商業銀行如何構建大數據生態系統

來源：《中國金融電腦》雜誌

2013年下半年，餘額寶看似“暴發戶”式的成功造成了銀行領域的極大震動，大數據時代已經成爲商業銀行不得不應對的時勢。商業銀行的生存策略只能是實現大數據戰略轉型、構建銀行的大數據生態環境。大數據技術變革提供了構建大數據生態的必要手段，商業銀行應緊緊抓住客戶體驗的核心指向、結合大數據思維和IT技術構建業務環境，最後輔之以大數據治理措施，構建完整的大數據生態系統。

管理大師德魯克和戴明儘管在很多方面都持有不同見解，但卻有一個共識，即“無法量化就無法管理”。在互聯網、移動互聯網時代，一切皆被數字化。互聯網公司攜其掌握的海量數據資源縱橫捭闔，傳統商業模式被迅速重構。互聯網公司“跨界”進入金融行業後，在移動支付端給傳統金融機構重重一擊，2013年下半年以“餘額寶”爲代表的互聯網理財產品發展迅猛，據統計2014年2月餘額寶背後的天弘增利寶貨幣基金規模達到了5000億元人民幣，成爲中國最大的貨幣基金，對商業銀行造成極大震動。對於變革中的中國金融行業來說，這是一個“裏程碑”式的事件。

互聯網公司最大優勢在於其掌握的海量用戶數據，尤其是其在經營過程中形成的“數據化思維”，通過數據挖掘分析洞悉客戶行爲，利用互聯網技術提供便捷、簡約、極致的用戶體驗。可以說，餘額寶的成功，意味着阿裏巴巴重視客戶體驗和大數據應用模式的互聯網金融取得初步成功，大數據已經不再是人雲亦雲的概念，而是一種科學的方法，有可能對各行各業產生深刻的影響。

阿裏巴巴的成功也讓人們思考在互聯網和大數據背景下，傳統商業銀行何去何從。傳統的銀行經營信用，以資金爲中心，依託資金流動性與資金的時間價值來體現銀行的價值，這也是金融的本質。在新形勢下，金融的本質沒有變，但人們獲取金融服務的方式和渠道發生了變化，這使得傳統銀行業面臨轉型危機，同時也獲得新的機會。

在對未來銀行的探索中，首先要明確銀行與客戶的關係定位。這將決定銀行以何種面貌出現，將如何滿足客戶的生活需求（不僅僅是金融需求）。爲應對互聯網公司的“跨界”競爭，商業銀行必須利用互聯網思維和大數據思維，實現戰略轉型，依託現有的金融服務渠道優勢和大量交易數據優勢，重塑客戶關係，打造“數字銀行”。

在可預見的將來，銀行在服務客戶方面將扮演三個角色：①利益提供者，銀行基於客戶特性及其與客戶的特定關係，可向客戶提供經濟利益（如優惠券、跨行業忠誠度計劃）以及精心選擇的及與衆不同的產品服務組合；②行爲建議者，銀行將基於其對客戶的深入瞭解與購買預測，爲客戶提供不限於金融產品和服務的具體的購買建議及幫助，同時避免過多“打擾”客戶，與客戶建立親密關係；③服務提供者，銀行基於對客戶身份的識別及可提供的對應用服務（如移動錢包），安排客戶購買（線上或線下）併爲客戶提供日常性的服務（如交通付費、日常消費）。

不管未來商業銀行以何種面貌出現，都意味着銀行與客戶的新型關係的建立，意味着商業銀行需要更加重視客戶體驗，轉向以數據爲中心，深度洞察客戶。銀行經營的商業環境和客戶特徵已經發生改變，需要擺脫過去賴以成功的因素／經驗，構建以數據爲中心的業務價值生態環境。

本文將從業務環境變化、技術變革與發展、數據治理三個角度探討商業銀行大數據生態環境的建設。

一、業務環境的變化驅動大數據生態環境的構建

1．實現以用戶體驗爲中心的業務模式轉型

傳統的銀行業務發展經過了以產品爲中心、以流程爲中心和以客戶中心的歷程。在以產品爲中心時代，銀行的關注點在於產品和服務的設計以及價格；逐漸地，銀行建立了更多的渠道向客戶提供更多的產品和服務，通過交叉銷售提高營收，並認識到客戶的重要性，於是建立了以客戶爲中心的新的生態體系，此體系以提高客戶滿意度、貢獻度，進而提高營收爲目的。在上述模式背後，商業銀行關注的是收益和風險的匹配，即風險既定條件下的收入最大化。

而在互聯網所帶來的數字化時代，產生了以客戶體驗爲中心的商業模式。在這樣的商業環境中，商家持續、快速地對產品進行改進，以推出用戶體驗更好的產品。與此同時，客戶與商家的關係變得更加不穩固，當出現體驗更好的產品時，舊產品很快被淘汰。在這樣的商業環境中，客戶自然而然地期待能夠享受到商業銀行提供的更好體驗的金融服務。通過互聯網，客戶擁有了比以往更多的比較和選擇的機會，客戶體驗驅動着商業銀行和客戶關係的變化。客戶希望其開戶銀行能夠提供與其在互聯上體驗到的同樣的服務，諸如快速的客戶響應、良好的用戶交互、合理的價格，並能真正傾聽他們的聲音……一旦銀行無法提供令客戶滿意的服務，客戶可以通過互聯網更方便、快捷地轉入其他銀行或機構。商業銀行已經進入了客戶體驗驅動業務變革的時代，需要從以往風險優先業務模式轉變爲客戶體驗優先兼顧風險或風險和客戶體驗並重的業務模式。

2．建立“數據”思維

改變目前“一線”業務遠離數據的現狀，使數據真正爲業務服務。在商業銀行傳統的數據應用中，其對數據的運用大多是“內向”的，更多側重於提供管理信息，爲滿足監管當局和內部管理的要求所驅動。而新的業務發展，則要求商業銀行擴展數據的使用範圍，將更多的資源投向客戶，以洞察客戶、瞭解客戶需求、更快地響應客戶需求，以數據驅動業務轉型及客戶體驗的持續改進，從帶着問題找數據來驗證觀點，轉變爲使用數據預測可能出現的需求。

3．IT與業務更緊密融合

銀行業務與IT應更緊密地融合，把IT當做業務來經營。相對於其他傳統行業，銀行業更加依賴信息科技。在大數據環境下，對於業務與IT的結合的深度和廣度提出更高的要求，只有將IT能力與數據、業務知識更緊密的結合，才能創造出滿足客戶期望的新的金融服務模式和產品。

4．建立業務部門數據分析能力，培養企業數據文化

大數據分析方法與傳統數據分析方法有很大不同。數據分析人員面臨新工具與新方法的挑戰，傳統數據分析方法是需求相對明確後從樣本數據開始，而在大數據時代，則是從全樣本出發，IT部門構建數據平臺，提供數據存儲與分析的能力，由業務部門的數據分析人員進行數據挖掘，從全量數據中發現業務需求和業務創新點，這要求數據分析人員具備統計學、數學、運籌學、業務知識、創造力及心理學等跨領域的知識和技能，對數據分析人員提出了更高的要求，要求其從數據的視角還原業務或客戶的本質。

二、技術變革與發展是大數據生態環境構建的基礎

經過多年的建設，目前國內大多數商業銀行已經構建了從產生、交換、管理和應用全流程的數據應用流，並擁有龐大的數據可用資源。在新的大數據生態中，銀行對數據的收集、儲存以及數據價值提取方式正在發生根本性的變革，數據處理的流程因大數據的應用而改變，IT面臨的是一系列對於大數據處理的基礎性問題。

一是如何將大數據處理技術融入到現有的企業級IT架構中。商業銀行要對原有的應用架構和數據架構重新規劃設計，這將對IT產生重大的影響和改變。爲適應大數據的應用，商業銀行需建設必要的大數據基礎設施，包括硬件與軟件，以實現獲取、存儲、分析和利用原來未納入範圍的數據。

雖然大數據定義寬泛，但是核心的大數據技術和工具有一些共同特徵，即：利用標準化硬件實現可擴展的並行處理技術；採用某種程度的非關係型數據模型處理非結構化和半結構化數據；利用高性能的數據直列存儲和／或壓縮技術提升查詢效率；與業務分析和數據可視化技術互操作，向最終用戶提供分析結果。大數據技術和工具與商業銀行的傳統技術進行融合並付諸具體實踐，將是對IT架構的一次革命性的調整。

二是如何進行數據的集成與整合。商業銀行面臨複雜的數據環境，其數據類型、形態、來源前所未有的多樣化，既包括來自商業銀行傳統交易系統的結構化業務數據，也包括來自銀行自己的電子商務網站、網上銀行和外部社交媒體網站、即時聊天工具、微博等渠道的半結構化數據及日誌，還包括來自客戶服務渠道的各種語音，甚至圖片和影像等非結構化數據。只有有效地集成與整合來自各個渠道的各種類型的，甚至異構的數據，打破傳統結構化與非結構化數據問的壁壘，才能構建完整、全面的企業大數據信息視圖。

數據整合還體現在整個大數據鏈條上的數據獲取，商業銀行需要打破傳統數據源的邊界，通過各種渠道獲取儘可能完整的客戶信息，整合客戶接觸渠道，充分利用各種開源數據，而大數據的快速傳播及多姿變換的特點也給數據的整合帶來了複雜性，當數據充分融合後往往難以分辨真正的來源，只有合理利用數據採集渠道纔能有效實現數據的整合。

三是如何應對大數據技術挑戰。在技術使用上，大數據存儲與計算技術以其非共享分佈式架構來滿足海量級數據存儲與高效計算能力的需求，集羣中的機器節點數達到成百上千，甚至上萬個。但從商業銀行採用成熟、穩定技術的傳統看，大數據技術本身成熟度穩定性尚有待提高，這些技術的使用將使商業銀行在系統部署、監控和維護管理上面臨着與其傳統技術不一樣的複雜度和模式，對大數據技術的掌握將是IT部門的一大挑戰。

三、大數據治理是生態環境建立的基石

正如管理大師湯姆·彼得斯所說：一個組織如果沒有認識到管理數據和信息如同管理有形資產一樣重要，那麼它在新經濟時代將無法生存。大數據技術給商業銀行創造了能夠更好地理解客戶、服務客戶的機會。如何保護好數據，防止其惡意使用和訪問，防止客戶數據、特別是客戶隱私數據的泄漏，在使用好數據的同時避免數據濫用？在新的數據生態環境中，數據治理是商業銀行面臨的核心挑戰，數據治理的好壞直接決定了銀行是否能夠從數據中獲取價值。

在國際象棋比賽中，戰略是將軍獲勝或在僵局中生存的一個有序移動的集合，戰略行動計劃是實現高層次目標的高級別行動方案。同理，數據治理也有一個用於數據管理計劃的戰略。數據治理戰略中重要的一點是數據文化。要進行數據治理，首先需要構建數據文化或價值觀，只有形成企業的數據文化，才能更好地指導管理者與數據分析師形成數據意識，尊重數據、認識數據。例如構建數據化決策流程，把數據放在一個數據框架（場景）中，因爲單獨的數據是沒有意義的，即一定是要針對某個需要解決的具體問題搭建框架，令框架和決策緊密相關。

從大數據治理的措施來看，大數據治理需要圍繞數據的生命週期展開，從規劃和定義開始，到數據的運用、歸檔、銷燬。數據首先要被規劃和定義，包括定義用於理解和定義企業的數據需求的適用於大數據的數據模型、建立數據資產化的基本標準（數據分類標準、數據定義標準），讓不同機構、不同領域的數據形成規範化資產，建立用於規劃大數據從產生、獲取、存儲，到分析、運用的企業級大數據分析框架，形成數據流轉的層次化體系結構；其次，需要根據規劃藍圖，分步分階段進行數據開發（如數據庫開發）、數據運營管理，運營大數據過程中，不僅需要“用數據”，同時需要“養數據”，讓大數據從“看”到“用”，再從“用”到“養”，真正“活起來”；沒有數據質量就沒有一切，只有高質量的數據才能爲企業帶來價值，因此在數據流動各環節中應加強數據質量管理；再次，數據在使用過程中必須保汪安全性，避免非法篡改和泄密等，因此從數據的使用安全性考慮，形成數據安全管理機制；最後，在條件容許時研究數據資產的所有權、使用權以及價值評估體系，通過市場化模式進行數據資產流轉，即探索數據購買和出售的可行性。

總之，在大數據技術帶來巨大變更的新時代，那些能主動抓住大數據技術的先機併成功實現轉型的商業銀行，將通過新數據生態環境的建立，構建出獨特的競爭優勢，使其在客戶洞察和客戶響應上遠遠領先於競爭對手，將可能出現贏者通吃的局面，將使強者更強，領先銀行與其後繼者的差距將會變得更大，同時伴隨着新進入者的“攪局”，傳統的銀行業將有可能面臨重新洗牌的局面。