近日，神州信息旗下企业神州数码融信软件有限公司（简称：神州数码融信）主办的“求新思变，智在互联——2016年中国银行业创新发展大会”在溧阳顺利举行。现场，神州数码融信的数据专家陆晓分享了公司在银行大数据的理解与实践。

神州数码融信数据专家 陆晓

演讲摘录

各位来宾上午好，我今天分享的内容是大数据。在昨天和今天的分享中，我们可以感觉到大数据无处不在，而且成为了一种重要资产，引起了各行各业的重视，银行大数据也从原来的一片蓝海中渐渐浮出了水面。那么，带给我们的问题是：银行业到底如何使用大数据，并对其加以运用，使得大数据在银行的业务发展、转型和精细化管理过程中发挥更加重要的作用。这也是银行业在大数据利用方面所面临的重要难题。

首先看一下银行在业务发展过程中遇到了什么样的挑战和问题。

1 数据本身

数据存在于银行的每一个业务环节，但是在大数据时代，数据的形态，数据之间的关系，对数据加工处理的时序和数据应用要求，都发生了深刻的变化。我们即需要内部的数据，也需要外部数据的辅助，对多形态的、复杂的数据结构需要加以利用，但是我们对数据的处理能力、管理能力、采集能力是存在不足之处的。因此我们必然要利用大数据技术，对原来的数据采集、加工、处理进行有效的补充，增强我们对数据采集、加工、存储和共享使用的效率。复杂多态的数据结构，以及我们对大数据加工、处理、存储、共享、使用等方面的更高要求，对大数据技术发展也起到了有效的推进作用。

2 客户管理

客户是银行的重要资源，也是业务的起点。因此我们需要广泛的获取客户，并留住客户。这使得我们需要将各渠道获取的客户信息加以充分的分析和精炼，才能为客户服务提供最有力的支撑。客户对我们来说是至关重要的，特别是在互联网时代，无论是潜在客户还是已有客户，都需要我们进行充分的管理。银行客户管理的目标就是获取客户、留住客户、并为客户提供优质服务。

3 风险识别

风险也意味着利润，银行如果不能有效的把控风险，或者风险的识别能力没有得到很好的体现，会直接影响到客户的资金安全，影响业务的有效发展，因此风险识别也是银行管理水平体现的重要因素。现阶段很多银行对于风险的识别手段和识别能力比较单一，往往是后知后觉，缺乏全面的多维度的鉴别能力，往往只能看到一点，这使得银行在复杂渠道下对交易风险的识别和资本安全把控方面存在不足。因此，在互联网金融高速发展的今天，如何能够全面的识别客户风险、交易风险以及资本资金的安全风险等是至关重要的。

4 营销创新

谈到大数据，我们必然会提及营销，如何精准营销、场景化营销。在大数据的背景下，营销的实质就是针对广泛的客户群体，打破同质化、千篇一律的营销手段，采取多样化、差异化、个性化的营销手段，为客户提供最需要的、最适合的产品和金融服务。

因此，大数据不仅给银行带来自身的挑战，也在客户管理、风险识别、营销策略等方面给银行带来巨大的挑战。

面对挑战，银行该如何利用大数据来破解难题，驱动业务发展和提升管理决策水平？并从哪些方面发挥大数据的作用？

我们从三个方面考虑大数据在银行的落地。

1 客户的管理

我们能够了解客户、分析客户，使用内部的客户信息，加上外部的客户信息进行有效的融合，形成客户全景视图。同时，银行也可以在全面信息基础之上形成客户的明确特征，并结合行业特点形成客户的标签，最终形成客户的画像，使我们在业务端，包括客户经理、营销经理，可以随时随地随需的看到客户的画像。虽然银行掌握了一些客户的重要信息，但通过这些信息，我们可能只知道客户的轮廓，很难全面的认识客户。我们只有把银行内部的信息和外部的信息充分的融合，才能形成完整的视图，形成有效的、清晰的客户画像，使我们时刻感知到客户，认知到客户。

2 风险的管控

我们认为风险就是经营的过程，因为风险时刻变化，对于客户也是一样，我们的客户在生活过程中，时刻都有风险，风险也是在不断的变化，所以我们要将内部和外部客户数据多维度的结合，在不同方面，不同要素间建立客户的真正评级，分析客户在我们经营过程中的风险存在，加强中小企业在授信反欺诈、反洗钱、风险评估及风险预测的识别能力，因此风险的管控过程本质上是风险的经营过程。

3 营销的增强

大数据在银行中非常重要的一个作用是增强营销，利用大数据技术或利用大数据手段，能够体现出我们对营销的增强。营销的手段是多样的，包括之前提到的精准营销、事件营销，场景营销等，利用大数据只有一个目的，把我们的产品和我们的客户有效的进行匹配，形成规则进而形成规则的推荐，最终形成营销策略。在这方面，差异化、个性化是关键。

由此，我们总结出来是两个方面：一针对客户，我们要充分洞悉客户，以便提供更有效的服务，同时也为我们的客户创造更多的价值，大数据是银行对客户加强理解的重要因素。

而针对银行，大数据也为银行内部业务转型，促进业务发展，为银行发展提供内在的驱动力。以上就是我们对大数据在银行业务发展过程中如何发挥重要作用的认知。

如何在银行内部构建大数据？银行如何进行大数据的实践和落地？

大数据在银行业刚刚出现的时候，我们就做了一些探索，形成了以大数据平台建设为基础，以客户为切入点，进而加强风险识别和营销创新，形成有点及面的实践过程。

大数据在银行实践和应用：

• 首先，银行建立自己的大数据平台，使银行具备多态数据采集、海量数据加工计算存储能力，形成大数据的管理。我们把数据认为是一个非常重要的资产，数据管理就是把现在多态化的数据及内部外部的数据进行有效结合，形成银行业有效的数据，或者说形成金融行业有效的数据，使银行具备大量、多态数据的采集、加工、存储和管理能力。因此我们在基于Hadoop体系架构基础之上，构建大数据平台，形成银行对数据的全生命周期管理。

• 其次，就是如何利用大数据。大数据如何在银行里面落地，或者找到一个很有效切入点？我们认为客户是非常重要的、有效的切入点，同时客户也是我们非常重要的资源，所以我们要根据内部和外部一些数据的有效结合，并进行充分的分析和挖掘，在客户方面得到一个可持续的发展，使得我们对客户有更充分的认识。我们称数据是银行的重要资产，客户是银行的重要资源。风险是银行的重要利润，不论是交易的风险，还是资本安全方面的风险，都是银行利润的考量点。说到动力，就是我们的营销策略，真正做到精准的将客户与产品进行有效组合，进行营销，这是银行发展的动力和源泉。这就形成了从银行数据平台的建设，到客户的全面分析和挖掘，最后形成风险和营销分析的突破点，构成以点及面的大数据在银行落地的策略。

外部的数据如何才能成为银行可用的、有价值的数据，这个是银行必须考虑的问题。

在大数据时代，银行需要充分的利用外部数据，并和内部数据进行有效整合。但如何进行有效整合，从而形成有效的数据。是大数据在银行业落地实践过程中面临的重要难题。

我们可以从如下几个方面入手：

1 客户识别

对于我们获取的外部数据，如何利用，是否为我们需要，能否跟已有数据进行关联，这都要求我们以客户为主线进行数据的识别。

2 数据匹配

面对获取的大量数据，银行如何与已有客户数据进行有效匹配？我们认为最有效的手段，是以现有客户信息或关联信息为基础进行有效匹配。

3 数据筛选

面对繁杂的客户信息数据，我们如何来看待这些从银行的角度来看毫无意义的数据？可以以行业经验、利用诉求来进行数据的筛选和提炼。

4 数据融合

对我们最重要的是数据能否转化为银行内部或行业数据。以客户为主线进行一个全面数据的采集和分析，才能形成我们对客户的全面认识。

有了外部数据，我们就能够按照银行业务特点，进行分析，形成其有效数据。但是我们怎么获取到外部数据，这些数据是否有价值？这也是银行在大数据实践过程中必须考虑的问题。

互联网最重要的一点，就是充分利用它的获取客渠道，积累数据。

1 用户授权

我们可以通过一些渠道，使得我们的客户，以及不是我们的客户，能够得以充分的授权，这样我们能够获取到他们相应的一些数据，包括一些消费数据。

2 公开数据

这部分数据需要我们利用一些技术手段获取，例如进行一些网络爬虫技术的探索，获取一些数据。

3 机构合作

目前银行关注和尝试与机构合作，通过一些数据公司，利用一些三方征信数据，或结果数据进行有效的整合。

4 流量数据

还有另外一种数据，我们称之为流量数据，我们可以通过一些渠道、一些手段来获取这些流量，例如应用APP的制作，通过流量的获取，积累相应的数据。

大数据体系建设，好比我们建一个大厦，大厦什么样子，可容纳多少企业，有什么配套设施，或者提供什么服务等等。

我们可以从三个层面来看：

• 第一基础技术层，银行业在2000年开始自己搭建Hadoop平台，收到了很好的成效，但在2015年，银行的观点发生了很大的变化，由原来的自建到购买一些成熟的数据平台支撑大数据在银行里的应用，这是一个非常重要的趋势。

• 第二数据分析层，获取数据的最终目地就是利用，因此我们要进行一个存量的数据分析，要进行多维的建模，能够进行一个分析推荐引擎的构建，做语义层面和内容层面的解析，为决策提供帮助。

• 第三数据应用层，实现业务中心和优化，客户的洞察与分析，运营管控和风险管控。

当前，包括一些大行在内，甚至一些中小银行，都在尝试大数据，采用成熟的大数据产品建设，这使得大数据平台成为银行建设重要的体系架构。

神州数码融信提供自有的、成熟的、适合于银行业或金融行业的大数据平台。

我们的大数据平台和其他公司平台有什么区别？

我们认为在技术层面上是没有太大的区别。但是，基于相同技术的大数据平台，我们可以选择适合的技术来做业务层面，或者选择适合业务层的组件进行分析和建模，这是我们大数据平台与其他产品之间非常大的区别。大数据技术可以说是日新月异、快速发展，管理这些开源的技术为我所用，才是大数据平台建设的重要因素。神州数码融信这个技术平台不仅选择了适合银行业特点的技术，并对这些技术进行了一个有效的管理，从而形成自己的模型，其中包括进行数据分析和处理的组件，使得银行能够充分的利用数据，这也是神州数码融信大数据平台非常重要的特色所在。

有了数据，也有了能力，银行应该从哪些点进行大数据的实践？

以客户为切入点，内部数据与外部数据有效结合，使客户标签化，这就是我们常提的客户画像。我们通过多维度进行客户的剖析和深入分析，形成客户全貌视图。我们不仅仅要展示出对客户的信息属性，并最终提炼出客户的特征，再结合行业的一些特点，同时考虑精准营销和风险识别上的因素，剖析出客户的标签，为我们进一步风险的识别和精准营销打下坚实的基础。

Sm@rtVision是神州数码融信针对银行的客户画像解决方案，具体功能包括：采集所有与客户相关的信息，建模与提炼，形成我们客户的标签，使客户经理、大堂经理、营销经理，能够第一时间了解客户。银行通过Sm@rtVision可以更有效地分析和挖掘客户；根据相应的标签查询客户，细分客户群体；进一步进行风险识别，增强营销。

当我们有了这样的客户信息后，该如何进行使用？

其中非常重要的就是关联关系的分析。大数据时代告诉我们不仅仅只关注结果数据，更需要关注过程数据和行为数据，着重关注数据与数据之间的关联关系。所以我们认为，客户之间的关联关系，对我们进一步的精准营销，对我们的风险识别把控，是一个非常重要的因素。

我们需要考虑这样的场景，建立客户与客户之间的关系图。银行可以利用大数据技术，在外部数据和行内客户数据之间建立起关系，形成一个客户链条，例如家庭企业关系，母子关系，投融资关系，高管关系等等。银行为什么这样做？风险识别！现在银行贷款非常重要的条件是担保，但通过担保骗贷的情况，银行掌握的数据非常有限。通过全方位的数据采集，银行可以形成清晰可见的担保关系，判断出是否存在交叉或关联担保，甚至是骗保，因此客户关系图对银行在贷款与授信中可以作为重要的参考。

另一方面是资金流向的分析。原来银行所做的资金流向更多的是银行内部账户与账户之间的流向分析，我们很难把内部和外部，甚至同业间的信息有效结合起来，形成完整的关系链条，形成非常显现的资金流向关系图。通过资金的流入流出，客户的性质，流出的地区，集中度、资金的频度等多方面的因素，银行可以绘制出来近一段时间内窗口客户有什么样的趋势，通过资金流向的分析，就可以找到客户资金的供应链关系，从而判断出哪些客户是易流失的、哪些是可挽留的和可挖掘的。同时，我们可以通过进一步的投贷分析，发现行业的资金关注度，从而对未来的投贷分析做出精准的分析。在风险方面，通过资金频率、集中度、流向等分析，可以在反洗钱、新客户开发、已有客户维护、客户营销等方面帮助银行进行预判。

我们相信风险基于大数据是非常重要的话题。如何利用风险，风险在我们的业务中如何发挥作用。

无论是个人，或者是小微企业，我们都可以通过一些网络渠道快速的获取贷款，或者得到一定的授信，比如我们通过某一笔消费，就可以根据他的信用卡的情况，瞬间提供信用额度的提升。为什么在消费之后银行可以快速的提高我们的信用额度，银行一定在后台做了充分的评估，认为我们的信用卡额度是可以提升的。所以说，通过一个信用贷款的申请，或者信用额度的体现，就可以让银行快速的做出信用评估，为客户做到自动授信，或者额度提升打下重要的基础。信用评估在整个业务环节过程中，是一种嵌入式的，能够自动化的嵌入到业务流程中，这才是大数据。

大数据在银行风险应用的热门话题，我们认为这其中非常重要的就是信用。目前，从国家层面或社会层面都在讲信用，可以说没有信用，企业或个人在未来就无法生存。银行业目前都在做针对自身客户的信用评估，但我们的信用评估更多是依靠人行的征信系统，但人行的征信不全面。

随着互联网金融的发展，电子渠道的诈骗风险日趋加剧，客户信用风险带来的不良资产影响面与日俱增，客户信用成为社会问题，并且贯穿银行经营全过程。单一的银行内部数据难以进行客户识别，因此大数据对银行业征信提供了有效的补充，使跨界融合成为趋势。例如芝麻信用一定是关注电商消费的信用情况，腾讯一定关注社交层面的信用。信用在不同层面有不同的维度和侧重点，带给银行的问题就是如何应用不同维度和侧重点的信用问题。

银行通过接入第三方征信，或者说获取外部数据，来构建自己的信用评估体系和模型。并将其融入到业务环节当中，这是银行在大数据体系下运用信用的要素。通过业务申请，我们能够自动获得信用评估，当然这还要考虑业务的因素，针对个人和小微企业，都有一定的规则，我们能否在一定的额度范围内做到自动授信，这点非常关键。所以很多银行都把信用评估作为下一步大数据应用的重要方向。

最后，我们银行大数据最佳的实践是什么？

首先，我们要把大数据体系建设起来，其次我们要以客户为切入点进行大数据平台的运用。因为任何一个业务，离不开客户，因此以客户作为切入点，是大数据在银行应用非常好的抓手。从昨天到今天，我体会到一个关键点，就是我们经常讲到的大数据及场景化，我认为大数据在银行的利用，并不需要我们构建庞大的蓝图，或者搭建大规模的平台。大数据的应用应该是场景化的，它需要真正与我们的银行业务在某一个点上结合起来，使得我们由点及面，促进银行更有效的利用大数据，使大数据在银行实现真正的落地与最佳的实践。