大數據分析應用視角商業銀行零售業務

導語：大數據分析應用視角商業銀行零售業務一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要：在中國經濟進入新常態、市場監管趨嚴和移動互聯網全面普及應用的新形勢下，商業銀行傳統業務經營模式遭受嚴峻沖擊和挑戰，加強零售業務轉型升級，挖掘更大的市場空間，促進銀行業績創收已經成為商業銀行的戰略共識。大數據分析對于本身擁有龐大數據信息的零售業務助益良多，如何充分發揮大數據分析在銀行零售業務中的優勢，助力商業銀行零售業務轉型升級更進一步值得高度關注和深入思考。

關鍵詞：大數據分析；商業銀行；零售業務；現狀；對策

0引言

移動互聯網時代大數據、信息化已然滲透人類生存環境的方方面面，為人來生活帶來諸多便利，大數據以數據數量龐大、種類齊全、價值密度低、處理速度快等顯著優勢吸引無數受眾群體認可、普及和推廣。搭建大數據平臺，利用大數據分析的優勢助力銀行零售業務轉型升級、增長業績是商業銀行新形勢下的必然選擇。在供給側結構性改革政策推動下，銀行零售業務轉型升級初現燎原之勢。但是從長遠來看，商業銀行零售業務轉型升級整體進度趨于疲軟，線上與線下結合不到位，客戶需求、行為習慣考量不足，尚未發掘更大的零售業務價值空間。因此客觀分析商業銀行零售業務大數據分析應用的現狀，思考大數據助力銀行零售業務轉型升級的對策對于商業銀行未來良好發展具有現實意義和價值。

1大數據分析在商業銀行零售業務的應用現狀分析

1.1商業銀行零售業務尚未完全搭建大數據平臺

在互聯網金融遍地開花的大環境下，商業銀行零售業務轉型升級面臨巨大挑戰，傳統的依靠走訪和客戶主動辦理業務的零售模式已經逐漸被淘汰；客戶需求日益趨于多元化、層次化、個性化。由此，傳統模式下的銀行零售業務遭遇發展瓶頸，客戶群體逐漸減少，業績增長緩慢甚至面臨長時間負增長現象。從而商業銀行零售業務必須轉型升級，搭乘信息化和互聯網金融的快車，將線上與線下相結合，更深層次挖掘零售業務發展空間，精細化把控客戶需求和理財行為習慣，以實現零售業務業績正增長。而無論是實現線上與線下業務結合還是挖掘深層次信息，都必須應用大數據分析；并且零售業務本身存在龐雜的數據信息，隨著業務發展和時間遞增，數據來源和存量也不斷增長，傳統的數據庫面臨巨大的“庫存壓力”，而傳統的數據系統對缺乏數據精細分析能力，無法滿足新形勢下的銀行零售業務發展需求；則搭建商業銀行零售業務的大數據平臺已然勢在必行。

1.2大數據分析應用的專業人才不足，且人才素養有待提升

不同于傳統的數據管理，大數據分析應用需要強大的專業人才支撐，大數據分析切實作用于商業銀行零售業務轉型升級必須彌補專業人才“短板”。大數據時代，銀行零售業務發展有賴于更專業、更全面、更深層次的數據分析，數據信息采集由傳統的隨機抽樣轉變為總體數據；數據類型由原本的針對性數據延伸至關聯性數據，類目更多、信息量更大，更加考量數據與事件之間的相關性；數據分析要兼顧事前預測、事中感知和事后反饋等流程。由此，大數據分析有更多的條件限制，人才就是其必要條件之一，也會發揮大數據分析作用的重要動力。部分商業銀行已經搭建了基礎的大數據平臺，但是負責大數據處理的工作人員均有傳統數據處理經驗，而大數據處理中僅有20%的數據與傳統數據庫所處理的結構化數據基本相同，可見現有人才要完全勝任大數據處理工作仍有80%的提升空間。

1.3銀行零售業務的大數據實際應用更新緩慢，創新不足

理論上講，大數據分析宛若數據處理界的“千手觀音”，能夠多管齊下，以分布式服務處理方式，同時進行多方面數據采集和分析，有效降低時間成本和硬件成本；數據處理效率高，有效簡化了零售業務交易流程，降低中間成本；大數據的分析功能為風險管理提供了有力的技術支撐，大大降低了違約成本。然而以上成效的實現需要強大的基礎數據支撐，不同于傳統的數據庫數據處理，大數據分析的數據信息不僅來源于銀行數據庫，更多的采集于網頁、微博、視頻、音頻及其他移動客戶端，即數據采集渠道廣泛多樣，數據信息包羅萬象；大數據處理對信息源的實效性、真實性、廣泛性、全面性具有嚴格要求。而目前商業銀行零售業務大數據分析實際應用效果不理想，很大程度上歸結于數據信息采集不足，更新緩慢，且數據處理方式固化單一，缺乏創新。

2基于大數據分析的商業銀行零售業務轉型升級對策研究

2.1繼續搭建和完善零售業務大數據平臺

大數據環境下，商業銀行零售業務要快速實現轉型升級必須更快大數據平臺的構建和完善。應該充分利用大數據技術建設專門的銀行數據倉庫，將全行所有數據信息進行統一和整合，并在數據倉庫基礎上提供靈活查詢、通用查詢等多樣化數據服務，拓展數據倉庫的功能。要借助互聯網信息化技術大力推進大數據平臺建設和完善，例如某商業銀行充分應用了集群架構、智能語音云和虛擬化技術，并引入集群數據庫和MPP數據庫，搭建集分布式架構+企業級數據倉庫+信息共享+流式計算+語音數據處理+集中管控為一體的高性能大數據處理平臺，該數據平臺能夠在線實時處理海量數據，大大提升了銀行零售業務經營和服務效率。同時數據平臺的搭建要考慮半結構化和非結構化數據的監管和治理問題，在數據平臺搭建過程中為網頁數據、社交媒體數據設置統一采集標準，引入實時在線監控技術，方便工作人員及時彌補缺失值、檢測異常數據、更新滯后數據，形成閉環式數據管理模式，以保證銀行零售業務數據的有效性、完整性和一致性。

2.2加強大數據專業人才培養和隊伍建設

商業銀行要加強大數據專業人才的培養，盡快建立強大的專業人才隊伍。要傳統數據處理人才提供大數據培訓機會，例如在企業內定期開展培訓會，邀請專業人員到企業內進行授課，為工作人員購買專業的大數據培訓網絡課程和實體課程；鼓勵工作人員主動學習和自我提升，組織工作人員到兄弟銀行參觀交流，汲取先進經驗等；多措并舉幫助工作人員掌握大數據平臺建設和數據采集技術，提升大數據處理、分析及應用能力，從而提升商業銀行零售業務運營能力。要加強銀行企業文化建設，提升銀行各部門內部團隊間的協作和溝通能力，要充分利用互聯網金融機遇，鞏固線上零售業務，例如爭取與阿里巴巴、騰訊、京東、百度等大型互聯網企業的合作機會，構建線上零售業務新模式?？梢耘c國內國際先進的大數據服務商（如IBM、SAS、Teradata等）開展合作，建立商業銀行零售業務大數據應用實驗室，提升銀行零售業務運營實力，從而招才引智，進一步打造專業性強的復合型人才隊伍。

2.3堅持零售業務大數據分析的更新和創新

商業銀行要堅持對大數據的創新力度，以創新為驅動力，促進大數據及時更新，為大數據的實效性、統一性、真實性提供保障。應該積極將云計算、生物識別、硬件智能化、移動互聯網等高科技應用于零售業務大數據分析中，借助新進科技力量放大大數據分析的優勢，使商業銀行零售業務大數據應用在強化業務分析和運營決策功能的基礎上，向業務+管理+科技+N的深度融合目標更進一步。例如目前方興未艾的“智慧銀行”就是大數據與高新科技、金融業務、管理機制深度融合創新的極具代表性的商業銀行零售業務轉型升級方式。該模式將線上與線下有效結合，極大程度地考慮到客戶場景體驗；將銀行零售業務深入融合于客戶的醫、食、住、行、玩等各種生活場景及其所衍生的金融需求，全方位采集客戶信息，并為客戶提供全視角的理財日記，成功開創了“得零售者得天下”的商業銀行零售業務轉型升級新局面。

3結語

商業銀行零售業務實現轉型升級離不開先進金融科技和技術的支持，且必然依賴于大數據分析應用。因此商業銀行應該樹立大數據量化經營管理理念，在結合零售業務發展實際情況的基礎上，繼續構建和不斷完善大數據平臺，保持數據及時更新和數據系統升級，并始終堅持大數據創新，促進大數據平臺技術提升，切實發揮大數據分析的實際作用，助力商業銀行零售業務順利實現轉型升級。

參考文獻：

[1]陸岷峰，虞鵬飛.大數據分析在商業銀行零售業務中的應用[J].金融理論與教學，2015（04）：1-5.

[2]宋穎新，王英琦.商業銀行大數據分析與應用研究[J].河北金融，2018（01）：3-10.

[3]夏平.大數據應用在中小商業銀行的探索實踐[J].清華金融評論，2017（08）：22-24.

作者:曹輝 單位:中國建設銀行股份有限公司阜陽市分行