2019年7月-10月，由中國電子銀行網（微信公眾號：cfca-cebnet）主辦，《銀行家》雜志、今日頭條聯合主辦的“報告行長大人”銀行與金融科技行業創新實踐文字競演第三季——“元年與接續 夢想與現實”活動正在火熱進行中，以下為熱心網友投遞過來的稿件。

作者單位：江蘇銀行杭州分行投資銀行部

背景

大數據對于很多人來說既熟悉又陌生。大家可能都聽到過大數據的概念，對大數據能產生的價值和未來的前景有些許了解，對“數據驅動”滿懷憧憬。但是大數據到底是什么，究竟應該如何應用到具體場景中，這其實是一個很不容易回答的問題。

本文作者長期在商業銀行工作，結合對商業銀行的業務和客戶的深刻理解，從落地實踐的角度，簡單闡述商業銀行應如何開展大數據應用。

數據是資產，是財富，首先要建立數據思維

大數據的產生與技術的發展密不可分。首先是計算機的出現讓數據實現了數字化的存儲記錄，那時的數據尚處在零星割裂的狀態，且以數字為主；隨著互聯網的興起，信息的分享變得如此便利，催生了數據的主動生產和廣泛傳播，數據呈現了爆發性增長，數據的含義也豐富起來；而移動終端的普及、物聯網技術的發展，使得無處不在的各類傳感器時刻都在監測著社會中的各種行為動態，而這些感知數據則以近乎失控的速度持續自動產生。

大數據具備四個典型特征：一是數據量大，持續產生的海量數據；二是維度多元化，一切可記錄的內容皆為數據；三是價值總量大，但是往往價值密度低，需要挖掘；四是速度快，無論數據產生的速度，還是數據處理的速度都是高效的。

數據不同于數字，數據是一種資產，而數字是一個符號。大數據不是簡單的統計分析，大數據不但能告訴我們“現在是什么”，更重要的是可以讓我們預測“未來可能是什么”。大數據的“大”，要求我們必須轉變思維，我們不應再要求自己理解所有的因果邏輯，而應該把關注的重點放到趨勢上?！洞髷祿r代》一書的作者維克托認為，大數據的核心是預測，大數據時代最大的轉變就是放棄對因果關系的渴望，取而代之的是關注相關性，也就是重點關注“可能是什么”，而不必過于關注“為什么會這樣”。

在數字時代，生活中的人們無時無刻不在制造數據，我們在記錄數據的同時，自身也在被數據所記錄。通常商業銀行在經營過程中會產生兩類數據，一類是必須記錄的數據，一類是應當記錄的數據。必須記錄的數據就是與客戶身份和賬務相關的信息，滿足實名制和資產管理的要求；而應當的記錄的數據，則包含商業銀行在經營活動中可獲取、可產生的所有數據，這些數據的廣度和深度，往往關乎商業銀行大數據戰略的成敗。

數據是新的驅動力，價值的關鍵是“驅動什么？”

安德雷斯-韋思岸在《大數據和我們》一書的封面上寫到“數據是未來的新石油”，我們經常在購物網站上看到的“猜你想買”的創意最初就是來自于安德雷斯-韋思岸。石油是傳統經濟發展的驅動力，而數據則是新經濟的引擎。大數據能讓我們即時洞察，并基于算法模型實時做出決策，既高效又精準。

我們來看一個近期發生的真實例子：

2019年2月27日印巴發生空戰，疑似巴方梟龍戰機擊落一架印度戰機，國內的新聞媒體尚未開始報道，甚至主流媒體還沒接到消息，成飛集成股票突然漲停了。我們不難想象，如果采用大數據技術實時監測全球輿情動態，把所關注股票的相關信息做成模型，就可以先人一步抓取到所關注的信息，從而占領先機。

人們在生活中主動制造和被自動探測到的各類數據，無一不是從各個角度反映著其生理、心理和行為特征。這些數據的價值往往被我們個體自身所忽略，但海量的個體產生的海量數據卻匯聚成了一口儲量豐富的“油井”。通過對這口“油井”中的“數據石油”進行提煉，就能獲取我們想要的信息，從而提前做出應對決策。

l 股票分析軟件根據用戶對個股的點擊數測算股票熱度，預測漲跌趨勢。

l 國外研究機構根據社交軟件上對總統候選人的評價，預測選舉結果。

l 銀行通過輿情監測系統抓取信貸客戶的負面信息，及時發現風險隱患。

l 咨詢機構通過招聘網站和求職網站的訪問數量和崗位數量等信息，分析就業形勢和薪資水平。在不考慮隱私的情況下，甚至還能發現企業的員工是否有跳槽的打算。

l 購物平臺根據瀏覽偏好推薦感興趣的商品，提升銷量。

l ……

當然，以上僅僅是基于大數據實現價值的眾多案例中的滄海一粟，有場景的地方就有數據，有場景的地方數據就有價值。場景既是數據發揮作用的地方，場景也是數據產生的地方。我們在建設大數據應用、運用大數據執行決策的過程中，能否找到有效的契合場景，是實現大數據價值的關鍵。

凱文.凱利在談到未來的十二個趨勢時講到：在未來，“答案”是免費的，而“問題”更有價值。因此，在大數據的應用方面，我們首先要思考為什么要用到大數據、哪些地方要用到大數據、用到大數據后會有何不同，而大數據實現的各項技術在目前的階段已經非常成熟。

銀行的大數據應用“道阻且長”，但“行則將至”

目前國內商業銀行的數據應用尚處在摸索階段，僅有走在金融科技前列的平安、招商等少數幾家銀行在大數據應用方面取得了一些成效。大多數商業銀行，尤其是中小銀行，對于大數據的重視和設想基本上是停留在口頭上或報告里。究其原因，可能有三點：一是缺乏創新的動力，畢竟國內銀行的傳統業務仍然處在躺著賺錢的階段，尚無數據驅動的緊迫感；二是國內銀行在大數據應用方面缺乏人才和技術，未形成有效的推動力；三是國內銀行在數據維度和數據完整性方面存在著先天不足，大數據應用存在缺米少糧的尷尬。

前面分析了“道阻”的原因，下面談談我們應如何“行至”。

首先，大數據的重要性已經成為共識，雖然現實中的某些情況下缺乏動力，但未來的方向是明確的。其次，大數據技術已經非常成熟，銀行通過吸收外部的技術和人才，組建專業的數據團隊并不難，而且銀行擁有金融閱歷豐富的業務人才，在場景化方面具備先天的基因。此外，銀行應該始終保持清醒的頭腦，不是簡單引入外部的大數據公司或平臺就是實現數字化了。大數據公司往往在技術方面具有一定優勢，可以借鑒其技術能力，而數據應用的真正難點在于場景的選擇和配套的運營機制，而這些必須與自身的實際相結合。

銀行應著力構建三項大數據能力

大數據終究是為具體目標服務的，只有實現預定的目標才是有意義的事情，這也就是為什么人工智能必須是人在前面的原因，如果完全的無目標、無干預的智能將是無法預測的。因此，我們應按照人類在工作過程中的思維邏輯規律，借助大數據技術提升效率，從而實現數據價值。

我們把銀行完整的大數據能力分為三個部分，分別是“洞察、感知、決策”?！岸床臁本褪菑母杏^直覺著手，通過數據的直觀展示，讓我們了解業務現狀、發現特征趨勢，這是數據應用的基礎，就像人類的思考往往是由感官觸發的，而不是從真空開始的?！案兄眲t是經過人對目標場景進行邏輯抽象以后形成模型，通過大數據技術找到符合模型特征的事物，當然除了專家模型外，通過機器學習也能對一些雜亂無章的數據找到特征趨勢，但這些特征仍然需要人去分析定型?！皼Q策”則是最后實現價值的直接表現，是“洞察”和“感知”的終極目標，也是大數據應用成敗的關鍵評價依據。

l 洞察應從數據治理開始

洞察就是類似于視覺感受，我們經常聽到“360度可視無死角”的宣傳廣告語，其實很好地詮釋了數據洞察的含義。洞察是多維度、全方位的，洞察的能力將直接決定感知的能力，全面準確的洞察可以提供更加豐富的信息，避免因信息的漏損導致的認知的錯覺。洞察的前提是數據的廣度和寬度，數據的維度和數據的質量直接決定洞察的能力。

可能大家首先會問，銀行應該洞察什么?這個問題一定不是一句話能回答的，因為這個問題本身就是非常寬泛的。首先從洞察的目標看，可以洞察客戶、洞察員工、洞察產品、洞察業績等；其次從洞察的粒度看，可以洞察整體、洞察局部、洞察細微；此外，還可以洞察各類變化趨勢等?？傊?，洞察的前提是“我們想看見什么”，有了這個，也就有了洞察的目標。

洞察先從數據治理開始，數據治理先從數據采集入手，“豐富數據的源”，銀行的各個渠道都是獲取數據的天然傳感器；其次應該做好數據的標準化，也就是數據的格式和含義的標準統一，“完善數據的質”；最后就是要解決數據的共享機制，包括內部的共享，以及外部的共享，解決數據孤島，“實現數據的用”。

數據的治理已經有比較完善的技術和服務鏈條，所以對于數據治理我們再此不做過多的贅述，我們重點從應用的場景角度闡述洞察的意義。

我們前面提到過，銀行看似數據都是真實的，但是其實在大數據應用方面并無優勢，因為其歷來都是圍繞賬戶和交易展開，而在了解客戶方面僅圍繞資金流向是遠遠不夠的?；ヂ摼W公司尤其是微信、百度、淘寶等大型的頭部互聯網公司，他們對客戶的了解是全方位的，從衣食住行全面畫像，基本上能描繪一個人完整的生命周期。當然作為銀行來說，我們暫時無法具備像BAT一樣的數據采集能力，但是銀行的線上、線下渠道，雖然規模有限，但質量上并無劣勢，關鍵在于是否具備“從服務中了解客戶，因了解客戶而更好服務”的理念。如果數據是你唯一的資產，那情況可能就完全不一樣。

l 感知應當融入具體場景

感知的目的是為了實現具體價值，具體價值的實現必須依賴于現實的載體，而場景則是載體的表達方式。場景必須是真實有效的，應與客戶的實際需求相結合，而遠離客戶需求的場景則是偽場景，是沒有生命力的。感知就是從具體場景中抽象一定的規則條件，在這些規則條件發生的時候觸發后續的決策行為。

當前在數據應用方面做的出色的公司，都是具有強場景應用的，比如淘寶網基于數據的產品推介、備貨物流計劃，搜索引擎根據瀏覽偏好推薦新聞事件等。而部分技術輸出型的大數據公司，其主要能力還是在于技術本身，在其不具備現實場景的情況下，對于數據的應用往往都是基于主觀想象的空談，而不是基于實踐的積淀。銀行在數據應用的過程中，必須發揮自身的場景能力，在沒有強烈場景驅動的情況下開展的大數據計劃是很難有價值落地的，更多的只不過是在報告上錦上添花罷了。

談到這里，大家最關心的一定是“銀行有哪些場景”。同樣，這個問題也不是簡簡單單就能說得清楚的。銀行的場景很多，關鍵看“我們想做什么”，只有自己想做的，才是真正的應用場景。但僅僅這一點還遠遠不夠，我們不僅要知道自己想做什么，還要知道怎么做。場景不是泛泛的目標，而是要聚焦的目標，比如我們把“提高信用卡發卡量”作為想做的事，這是一個目標，不能作為一個場景。我們必須把這個目標結合洞察的結論，形成“怎么做”的思路以后，才能找到具體的場景。如果我們通過洞察發現很多未辦理信用卡的客戶是通過刷借記卡消費，那針對借記卡消費的客戶拓展信用卡就是一個具體的場景。

明確具體場景之后，就可以針對場景制定感知的目標，而感知就是“在特定場景下實現目標，觸發決策的條件”。還是以前面的信用卡拓展作為目標場景，我們都知道泛泛地推送一個廣告很可能會被忽略，但是如果在其消費行為發生的時候進行推薦可能效果就會立竿見影。比如目標客群通過手機銀行充話費的時候，我們的手機銀行在感知到這個動作以后，給出一個“辦信用卡充值立減10元”的廣告，營銷的成功的概率就會大大提升。

l 決策不是一決了之

決策是數據應用的直接展現形式，決策的效果是數據價值的最直觀的體現。決策必須建立在廣泛的洞察基礎之上，但決策不是最終步驟，決策后的跟蹤評估尤其不可忽略。

決策不是簡單的千人一面，決策的前提是洞察和感知。精準的決策是建立對客戶的精準畫像的基礎之上，是數據驅動的精準觸達。決策是一個持續迭代的行為，迭代的過程同樣也是洞察和感知的過程。三者是一個相輔相成、水乳交融的關系。決策也不是一蹴而就的，特別是在互聯網的簡單、快速的模式下，逐步展開、試探性地決策過程往往更符合迭代邏輯。

好的決策事半功倍，還是拿我們前面信用卡拓戶的場景而言。同樣是10元的紅包，到底是10元話費還是10元的其他優惠券，用在不同的客戶身上起到的效果是完全不一樣的。對于一個不開車的用戶來說，話費可能比油卡更實用。即便是開車的用戶，如果他離中石化很近但是中石油很遠，這時候送的油卡如果是中石油的可能就不合適。因此，這些都需要建立在對客戶的全面洞察和感知的基礎上，有句話叫“錢要用在刀刃上”，對于數據決策運營來說，再形象不過。

當然，決策是一個過程，而不是一個動作。決策的對與錯、好與壞，都需要有個客觀的評價，這不僅是展示決策的成效，更重要的是通過不斷的評估來進行策略優化，同時在決策調整的過程中可能會對洞察和感知提出新的要求。我們在數據運用的過程中經常會擔心成果說不清、道不明，這不是數據的問題，而是數據使用者的問題。如果你還沒有想明白怎么以數據的方式展示數據運用的成果，那還是不要急著開展數據應用吧。

數據的應用不僅僅需要耐心

數據的應用不是一朝一夕的事，數據能力是個長期積累的過程，數據應用是典型的厚積薄發，只有保持耐心、堅定信心，才能找到數據的價值之門。正如開篇我們所說，大家對于數據的價值均懷有美好地憧憬，但是不付出辛勤的汗水，哪來幸福的淚水？

然而現實當中往往大家普遍缺乏足夠的耐心，因此在從事大數據應用實踐的過程中要有充足的心理準備，做好階段性的成效規劃，只有持續輸出可視化的成果，大數據項目才會具有生命力。

大數據應用，你的“問題”想好了嗎？

責任編輯：王超