2016年7月-10月，中國金融認證中心（CFCA）、中國電子銀行網（微信公眾號：cfca-cebnet）聯合全國70余家銀行發起“2016金融科技引領銀行未來”征文活動。以下為熱心網友通過網絡渠道投來的稿件。
作者單位：南京銀行
一、導言
“大數據”一詞 ，源于二十一世紀初，是由IT 權威機構Gartner率先提出的。所謂的“大數據”，即發掘之前忽略過的數據價值，并且根據相應規律，對未來經濟社會發展做出正確預測 。大數據真正被人重視起來，是美國政府“大數據研究和開發計劃”的提出，標志著人們已經將大數據作為研究對象，要探索其內在價值以及對社會發展的重要作用。
究其內涵，“大數據”可以歸并為基于統計學視角的數據挖掘理念和方法論。未來的企業在生產決策過程中，“大數據”方法的運用無疑將會對企業的戰略制定、生產決策、風險識別等領域起到重要的參考作用。商業銀行作為依賴信用、經營風險的重資產企業，更是如此。過去的五年中，借助互聯網和大數據的迅猛發展，以阿里、騰訊、蘇寧等為代表的傳統網絡零售、社交媒體等行業憑借依附于其平臺的海量客戶流、資金流、信息流，進軍金融領域，憑借其在科技上的優勢和完善的客戶體驗感，在資金吸收、產品代銷、批發信貸、支付結算等傳統銀行主營業務方面涉獵頗廣，對傳統銀行等金融機構形成了巨大沖擊，加速了金融脫媒與深化的進程，其代表的新技術、新模式、新思想值得所有傳統的金融機構去學習和分析。
二、現狀與特征
筆者認為，大數據金融是指大數據的方法論與金融對象的挖掘、金融實施的分析、金融效果的評判相嫁接，通過集合海量的非結構化數據，借助數據分析模型、互聯網、云計算等信息化方式，對客戶經營、生產、消費數據以及商業銀行自身的經營、營運數據進行實時或非實時分析，發掘出人為難以發現的規律或趨勢，從而對客戶及自身未來行為或趨勢做出大概率上的預測，提高服務效率，降低金融風險。
雖然歷史并不久遠，但目前可以說，在國內，大數據金融的發展已經具備了一定的規模和水平。以工、農、中、建為代表的大型國有金融企業；以民生、中信為代表的標桿股份制銀行、以阿里、蘇寧為代表的新興金融板塊均加快設立大數據、電子金融、網絡金融等事業部，整合行業內、外優勢資源，深挖金融機構電子商務領域市場需求，著力完善市場布局和推進業務穩步發展。
尤其是各大傳統商業銀行也主動出擊或被動應戰，完成輕資產、信息化轉型，借助行內、外技術研發部門的技術優勢以及海量數據的獲得性優勢，加大對大數據技術的研發、創新、應用力度，進一步加大對數據挖掘、模型建立、移動互聯等方面的新業務新產品的研發及市場投入，形成了很多成功的實踐。如2012年建設銀行的電子商務平臺“善融商務”上線，該平臺立足于專業的金融服務，通過大數據和網絡平臺的優勢，拓展電子商務服務，涵蓋B2B 和B2C 兩種模式，提供信息發布、撮合在線交易等電商服務，也提供支付清算、擔保融資等金融服務，提高了業務處理效率和客戶體驗感，“善融商務”上線當年即實現銷售額30億元，到2015年底，已累計實現銷售及其它業務毛收入280億元；再如民生銀行通過事業部制改革，基于大數據構建了信貸信用評價指標體系，針對個體經營、小微企業貸款建立“零售業務批發做”的信貸流水線審批模式，基于該客戶或同類企業的過往表現，模型評分等因素迅速做出放款決策。此外，以阿里系的螞蟻金服為代表的信用服務體系，則是將大數據運用到極致的代表性實踐，根據業務對象在金融平臺上所累積的信用數據和行為數據（個人信息、收入（消費）資金流、信用記錄、生產（消費）習慣、行業特征等多維度數據信息），引入網絡數據模型和在線資信調查模型，通過交叉檢驗技術輔以第三方驗證，將客戶在電子商務網絡平臺上的行為數據映射為企業和個人的信用評價，完成客戶甄別并瞬間給出決策建議，截至當前，阿里系金融板塊已累計向數以百萬計的網上商家（小微企業）、個人消費者提供1800億元以上的信用支持（包括訂單貸款、信用貸款、消費貸款等），并于金融機構合作，完成萬億計的產品銷售、資金結算等金融活動。
三、機遇與挑戰
正如前文所述，在互聯網應用和信息技術爆發式增長的今天，作為以重資產、多網點、高風險經營為特征的傳統銀行，正面臨越來越多的挑戰，尤其是來自于互聯網思維和以大數據為代表的信息技術的挑戰，這種挑戰通過消除信息不對稱性，完善渠道可得性和便捷性，打破了管制經營下的政策紅利和制度藩籬，助推了利率市場化和金融脫媒的進程。作為粗放式傳統經營特征明顯的商業銀行，在此種情況下，必須也唯有擁抱以“大數據”為代表的新生技術、勇于面對金改后的巨大變革，積極推進理念與方法轉型，才能在重新洗牌后的市場中立于不敗。當然，從樂觀的角度解讀，如果商業銀行能夠完成經營理念革故鼎新式的轉型，完成新興技術和傳統優勢項目的有效嫁接，對其業務經營、效能提升和風險控制無疑將形成巨大的生產力。
（一）機遇方面：
大數據金融有著傳統金融難以比擬的優勢，互聯網思維和大數據方法的運用將從以下幾個方面為商業銀行跨境電商業務帶來以下方面的機遇：
1.客戶挖掘：海量數據信息的掌握加上數據挖掘與兆億級的加工運算，使得商業銀行可以發現依靠傳統人工識別難以發現的規律，從而更加有效地識別客戶，發掘客戶需求及心理，便于更加精準的客戶營銷和維護。目前國內商業銀行基本均已擁有能夠提取各類客戶數據并進行分類加工的信息化系統，為客戶分群營銷服務提供了極大的保障支持。
2.產品研發：大數據的理念和機器智能的工作手段，使得商業銀行的市場判斷力和敏銳力大幅提升。通過客戶需求種類分析、時段分析、群體分析、行為分析、交易分析，以及對于現有產品、業務及流程的模擬運算、效能分析、壓力測試使得決策人員能夠輕松地從數以百億級別計的雜亂數據中，挖掘規律，貼近實際市場和客戶需求，從而在產品研發及流程制定方面，更加趨向于合理，提升客戶體驗與工作效率管理。
3.風險識別：商業銀行一方面是經營風險的企業，通過管理風險實現利潤，另一方面，商業銀行資產規模的龐大和在國民經濟中的戰略性地位又決定了商業銀行具有較強的風險脆弱性和厭惡性。尤其是跨境電商業務涉及的產品線種類繁多、金額較大、專業性強。大數據的方法、數理模型的使用和高級別計算功能的引入可以從海量數據中，敏銳地捕捉偏離較大的異質樣本進行重點分析，有助于盡早發現風險。同時大數據所內涵的信息量本身也為銀行管控客戶風險提供了具有信服力的維度，標普、惠譽、穆迪等國際著名評級機構正是基于經驗模型和大數據的方法對機構實體進行評級，收效顯著。于商業銀行而言，大數據及模型技術對于風險的管控優勢，在信貸審批與發放、各類市場及同業交易、擔保與資信證明等活動中大有可為。
4.營運管理：傳統銀行在資金運營與營運方面由于缺乏方法引領和信息支撐，面臨諸多不確定性，例如劃撥往來、資金清算、頭寸管理、權限管理等領域，耗費大量人力物力且容易出現差錯。借助大數據監控，系統可以監測每一筆業務發生的合理性，并結合以往數據的經驗和規律，通過模擬試算，大概率地給出最為合理的解決方案，提升營運管理的質效。
?。ǘ┨魬鸱矫妫?/strong>
目前商業銀行面臨的“大數據”挑戰可以分為兩個方面，一方面是商業銀行如果轉型不及時，逃避變革所面臨的機會損失；另一方面是商業銀行主動變革，嫁接以大數據為代表的信息技術和互聯網思維過程中面臨的挑戰和難點。前者的案例已經無需贅言，余額寶等互聯網金融理財產品對于商業銀行市場蛋糕瓜分的教訓已經足夠慘痛且引起重視；后者則缺乏應有的、全面的重視與審視。
1.數據完整性缺失：大數據有利于指標體系的完整構建，使其能全方位反映信用的真實情況。然而大數據信用面臨信息孤島的難題，在跨境電商金融服務等領域更為突出。內部信用信息碎片化，外部信用信息孤立化，缺乏統一標準，不能互聯互通，給大數據征信帶來很大困難。構建完整的指標體系需要極為復雜的頂層設計，拋開數據獲取上的難度不說，但是指標體系的構建就有可能因為非理性主觀因素的存在而面臨失真，這對指標設計和開發人員提出了極高的要求。
2.數據合法性缺陷：主要體現在：第一，數據來源需要合法，以跨境電商信貸支持與現金管理產品為例：按照信息互換、監管執法、互認互助的要求，形成按照跨境電子商務進出口商品、物流、商戶、電商平臺、口岸管理部門的信息共享平臺和監管協同機制，允許通過一個接入口提交標準化的信息和單證，滿足所有與進口、出口和轉口相關的業務需求。第二，數據運用合法?；ヂ摼W隱私保護根據內容不同可細分為位置隱私保護、標識符匿名保護、連接關系匿名保護等?？缇畴娚痰慕灰纂p方隸屬不同的國家，而每個國家關于隱私保護的法律法規不盡相同，美國有隱私法案，且美國與歐盟簽署了隱私聲明，但中國的相關立法相對模糊對于可能牽涉到隱私的數據或指標，應當在獲得授權后才能收集，并嚴格監管它的流向和使用。這些問題，都為數據的搜集獲取帶來了合法性壓力。
3.數據有效性挑戰：數理和計量經濟學的基本原理告訴我們，數據可以揭示真相，但如樣本獲取不當，數據加工方法不當，數據也有可能會嚴重失真，甚至扭曲對于真相的揭示。例如對于樣本的選擇、自變量和因變量的確定、模型有效性的構建、參數顯著性的檢驗、變量因果關系的確立等環節的處理，任何一環出現問題即有可能帶來完全相反的結論。此外，還有數據處理效率的挑戰：大數據的價值密度低，經典的“二八定律”同樣預示著在某個數據源中或許只有10% ~20%的數據是有用的。因此，在抓取某個行業多維度的原始數據時，挖掘的方向和對數據的清洗非常關鍵，盲目追求海量數據只會降低指標的指向性和處理效率。
4.數據接口統一性難題：目前各金融體系的建設標準很難統一，阻礙了電商金融的進一步發展。雖然剛剛起步，但各個電商金融平臺都已經建立了自己的金融電商體系，使用的服務器型號、所搭載的軟件平臺、所提供的數據接口和輸入與輸出的數據標準形態各異，而且較大的地域、領域差距，使得他們之間整合起來難度非常大，對于實行標準化運算和評估而言任重而道遠。
5.開發實施完善性問題：大數據的方法論和技術實現僅僅是一種工具，其實質需要嫁接落地與產品和服務本身，才具有實用性價值。目前，目前國內金融電商為滿足不同個體的金融增值性業務的需求，推出了千差萬別的金融服務產品。但是，缺乏柜臺服務的電商對于需要傳統的大量客戶信息處理、儲存、服務存在諸多的問題，而且許多傳統金融柜面業務領域的管理和控制還存在形式大于實質、“雷聲大，雨點小”的問題，如比阿里里巴巴聯手交通銀行共同推出的“交通銀行天貓旗艦店”，作為國內第一家聯手電商推出的網上服務門店，其店內卻只推出了貴金屬的交易服務，只能跳轉到自身官網才能購買其他金融理財服務；再如工行建立的融e購、融e聯平臺，無論是交易量還是利潤水平，均遠遠落后于精專與此的電商企業，對行內的貢獻度也非常有限。
四、路徑與措施
基于前文分析的大數據對于銀行業務尤其是對于跨境電商金融的積極作用以及可能挑戰，筆者對于下階段我國商業銀行及監管部門的應有路徑及發展措施作出如下建議。
?。ㄒ唬┩晟普呖蚣艿捻攲釉O計和標準制定
跨境電商金融是一個龐大的社會系統工程。它不僅涉電商本身，還涉及到眾多的政府部門，涉及到商檢、銀行、保險、貨物運輸、信息產業等部門和不同地區、不同政府部門和商戶，這要求國內有強有力的綜合協調部門來制定統一的政策框架，據此我國應重視對電商金融的研究和長期發展規劃，應建立專門機構來統一領導、管理相關工作。國內的各個金融監管部門應該順應時代的發展，逐步加快跨境電子商務發展的腳步，逐步建立一套比較完整的跨境電商金融服務體系標準，完成電商金融之間的互通互聯，為電商金融制定統一標準，建立統一云數據庫，統一監管管理，為電商金融的健康快速的發展提供良好的環境。
?。ǘ┘訌娚虡I銀行與電商企業之間的融合互補
對于很多大型商業銀行而言，中小企業的全量信息很難全面掌握，單單的幾張報表難以說明問題。但是如果電商巨頭作為此鏈條中的中間位置，可以利用自身的大數據庫，天然的形成對數以萬計的跨境中小企業的信用等級評估，為銀行提供服務依據。所以于商業銀行而言，應打破原有閉門造車的固有習慣，與大型電商交易平臺、電商企業加強合作，各自發揮所長。逐步推動電商+銀行模式的跨境電商供應鏈模式，在這一條類似于微笑曲線的供應鏈中，核心位置為各個電商巨頭，銀行處于供應鏈的上下兩級。在此過程中，電商企業與銀行相互彌合，優勢共享是關鍵。目前，電商企業較難完全具備相應的風險控制能力和管理能力，在快速發展金融服務過程中帶來未知風險的概率仍然很高；而銀行方的風險管控能力和管理經驗較為豐富，但數據掌握不全面，信息支撐不到位，產品友好化程度不高。因此，加強商業銀行與電商平臺之間的融合互補，無論實在商機管理還是風險管控方面均能形成較大的正向作用力。目前，由“銀行+電商平臺”形成的大數據生態系統的成功案例已經很多，戰略聯盟在大數據金融發展過程中發揮了越來越重要的作用。 2013 年 1月，百度與中國平安集團簽署了戰略合作協議，雙方同意在大數據研究等領域進行合作，進軍大數據金融。2013 年 9 月阿里巴巴與民生銀行進行戰略聯盟合作，除了傳統的資金清算與結算，信用卡業務等合作外，理財業務、直銷銀行業務、互聯網終端金融等諸多方面也成為雙方合作的重點。
（三）建立服務于“大數據”的組織架構和制度體系
無論是跨境電商產品、服務還是其背后的“大數據”支持體系，涉及到的板塊和部門均為眾多，需要在總行董事會、行黨委層面對其職能分工予以明確部署。初期，可成立專門的“大數據”金融委員會，負責全面籌建包括跨境電商領域在內的大數據服務體系建設，整合大型電商平臺、跨境服務機構、科技開發公司行外機構和信息科技部、公司業務部、國際業務與現金管理部、法律合規、風險管理等行內部門進行決策會商，分工協作，明確成員部門、具體人員的責任事項，明確總-分-支行三級聯動合作職能，制定“大數據”方法支持金融業務尤其是跨境電商業務的制度和發展方案。同時，打造一支既懂跨境金融產品、又懂大數據系統運用的專業性人才隊伍，并以公平公正的激勵機制、較高的薪酬水平、具有競爭力的職業發展平臺和良好的創新環境留住人才，并做好人才梯隊的培養工作。
?。ㄋ模┩ㄟ^“大數據”方法嫁接產品創新
大數據時代的核心是用戶思維，傳統銀行在轉型的過程中一定要充分的認識到“大數據”只是方法論和工具箱，將大數據的方法和工具嫁接至金融產品，推動管理創新，完善客戶體驗才是真正的落腳點。為此，商業銀行應繼續加強數據、技術與產品、管理的有機整合，最大程度發揮“大數據”的工具效用。借助公司報表產品與商業智能產品融合性與互補性優勢加大對大數據技術的研發投入和創新力度，進一步加大對云計算、移動互聯等方面的技術對于供應鏈金融產品、外部收付款結算、跨境人民幣資金池等產品的支持力度。如通過大數據方法分析供應鏈客戶的資金真實需求、經營項目流水、過往信用記錄、行業周期特征等，并根據分析結果，配比相應的具體產品子類；通過云系統實時監測跨境人民幣資金池類客戶資金規模、收付流向規律，向其提供更為合理的資金管理方案建議等，只有這樣才能切實加快業務向客戶導向轉型，增強服務客戶的能力。
下面具體以供應鏈融資為例，分析大數據方法對跨境電商產品的支持作用：在海量交易的大數據基礎上，以行業龍頭企業為主導 ，作為信息提供方或擔保方，與銀行等金融機構進行合作，對產業鏈上下游的企業提供融資。這種B2P網絡融資方式主要基于大數據和云計算技術，具有 “金額小、效率高、成本低、借貸靈活”的特點。其典型代表為京東商城、蘇寧的供應鏈融資模式。在此供應鏈金融模式中，銀行提供的融資服務由一對一轉變為一對多的 “I+N”模式，即通過一個核心企業去鏈接N個上下游企業，其中“1”為核心企業，“N”為核心企業上游的供應商、下游的經銷商和終端用戶?！癐+N”構建起一個良好的信用平臺，起到了“增信”效果。在B2C供應鏈金融模式中，B2C電商往往就是整個供應鏈的核心企業，同時也是技術平臺供應商，其面向的服務對象主要是有良好的渠道關系，經營規模較小，臨時性周轉資金不足的中小企業。在企業的生產經營周期內，中小企業的資金缺主要存在于預付賬款、存貨、應收賬款等環節。根據B2C電子商務的運營模式，可以把供應鏈融資在B2C領域拓展為電子訂單融資、入庫單融資、應收賬款融資和委托貸款等。以委托貸款為例，由B2C核心企業提供自有資金，代理銀行代其向鏈上符合條件的供應商發放貸款。B2C核心企業憑借其自身在供應鏈中的地位，掌握平臺上的大量交易信息，并據此評估商家的信用狀況，完成貸款資格的審核和自有資金的發放。商業銀行可以與大型數據平臺合作，收集包含每一個電商企業行為軌跡的信息和數據來對貸款申請人進行風險評估來決定是否發放或發放多少貸款。
?。ㄎ澹┻\用大數據工具完善業務風險管控工作
國際結算、貿易金融、跨境電商等業務涵蓋資產業務和中高風險類中間業務，時刻面臨客戶誠信缺失、資金鏈斷裂、政策因素干擾等一系列道德和市場風險。通過客戶信用評價指標體系建設、資金流數據監測、損失概率模型等一些列大數據工具的運用，可以對上述多數風險形成有效的識別預警及管控。以下是目前比較主流的跨境電商大數據信用評價的指標體系?？梢?，通過指標項目的設立，權重的賦值以及數據采集分析，可以為包括跨境電商企業在內的企業提供較為統一的評判標準，從而在大概率上規避風險發生的可能性。
責任編輯：曉麗
免責聲明：
中國電子銀行網發布的專欄、投稿以及征文相關文章，其文字、圖片、視頻均來源于作者投稿或轉載自相關作品方；如涉及未經許可使用作品的問題，請您優先聯系我們（聯系郵箱：cebnet@cfca.com.cn，電話：400-880-9888），我們會第一時間核實，謝謝配合。
