这个产品是尿布或者是避孕药，这位客户说：“我17岁的女孩子根本不需要，我需要你来道歉。”几天以后，客户自己跑来道歉，他说你说的很准，我的女儿
34、真的怀孕了。因为怀孕的女性会有不同的生活习惯，会买不同的东西，我们自己有时候都不知道他们已经怀孕了，而Target反而知道了。这家公司就用这些信息为客户推荐产品，然后给折扣券。为什么要讲这些例子呢？在大数据时代，我们不必非得知道现象背后的原因，而是要让数据自己“发声”，一旦找到了一个现象的良好的关联物，相关关系就可以帮助我们捕捉现在和预测未来。2008 年连线杂志主编克里斯安德森就指出“数据爆炸使所有的科学研究方法都落伍了”，用一系列的因果关系来验证各种假设和猜想的研究范式已经不实用了，如今它正被基于大数据的相关关系研究所取代。让数据发声，我们会注意到很多以前从来没有意识到的联系的存在，例如对
35、冲基金通过剖析社交网络上的数据信息预测股市走向，京东和亚马逊根据用户在网站上的类似查询来进行产品推荐，微博通过用户的社交网络图来猜测其喜好。当然在研究完善制度时可能需要进行进一步分析原因，但是对于决策时并不需要精确了解因果关系。大数据更多考虑的相关性，为我们预测提供很多的便利。比如浙江行的一个支行行长做小企业业务的时候发现一个问题，有个老板老往澳门跑，就怀疑这个企业可能有问题，事实上证明确实如此。这就是相关性分析，老往澳门跑不一定是赌博，但是赌博概率比较大，老板只要一赌博，好端端的企业可能都给赌没了。所谓大数据思维在很大程度上就叫做相关性思维，透过一些相关性来捕捉信号，进而进行预测，我们在理解
36、和运用大数据的时候，相关性这个词大家一定要深刻理解并牢牢记住，透过相关性来解决问题。大数据思维的重要影响，就是会在很多方面影响我们思考问题、分析问题、解决问题的方法，使我们更快、更准确地了解世界。（三） 大数据的核心技术其实也很简单第一，相关性关系建模，这个建模方法能够帮助我们快速、理性的进行决策。第二，非结构化数据处理，大量的语音、文本、视频、点击流等非机构化数据，承载着许多行为信息，将这部分行为信息转化为结构化数据，纳入我们已有的结构化数据体系进行量化分析，这实际上是大数据目前的一个核心技术。大数据的工具有很多，常见的工具主要可归结为回归分析和随机试验。回归分析是统计学中革命性的进步，随机
37、试验则能够让我们选取的样本更加具有代表性，特别是在样本足够大的时候，其客观性更加有保障。三、 大银行应具备大数据逻辑思维随着商业银行资产越来越大，业务结构越来越复杂，以往的经营经验已经不能完全满足大数据时代下对银行经营者的要求。跨界经营的探索者同样面临这样的问题，量化经营管理成为了行业发展的共同趋势。从西方商业银行分化的历史上来看，基于自身交易数据管控、量化分析与数据挖掘，曾是商业银行分化的主要驱动因素。但是，挖掘自身交易数据的局限性在于，我们无法据此准确的预测市场趋势，也无法准确判断客户的行为走向，从而在战略选择和经营决策上经常出现失误。近年来，部分银行受相关性分析方法的启发，开始尝试运用内
38、部的非结构化数据，甚至外部的非交易性、非结构化数据，进行内部的潜力挖掘，外部的市场预测，以及客户的行为分析，收到了意外的功效。由此，银行大数据的思维开始形成，并展现出以下特征：第一，了解客户的金融需求。在过去，我们靠着走访企业的财务总监，交易人员，发觉判断客户的金融需求，但是由于获取信息的不全面，可能造成盲目的推荐产品，导致客户粘度、客户贡献度都很难提升。现在许多外国的商业银行已经开始用大数据的方法分析、了解并把握客户的金融需求。第二，预测客户的风险。银行是经营风险的，银行的风险既来自于市场又来自于客户，但主要来自于客户。我们传统的分析方法依赖于收集客户的财务数据和我们自身积累的交易数据，很难
39、做到更早、更全面、更细致地把握客户的风险，对风险的预测能力很差。风险管理要进步，不能局限于过去的内部评级上，要用大数据的方式和方法，引导风险管理发生根本性的改革。第三，把握交易价格走向。现代的商业银行，资金交易的比重越来越大，地位也越来越重要。大数据在这方面的应用，能够帮助我们预测价格走向，决定交易定价。第四，挖掘内部潜能。有人分析，说中国银行业如果真正能够做到精细化，我们的利润翻两番都是有可能的。大数据就能够帮助我们准确定位管理上的薄弱环节，内部配置上的资源浪费，不断挖掘内部潜能，实现银行的可持续发展。作为银行家，大数据可以在以下几个方面帮助实现其经营“梦想”：（一） 为透彻了解市场创造了可
40、能银行家要面临复杂的形势做出各类决策，透彻地了解市场、把控市场是我们最大的梦想，能够知道市场的发展趋势才能做出有效的战略决策，这是成就“国内领先、国际一流”目标的重要前提条件。我们现在面临的市场环境，与银行家的“市场梦”之间有很大的距离，许多问题亟待解决：面对这样一个相对饱和的市场，我们要做到多大规模才合适？面对这样一个复杂的市场，什么业务是我必须要做的？各个业务应该做到多大规模？这些问题的存在，都说明市场选择极其困难。传统上已经有很多工具和方法帮助我们去理解市场，例如波士顿矩阵、标杆分析、SWOT分析等，也包括抽样调查等成熟的统计工具，但只有大数据方法才为我们透彻地了解市场创造了可能，通过对
41、全部客户海量行为数据的分析，我们将有能力知道市场的未来发展方向，进而可以有针对性地做出战略安排。依托大数据，人们了解市场的方式正在发生重大变化，例如，海关出口数据是判断外贸形势的关键指标，是在出口企业卖了货以后进行统计；但通常买家在采购商品前，会比较多家供应商的产品，在阿里巴巴网站统计数据中就反映为查询点击的数量和购买点击的数量维持一个相对的比例，2008 年初,阿里发现平台上整个买家询盘数急剧下滑，进而推断世界贸易形势发生变化，这比海关统计数据提前了半年，为国内出口企业调整生产策略提供了重大帮助，这种分析如果没有大数据方法的支持是难以完成的。再如，美国劳工统计局每月都要公布CPI，为此他们会
42、雇用很多人向全美90个城市的商店、办公室打电话、发传真甚至登门拜访，反馈回8万多种价格数据，每年的花费达2.5亿美元，一般会滞后几周，从2008年经济危机经验看，这个滞后是致命的。麻省理工学院的两位经济学家提出了一个大数据解决方案，就是在互联网上收集价格信息，每天可以收集50万种商品的价格，这些数据很混乱，但是利用大数据分析方法，这个项目在2008年9月雷曼破产之后马上就发现了通货紧缩趋势，而官方数据直到11月份才知道这个情况。我们的梦想“市场梦”，非常美好，但并非像我们想象的那么简单，必须依靠大数据方法进行解决。（二）帮助银行深入了解客户需求，提升客户服务水平，实现“价值梦”我们的利润增速已
43、经降到一位数了，将来要保持在一位数，不出现增速的负增长，会越来越困难。过去大型国有商业银行的利润，在一定程度上是借助国内经济快速发展、股改红利以及监管机构对市场准入的保护来实现的，随着未来市场进一步开放，市场竞争进一步激烈，若不快速提升银行价值创造能力，那么银行家的梦想是要泡汤的。“价值梦”的关键是知道哪些客户、哪些产品、哪些行为能够为银行带来利润，银行应该如何满足客户需求，前提是了解客户需求并迅速行动，大数据是实现这一目标的利器。通过对海量客户行为数据的分析，可以了解客户在什么地方、有什么需求，例如，某客户中午在北京某区域出现，我们又通过分析知道该客户喜欢吃高端川菜，就可以将附近有关促销活动
44、通知该客户，既撮合了交易又可以创造利润；再如，对一个新推出的产品，大数据可以帮助分析哪些客户最可能购买这一产品，销售的效率就高得多。理解了大数据思维、主动应用大数据推动业务发展，已成为银行家实现价值梦的必然选择。大数据为我们观察客户、分析客户提供了一个全新的视角，基于海量的、多样性的数据，银行可以获得客户更及时的、更具前瞻性的信息，大数据技术为我们深入洞察客户提供了新的图景和可行的解决方案。不可否认，大数据使我们进入了一个用数据进行预测的时代，虽然我们可能无法完全解释数据背后的社会学、经济学原因，但数据本身的规律已可以帮助我们解决很多管理问题。银行在日常经营过程中积累了很多的数据，客户的、市场
45、的、交易的，等等，利用这些数据之间的相关关系就可以进行预测，并作为业务决策的基础。在某种程度上，银行数据中最重要的部分是客户行为数据。与客户财务数据等静态数据相比，行为数据具有更强的稳定性，基于行为对未来的预测更加准确。例如，违约率是风险计量中最核心的指标，使用大数据技术，可以使我们从客户行为数据中发现对违约率判别有重要帮助的信息（尽管有时候这些信息在经验上看来可能与违约不相关），用于违约预测和客户风险评级。例如通过分析零售客户通讯方式（电话、邮件地址等）的留存情况，可以判断其在信用卡和房贷业务中的信用表现，准确度甚至超过基于客户财务（收入）状况的预判。对企业客户而言，目前银行主要依据财务报表
46、对客户违约率进行建模预测，但实践证明这种预测的准确性、前瞻性不是很理想。对银行风险管理者来说，如果等企业的亏损反映到报表而为银行得知时，已经晚了，再等到利用这些情况对评级结果、业务决策进行调整时就更晚了，所以通过财务报表来判断企业的违约概率已经明显滞后。而通过研究企业账户行为（如现金进出、投资行为等），建立行为评分模型，可以在客户出现风险信号的时候就及时作出预警和应对，其时效性要快于财务数据评级。因此，要打破单纯依赖财务数据进行风险评价的传统做法，重视非结构性数据及行为在客户风险评价中的作用，提高风险预测的精准性。当然，目前行为评分的技术还很有限，需要各方合作研究。（三）提升综合管理和市场拓展
47、能力，增加盈利空间目前，大家都觉得银行面临一系列困惑，其中最大的困惑，是大家都觉得银行的利润增长到了拐点，未来可能出现利润负增长，不排除未来个别银行可能出现亏损。面对这种形势，有人认为这是利率市场化的必然产物，只要利率市场化到了一定程度，就会不可避免地出现利差收窄，导致盈利水平降低。为此，我们分析了国外一些国家的情况，利率市场化之后，整个社会的利差收窄是正常的，但是银行的盈利能力是分化的，最主要的体现，是银行经营的分化。比如说美国、香港和其他一些国家，利率市场化之后，银行息差收窄开始收窄，同时银行也开始分化。有的银行息差在零点几个百分点，有的银行在四个点以上。为什么会出现这种情况？这就是银行的
48、经营能力，定价能力，客户选择能力，资产组合管理能力等。因此，利率市场化并不会必然导致银行盈利能力的下降，银行的盈利能力是取决于银行本身。在组成银行盈利能力的差异化定价、组合管理等方面，大数据的方法给我们提供了一定的可能性。比如，定价当中最核心的几个方面，其中一个就是风险成本，取决于客户的选择，这正是大数据的用武之地。大数据用得好，用得广泛深入，不但能够避免银行出现利率下滑，还能够继续保持盈利，甚至持续提高盈利水平。还有一个困惑，是关于市场的，担心市场空间非常有限，没有规模，出现了天花板。其实，在市场不变的情况下，如果我们能够找到更好的客户，调整客户结构，提升空间非常大。此外，市场上还有许多增量
49、有待开发：第一，被我们忽略的新兴的金融需求，比如养老，这是一个巨大的市场。美国的养老金规模，公私加在一起大约21万多亿，比GDP还高。我国现在60岁以上的养老人口已经超过2个亿，到2050年，中国的养老人口预计要达到4个亿。在我们目前收入水平不断提高的情况下，与养老金相关的金融服务需求形成了一个巨大的市场；第二，在传统银行业务方面，我们的空间也是巨大的。比如信贷业务，2013年，美国的国内贷款余额是43万亿美元，GDP大约16.7万亿美元，国内贷款余额与GDP之比大概是2.6左右；我国去年国内贷款折合成美元大约是13万亿，GDP大约是10万亿美元，国内贷款余额和GDP之比大约是1.3。如此比较，我们就能发现，中国的信贷市场还有很大空间。再比如国际业务，中国现在是世界最大的贸易国家，国际贸易相关的贸易融资、国际清算以及相关的金融服务，应该也是全球最大的。建行在全球最大的国际贸易市场上，我们的开拓程度还是远远不够的。从这个角度说，我们的盈利能力还有很大的提升空间。（四） 提升风险经营能力现代商业银行各种风险管理的技术方法，都是基于数据。现代银行各种风险经营和决策，都强调“数据
