大数据时代的商业银行数据洽瑗研究 中国银行股份有限公司管理信息部 王玮 挖掘分析其中潜在的业务价值，已 业银行的数据创建、存储、处理和 经成为商业银行面临的新课题。 一 分析的速度在持续加快，某些数据 必须实时地进行分析，才能及时、 有效地对业务管理产生价值。 （４）低密性（Ｖａｌｕｅ）：价值 大数据的特征 大数据是指无法在一定时间内 用常规软件工具对其进行获取、管 密度的高低与数据总量的大小成反 理和处理的数据集合。大数据是一 比。商业银行如何借助强大的信息技 种海量的、高增长的和多样化的数 术更迅速地完成海量数据价值的提 据资产。大数据通常具有“４Ｖ” （Ｖｏｌｕｍｅ、Ｖａｒｉｅｔｙ、Ｖｅｌｏｃｉｔｙ和 王玮：现任中国银行总行管理信息 部综合分析团队主管，清华大学、 中文大学博士后，曾任中国银 行总行管理信息中心信息标准团队 主管。 升，是大数据时代需要解决的问题。 Ｖａｌｕｅ）特征。 二 大数据时代的机遇和挑战 大数据时代，商业银行面临良 （１）巨量性（Ｖｏｌｕｍｅ）：数 据量巨大是大数据最显著的特征， 好的发展机遇，数据量的快速增加 为商业银行提供了精准营销的基础 商业银行积累的数据量快速增长， 随着金融创新的快速发展和信 从ＴＢ级别跃升到ＰＢ级别甚至ＺＢ级 （即利用数据获知客户群体和个体网 息科技的日新月异，商业银行积累 别，传统的集中存储／计算已经无法 络行为模式），充分利用这些信息， 的数据量呈现几何倍数的增长，数 适应大数据的处理。商业银行就可以为客户制定个性 据来源也已从传统的结构化数据逐 （２）多样性（Ｖａｒｉｅｔｙ）：商业 化、智能化的服务模式，也可以通 渐扩展到以网络日志、社交媒体为 银行业务发展涉及的数据类型已从 过对大数据的挖掘分析，设计开发 代表的半结构化和非结构化数据， 以二维表结构方式表达的结构化数 出更贴近用户需求的新产品。大数 据正逐渐改变商业银行经营决策和 商业银行逐步进入大数据时代。在 据，扩展到包括日志、微博、视频、 大数据时代如何有效治理结构化、 半结构化和非结构化的海量数据， 图片等半结构化和非结构化数据。 业务发展的模式，促进商业银行甚 （３）怏速性（Ｖｅｌｏｃｉｔｙ）：商 至整个金融行业的转型。 ３ ６ Ｆ１ＮＡＮｃｌＡＬ ｃ。ＭｐｕＴＥＲ ０Ｆ ｃＨＩＮＡ （１）大数据为商业银行提供 了全新的沟通渠道和营销手段。一 大数据时代，商业银行既面临良 银行能够对这些数据进行专业化管 好发廖 遇，也ｉ萱遇以下 唆自铖『ｂ 。 理。如果将大数据比作一种产业， 方面，社交媒体的兴起为商业银行 提供了全新的与客户接触的渠道， （１）大数据催生新型金融形 那么这种产业实现盈利的关键，在 态。大量的数据来源和强大的数 于提高数据的治理能力，以实现数 利用社交媒体，商业银行可以进一 据分析工具可产生出很多新的金融 据资产的有效增值，完成数据向信 步树立社会化形象，拉近与客户 的距离；另一方面，通过全面分析 商业银行内部数据和外部的社会化 数据，可以获得更为完整的客户全 貌，避免因客户信息不全面而导致 的错误结论，从而进行更为精准的 营销和管理。 （２）商业银行可以基于大数 据的挖掘分析来提升自身的竞争能 力。随着大数据时代的来临，商业 银行可以运用科学分析手段对海量 数据进行分析和挖掘，更好地了解 客户的消费习惯和行为特征，优 化运营流程，提高风险模型的精确 度，研究和预测市场营销和公关活 动的效果，从每一个经营环节中挖 掘数据的价值，从而使得商业银行 进入全新的科学分析时代。 （３）商业银行可以利用大数 据获得全面准确的决策支持。商业 银行拥有大量的客户数据和交易数 据，基于海量数据已能够统计得出 部分具有指导意义的结论，结合政 府、评级机构、第三方支付等合作 机构的外部数据源，可以有效对经 济形势和市场趋势进行分析预测， 指导商业银行进行业务创新，或为 经营管理提供更加全面及时的决策 支持信息。 形态。例如，利用社交网络将客户 的信息碎片关联起来、通过对海量 客户的交易数据分析来预测客户风 险，从而作为其信贷服务的评估依 据，这将直接影响银行的信贷市 场，对现有的金融行业格局产生深 远影响。 （２）大数据改变金融服务形 态。随着数据化和网络化的深入发 展，金融服务形态将逐渐向虚拟化 方向发展：产品的虚拟化、电子货 币等数字化金融产品的发展空间巨 大；服务的虚拟化，即通过移动互 联网等科技手段，银行可以通过虚 拟渠道向客户提供金融服务；流程 的虚拟化，即银行业务流程中各类 单据、凭证等可以用数字文件的形 式出现和处理，从而提高服务的便 利性和效率。 （３）大数据考验银行的数据 处理能力。由于大数据的数据量庞 大、数据格式复杂多样、对数据存 储的要求高、数据价值密度低，传 统的数据仓库技术已经不适用于大 数据的处理，商业银行需要采用诸 如云计算等新技术去处理大数据， 才能发挥其真正价值。 大数据不仅要求商业银行具备 海量数据的存储能力，更要求商业 息的转换。 三 大数据时代的数据治理 面临的问题 数据治理是一套完整的制度、 指引和规范，用于统筹人员、流程 以及技术等要素，使得商业银行能 将数据作为企业的重要资产而有效 利用。完善的数据治理可以确保商 业银行数据的可用性、可获取性、 完整性以及一致性。 数据治理的核心内容是统一数 据标准，其关键任务是提升数据质 量，其服务目标是提供决策支持信 息。目前商业银行在数据标准和数 据质量方面都或多或少地存在如下 问题。 （１）定义缺失。即部分业务源 系统和外部数据源缺少关键业务元 素定义。由于商业银行系统开发建 设的出发点大多以满足客户业务交 易为主要目标，对于统计分析涉及 的数据要素项的定义不够关注，因 此造成部分业务源系统和外部数据 源的数据定义不完备，使得不同业 务部门有不同理解，对同一字段的 理解产生歧义。 （２）标准各异。由于商业银行 早期建设的业务源系统较为分散， ２ｏ１３ ７／中国金融电脑 ３７ 缺乏从全行的角度构建统一的基础 素，商业银行已逐步建立起机构标 整性、一致性和准确性评估。信息平台，因此形成了一个个信息 准类、产品标准类、员工标准类、 孤岛，造成相关系统的指标口径、 （１）完整性：必需的数据必须 客户标准类、渠道标准类、营销标 存在，数据关联关系必须存在，不 存在违反数据标准和数据质量需求 会计科目的不一致。标准各异使得 准类、账户标准类、合约标准类、 系统中的信息无法有效共享，造成 交易标准类、公共标准类等十大类 的数据。了商业银行信息资源利用的低效率。 大数据时代，由于半结构化和非结构 化数据的引入，商业银行企业级数据 标准的统一面临更大挑战。 （３）数据异常。部分业务源 系统和外部数据源的个别字段出现 了异常信息，包括取值错误、格式 错误、多余字符、乱码等。有些虽然 在系统表中已经设计了相关字段，但 是在实际使用中存在很多记录没有收 集该字段的信息，或者出现信息不准 确，信息重复登记等情况。 （４）代码问题。结构化、半结 构化和非结构化数据之间相同用途 代码的编码不一致，如仅采用文字 存储，而非将信息代码化，存在商业 银行信息存储得不少，但这些信息并 不能被充分地分析使用的情况。 （５）更新滞后。商业银行为满 足各系统和外部数据的内部访问，提 高访问效率，减少数据传输，相同 信息经常会在不同系统进行冗余存 放，但是由于更新滞后，导致冗余 数据不一致，产生数据质量问题。 四、大势据时代的 攫巳撕氲 １．建立健全数据标准体系 根据业务管理中涉及的产品、 渠道、合约、分类、事件等数据要 ３ ８ ＦｌＮＡＮｃｌＡＬ ｃｏＭＰｕＴＥＲ。Ｆ ｃＨ Ａ 数据标准体系框架。未来将结合大 数据的特点和应用，不断丰富和完 善数据标准体系，指导商业银行科 学规范地使用数据。 ２．制定科学的数据标准流程 数据标准的核心是要建立统一 的企业级规范，促进全行范围的数 据有机共享，有效提高数据的管理 和使用水平。大数据时代，商业银 行要根据结构化、半结构化以及非 结构化数据的不同特点，从加强内 外部数据共享的角度为大数据制定 统一的业务解释和标准，加强协调 商业银行相关部门对数据标准的不 同需求，建立适用的统一模型和以 数据共享为基础的数据标准流程。 ３．制定前瞻性的数据质量规划 制定前瞻性的数据质量规划是 做好数据质量管理的前提和基础。 大数据的管理和应用要纳入商业银 行全行统一的数据质量规划范畴。 对于新建项目的业务范围和系统规 划必须完全执行已正式发布的数据 标准；对于已经建设完成的系统需 在数据质量规划的要求下酌情进行 适应性改造。 ４．形成有效的数据质量评估 机制 商业银行要加强数据质量的完 （２）一致性：数据值提供的 信息不应存在冲突，不存在重复 记录。 （３）准确性：数据必须反映商 业银行真实信息，数据的提供时间 和数据的生命周期必须符合商业银 行的业务需要。 ５．构建闭环的数据质量管理 模式 商业银行通过对数据质量的持 续监控，要做到发现问题及时解 决、及时纠正，从源头强化数据质 量的控制。通过定期发布数据质量 报告、不定期对基础数据进行质量 检测和抽查、把外部监管报送数据 和内部经营管理数据的准确性和稳 定性指标纳入绩效考核等措施手 段，不断提升数据质量问题的解决 效率并跟踪实际效果，构建闭环的 数据质量管理模式。 大数据在商业银行经营管理中 正发挥着越来越重要的作用，有效 利用大数据的价值将成为商业银行 提升自身核心竞争力的重要手段， 只有不断完善商业银行的数据治 理，建立统一的数据标准，提升数 据质量，改善服务水平，才能使商 业银行在激烈的市场竞争中立于不 败之地。圜
