大數據革命對不同行業的影響有所差異，給軟件開發、信息安全等IT類企業創造了更多的機會，對醫療、零售、食品等傳統類行業形成利空。對于歷史悠久的銀行業而言，如何與大數據有效結合，促進其轉型發展值得深入研究。特別是在我國商業銀行面臨利率市朝壓縮利差、經濟增速放緩等負面沖擊之下，探索大數據在商業銀行領域中的應用場景，對于提升商業銀行的盈利能力具有重要啟示。目前來看，大數據給商業銀行帶來的挑戰與機遇并存。商業銀行如果能夠順勢而為，則可為其帶來市場拓展、產品創新、管理優化和風險防范等益處，全面提升商業銀行的成長空間。

　　國外銀行應用大數據的主要場景

　　互聯網具有發散型網絡結構及不受物理空間限制的特征，使其能夠打破傳統溝通方式的障礙，進而形成龐大的用戶流量。特別是在Facebook、Instagram、Snapchat等形式多樣社交媒體的興起之后，流量背后更是暗含巨大商機。國外不少商業銀行主動抓住商機，不斷整合用戶流量基礎之上的大數據，探索兩者之間可以有效結合的交集。就應用場景上的交集而言，其主要集中于潛在客戶挖掘、信用風險防范、綜合管理改進、金融產品定價等方面。

　　潛在客戶挖掘

　　客戶作為商業銀行賴以生存的基礎，充分尊重客戶需求、了解客戶需求、滿足客戶需求成為商業銀行保持競爭活力的關鍵。因此，從數據信息背后挖掘客戶潛在需求，進而改進產品質量構成國外銀行應用大數據的重要內容。例如，巴克萊銀行原有開發的系統程序限制了18歲以下年輕客戶的支付功能，大數據揭示該障礙后，其改進應用程序，使得18歲以下的客戶同樣可以支付， 此舉擴大了其年輕客戶的規模；西太平洋銀行根據客戶瀏筧網頁的記錄，通過醫學統計軟件SAS的技術分析，自動識別客戶的有效信息，做出決策，提供與之對應的金融產品。當用戶在網上咨詢房地產貸款的細節時，西太平洋銀行及時提供此類信息，以發現潛在的貸款需求者；挖掘客戶體現“市場為先、顧客至上” 的服務理念，在這一理念之下商業銀行的產品與客戶需求更好匹配，改進用戶的服務體驗，增加客戶對產品的黏性，奠定商業銀行爭奪市場份額的基矗出于上述考慮，花旗銀行運用IBM公司的IBM Watson系統分析客戶的基本數據和社交數據，以其存量客戶的累積數據總結規律，根據客戶交易特征及行為偏好鎖定潛在目標客戶，進而提供贏取客戶信任的高質量服務。

　　信用風險控制

　　信用風險通過計提壞賬準備嚴重侵蝕商業銀行的利潤，減少信用風險引起的不良資產，構成商業銀行全面風險管理的重要組成部分。除傳統的抵押、質押和保證方式轉移信用風險之外， 大數據不僅為商業銀行貸前審查提供了識別風險征兆的工具，同時也為貸后管理增加了有效的監測手段。第一資本銀行根據多維數據建立擬合優度強大的模型，借助模型合理區分不同客戶的信用風險水平，掌握風險等級不同客戶信用卡的違約概率，進而有效避免信用糟糕的垃圾客戶，抓住市場中風險低、收益高的那部分客戶；奧地利銀行根據其客戶信用卡的支付用途、支付額度和支付頻率，通過海量數據將客戶加以有效分組，立足分組結果設計不同產品來匹配不同風險偏好的客戶；富國銀行基于客戶日常交易的半結構化數據，從正常行為與異常行為中發現風險提示信號，分析客戶是否存在不正當行為，助力商業銀行實現貸后風險防范，降低不良資產比例。

　　綜合管理改進

　　商業銀行的管理范疇廣泛，既包含前臺的業務部門，也不可忽略后臺的保障支持部門；既包括營銷層面的外部客戶管理，也涉及執行層面的內部分工管理。大數據為商業銀行改進管理創造了條件，其技術手段減少商業銀行綜合管理面臨的掣肘。比如， 美國銀行通過數據云滿足客戶在不同場景下的需求，進而精確制定服務客戶的管理方案，提高客戶信用卡使用的頻率，實現促進客戶滿意的管理目標；匯豐銀行引入SAS的反欺詐管理系統，持續跟蹤其持卡用戶的交易行為變化，防范信用卡和借記卡的欺詐風險，并且將反欺詐應用到其他業務條線，緩解風險高發業務對其綜合管理帶來障礙。

　　金融資產定價

　　產品定價是商業銀行金融交易中的核心要素，定價高低直接決定商業銀行的盈利空間。在缺少客觀分析工具的情況之下，銀行從業人員憑借經驗確定交易標的價格，難免受到當事人情緒等因素影響，嚴重時甚至可能造成惡劣后果。大數據能夠充分發揮其客觀的立場作用，減少商業銀行金融產品定價的主觀影響。比如，摩根大通銀行在處理房地產抵押貸款時，根據房產所在地及周邊地區不動產的龐大數據，運用數據背后的信息測算抵押物的合理公允價值，以使拍賣抵押資產時占得主動；瑞士銀行應用大數據對金融產品進行理性估價，當客戶經理的主觀定價超出范圍時，設置自動報警觸發機制，以促進金融產品的定價客觀準確， 避免投資決策的盲目主觀。

　　在國內商業銀行中的應用場景

　　就國內實際情況而言，大數據對我國商業銀行的影響全面， 覆蓋商業銀行的客戶營銷、管理優化、產品創新和風險防范等各個板塊，從渠道、工具、動力和方法上帶動商業銀行提質增效。

　　開辟營銷客戶新渠道

　　在商業銀行同業競爭加劇，同時面臨非銀行金融機構發展壯大的今天，營銷客戶的難度愈發上升。商業銀行需要最大程度地滿足客戶的需求，采取有效工具精確營銷客戶。不可否認，大數據已經成為營銷客戶的良好工具。商業銀行深入歸納客戶的自身信息、工作形態及其生活軌跡等，通過匹配方法可以洞察客戶的交易行為，捕捉客戶的興趣所在，進而開展具有針對性的營銷。例如，興業銀行根據聚類分析等統計方法，將其代發工資客戶群體劃分為不同類別，針對金領、白領等不同類別提供與類別匹配的金融產品。從實踐效果來看，其理財基金、信用分期、手機銀行、代銷保險等產品的營銷筆數較之前明顯提高。除聚類分析之外，商業銀行亦可通過其他方法全面分析數據的價值。

　　補充優化管理新工具

　　商業銀行發生每筆交易的同時，多數情況下記錄資產、負債、不良、利潤等財務指標，以及企業、個人等億萬客戶的核心信息，構成銀行成本管理、資本補充、績效管理的一手材料。材料背后的潛在數據信息，奠定了商業銀行管理優化的基矗通過對數據進行整理、加工、提煉、剔除、評估、預測，商業銀行流動性缺口管理、資產負債動態平衡管理、欺詐風險管理將更為合理。通過各個維度的翔實信息，進行風險的壓力測試和情景模擬，可以防止潛在市場風險的爆發。以欺詐風險為例，中國銀行結合人民銀行及第三方機構的征信數據，構建全面解析客戶行為特征的欺詐監測中心，防止騙貸等欺詐交易造成損失。除此之外，大數據將極大地便利商業銀行的管理。

　　提供創新產品新動力

　　統計技術的發展及數據處理能力的增強，奠定了建立穩健數據預測模型的基礎，這為商業銀行推出創新產品提供了契機。商業銀行通過產品創新可以增加客戶黏性，培養客戶忠誠度，鞏固存量客戶資源，擴大增量來源客戶，促進其在市場份額競爭奪中保持優勢。以微眾銀行為例，其基于騰訊平臺的占有數據等優勢，于2015年推出國內領先的互聯網小額貸款產品“微粒貸”， 無須抵押和擔保，且資金到賬高效快捷，受到年輕客戶群體的高度認可?；ヂ摼W銀行借助大數據指導商業銀行的產品創新，傳統銀行緊隨其后。工商銀行作為國內規模第一的大型銀行更是不甘落后，依托其貸記卡及借記卡客戶在POS機消費的數據信息，工行創新推出免除抵押手續、資金快速到賬的貸款產品“逸貸”。這款靈活高效的貸款產品之所以采取純信用方式，是因為工行依據數據判斷該類客戶潛在風險可控。除零售業務領域之外，工行在公司業務領域同樣大膽創新，構建了分析小微企業的數據平臺。平臺依據POS交易流水評估小微企業的風險，允許其中風險可控的企業采取非抵押方式獲得貸款，取而代之的則是以結算賬戶作為質押，打破小微企業貸款一般需要抵押的常規，促進銀企雙方共同成長。

　　增加防范風險新方法

　　商業銀行的風險管理涵蓋信用風險、操作風險、不合規風險、流動性風險等眾多類別，毫無疑問，這些風險與大數據有效結合后將會得到更好防范。其中，客戶賬戶資金的存取金額、貨幣幣種、交易時間、來源去向等流水記載著詳細的數據信息，其為商業銀行的反洗錢調查提供重要線索，進而避免商業銀行執行反洗錢不到位可能遭受的不合規風險?；诳蛻艚灰子涗浶纬傻碾娮訑祿?，對其進行篩癬審查和分析，發現大額交易、頻繁交易等非正常交易金融行為，識別不同客戶的風險等級，建立高風險等級客戶名單，最終形成重點關注類交易報告、可疑類交易報告等，以配合監管機構開展的反洗錢調查。重現每筆交易的真實用途，提供公安機關打擊經濟犯罪的證據，防范不法分子運用銀行賬戶從事詐騙等犯罪行為，預防恐怖分子運用銀行賬戶從事恐怖組織活動。除去不合規風險之外，商業銀行信用風險借助大數據同樣可以降低違約概率。

　　大數據在商業銀行應用中的趨勢展望

　　大數據作為金融科技的重要組成部分，其與區塊鏈、物聯網、智能投顧等前沿科技成果共同助力商業銀行的發展，推動商業銀行朝著自動化、網絡化、智能化、電子化、移動化方向有序轉變。不過，對于掌握核心技術的科技類公司而言，其在促進商業銀行發展的同時，與商業銀行之間的關系亦變得復雜。

　　商業銀行與科技類公司的邊界變得模糊。近年來，以電商平臺為代表的科技類公司有效整合數據，憑借其難以動搖的平臺優勢，積累海量的客戶信息資料，在提煉客戶信息的基礎上涉足金融業務。這些業務涵蓋消費金融、小額貸款、投資理財、保險銷售等多個分支，已經在居民生活中十分普遍。其中，京東商城創新推出京東白條，支持其平臺購物者的消費需求；淘寶網推出網上定投基金，滿足投資者的理財需要；螞蟻金服與騰訊、中國平安合資建立眾安在線財產保險股份有限公司，實現保險的線上銷售，減少投保者線下購買保險的出行成本；阿里結合數據成功推出阿里小貸，對接中小企業的融資需求?？萍碱惞旧孀憬鹑陬I域的藩籬漸漸減少，將其業務擴展到傳統金融領域，在第三方支付、基金銷售、信用消費等金融領域全面布局，使得商業銀行與科技類公司之間的邊界愈發模糊，未來兩者之間的交叉影響將會更加明顯。

　　商業銀行與科技類公司的合作愈發緊密。商業銀行作為負債經營的高風險行業，其一直保持審慎開放數據的行事風格，其數據方面的專業人才相對匱乏。與之相反，科技類公司機制靈活，創新精神濃厚，其數據處理方面的人才儲備充足。商業銀行與科技類公司之間存在互補空間，兩者之間取長補短的合作潛力巨大。未來，商業銀行與科技類公司之間的合作將會愈發緊密， 兩者之間的融合將會更加明朗，其合作形式包括持有股權模式和購買服務模式等。持股模式即商業銀行作為財力雄厚的戰略投資者，投入資金持有科技類公司的股權；或者商業銀行與其他機構共同出資成立以其為主導的子公司，抑或商業銀行設立全資子公司。購買服務模式即商業銀行梳理需要解決的業務需求障礙，與科技公司認真商定合作領域。雙方基于相互信任簽訂合作協議， 確立科技公司有償提供技術支持，向商業銀行輸出技術方案及服務支持。預計商業銀行與科技公司的合作將各取所長，擺脫各自在資金、人才、技術等要素上的約束，調動科技公司高效靈活的專業優勢，結合商業銀行資金實力強大的資源優勢，塑造適合各自資源稟賦的互利共贏格局。其中，大型商業銀行將來可能采取持有股權和購買服務雙重模式，中小商業銀行將更多采用購買服務模式。

　　商業銀行的應用場景得到延伸。目前，大數據在商業銀行的應用領域集中于零售業務，特別是在信用卡領域的應用最為廣泛。不過，應用大數據不應局限于零售端這個狹窄空間，預計其將延伸至其他領域發揮更多作用。隨著中國社會征信網絡體系的逐步規范，類似“企查查”“天眼查”、國家企業信用信息公示系統、全國法院被執行人信息系統等信用建設體系的不斷完善， 企業的信息將變得公開、透明、完整、真實。數據健全的征信信息形成聯動，將從素材上鋪平商業銀行擴展其他業務的道路，助力商業銀行防范企業信用風險。不僅如此，大數據為盤活過去那些被忽略的長尾客戶創造了可行條件。長尾客戶群體的金融交易筆數多，單筆業務成本高、收益低且交易量小，其對商業銀行的利潤貢獻略顯微保出于收益難以覆蓋成本等考慮，商業銀行過去只能被迫放棄長尾客戶群體；不過，大數據支持銀行設計便利迅速、高效簡單、自動審批的線上金融系統，商業銀行借此可以識別長尾客戶申請貸款時是否刻意隱藏信息，減少授信中信息不對稱帶來的道德風險，平衡收益、成本與風險之間的關系。大數據通過線上與線下數據手段的搭配使用，將改變商業銀行缺少工具服務長尾客戶的困境，促進商業銀行支持普惠金融發展。

責任編輯：王超