大数据

商业银行以往积累了丰富的客户交易数据，因此最具条件盘活大数据资产，发掘数据的价值。在网络社会中，借助搜索引擎和爬虫技术，商业银行还能收集到社交网络上客户的活动轨迹以及市场数据。商业银行只要善于分析和应用这些数据，通过数据再利用和数据重组，分析客户的消费偏好，就能准确发现并掌握客户需求，并通过不同渠道为客户提供个性化的服务。2015年中信银行与百度发起设立百信银行，实现互联网大数据战略共享，通过采纳互联网数据形成更全面的客户行为分析体系。招商银行与中国联通共同发起成立IT公司，借助运营商数据描述客户行为。 (二)以大数据推进产品迭代创新

目前我国商业银行服务同质化，产品差异性小。随着数据的不断积累和商业银行数据分析能力的不断提升，大数据应用将拓展银行的业务发展空间，设计具有定价权和竞争力的创新产品。比如江苏银行的e融类网贷产品，就是基于大数据的产品创新。更多社交媒体的兴起为银行创造了全新的客户接触渠道，从银行网点、ATM固定设备扩展到手机、IPAD等移动终端设备和微信等社交网络。大数据应用导致支付模式不断创新，从传统支付、电子支付到第三方支付，再到移动支付。2016年初，招商银行宣布与滴滴出行达成战略合作，从而达成客户消费地理相关大数据产品的重构。 (三)通过大数据应用提升商业银行核心竞争力

我国商业银行经过多年运行积累了大量的数据，且IT基础设施架构完善，有条件更加精准、实时、有效的评价经营业绩、评估业务风险、配置全行资源，引导银行业务科学健康发展。以贷款业务为例，需要一系列的配套大数据应用的策略支撑：前端包括身份识别、授信准入、风险定价;中端包括客户需求分析、客户获取、促销、优惠、流失防范、挽留等策略;在后端还有反欺诈、反洗钱、反套现等策略。这一系列风险管控措施正是商业银行的核心竞争力。 (四)采用大数据加强商业银行精细化管理

商业银行积累的关于资产、负债、评级、客户、交易对手等各种数据资产，将在资债管理、成本分摊、资本管理和绩效考核等方面发挥重要作用，提升商业银行的精细化管理水平。随着商业银行数据分析能力的提升，通过对行内大数据进行有效的统计、分析、评估，以及内外部大数据的结合，为银行业务发展、市场营销、资产负债管理、客户关系管理等方面提供有效的预测分析及决策支持，将真正实现《大数据时代》所说的：让数据“发声”。

未来的银行必将是数据驱动型的银行。大数据应用将推动商业银行在经营理念、组织架构、业务流程、管理模式、IT架构等领域的全面调整和深度整合。中小银行应做好大数据这篇大文章，紧抓时代机遇，拥抱大数据时代的金融创新与变革，构建“互联网+大数据+银行”的新型金融模式，实现“中国金融梦”。(

银行网点在我们的生活中究竟还有多重要？或许一些盈利数据可以揭晓部分答案。 根据《亚洲银行家》的相关研究，目前在亚太地区的新兴市场和成熟市场中，分别有多达 43% 和 32% 的银行网点无法实现盈利。 就国内而言，银行业整体净利润增速持续下滑至个位数，中国银监会此前公布的数据显示，截至 2015 年四季度末，商业银行当年累计实现净利润 1.59 万亿元，较去年仅增长 2.43 ％

银行业盈利增速的下降导致巨大的成本压力，而成本压力已成为亚太地区银行业推动网点转型的最主要动力。 严峻的外部环境和高昂的经营成本令许多网点的盈利能力出现问题，传统银行网点冗余的人工支出若不能带动更多收益，则必将成为银行沉重的包袱，而 “ 网点转型 ” ，正是目前国内商业银行面对这一问题提出频率最多的一个概念

目前市面上较成熟的银行网点转型思路为 硬转型 + 软转型 ，从交易结算性网点向服务销售型网点转变，注重优化服务流程、、提升客户体验。 然而，这样的思路未免过于泛泛而论、、缺乏数据支撑 网点究竟应该保留原样、进行转型、还是考虑撤销？如果要转型，该朝什么方向转型？这些问题都有待我们提供更具体的方案

整体看来，多数银行仍缺少一套完整的网点竞争力评估系统，这样的系统可以用来评价网点的发展水平、同业态层级，指导网点转型思路、市场定位和目标客户、 我们通过对

国内商业银行网点转型现状分析 ， 为了更加系统化、、数据化地支撑网点转型，设计了如下的物理渠道评价闭环体系：

周边环境： 网点位于区域内的中高端居民住宅区，受教育程度较高，人均可支配收入较高，基本没有对公业务、、

业务分析： 网点日常主要业务种类为个人理财资讯、理财销售，业务高峰期分布较为平均、

客户分布： 网点客户年龄段分布均衡，高价值新客户获取难度较大，但存量客户的贡献度较其他网点显著提升

第一：客户画像应用

客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于自身拥有的数据有时难以得出理想的结果甚至可能得出错误的结论。

比如，如果某位信用卡客户月均刷卡8次，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。

所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：

（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）：通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；

（2）客户在电商网站的交易数据：如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；

（3）企业客户的产业链上下游数据：如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况； （4）其他有利于扩展银行对客户兴趣爱好的数据：如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。

第二：精准营销

在客户画像的基础上银行可以有效的开展精准营销，包括：

（1）实时营销：实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会； （2）交叉营销：即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售； （3）个性化推荐：银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；

（4）客户生命周期管理：客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。

第三：风险管控

包括中小企业贷款风险评估和欺诈交易识别等手段。

（1）中小企业贷款风险评估：银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。

（2）实时欺诈交易识别和反洗钱分析：银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯。

第四：运营优化

（1）市场和渠道分析优化：通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。 （2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，

从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。

（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。

银行是经营信用的企业，数据的力量尤为关键和重要。在“大数据”时代，以互联网为代表的现代信息科技，特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展，移动支付、搜索引擎和云计算的广泛应用，构建起了全新的虚拟客户信息体系，并将改变现代金融运营模式。

大数据海量化、多样化、传输快速化和价值化等特征，将给商业银行市场竞争带来全新的挑战和机遇。数据时代，智者生存，未来的银行信贷，是从数据中赢得未来，是从风控中获得安稳。