商业银行如何应对大数据时代

商业银行如何应对大数据时代
商业银行如何应对大数据时代

商业银行如何应对大数据时代

近十年来,现代互联网科技飞速发展,移动互联、搜索引擎、网络社交、云计算、大数据、物联网等技术已不断地深入应用,改变着社会各个行业的商业运营模式及我们每个人的日常工作、生活习惯。现代互联网技术的崛起,可以说是继农业革命、工业革命后,全面改变人类社会的“第三次革命”。而大数据恰恰又是当前互联网科技中最热门的一个方向,大数据时代已然来临。大数据时代的来临使人类第一次有机会和条件,在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据,深入探索现实世界的规律,获取过去不可能获取的知识,得到过去无法企及的商机。面对大数据时代,商业银行如何理解大数据,如何从大数据中去发掘新的商机,传统数据处理的理念及模式如何应变是各家商业银行亟需探讨和解决的一大课题。

一、如何理解大数据

大数据(Big Data)最初是指那些大量的半结构化和非结构化的信息。目前,广义上来说,大数据可认为是利用传统的流程、工具和技术无法处理和分析的数据量巨大、来源多样、结构多样的,通过分析能形成价值的数据集。

美国互联网数据中心指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。Facebook每天更新的照片量超过1000万张;Twitter上的信息量几乎每年翻一番,截至到2012年,每天都会发布超过4亿条微博;2013年,百度每日处理的搜索量已超过了50亿;腾讯微信用户已接近5亿;根据中国电子商务研究中心统计数据,2012 年我国电子商务市场交易规模达7.85 万亿,同比增长30.83%。总之,物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。

大数据具有4个“V”的特征:

1、大量化(Volume)。存储量大、增量大。

2、多样化(Variety)。格式多,包含半结构化、非结构化和结构化。来源多,

来自于搜索引擎、社交网络、传感器等各方面。

3、快速化(Velocity)。处理速度快,1秒定律,这一点也是和传统的数据挖

掘技术有着本质的不同。

4、价值密度低(Value)。以视频为例,连续不间断监控过程中,可能有用

的数据仅仅有一两秒。

二、大数据时代商业银行的生存环境

尽管我们可能仍处于大数据时代的前夕,但我们的日常生活已离不开它了,已被它深深的改变。大数据已经撼动了世界的方方面面,从商业科技到政府、经济、教育、医疗、人文以及社会的其他各个领域。大数据的科学价值和社会价值正不断体现,对大数据的掌握也可以转化为经济价值的来源。

伴随中国成为世界第二大经济体,中国已经深度融入大数据时代,不仅诞生了阿里巴巴、百度、腾讯等优秀的互联网公司,而且拥有了全球第一的互联网用户数和全球第一的互联网移动用户数,网民数量高达5.38亿,中国已经成为全球最重要的大数据市场之一。党的“十八大”报告明确把“信息化”纳入“四化同步”进程,并已经成立了中关村大数据产业联盟,正在建设国家级“大数据”处理与服务专业园区。2013年7月,上海市政府也正式发布了《上海推进大数据研究与发展三年行动计划》,该计划提出,上海将重点选取医疗卫生、食品安全、终身教育、智慧交通、公共安全、科技服务等具有大数据基础的领域,探索交互共享、一体化的服务模式,建设大数据公共服务平台,促进大数据技术成果惠及民众。计划还将在金融证券、互联网、制造业等6个重点领域开展行业应用研发,并力争在大数据一体机、新型架构计算机、大数据分析软件等技术方面取得突破。从企业到政府,都已将大数据提升至战略高度,以求在大数据时代赢得未来。

大数据时代,电子商务、互联网金融的飞速发展,也给商业银行的发展和生存环境带来了极大的挑战。

近年来,随着电子商务产业的蓬勃发展,电子支付的方式也在不断演进和创新。银行作为资金的结算者,提供了多种形式的电子支付结算功能。目前银行已推出网银支付、电子钱包、快捷支付、手机支付等基于互联网和移动互联网的多种电子支付服务。银行的电子支付服务以其低成本、高安全性给银行和客户双方带来了便捷和收益。而第三方支付组织的出现打破了银行独占的在线支付结算业务,2011年央行支付牌照的发放更是让第三方支付的交易额得到了爆发式的增长。原本由银行独享的巨大现金流及丰厚的交易手续费被地位相对垄断且强势的

第三方支付侵占,银行在电商领域的中间业务收入不断降低,且由于处于整个交易链条的末端,无法获取具有很大隐性价值的交易信息数据,这部分大数据的缺失,将不利于银行在整个电商生态领域的发展。

随着互联网和大数据的发展与普及,互联网企业跨界涉足金融业日趋常态,初创的企业也大量涌现,对传统金融业的多个领域形成冲击,从支付结算到投融资服务、再到流通货币,银行、保险、证券、基金等传统金融机构无一幸免,渗入范围不断扩大,并向金融业的核心领域拓展。金融业的潜在进入者通常是借助互联网等信息技术的创新和进步,从金融业的薄弱环节切入,通过破坏性产品或破坏性商业模式打破原有的市场结构,未来通过不断升级自身的产品与服务,很可能会攀升到金融业产业链的顶端。以阿里巴巴为代表的互联网企业不断地推出“阿里贷”、“余额宝”、“信用支付”等金融产品蚕食着商业银行的市场份额,商业银行的变革势在必行。

三、商业银行的应对之道

大数据价值链是由大数据思维、大数据本身及大数据技术所构成,三者相互依存,只有三者都具备,才能形成完整的大数据价值链,才能充分挖掘和利用隐藏在大数据背后的价值,发现商机。

大数据时代,商业银行应树立大数据思维。所谓的大数据思维,主要是指:

1、将大数据提升至战略高度

从行领导至普通员工都应明白在大数据时代,大数据的运用应是一家企业的一项战略课题。大数据赋予我们洞察未来的能力,企业应学会洞察数据中的信息了解客户,也更加了解自己。商业银行不能掌握对大数据的运用,也就无法顺应时代,无法迎接挑战。商业银行应及早将大数据纳入战略发展方向,从组织架构、人员储备、流程再造等多方面着手,提早布局,积极应对,用数据治行。

2、用数据说话

人类从依靠自身判断做决定到依靠数据做决定的转变,是大数据作出最大贡献之一。大数据时代,一切皆可量化、数据化,商业银行应充分利用大数据及大数据技术从数据挖掘信息,让数据说话,而不是凭经验拍脑袋作出决定。

3、数据思维变革

大数据时代,数据本身及技术都发生了巨大变化,我们对数据运用的思维也

应随之改变:

1)首先,要分析与某事物相关的所有数据,而不是依靠分析少量的数据样本;

2)其次,我们乐于接受数据的纷繁复杂,而不再追求精确性;

3)最后,不再探求难以捉摸的因果关系,转而关注事物的相关关系。

大数据时代,商业银行应在目前结构化业务数据的基础上,广开数据来源,适应科技发展、用户习惯及业务需求不断全方位、多渠道的提取数据,做大数据基础。目前,大量的数据产生于互联网络、社交网络、移动终端等新兴媒体渠道,商业银行的价值客户也与这些媒体渠道的用户高度吻合。同时,随着我国金融市场化的深入,金融脱媒现象也日益凸显,商业银行调整现有客户结构,大力发展零售客户和中小企业客户势在必行。商业银行应顺应时代,不断转变、创新经营服务模式、为客户提供更好的产品和服务。“阿里贷”、“信用支付”等互联网企业推出的金融产品,正是基于商业银行目前无法掌握或运用客户大量真实交易信息的基础上。一些商业银行也看到了这些问题,并进行业务或服务创新,例如,建设银行推出了“善融商务”电子商务平台,招商银行推出了信用卡微信客服等。这些大数据,都将被商业银行在今后进行客户行为分析、精准营销上加以运用。商业银行应与移动网络、电子商务、社交网络等“大数据平台”完美融合,开展大数据分析,为客户提供开放服务平台。

目前,国内商业银行在大数据技术,尤其是处理那些半结构化、非结构化海量数据的处理运用上都非常缺乏技术和经验。商业银行应意识到这些半结构化、非结构化海量数据将会是现有结构化数据的补充,只有两者有效的结合运用,才能充分发挥大数据的价值。一些国际知名软硬件厂商,如IBM、EMC、Oracle、SAP也纷纷推出了各自的大数据解决方案。大数据技术主要包含分布式文件系统、分布式数据库、非关系型数据库、内存数据库、云计算、云存储等。商业银行应尽早对大数据技术进行研究,做好技术储备,对自身的数据架构进行软硬件升级调整、搭建大数据平台。

总之,大数据时代,给商业银行带来了挑战,但更多的是机遇,商业银行也理应成为一家大数据企业,运用大数据,适应市场需要,为客户提供全方位的、创新性的产品及服务,从数据中获得洞察力,从数据中攫取价值,从数据中赢得

未来。

某城市商业银行大数据中心概要规划V1.0

省城商银行 数据中心建设概要规划 V1.0 凌信 2015年1月15日

目录 一、方案概述 (3) 二、需求分析 (4) 三、自建与外包数据中心 (5) 3.1.高等级数据中心的高要求 (6) 3.2.外包数据中心的优点 (9) 3.3.数据中心的自建和外包 (10) 3.3.1.财务指标 (10) 3.3.2.保障能力 (13) 3.3.3.效率分析 (15) 四、概要规划 (17) 4.1.容灾工作计划 (18) 4.2.同城灾备 (18) 4.3.异地灾备 (19)

一、方案概述 随着银行业对信息化依赖程度越来越高,信息系统安全问题对其业务的影响也日益增大。数据集中的同时也意味着风险相对集中,在地震、火灾、水灾、疫情、计算机病毒、黑客攻击等各种灾难事件不断爆发的情况下,如何确保其信息系统安全和业务持续运行已成为一项重要而艰巨的任务。 2010年银监会发布的《商业银行数据中心监管指引》首次对国商业银行同城和异地灾备中心建设等级提出明确要求。该指引对数据中心风险管理、运行环境管理、运营维护管理、灾难恢复管理、外包管理等方面提出了明确要求,如,商业银行应于取得金融许可证后两年,设立生产中心;生产中心设立后两年,设立灾备中心等等。 城商银行目前已经有建国南路、斜西街2个运营中的数据中心,并在新建大楼中规划了专用的更大规模的数据中心。针对数据中心的升级和灾备,城商银行原计划是: 1)取消建国路机房(生产数据中心)调整到新建大楼机房(计 划2000平方米机房); 2)斜西街机房(辅助机房)不变; 3)异地灾备机房不变。 根据国际、国数据中心的发展趋势,结合城商银行的数据中心建设现状,凌信建议: 1)取消的建国路数据中心调整到凌信第三方机房;

商业银行如何应对大数据时代

商业银行如何应对大数据时代 近十年来,现代互联网科技飞速发展,移动互联、搜索引擎、网络社交、云计算、大数据、物联网等技术已不断地深入应用,改变着社会各个行业的商业运营模式及我们每个人的日常工作、生活习惯。现代互联网技术的崛起,可以说是继农业革命、工业革命后,全面改变人类社会的“第三次革命”。而大数据恰恰又是当前互联网科技中最热门的一个方向,大数据时代已然来临。大数据时代的来临使人类第一次有机会和条件,在非常多的领域和非常深入的层次获得和使用全面数据、完整数据和系统数据,深入探索现实世界的规律,获取过去不可能获取的知识,得到过去无法企及的商机。面对大数据时代,商业银行如何理解大数据,如何从大数据中去发掘新的商机,传统数据处理的理念及模式如何应变是各家商业银行亟需探讨和解决的一大课题。 一、如何理解大数据 大数据(Big Data)最初是指那些大量的半结构化和非结构化的信息。目前,广义上来说,大数据可认为是利用传统的流程、工具和技术无法处理和分析的数据量巨大、来源多样、结构多样的,通过分析能形成价值的数据集。 美国互联网数据中心指出,互联网上的数据每年将增长50%,每两年便将翻一番,而目前世界上90%以上的数据是最近几年才产生的。Facebook每天更新的照片量超过1000万张;Twitter上的信息量几乎每年翻一番,截至到2012年,每天都会发布超过4亿条微博;2013年,百度每日处理的搜索量已超过了50亿;腾讯微信用户已接近5亿;根据中国电子商务研究中心统计数据, 2012 年我国电子商务市场交易规模达 7.85 万亿,同比增长 30.83%。总之,物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器,无一不是数据来源或者承载的方式。 大数据具有4个“V”的特征: 1、大量化(Volume)。存储量大、增量大。 2、多样化(Variety)。格式多,包含半结构化、非结构化和结构化。 来源多,来自于搜索引擎、社交网络、传感器等各方面。 3、快速化(Velocity)。处理速度快,1秒定律,这一点也是和传 统的数据挖掘技术有着本质的不同。

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

商业银行对大数据的运用及应对策略

商业银行对大数据的运用及应对策略 摘要 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。 关键词:大数据,商业银行,营销策略

Abstract Due to the marketization of interest rate and financial disintermediation deepening, China's commercial Banks will face more fierce market competition, commercial Banks are making strategic transition. In the era of big data, gradually real-time and accurate marketing mode, service mode constantly customization and personalization. And continually development and extension of market research, product strategy, channel segmentation and other traditional marketing strategy, promotion strategy, real time marketing, social marketing, behavior and so on in the development of new marketing methods. Integration and real-time update of structure, multi-dimensional information will deeply influence the commercial bank marketing rules. Based on the era of big data, timely adjustment and development of marketing strategy, flexible use of marketing mix, is our country commercial bank marketing principles to adapt to the market demand. The current various commercial bank attaches great importance to the big data applications in the field of marketing, in the face of social produce large amounts of data, they need to seek marketing strategy based on marketing big data era characteristics. With the characteristics of large data of commercial Banks and its influence on traditional marketing theory as the foundation, in view of the existing problems of our country commercial bank marketing, based on PEST model and SWOT model analysis of macro environment and the marketing environment, focus on commercial Banks under the era of big data solutions and Suggestions are put forward. Understand customers' preferences and behavior characteristics, choose appropriate marketing strategy, make its can better guide our country commercial bank in marketing activities, so as to adapt to the fierce market competition environment. Key words: Big data, Commercial Banks, Marketing strategy

商业银行对大数据的运用及应对策略

商业银行对大数据的运用及应对策略

商业银行对大数据的运用及应对策略 摘要 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。 随着大数据时代的到来,各商业银行纷纷进行战略转型,营销模式逐渐实时化和精准化,立足于大数据时代,各商业银行如何及时调整并发展营销策略,灵活运用市场营销组合,寻求基于大数据时代营销特征的营销策略是商业银行面临的现实问题。本文运用理论联系实际的方法首先以商业银行大数据特征及其对传统营销理论的影响为基础,针对我国商业银行如何实现精准营销所存在的问题,提出了大数据时代下的商业银行实现精准营销的解决方法和建议。

关键词:大数据,商业银行,营销策略

Abstract Due to the marketization of interest rate and financial disintermediation deepening, China's commercial Banks will face more fierce market competition, commercial Banks are making strategic transition. In the era of big data, gradually real-time and accurate marketing mode, service mode constantly customization and personalization. And continually development and extension of market research, product strategy, channel segmentation and other traditional marketing strategy, promotion strategy, real time marketing, social marketing, behavior and so on in the development of new marketing methods. Integration and real-time update of structure, multi-dimensional information will deeply influence the commercial bank marketing rules. Based on the era of big data, timely adjustment and development of marketing strategy, flexible use of marketing mix, is our country commercial

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

如何看待商业银行建设大数据

如何看待商业银行建设大数据 多年来,“大数据”在金融行业广受欢迎,尤其是互联网金融出现之后,如果被问到互联网金融如何解决风险控制问题,他们就会干脆利落的回答,我们有大数据平台。而大数据已经成为互联网金融支持者的护身符,似乎一切难题都可以通过大数据解决,原因大数据实神秘难懂,让一般业余人士无可辩解。 要知道大数据有哪些用途,首先来了解一下什么是大数据。所谓大数据,毫无疑问不同于以往的数据概念,而是包含着大千世界发生的一切信息集合,是无法用任何平台概况的,必须用全局的眼光看问题。不同于以往的数据仓库和数据挖掘,大数据不存在样本抽取,所有数据即是样本,分析问题需要从所有数据的关联与非关联一起考虑,以此分析得出的结果也同样存在随机不确定性。由于“大数据”在互联网金融发展的带动下,商业银行也表现出对大数据的极大热情,纷纷表示要建立大数据平台来解决各种金融问题。既然大数据被商业银行给予如此大的期望,它到底能够在实际应用中为商业银行带来多大利益,在此不妨来探讨一下大数据的相关问题。 首先,商业银行需要建立大数据平台,所要包含的数据范围、数据来源、来源是否真实等一系列问题,是建立大数据平台的先决条件。金融大数据不仅仅包括金财务状况和融交易相关活动信息,还应该包括主体在现实生活和网络虚拟环境中的社交、行为、心理和活动等信息。而这些信息如何获取是建设大数据平台的关键,如果没有获取数据的来源,建立大数据平台也就成为一句空话,金融数据信息商业银行内部容易获取全面,但社交、行为和心理等与金融活动无关的数据获取,将是商业银行面临的一大难题。大型商业银行可以有雄厚资本建立自己的各种平台,但小型商业就不那么容易获取,据了解许多小型商业银行(犹如城市商业银行)通过购买数据来填补这方面的信息缺陷。但购买数据又带来了另外一个问题,购买数据是否真实可靠,如果不能保证数据真实可靠,所谓的大数据建设将犹如镜花水月。 在当前充满商业利益的时代,有些商家为了获取利益,利用小型商业银行即对大数据的渴望,又不了解大数据的情况下,提供造假数据的可能性非常高。能否提供有效地大数据信息,关系到一家企业的实力。在数据被视为宝贵资源的信

[商业银行,数据]商业银行大数据六问六策

商业银行大数据六问六策 “大数据(Big Data)”的概念在过去几年里引起了各个行业的充分关注。以信息处理能力作为核心竞争力之一的商业银行,如能引入大数据的理念和相关技术,将有效提升自身的信息化水平,促进信息化银行的建设和发展。因此,有必要基于商业银行经营特点和现有IT架构,对“大数据”的概念加以分析和探讨。本文以商业银行的视角,从大数据的核心思想、数据特点、技术要领、实施要点四个方面切入,以六组问答的形式对商业银行大数据相关的思想、概念、方法、对策等进行辨析和讨论。 大数据的核心在于“大”吗? 体量大、维度高、形态多、价值高但密度低是公认的大数据四大特点(即大数据的“4V”定义)。需要指出的是,这四大特点的概括,是出于理论研究的需要,对“数据”本身特点进行的概括。而对于商业银行的业务应用而言,则应从具体效用的角度来理解大数据思想及技术。 大数据之于商业银行,在于对既有数据分析系统的升级,显著提升数据分析和商业决策的效率。大数据的思想追求数据在商业决策中的“无处不在”,讲求数据分析与具体业务的紧密衔接。从商业智能(Business Intelligence, BI)的角度来看,大数据技术是原有BI的升级,将传统的“具体业务―商业数据―BI分析―报表―决策―具体业务”的BI流程进行了再造,压缩了整个流程的信息链条,同时提升了链条各个环节及整体的运转效率。 大数据之于商业银行,在于提供了一种有效的手段,提高商业银行对客户的理解与认知能力。大数据技术支持商业银行对大量日志数据进行统计和建模,从而了解客户的行为习惯、风险偏好、健康情况、消费能力、渠道喜好、信用状况及人口统计学等多方面的信息,进而为客户“贴标签”、“画像”;亦可整合多种信息反馈渠道的数据,帮助商业银行实时 关注、理解客户的真正业务需求。 大数据之于商业银行,在于能够低成本、批量地实现较高水准的个性化客户服务,增加客户粘性。如能有效地将大数据分析系统与移动互联网技术、线上线下一体化服务体系进行紧密融合,就可为商业银行的客户提供“千人千面”的个性化服务。例如,对于低净值长尾客户,可用较低的成本,批量化地通过电子渠道提供随身的知心服务,提高产品和服务的覆盖率;对于高净值客户,提供“客户经理+电子渠道”的随身贴心服务,提升客户的业务贡献。 可见,从具体效用的角度来看,衡量一个商业银行是否真正应用了大数据、发挥了大数据的价值,就是要看其大数据系统是否能够显著提升数据分析和商业决策的效率,是否能够提高对客户的理解与认知能力,是否能够低成本、批量地实现较高水准的个性化客户服务。如果商业银行的大数据系统未能实现上述效用,那就需要认真审视自身的大数据战略并加以调整。 大数据就是外部数据吗?

××商业银行关于落实数据监管指引与大数据建设情况的总结报告

××农村商业银行关于落实数据监管指引与大数据建设情况的总结报告 一、数据监管指引落实情况 (一)监控指引学习贯彻情况 ××农村商业银行(以下简称“本行”)已于2018年组织学习了《银行业金融机构数据治理指引》,于2019年组织相关部门学习了《金融科技发展规划(2019-2021)》。 一直以来,我行高度重视数据质量工作,将数据质量管理工作列为全行业务发展的重点工作。在2011年,我行已将监管统计归口部门设在业务管理部,并设立组织条线,构建由行长直接领导、归口部门牵头负责、其它部门和基层报数单位协助取数的数据质量监控体系。 业务管理部门负责全行监管统计领导、组织、协调和管理工作,并根据统计岗位职责要求,配备了两名专职统计人员以满足各项监管统计工作的需要,各支行、其它部门相关人员为兼职统计人员,负责填报本机构监管统计数据。 本行积极落实各项管理、考核制度,形成“以制度约束人,以考核激励人”的工作格局,确保统计工作制度化、规范化。我行按省联社、人民银行、监管部门的规定建立统计管理制度,在2017年更新了《××农村商业银行业务统计工作管理办法及实施细则》、《××农村商业银行金融统计工作

考核办法》、《××农村商业银行金融统计事项报备制度》、《××农村商业银行金融统计工作保密制度》、《××农村商业银行统计工作操作流程》、《××农村商业银行统计工作应急预案》、《××农村商业银行统计数据档案管理办法》、《××农村商业银行统计现场检查管理办法》、《××农村商业银行监管统计业务管理办法》、《××农村商业银行客户风险共享信息管理办法》(详见××农商行2017年度制度汇编),所有制度覆盖所有的统计报表和数据要求,并正式发布,对金融统计的内容、方法和口径等方面做出统一规定,保证金融统计报表和数据中每一个统计项目的归属关系及取数路径清晰、准确。 我行在做好统计工作管理的同时,也一直加强统计辅导和培训工作,做到每年至少一至两次统计业务培训或统计业务学习例会,统计培训内容做到实时更新,与现行的统计管理要求相一致。2018年3月初我行组织各机构信贷会计学习了2018年人行数据大集中、1104报表的新制度和报表新规定,明确了“数据质量年活动”中,数据前期治理工作的重要性。 (二)数据治理体系规划情况 本行按照省联社数据治理要求开展工作,暂未制定发布自有数据战略或数据治理体系规划。暂未设立数据治理相关组织。本行数据治理的管理组织是本行业务管理部,负责统

数据分析能力对商业银行的重要性

数据分析能力对商业银行的重要性 数据分析能力对商业银行的重要性 时间:2013-03-07 16:37 在信息化高速发展的时代背景下,各银行积累的客户数据、交易记录、管理数据等呈爆炸性增长,海量数据席卷而来,这样海量的大数据,给银行业带来了压力的同时,也同样带来了机遇。而信息未必一定通过数据来展现,但数在信息化高速发展的时代背景下,各银行积累的客户数据、交易记录、管理数据等呈爆炸性增长,海量数据席卷而来,这样海量的大数据,给银行业带来了压力的同时,也同样带来了机遇。而信息未必一定通过数据来展现,但数据一定是信息的基础,海量数据意味着海量机遇和风险,可以通过多种方式为银行提供变革性的价值创造潜力。如何利用数据这一商业银行重要的资产来开展有效的数据分析和挖掘,从而促进管理并提升企业价值,是目前大多数商业银行所面临的重要挑战之一。 用数据帮助决策。目前国内银行业的战略发展和经营管理决策多数依赖于决策者的经验。面对激烈的市场竞争,管

理层迫切需要数据的决策支持,提高经营和决策的科学性。银行各项产品能带来怎样的利润?如何判断客户是否有发展潜力?在哪里开设新的分行?将数据充分应用到经营管理决策的各个层面,这些原本看似很难回答的问题会变得清晰起来,管理者的决策过程实现由“依赖经验”逐步过渡至“有数可依”,在深入了解和把握银行自身乃至市场状况的基础上,更加科学地评价经营业绩、评估业务风险、配置全行资源。 用数据提升管理精细度。随着银行业务转型及精细化管理的推进和深化,涉及资产、负债、客户、交易对手及业务过程中产生的各种数据资产,在风险控制、成本核算、资本管理、绩效考核等方面发挥着重要的作用。如银行贵宾卡服务,会考虑设置相应的资金要求和贵宾待遇,银行可以在分析本行客户数据的基础上确定最合适的目标客户群及期望达到的卡均余额和交易量。数据资产直接关系业务管理的精细化水平,也是银行开展业务多元化、多方面分析的基础。“数据—信息—商业智能”将逐步成为商业银行定量化、精细化管理的发展路线,为有效提升服务能力提供强大支持。 用数据促创新,赢先机。我国商业银行提供的服务和产品存在较大的同质性,但比较竞争优势要求银行突破同质

大数据与银行业新一代数据体系建设

大数据与银行业新一代数据体系建设 “大数据”来了,如火如荼,大有排山倒海之势!仔细分析各种成功案例后,发现大都是在互联网行业,而它在银行业的应用,却鲜有报道。本文则重点介绍大数据在银行新一代数据体系建设中的需求、战略与具体应用。 一、大数据在银行业的需求分析 高负荷环境下高可用的海量数据管理是目前IT建设中最重要的内容,也是影响客户业务发展最重要的瓶颈。近年来的事实表明,各行各业,其数据量以及用户对服务水平等几个方面的要求是在同时快速增长的,以基于SQL的关系数据库技术为主要代表的传统数据管理技术已经明显难以应付新的需求,这其中当然也包括银行业。 仔细分析,银行IT体系中数据量的增长压力主要来源于以下几个方面的原因: 1.银行业务的快速增长导致原有企业业务数据的快速增长。也就是说,企业数据库中 需要管理的数据量及其增长速度已经难以承受; 2.客户服务水平的提高及各种监管制度的要求,导致银行IT部门不得不规划管理比 以前量大得多的数据。例如对长期历史数据的使用要求,使得银行不得不考虑原来 存放在磁带上的数据的高可用问题; 3.新的IT规划带来了新的数据类型。将社会化交互渠道引入银行业,已经成为各大 银行规划其新一代IT体系的重要目标。由此,银行IT部门就不得不关心其以前并 不关注的新的数据类型。 从目前的状态来,对以上需求1与2,银行主要是通过原有系统垂直扩容的手段来应对。但近年来,垂直扩容已经不仅仅是难以承受的成本压力了,清醒的IT工作者已经意识到这不是根本的长远之计;而对需求3,则是互联网行业的强项,银行业没有过多的技术经验与积累。 要很好的解决以上问题,必须引入新的技术理念、方法与工具,而无论从技术特征本身,还是从应用实践来看,当今最流行的大数据技术(这里主要指Hadoop MapReduce与NoSQL),都会在应对这些挑战的过程中起到重要的作用。 二、银行业大数据应用的困惑 目前为止,虽然国内的商业银行对大数据的实际应用还比较少,但这项新的技术已经得到了绝大多数银行的关注,有相当一部分银行正在进行对大数据技术的调研、论证与测试工作。正如上面分析的那样,银行业对在其IT体系中引入大数据的必要性是认同的。 但同时,银行IT部门又普遍对大数据在本企业的应用存在一定程度的困惑,这主要表现在以下几个方面: 1.大数据在银行数据体系规划中的地位究竟如何?这对其技术战略规划有何影响? 2.大数据技术与传统的关系数据库技术关系与未来发展方向到底如何?是会最终替 代掉关系数据库吗? 3.银行业应该如何构建大数据平台? 4.大数据技术目前具体可以在银行IT体系的哪些方面得到有效的运用? 本文旨在对以上问题进行探讨。 三、大数据与银行新一代数据体系 相当一部分商业银行目前正在进行新一代IT体系的规划与建设工作,其中,打造适应

商业银行数据合规分析系统

商业银行数据合规分析系统 V1.0 技术白皮书 2017年2月

为防范金融风险,尤其是银行业风险事件发生,近年来银行业监管当局在业务监管范围、方式和技术手段方面都发生了很大变化。大量利用信息技术的优势,革新监管的现场检查、非现场检查的监管执行模式。使得商业银行面临更加严厉、更加直接、更加精细的业务合规监管检查。比如,2012年3月至今银监会通过发布《中小银行及农村金融机构监管数据标准化规范》以及建立新一代监管数据分析平台,使得原来只能针对小部分大型商业银行才可以进行的监管业务,可以推广到全国各类中小银行进行合规性监管。大大提高了合规性监管的范围、频度,有效防范商业银行业务风险事件发生。 监管机构通过对银行上报的数据进行深入分析,发现了商业银行在运营过程中存在的不合规业务,并据此开展相应的现场检查工作,随着监管力度的加大,银行业金融机构所面临的压力将越来越大。在做好上报数据的真实性、准确性、时效性的同时,更多要关注银行业务的合规性。 1.产品定位及价值 本软件产品就是帮助商业银行利用信息化手段和工具对本行经营业务存在的问题进行检查分析和定位,协助落实整改,转变风险管控思路,建立主动的业务合规预警机制,从被动接受监管部门检查转为主动查找和分析商业银行自身业务合规性,从监管事后整改转为事前防范,扎实提升商业银行风险防范能力和风险管控水平。 本软件产品结合商业银行基础数据,将业务合规分析模型导入其中,通过模型运算得出存在疑点的交易信息和客户信息,提示和披露

商业银行在经营业务方面可能存在的问题和风险点,以达到如下目的: 1、对商业银行存在的违规业务问题能够进行精确定位 2、协助商业银行对专项风险的进行深度分析。 3、协助商业银行对业务合规风险进行持续检查和监控 系统结合监管思路和重点,整理了约40多个业务合规分析模型,能通过对商业银行的业务数据进行自动化分析,全方位地检查商业银行存在的不合规业务情况。 部分业务合规分析模型名称如下: ?贷款利率异常浮动 ?受托支付超期 ?关联互保 ?为房地产企业发放流动资金贷款 ?向非土地储备机构发放土地储备贷款 ……等等约40多个业务分析模型。 2.产品功能特点 (1)系统功能结构 系统主要的功能结构如下图所示:

中国现阶段商业银行盈利能力分析

西北大学学报(哲学社会科学版) 2009年11月,第39卷第6期,Nov.,2009,Vol.39,No.6 Journal of North west University(Phil os ophy and Social Sciences Editi on) 收稿日期:2009205222;修回日期:2009208220 基金项目:教育部新世纪优秀人才支持计划基金项目(450021230274);吉林大学“985工程”基金项目 作者简介:金晓彤,吉林大学教授,博士生导师,从事金融研究。 【经济研究】 中国现阶段商业银行盈利能力分析 金晓彤,刘 宏 (吉林大学商学院,吉林长春 130000) 摘 要:通过采用文献分析和数据分析等方法,以2001—2008年商业银行的数据为样本,对近几年的商业银行盈利能力进行了统计分析,研究发现国有商业银行近年的盈利能力有了实质性提高,股份制商业银行也通过规模扩张积累实力,促进了盈利能力的提升,同时也发现了目前制约国有商业银行盈利能力提高的主要问题,并为下一阶段的深入研究提供了方向。 关键词:商业银行;盈利能力; 中图分类号:F830.9 文献标识码:A 文章编号:100022731(2009)0620048204 一、商业银行盈利能力研究的意义 银行经营的目标是安全性、盈利性、流动性。首 先,由于银行大部分的营运资金来自在于社会公众 的存款,银行经营的安全与否对整个社会的信用体 系有很大的影响,安全性也成为对商业银行经营的 最基本要求。其次,流动性目标是商业银行在日常 经营中寻求安全性与盈利性之间平衡的重要环节, 通过银行内部资产负债管理环节,一方面保证外部 监管对流动性指标的要求,另一方面,提高生息资产 的占比获得更多盈利。而从根本上讲,要真正地实 现商业银行的安全性和流动性目标,归根结底是要 在盈利性上下工夫。盈利对于商业银行具有极其重 要的意义,银行的盈利为银行提供了内部资本积累 的途径,同时它们对于吸引新的投资者的进入更是 必不可少的;另外银行持续的盈利也会建立公众对 银行的信心,从而尽可能地降低银行的资金成本,并 使它们赢得最好的借款人,最大程度地保证资金的 安全和债权人的用款需求。因而如何提高银行的盈 利能力始终是一个历久弥新的话题,在不同的经济 发展阶段不断被注入新的元素。针对我国银行业发 展的实际情况,我国四大国有商业银行经过不良资 产剥离、国家注资及股改上市等一系列的改革之后, 正焕发出新的活力;而股份制商业银行经过近年来 的金融体制改革,充分运用资本市场的力量,有了长 足的进步。面对入世以后的竞争,尽快提高我国银 行的盈利能力,促进核心竞争力的形成,开展商业银 行盈利性研究具有着深刻的意义。 二、银行盈利性分析的主要文献综述 王亚雄、李向明等利用统计的方法,以农业银 行、建设银行、交通银行、中信银行、民生银行、招商 银行等10家商业银行2000年数据为样本,运用主 成分分析法,得出新兴的股份制商业银行盈利能力 强于国有商业银行,上市的股份制商业银行强于未 上市的股份制商业银行,并通过与国外银行的资本 收益率、银行利润率、资产收益率三个单项指标对比 得出新兴股份制银行具有同国外银行竞争的实力, 特别是公开上市的股份制银行[1]。 范晓清、白娜在国有商业银行盈利性与国内外 各大商业银行比较研究的基础上,引入杜邦和安尔 伯茨两种模型,对国有商业银行的盈利能力展开分84

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

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:

相关文档
最新文档