银行大数据应用建设探索
银行大数据应用建设探索
一、数据应用广泛存在的问题
当前，银行业数据应用普遍面临以下问题：
一是找数难（数据不完整）。以数据访问为例，个人客户数据在个人金融部，反欺诈数据在风险管理部，考核数据在计财部......实际上银行的用数环境呈蛛网结构，A找B、B找C、C找A，系统一旦多到一定程度，蛛网是不可控的。前端应用组件多达上百个，为了避免蛛网结构导致的相互交叉，是否可以在中间加一个数据整合区，作为数据交换的平台？这种做法确实在物理层面满足了各组件数据交换的需求，然而在逻辑层面，由于数据整合区只管理共享数据，针对特殊需要的数据，还是采用传统的部门间申请、协调的方式。要真正解决“找数难”的问题，需要银行在大数据应用方面，建立一个核心枢纽，支持全行数据应用和业务决策。通过设立大数据分析中心，集中全行的数据分析能力为全行数据应用提供支持，既然要支持全行的应用，就需要获取全行的数据，但是在数据获取方面还是遇到很大的阻碍，来自业务部门和技术部门的阻碍都有。
二是标准缺乏，数据不一致的情况普遍存在。数据标准化的意义不言而喻，是数据整合和数据应用的前提，但是统一数据标准却是很困难的事，因为数据标准没有落到业务流程中，如“个人客户性别”这个数据，在建行早期100多个原系统中存在着6套不同的编码，一些系统是“男女”， 一些是“FM”，还有一些是“01”......
三是用数门槛高，主要是数据分析的工具少、操作复杂。
四是用数慢，开发周期长，缺乏平台支撑。以监管报表为例，前端的统计人员要理清业务口径，把相关要求提交给各业务部门，业务部门根据要求衔接后端应用系统，再进行开发、测试，是一个复杂、漫长的过程。
五是用户体验不佳。
大数据发挥价值的前提条件是要让数据和业务形成闭环，实现两个目标：一是明确数据在业务中的应用效果，有时候数据模型看起很完美，但是在业务流程中效果体现不出来；二是业务要反哺数据。数据作为一种资源，与人、资本这样的资源最大的不同是不具有排他性，一般意思上，某种资源被他人占用后就无法再被使用了，但数据不一样，被使用的次数越多价值越高。也就是说，数据作为生产要素，在生产过程中会不断增值；反之，数据参与业务过程，如果不能实现增值，则意味着数据管理可能是失败的。因此，在数据使用的过程中，除了要在业务中沉淀数据价值，还要将增值后的数据存储到后端的数据库，但目前整体上看，业务反哺数据的工作还是缺失的，数据模型的应用效果缺乏有效评估，除了手机银行，其他渠道数据和业务的闭环还没有形成。
因此，在大数据应用中，数据和业务的关系还有待突破。大数据要真正成为银行核心生产力要素，需要有一个更接近于前台的数据管理部门，也可以叫数据中台。
二、大数据建设过程
第一阶段，数据整合阶段，完成企业级数据能力及架构建设。
没有一个核心的数据架构，大数据战略和大数据应用就是空谈。在这一阶段的重点工作：
一是建立统一的数据规范，数据与人不同，由于缺乏语义背景，如果没有统一的标准，它们是无法对话的。因此，要实现数字化流程，业务自动化处理，建立统一的数据规范是最基础的工作。通过新一代核心业务系统建设，将所有核心业务流程进行梳理。在这个过程中同步数据治理，规范了数据标准。
二是站在整个数据应用的角度，从员工、客户、参与人、产品、合约、账户、事件、渠道、机构等“九大维度”组织数据，将各个业务流程中沉淀的通用数据作为原料，形成核心数据模型。
这一阶段的核心问题在于数据和业务的矛盾越来越突出。一方面，业务变化越来越快，以前平均6个月推出一个产品，产品的生命周期是5-10年，现在产品的投放周期缩短到几天，生命周期最多6个月，这种情况下很难用一个稳定的数据模型支撑快速变化的业务需求。另一方面，如果数据模型中，数据跟随业务的变化而快速更新，则模型的使用者会无所适从。因此，数据模型中不应该包含所有数据属性，只需要把相对稳定的数据标签组织起来。同时对外提供的数据服务要相对稳定。如何兼顾前端的快速变化和后端的稳定是大数据平台急需解决的问题。
第二阶段：建立 “分区化”平台支撑体系。
在这一阶段，将数据应用划分为分区，逻辑上非常清晰。主要工作一是实现数据规范在前端逐渐落地，保证了数据整合的效率。前端数据标准化之前，后端数据仓库的数据整合时间约为T+10天，标准化之后缩短至
T+2~T+3天；二是引入实时数据仓库概念，金融行业和互联网行业的一个很大的差别是，互联网的各个渠道是相通的，比如通过百度搜索一双鞋，则京东或者淘宝很可能会根据这个搜索动作给用户推荐相关产品，但银行不是这样，通过电话银行修改过的信息，网点并不能同步修改。问题出在数据需要先存储到后端，再反馈到网点，中间会有一段时间的延迟。为了解决这个问题，在数据平台上增加了一个实时交换区。
第三阶段：建立新业态下的大数据云平台。
建立新业态下的大数据云平台，以“云化+组件化+平台化”IT架构支撑，实现“响应国家战略，向社会提供公共云技术服务；支持普惠金融、金融科技、住房租赁三大战略相关项目建设；利用大数据技术进行传统业务的创新发展；为人工智能等新兴技术提供大数据技术支撑”的发展目标。
普惠金融战略中的两个代表性的产品，“快贷”和“速汇通”，分别针对个人和企业实现快速放贷，实时交换区部分解决了数据实时同步的问题，但敏捷性上还有欠缺，无法满足秒级放贷需求，大数据云平台架构通过对新一代的技术升级，实现从分区结构向组件构成演进。
上述三个阶段描绘了“数据承载业务-数据支撑业务-数据驱动业务”的数据价值发现演进路线：从早期的报表型的单一数据，被动接收数据，凭借经验决策；到分析型的部分整合数据、优化查询工具，满足分析需求；再到智慧导向型的海量数据、高效便捷的数据应用环境，基于数据进行决策，利用信息创造价值。
三、银行大数据应用的思考
1.打造数据驱动的银行
有观点认为数据驱动或是大数据应用是全行建设一个大而全的数据分析中心，承担所有数据分析的工作，并将结果提供给前端业务人员，前端人员只负责执行。而实际上，随着简单的存贷业务后台化，网点和柜面工作人员等面临的是客户个性化的服务需求，标准化的操作越来越少，需要前端人员具备随
需而变的能力。因此，要真正实现数据驱动，需要让前端人员变成一个个决策点，在后台实时数据支持下，可以根据实际情况和场景进行判断和决策。
概括而言，实现数据驱动需要克服两大障碍：一是文化的问题。从前段时间各家银行E T C推广策略不难看出，银行还停留在量化指标驱动阶段，总行制定业务目标，再分解到各个业务部门、各分行、支行、网点......诸如决策仪表盘，各种业务模型对应的也是众多指标，而数据驱动不等同于量化指标驱动，在大数据平台上应该分拆来做。二是现有的系统还不够开放，有时候银行是以安全的名义去做封闭的事情，未来银行一定要有一个开放的心态，积极拥抱新技术。
2.数据架构的技术趋势
由成熟工具产品向互联网开源技术转型。
未来，银行数据架构将是云支撑的大数据平台与人工智能平台双引擎驱动，大数据平台提供规则化的数据分析挖掘服务，通过专家方式发现并固化数据规律，总结提炼出规则发现业务规律；人工智能平台提供机器学习（深度学习）的方法，基于大数据通过算法来进行特征工程和训练，发现和总结数据的业务规律；从最终用户角度看，人工智能技术降低了从海量数据中发现并总结业务规律的难度。
商业银行~大数据建设规划
XX银行大数据建设规划 一、项目背景 随着信息化程度的加深，以及移动互联网、物联网的崛起，人们产生的数据急剧膨胀，传统的数据处理技术难以支撑数据大量的增长和处理能力。经过近几年的发展，大数据技术逐步成熟，可以帮助企业整合更多的数据，从海量数据中挖掘出隐藏价值。大数据已经从“概念”走向“价值”，逐步进入实施验证阶段。人们越来越期望能实现海量数据的处理，从数据中发现价值。数据越来越成为一种重要的资产。在2014年Gartner技术炒作曲线的报告中也体现了大数据技术将走向实际应用。 我行已深刻认识到数据战略对企业运营以及企业未来发展方向的重要性。互联网金融的本质是金融，核心是数据，载体是平台，关键是客户体验，发展趋势是互联网与金融的深度融合，要提升大数据贡献度。因此，要深化互联网思维理念，稳步推进互联网金融产品和服务模式创新，积极利用移动互联网、大数据等新技术新手段，沉着应对冲击和挑战，实现传统金融与互联网金融的融合发展。做好海量异构数据的专业化整合集成、关联共享、安全防护和维护管理，深度挖掘数据含的巨大价值，探索银行业务创新，实现数据资源的综合应用、深度应用，已成为提升企业核心竞争力，实现企业信息化可持续发展的关键途径。按照行领导部署，信息科技部组织力量对大数据技术进行研究，完成对市场上主流的大数据平台及应用技术预研，征求业务部门建议，提出项目建设要求。 二、建设目标 以大数据项目建设作为契机，凝聚我行优势力量，全面梳理数据
资源，完善数据体系架构，自主掌握大数据关键技术，加速大数据资源的开发利用,将数据决策化贯穿到经营管理全流程，建设智慧银行，提升核心竞争力。 （一）建设大数据基础设施，完善全行数据体系架构 构建大数据平台，实现更广泛的半结构化、非结构化数据集中采集、存储、加工、分析和应用，极丰富我行的信息资源，同现有的企业级数据仓库和历史数据存储系统一起，形成基础数据体系，提供支撑经营管理的各类数据应用。 （二）开发大数据资源，支撑全行经营管理创新 建设离线数据分析、实时数据/流数据分析集群和各类数据分析集市，提供高性能可扩展的分布式计算引擎，通过数据挖掘、计量分析和机器学习等手段，对丰富的大数据资源进行开发使用，并将数据决策化过程结合到风控、营销、营运等经营管理活动。 （三）培养大数据人才队伍，建立大数据分析能力 结合大数据项目的落地实施，建立起一支大数据技术和分析人员队伍，具备自主运营和开发大数据的能力，以更好推动业务创新，提升我行核心竞争力。 三、发展趋势 近年来，银行业大力发展面向客户的新一代核心业务系统，信息系统建设日趋完备，电子银行等在线金融服务大幅增长，在提升客户体验和风险管控能力、满足监管各项要求的同时，形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇等结构化数据，也包括客户浏览痕迹、在线交易记录等非结构化数据，还包含客户语音、网点视频等非结构化数据。2012年，银行业的记录数据、业务数据、数据仓库数据、结构化数据和非结构化数据的数据规模分别达
以科技提升银行数字化竞争力——以中国建设银行为例
以科技提升银行数字化竞争力 以科技提升银行数字化竞争力 ————以中国建设银行为例以中国建设银行为例 以中国建设银行为例 2018年02月28日 便捷的金融服务是人们对美好生活追求不可或缺的乐章——摆脱实物束缚，让数字确定客户信用，客户在网上或手机端指指点点间即可享受到金融服务已成为现实。然而，看似轻松的这一切来源于银行数字化领域的不懈探索与转型创新。目前，银行数字化建设不再是纸上谈兵，它已成为银行创新发展、服务大众的硬实力。如何进行科技转型，提升银行数字化竞争力正成为业内高度关注的话题。 六年数字化转型探索造就科技优势 六年数字化转型探索造就科技优势 中国建设银行的数字化转型是在“战略的远见、执着的坚持、高层的魄力”的大背景下启动的。《中国建设银行转型发展规划》提出，建行要朝着“综合性、多功能、集约化、创新型、智慧型”方向整体转型，数字化转型是关键的一步，建行新一代核心系统建设就是展现数字化转型成就的核心平台，它不是一个单纯的新技术应用，而是包含了业务流程再造、技术创新与业务价值融合、技术架构变革等众多突破。 建立企业级架构。以企业级视角，全面梳理金融业务和产品，进行架构再造，构建了企业级架构。在企业级架构指导下，建立以客户为中心的服务体系，实现对客户360度画像，制定更贴近客户需求的综合金融解决方案，从而更为精准地营销；完整地分析产品，准确地定位和配置，更科学地制定价格与销售策略，更快速地推出新产品；实时运用数据，全面整合和深度挖掘，更灵敏划分客户、防控风险，前瞻性智能运营、决策管理。 实现技术与业务价值链的融合。紧密贴近市场、深度融入价值链，参与到客户价值创造活动中，与客户建立“伙伴式”关系，更精准地推送金融服务，更有效地匹配金融资源，帮助客户创造价值。推动传统存贷汇为主的商业模式向“综合性、多功能、集约化以及创新型、智慧型”银行转型，增强价值创造能力。目前，建行集团的租赁、基金、信托、寿险、资产、造价咨询、期货、养老金和财险等子公司，借助现代信息技术与母行形成良好的协同联动，客户可一点快速接入、一站式得到“一揽子”金融服务。 完成业务全流程再造。新一代核心系统突出客户导向和价值创造，形成全流程的统一视图，促进客户服务综合化、线上线下一体化、纵向层级扁平化、管理措施差异化、操作应用智能化、客户体验极致化。 搭建了业界领先的基础框架平台。融汇了云计算、大数据等领域的最新成果，采用了组件化、参数化的架构设计，保证了未来良好的扩展性，奠定了支撑未来转型和持续创新的技术基础；同时，标准化、动态适应的方法和流程，确保了IT 架构能够不断吐故纳新，灵活地适应转型创新。企业级工程实施方法，实现了业务与技术的有机融合，需求、设计与研发、生产的无缝衔接，为建行转型创新提供了坚实基础。
2009-12中国建设银行信息技术类笔试
建总信息技术类笔试 今年银行笔试面试严重扎堆出现，本来就没offer了，今天居然农行省行、交行、建行总行笔试都在上午撞车了，郁闷，考虑再三，决定去笔建行。 早上六点就起床，做地铁赶去广州市第25中学，到那的时候学校门都还没开。吃个粉之后，进入学校考场。话说建行的考试规矩真对，感觉跟考六级一样，监考老师貌似也是中学老师，监考的一板一眼的。 8点30多正式拿到试卷，大致扫了一眼，分为四个部分，计算机综合知识、英语、行测、时事政治类。考试共三个小时。 计算机综合考的比较广，和软设的题目差不多类型，包括计算机系统结构方面，（比如6位10进制数，用二进制浮点型表示，阶码最少多少位？应该大概是在2^20以内，那么阶码应该要能表示到20的最少为，那就是5了----自己想法，仅供参考；芯片扩展），网络方面（网络设备网关、网桥、集线器、中继器等的所属层次；七层网络模型中的一些东西；ftp的两条链接：数据连接和控制连接），软件工程（主要是软件工程的各个过程涉及到的东西），操作系统（换页算法，进程线程等），数据库（视图；两段锁；权限控制；数据库管理）；数据结构（冒泡排序，快速排序，双向链表；双端栈--这个考的比较隐蔽点；）；再就是c，c++语言方面的（构造函数，析构函数，++，等） 感觉考的一般，大部分都见过，还是有一些不确定 英语方面，在另一个帖子里面有三个完整的英语题目，似乎一个是MBA联考的原题，一个是2009年6月的六级原题，还一个是清华博士入学考试的题目。第一个比较惨，ripped up这个单词意思理解错误，导致后两题错误，对第一篇作者的意思和情感倾向完全弄反了，导致只对了一题，其他四个全错，不过还好，后两篇全对了。 行测方面，大概是是五个数字推理题，比较难，好几个想半天不知道怎么解。题目有比如2，10，5，8，3，20，（），5 ；和 95，88，71，61，50，（）；两个图形推理，图形推理算简单点的。接下来还有一些计算题--应该是奥数类的题目，（如狗追猫，开始相差9米，猫跑5步的路程与狗跑3步的路程相同；猫跑7步的路程与兔跑5步的路程相同，问要多少米才能追上；如果将两个钟同时调到标准时间，结果在24小时内，快钟显示10点整时，慢钟恰好显示9点整，则此时的标准时间是多少？--答案应该是9点四十五；一只船从甲码头到乙码头往返用了4小时,回来时顺水比去时每小时多行12千米,因此后两小时比前两小时多行18千米,那么甲乙两个码头距离是多少?--答案应该是45；还有几个忘了）；然后还有一些文字推理题；最后一部分是图表题，都是些快速计算题，（比如很多货物的进出口，要计算一种货物比另一种多多少，哪种最多；电信方面的一些固话，移动通信等等的增长率，效应比较；公路，火车，飞机的客流量，受益比较，都是这种题） 考到这个部分的时候，监考老师已经在提示只剩下15分钟了，还剩下一个图表计算题，和后面的众多时事政治题。额滴神啦，就开始随便瞎算了。 最多一部分是时事政治方面，不像农行总行最后一部分基本上都是考农行自己的介绍类的，都是些什么法律，某某国家会议的一些宗旨意义等，这个部分基本上都是看哪个顺眼就选那个，专拣好的选。 在监考老师宣布交卷的时候，终于勉强搞定。
商业银行大数据分析营销
商业银行大数据分析营销 课程背景： 移动互联网时代，要求银行业者将移动电商重要性提升到战略层面，更要求银行业者做到所有的服务和行为都可以量化，从而对业务发展形成全方位视角，提升决策质量和业绩表现。 课程目标： 1.结合案例、深入研讨、学习互联网银行的现状和趋势 2.对利用互联网思维、大数据进行银行服务的体系建设提出了实施建议 课程时间：6小时 课程对象：适合了解互联网金融思维，本质和金融大数据的各级银行骨干人员 课程特点： 1. 案例贯穿课程始终，从案例中，让学员认识互联网和大数据思维，转变理念。 2. 重点结合金融行业，剖析如何利用大数据。 主训导师：上海蓝草咨询 课程大纲： 引言部分 移动互联网的大幕已经拉开， 这是一场变革颠覆的盛宴， 无论你是否准备好， 任何人都无处可逃......
第一讲没有互联网，没有大数据 一、互联网金融 1.互联网金融颠覆传统银行业务 2.传统金融三个核心业务的突破 3.互联网银行 4.影子银行与P2P 5.互联网金融监管 6.互联网精神推动金融行业发展 二、商业银行战略的转移和变化 1.过往经济模式下的银行经营、管理逻辑 2.商业银行传统模式的终结 3.2016年中国银行业发展五大变化 4.客户金融需求深刻变化 5.发展普惠金融创新，丰富金融市场层次和产品 三、大数据思维 1.用户思维：得屌丝者得天下 2.简约思维：专注，少即是多
3.极致思维：服务即营销 4.迭代思维：精益创业，快速迭代 5.流量思维：免费是为了更好的收费 6.社会化思维：口碑营销 7.大数据思维：DT是为了别人满意 8.平台思维：打造多方共赢的生态圈 9.跨界思维：跨界分金 第二讲金融大数据 一、何谓大数据 1.4V特性 2.数据与大数据区别 3.大数据典型代表 二、大数据分析 1.数据的收集和准备 2.具备哪些大数据技能 3.数据分析的八个极致模型 4.CRISP 三、大数据带来的变革和价值
大数据在商业银行运营与发展中的应用与实践
大数据在商业银行运营与 发展中的应用与实践 伴随着信息革命向纵深发展，互联网的使用渗透入社会发展的细枝末节，大数据的发展已驶入快车道，产生了大量的数据并裂变式的增长。我国作为新兴经济体，改革开放以来经济高速发展，综合国力显著提升，生产能力和出口总额都位列全球首位，互联网科技也迅猛发展，互联网应用基本普及，巨大的人口基数演化为互联网用户推进了互联网应用的进一步繁荣，民众生活的点滴都被数据记录下来，每时每刻都会产生海量的数据，我国已经成为全球数据量最大的国家之一。在大数据时代的背景下，我国的商业银行体系紧跟社会发展脚步，不断提高与时代相适应的竞争能力，已着手建立以大数据为基础的解决方案并取得了一定的成果。商业银行体系为应对大数据时代的来临，不断提高数据驾驭能力，努力把握市场机遇，推进商业银行系统的发展取得新的突破。因此我国商业银行应该加快对大数据技术的掌握和使用，是摆在我们面前的重要课题。 大数据的概念大体产生于本世纪初的美国，但被逐渐被世界各国重视并综合应用在各类市场是在2010年以后。
我国大数据运用起步较早，政府高度重视大数据积累和建设，2015年8月31日，国务院印发了《促进大数据发展行动纲要》，明确指出“数据已成为国家基础性战略资源， 大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响”。部分商业银行以高度的市场敏锐感，先知先觉，早于政府文件之前就对大数据加以应用和研究，经过数据的逐年积累，目前大部分商业银行都已建立了海量数据库，包含海量的客户数据、交易痕迹数据、经济发展信息数据、客户流失预兆数据等，商业银行业已经成为我国在大数据应用方面走在前列的行业。商业银行把利用好大数据，进一步挖掘大数据的价值作为换挡升级的重要依托，对商业银行提高市场适应能力和竞争能力、促进内部管理变革、开拓新的业务发展空间、提升战略决策高度、做好风控管理和降低运营成本等工作都有着重大的现实意义。 一、大数据的特点 信息革命以来的高速发展，我国社会形态已经进入普适计算阶段，层出不穷的新技术、新媒体、新概念铺天盖地、席卷而来，网络购物、社交媒体、即时通信工具、电子商务、AI技术、AR技术、智能交通、智能学习、共享分享等技术已在社会运行中被广泛使用，这些活动所留存的
大数据在金融行业的应用
【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估
数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布
从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。 Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：
银行行业大数据解决方案
银行行业大数据解决方案 银行大数据时代面临的挑战 1、银行离客户越来越远。在互联网交易链条中，银行所占比重越来越低，这使得银行越来越难以知道客户的消费行为；互联网金融的出现，在未来可能会超过以银行为中心的间接融资和以交易所为中心的直接融资模式，这会使得银行逐渐被边缘化。本质上是因为银行对于客户的了解程度，相对越来越弱。 For personal use only in study and research; not for commercial use 2、客户不断流失难以挽回。市场竞争越来越激烈，银行意识到客户满意度的重要性，并将提升服务作为工作目标。在具体的操作过程中，银行关注产品特点，从服务质量、客户感知进行调查，试图找到解决办法。但是客户满意度却一直停留在原有水平。客户流失率也在不断上升。本质上是因为银行服务同质化。 3、客户维系成本不断攀升。随着互联网金融各类“宝宝”们冲击银行存款，抬升融资成本，银行越来越难以找到低价优质的资金，客户维系成本也不断攀升。银行客户维系陷入“理财收益高，客户多，收益下降，客户跑”的怪圈。本质上是由于银行无法对客户需求进行及时响应，只能通过价格这一唯一工具进行营销。
银行越来越意识到数据作为核心资产的地位，希望借助大数据的技术，聚合客户在银行内外的种种信息，深入洞察每个客户在银行内外的方方面面，以了解其兴趣、偏好、诉求，从而提供每一个客户个性化的产品与服务。 941大数据服务联盟银行大数据解决方案 941大数据服务联盟基于六年来专注于大数据的应用实践，为银行业提供端到端的整体解决方案，帮助银行实现海量多源异构数据的采集、整合，并运用大数据文本分析和数据挖掘技术，深入挖掘客户特征、需求，从而为银行向客户提供差异化服务和个性化产品、产品创新等提供数据支撑。整体解决方案如下： 银行业大数据应用 1、用户实时行为分析 互联网金融及第三方支付的出现，让银行用户流失严重，同时也更加不了解用户的需求。通过在银行官网、APP上部署采集访问用户实时行为的代码，让银行可了解用户在网上的行为特征、需求，拉近银行和用户的距离，从而为更精细化的服务提供数据依据。
商业银行大数据应用的理论_实践与影响_蔚赵春
《上海金融》2013年第9 期 摘要：本文首先对商业银行大数据应用研究进行了综述，其次从挑战和机遇两个方面分析了大数据应用对商业银行带来的影响，再次探讨了大数据在商业银行的具体应用实践，最后给出了大数据时代商业银行的应对 之策。 关键词：大数据;商业银行;金融脱媒;互联网金融;云计算 JEL 分类号：G21；O33中图分类号：F840文献标识码：A 文章编号：1006－1428(2013)09-0028-05 *基金项目：教育部人文社会科学研究青年基金项目（13YJCZH192）、中国博士后科学基金项目（2012M510797）的阶段性研究成果，感谢责任编辑宝贵的修改建议。收稿日期：2013-05-30 作者简介：蔚赵春（1981-），男，复旦大学管理学院博士，现供职于上海浦东发展银行； 凌鸿（），男，复旦大学管理学院教授、博导。 蔚赵春1,2，凌鸿1 （1复旦大学管理学院， 上海 200433；2上海浦东发展银行上海 200001) 一、商业银行大数据应用研究综述 目前国内对商业银行大数据应用的研究论文并不多，而报纸和网络上介绍性的科普文章较多。国内研究主要介绍大数据这一新生事物及相关的技术，并探讨大数据带来的机遇和挑战以及部分大数据应用案例。国外的研究也主要侧重大数据相关的技术方面，针对银行业具体应用的文献非常少。 北京银行董事长闫冰竹从高层管理的视角探讨了大数据时代银行业的发展模式。潘明道等对大数据特征进行分析，并给出银行应对大数据挑战可借鉴的思路。方方全面分析了大数据时代将给商业银行带来的重要影响，并给出了商业银行培养面对大数据时代核心能力的策略建议。薛亮探讨了大数据技术将给银行业带来的改变以及银行的品牌建设如何适应这种改变。韦雪琼等分析了大数据技术影响下金融市场的变化，以期作出更好的投资决策和判断。李璠等论述 了大数据时代银行业的机遇与挑战，重点从技术上对比了大数据分析解决方案。刘启滨对金融行业大数据管理技术进行了简单介绍。孙浩从技术视角探讨了大数据给金融业带来的挑战。王珊等探讨了金融企业在大数据时代的技术选择策略。潘镭探讨了大数据在供应链金融方面的应用。刘天白等以交通银行信用卡中心大数据应用探索为案例，探讨了银行试水大数据时的策略。刘静如论述了大数据在金融业风险管理方面的应用。 二、大数据应用给商业银行带来的机遇 大数据应用作为创新的催化剂，正改变着金融业态，并将引起银行业务模式深刻的变革。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 架构等领域进行全面调整和深度整合，不断增强核心竞争力，提升企业组织绩效和资本的运营效率，提高盈利能力。大数据应用为我国商业银行经 金融理论与改革
中国建设银行管理信息安全分析
漳州师范学院 中国建设银行 信息系统安全管理分析2012—2013学年第一学期 课程名称：信息管理系统 任课教师：周斌 学号：101206133 姓名：苏维景 专业：市场营销专业 班级：10营销（1）班 提交日期：2013年 1月 10 日
目录 前言 (3) 一、建设银行信息系统现状 (3) 二、建设银行系统安全分析 (5) （一）目前建行计算机信息系统的安全主要面临以下威胁： (5) （二）银行信息的脆弱和威胁源于以下几个方面的原因： (6) 三、风险解决和防范 (7) （一）网络安全的多层保护 (7) （二）内外子网的安全防护 (8) （三）信息安全技术防范策略 (8) 结束语 (11)
前言 随着计算机网络技术的飞速发展，信息技术正在以惊人的速度渗透到金融行业的各个领域。但信息技术同时又是一把“双刃剑”，它既为银行经营管理带来巨大发展机遇的同时，也带来了严峻的挑战，网络信息的安全性变得日益重要起来。特别是如同瘟疫般的计算机病毒及危害公共安全的恶意代码的广泛传播，损失惊人的计算机犯罪案件迅速增长，迫使我们必须冷静地研究和解决银行信息系统的安全问题。本学期通过对信息管理系统的理论的学习，在金融行业中选取“中国建设银行”为例对其信息系统的现状、面临的安全威胁以及风险解决防范进行简要的分析。 一、建设银行信息系统现状 中国建设银行是以中长期信贷业务为特色的国有商业银行，主要承担集中办理国家基本建设预算拨款和企业自筹资金拨付、监督资金合理使用、对施工企业发放短期贷款、办理基本业务结算业务职责，以及信贷资金贷款、居民储蓄存款、外汇业务、信用卡业务，以及政策性房改金融和个人住房抵押贷款等多种业务，曾《银行家》杂志全球1000家大银行排名中位居第65位。面对风起云涌信息革命浪潮和日趋激烈市场竞争，中国建设银行采用世界主流企业级通讯、协同计算和 Internet/Intranet平台Lotus Domino/Notes，成功构建起覆盖全国30多个省和10多个计划单列市共400多个城市管理信息服务网--总行信息服务站，全面实现了从总行到市级分行以及部分县级分行信息共享、实时发布和查询检索，有效提高了全行工作效率。 “十一五”期间建行信息安全建设成绩 2005年，建行实现了全行数据大集中，有力地支持建行重组上市、促进业务快速增长和业务创新，与此同时，信息系统自身风险和内外部攻击的风险也不断积聚，信息安全已不再是传统的防病毒、防火墙、入侵检测“三大件”，系统化进行信息安全建设已迫在眉睫。为此，“十一五”期间，建行从信息安全组织建设、完善信息安
银行,大数据,解决方案
银行,大数据,解决方案 篇一：商业银行-大数据建设规划 XX银行大数据建设规划 一、项目背景 随着信息化程度的加深，以及移动互联网、物联网的崛起，人们产生的数据急剧膨胀，传统的数据处理技术难以支撑数据大量的增长和处理能力。经过近几年的发展，大数据技术逐步成熟，可以帮助企业整合更多的数据，从海量数据中挖掘出隐藏价值。大数据已经从“概念”走向“价值”，逐步进入实施验证阶段。人们越来越期望能实现海量数据的处理，从数据中发现价值。数据越来越成为一种重要的资产。在20XX年Gartner技术炒作曲线的报告中也体现了大数据技术将走向实际应用。 我行已深刻认识到数据战略对企业运营以及企业未来发展方向的重要性。互联网金融的本质是金融，核心是数据，载体是平台，关键是客户体验，发展趋势是互联网与金融的深度融合，要提升大数据贡献度。因此，要深化互联网思维理念，稳步推进互联网金融产品和服务模式创新，积极利用移动互联网、大数据等新技术新手段，沉着应对冲击和挑战，实现传统金融与互联网金融的融合发展。做好海量异构数据的专业化整合集成、关联共享、安全防护和维护管理，深度
挖掘数据内含的巨大价值，探索银行业务创新，实现数据资源的综合应用、深度应用，已成为提升企业核心竞争力，实现企业信息化可持续发展的关键途径。按照行领导部署，信息科技部组织力量对大数据技术进行研究，完成对市场上主流的大数据平台及应用技术预研，征求业务部门建议，提出项目建设要求。 二、建设目标 以大数据项目建设作为契机，凝聚我行优势力量，全面梳理数据 资源，完善数据体系架构，自主掌握大数据关键技术，加速大数据资源的开发利用,将数据决策化贯穿到经营管理全流程，建设智慧银行，提升核心竞争力。 （一）建设大数据基础设施，完善全行数据体系架构 构建大数据平台，实现更广泛的半结构化、非结构化数据集中采集、存储、加工、分析和应用，极大地丰富我行的信息资源，同现有的企业级数据仓库和历史数据存储系统一起，形成基础数据体系，提供支撑经营管理的各类数据应用。 （二）开发大数据资源，支撑全行经营管理创新 建设离线数据分析、实时数据/流数据分析集群和各类数据分析集市，提供高性能可扩展的分布式计算引擎，通过数据挖掘、计量分析和机器学习等手段，对丰富的大数据资源进行开发使用，并将数据决策化过程结合到风控、营销、
银行大数据应用建设探索
银行大数据应用建设探索 一、数据应用广泛存在的问题 当前，银行业数据应用普遍面临以下问题： 一是找数难（数据不完整）。以数据访问为例，个人客户数据在个人金融部，反欺诈数据在风险管理部，考核数据在计财部......实际上银行的用数环境呈蛛网结构，A找B、B找C、C找A，系统一旦多到一定程度，蛛网是不可控的。前端应用组件多达上百个，为了避免蛛网结构导致的相互交叉，是否可以在中间加一个数据整合区，作为数据交换的平台？这种做法确实在物理层面满足了各组件数据交换的需求，然而在逻辑层面，由于数据整合区只管理共享数据，针对特殊需要的数据，还是采用传统的部门间申请、协调的方式。要真正解决“找数难”的问题，需要银行在大数据应用方面，建立一个核心枢纽，支持全行数据应用和业务决策。通过设立大数据分析中心，集中全行的数据分析能力为全行数据应用提供支持，既然要支持全行的应用，就需要获取全行的数据，但是在数据获取方面还是遇到很大的阻碍，来自业务部门和技术部门的阻碍都有。 二是标准缺乏，数据不一致的情况普遍存在。数据标准化的意义不言而喻，是数据整合和数据应用的前提，但是统一数据标准却是很困难的事，因为数据标准没有落到业务流程中，如“个人客户性别”这个数据，在建行早期100多个原系统中存在着6套不同的编码，一些系统是“男女”， 一些是“FM”，还有一些是“01”...... 三是用数门槛高，主要是数据分析的工具少、操作复杂。
四是用数慢，开发周期长，缺乏平台支撑。以监管报表为例，前端的统计人员要理清业务口径，把相关要求提交给各业务部门，业务部门根据要求衔接后端应用系统，再进行开发、测试，是一个复杂、漫长的过程。 五是用户体验不佳。 大数据发挥价值的前提条件是要让数据和业务形成闭环，实现两个目标：一是明确数据在业务中的应用效果，有时候数据模型看起很完美，但是在业务流程中效果体现不出来；二是业务要反哺数据。数据作为一种资源，与人、资本这样的资源最大的不同是不具有排他性，一般意思上，某种资源被他人占用后就无法再被使用了，但数据不一样，被使用的次数越多价值越高。也就是说，数据作为生产要素，在生产过程中会不断增值；反之，数据参与业务过程，如果不能实现增值，则意味着数据管理可能是失败的。因此，在数据使用的过程中，除了要在业务中沉淀数据价值，还要将增值后的数据存储到后端的数据库，但目前整体上看，业务反哺数据的工作还是缺失的，数据模型的应用效果缺乏有效评估，除了手机银行，其他渠道数据和业务的闭环还没有形成。 因此，在大数据应用中，数据和业务的关系还有待突破。大数据要真正成为银行核心生产力要素，需要有一个更接近于前台的数据管理部门，也可以叫数据中台。 二、大数据建设过程 第一阶段，数据整合阶段，完成企业级数据能力及架构建设。 没有一个核心的数据架构，大数据战略和大数据应用就是空谈。在这一阶段的重点工作：
中国建设银行信息化建设案例介绍
中国建设银行信息化建设案例介绍 中国建设银行是以国有股份为主的商业银行，为国有四大商业银行之一，主营商业银行业务，包括：本外币存款、贷款、资金结算、各类委托代理业务等。建设银行营业机构遍布全国。目前,中国建设银行在国内设有38个一级分行，2002年7月，在英国《银行家》杂志全球1000家大银行一级资本排序中位居第28名。 跨进新世纪，建设银行在巩固存贷款业务基础上，开拓市场，优化结构，大力发展中间业务，积极介入商人银行业务。越来越多的金融产品不断推向社会，服务于广大客户。 面对新的形势和新的市场，建设银行将不断深化改革，开拓进取，努力建成治理结构完善，运行机制健全，经营目标明确，财务状况良好，有较强国际竞争力的现代商业银行。 建设银行功能全面、不断创新。不仅在基本建设贷款、流动资金贷款、房地产金融、工程造价咨询、项目融资、贸易融资、投资咨询、财务顾问等传统业务领域中拥有优势，还不断开拓新的营销渠道，先后开办了代理性、担保性、咨询类和基金托管等中间业务，利用信息科技手段开发银行卡和网上银行等新产品。产品种类已从以往存款、贷款和结算发展到目前银行卡类产品、电子银行类产品、代理业务类产品、资金类产品等十几大类，数百个品种。建设银行的产品与服务不断跨越传统业务和服务领域，借助科技与网络优势向更新的领域拓展。 建设银行正以矫健的步伐走向现代化、国际化。在香港、新加坡、法兰克福、约翰内斯堡、东京设有海外分行，在伦敦、纽约、汉城设有代表处，与世界80多个国家(地区)的700多家银行建立了代理行关系，与国际金融市场上1000多家投资银行、保险公司、政府(各国中央银行、财政部)及多边金融机构保持着密切的业务往来，形成了遍布欧洲、美洲、大洋洲、亚洲和非洲的全球性代理行网络，是国际金融资本与中国经济建设相结合的重要桥梁。 建设银行始终跟进高科技信息技术进步，不断拓展金融服务领域。建设银行的资金清算系统具有安全、快捷、高效的特点，实现了汇划、清算、对帐、查询和监控等功能一体化，在国内同业中处于领先水平。”重要客户服务系统”可以为集团企业、跨国公司、金融同业、政府部门等客户提供”量体裁衣式”的个性化服务。个人电子汇款品牌产品”速汇通”，实现了个人电子汇款的24小时内到帐，加急汇款两小时内到帐，为个人资金的快捷流动带来了极大便利。建设银行代理人民币资金清算和证券资金清算等拳头产品，品质优异，功能齐全。代理中央财政结算业务独树一帜。证券业务系统技术先进、安全高效，为100多家证券经营机构代理证券资金清算，是沪深两个交易所的重要清算银行之一。代理异地资金清算网络为包括外资银行在内的100多家商业银行提供资金清算服务。建设银行开发的网上银行、手机银行和电话银行网络，突破时间和地域限制，能够为客户提供安全、快捷和个性化的服务。 数据集中工程是为适应中国建设银行统一法人的集中经营模式，提高集约化水平而实施的一项重大工程。整个工程由“核心业务系统”(或称柜面业务系统)、前置和前端、骨干网改造、数据中心建设、灾备、推广组织等6个相互配套的分项目组成。 通过数据集中工程，建成了具有较强适应性和适用性的全行统一的核心业务应用系统，实现以帐务数据为主体的业务数据集中处理，确立与数据集中工程相配套的业务经营和管理制度，统一了业务流程，降低了操作风险和运行成本，数据的集中也为金融创新提供了更广阔空间，有利于提升中国建设银行的核心竞争力。 数据集中工程于2002年7月30日正式启动，分试点和推广两个阶段实施。2003年7月完成应用系统、南、北两个数据中心和骨干网络等基础设施的建制，同年8月至11月底，上海、江苏、北京、辽宁作为试点单位相继完成上线；到2004年11月底，我行19个一级分行和总行营业部推广成功，预计到2005年9月，完成余下19个一级分行的推广上线。 数据集中工程的技术架构设计先进、合理，融会了业界成熟的集成技术、网络技术和主
大银行与大数据的战略思考
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。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，马化腾，还有马明哲，这三个中国互联
银行大数据应用
大数据在未来发展中的应用 第一方面：客户分析。客户分析主要分为个人客户分析和企业客户分析。个人客户分析包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户分析包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。比如： （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互联网用户行为数据。 第二方面：精准营销。 （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（某客户刷卡采购孕妇用
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。 第三方面：风险管控。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。 第四方面：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
基于银行业务的大数据分析应用
基于银行业务的大数据分析应用 摘要 在互联网、云计算和物联网的高速发展下，大数据走入了人们的视野。同时，由于Internet的火速普及、数据库技术的成熟、各种高性能的存储设备出现，人们在平时生活、工作中产生了庞大的数据量。“大数据问题”( Big Data Pr oblem)在这样的时代下产生了，成为各界的热点话题。 银行业作为数据集中管理型行业，在大数据背景下如何进行数据挖掘、分析、加工和利用是银行业发展的重要课题之一。我国银行业务目前主要有三大问题。第一，目前银行产品、经营管理系统存在着同质化的情况；其次，银行中间业务开展尚不成熟，难以利用好信息技术、网络技术、资金和信用等方面的优势进行非利息收入业务。第三，在有效甄别风险、防范风险和控制风险方面的问题。 因此，本文以基于银行业务的大数据分析应用为研究课题，通过介绍大数据的概念、特点、分类及相关理论与技术，研究目前大数据分析在银行业务中的应用现状，针对以上所提出的问题，提出利用大数据分析进行银行业务活动，在商业模式上进行创新，让大数据分析应用为银行的业务带来效益。 【关键词】大数据；银行业务；商业模式；发展战略
Abstract The rapid development of network in the Internet, cloud computing and big data objects, into people's vision. At the same time, due to the popularity of Inter net, to the maturity of database technology, a variety of high performance storag e devices, people have a huge amount of data in normal life, work. "Big data" (Bi g Data Problem) was born in this era, has become a hot topic in all walks of lif e. The banking industry as a centralized data management industry, under the background of big data to data mining, analysis, processing and utilization is one of the important topics in the development of banking industry. The banking b usiness in our country at present there are three major problems. First, the curren t bank product management system, there is a homogenization of the situation; se condly, to carry out the banking intermediary business is not mature, it is difficu lt to make good use of information technology, network technology,capital and c redit and other aspects of the advantages of non interest income business. Third,ri sk, effective risk prevention and control in the screening of the risk. Therefore, this paper based on the analysis of large data bank based busines s application as the research subject, through introducing the concept of big dat a, characteristics,classification and related theory and technology research, the curr ent data analysis application in the banking business, aiming at the above-mentio ned problems, proposed the use of big data analysis of banking activities, innovat ion in the business model, make big data analysis application for banking busines s benefits. [ Key words ] Big data; Banking business; business model; development str a t e g y
银行大数据解决实施方案
银行大数据解决方案
一、项目背景 2015年8月31日，国务院印发了《促进大数据发展的行动纲要》，这一战略性文件为我国大数据发展与应用提供了指导纲领和政策保障。在数据已成为银行重要资产和宝贵资源的形势下，《纲要》也为银行利用大数据推动转型发展指明了方向和实施路径，带来了发展新机遇。 当前中国银行业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前银行业的数据量已经达到100TB以上级别，并且非结构化数据量正在以更快的速度增长。银行业在数据方面有天然的优势：一方面，银行在业务开展过程中积累了包括客户身份、资产负债情况、资金收付交易等大量高价值密度的数据，这些数据在运用专业技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行具有较为充足的预算，可以吸引到实施大数据的高端人才，也有能力采用大数据的最新技术。 总体来看，尽管大数据在银行业的应用刚刚起步，目前影响还比较小，但是从发展趋势来看，应充分认识大数据带来的深远影响。银行业需要进行统一的大数据平台建设，建立综合预测分析体系，整合生产系统数据资源。在此基础上与《纲要》规划的信用信息共享交换平台和公共机构数据统一开放平台有效对接，双管齐下扩展数据来源和采集渠道。这可以一方面高效收集、有效整合企业和社会公共数据，掌握企业真实需求，实现精准营销。尤其可通过农业农村信息综合服务和农业资源要素数据共享，获取三农数据和小微企业数据，解决数据挖掘和分析难点，提升三农和小微金融服务水平。另一方面利用平台动态监控企业经营及个人信用变化情况，强化信用风险智能化管理和预警，降低信用评估、风险控制的难度和不确定性，实现风险管控和精准营销的双重收益。