最新互联网金融背景下商业银行大数据战略研究.docx
《最新互联网金融背景下商业银行大数据战略研究.docx》由会员分享，可在线阅读，更多相关《最新互联网金融背景下商业银行大数据战略研究.docx（8页珍藏版）》请在冰点文库上搜索。
最新互联网金融背景下商业银行大数据战略研究
互联网金融背景下商业银行“大数据”战略研究
摘要：
实行转型升级是商业银行面对经济新常态提出的新的战略要求。
随着大数据、云计算等互联网技术的不断更新，互联网金融思维逐渐深入人心，这为商业银行的转型发展提供了新的思路。
作为互联网核心思维的大数据战略深刻地影响着商业银行转型升级目标的实现。
在庞大的中国金融消费市场环境下，商业银行积极探索以大数据战略为核心的转型方案，深入挖掘市场机会，成为银行提高自身竞争力，抢占市场先机的重要手段。
而商业银行要将大数据战略成功地嵌入商业银行转型升级的过程中，就必须对实施这一战略的内外部环境进行准确的分析，科学确定发展目标，实事求是地进行战略定位，并围绕战略目标采取切实可行的实践措施。
关键词：
大数据;京津冀协同;互联网
一、引言
生产关系要适应生产力的发展是人类社会进步的本质。
而在当前，随着社会科技的进步，传统的金融服务难以满足人们日益增长的金融服务需求，商业银行积极寻求转型升级的契机。
这一方面是新常态经济背景下金融改革的现实需求，另一方面也是互联网金融发展的良性刺激所致。
作为一种区别于传统的直接金融和间接金融的第三种金融模式，互联网金融独特的优势挑战着传统金融的权威，改变了人们的生活消费习惯，逐渐成为人们日常生活中不可或缺的一部分。
据iiMediaResearch的研究数据显示，2014年中国互联网金融产品的网民渗透率高达61.3%，超过六成的中国网民使用过或者正在使用互联网金融产品。
与此同时，互联网金融思维的逐渐深入人心也为传统金融的发展提供了新的思路。
在信息化时代，对数据的挖掘与分析深刻地影响着商业银行的发展趋势。
大数据作为互联网金融的核心思维和技术基础，为商业银行的转型升级开辟了一条新生路。
在中国金融庞大的消费市场下，积极探索大数据战略与银行转型升级战略有机结合的并轨研究，一方面可以为商业银行转型升级开拓新的实现路径，加快银行转型升级目标的实现，另一方面，商业银行转型升级的客观需求也为互联网金融的创新发展提供强大的驱动力。
基于互联网思维，充分利用大数据、云服务等先进的网络技术手段来实现商业银行在信息化时代的转型升级，成为当前银行发展的必由之路。
因此，准确地分析商业银行在互联网金融背景下实施大数据战略的内外部环境，确定科学的发展目标和战略定位是银行实施大数据转型战略的必要前提。
同时，商业银行必须根据自身发展特点，围绕科学的战略目标，切实采取具有前瞻性的战略措施，以保障银行未来发展的持续与稳定。
二、文献综述
（一）大数据概述
（二）银行转型与大数据关系研究现状
因此，基于开放、共享、平等的互联网金融思维，构建商业银行的大数据经营管理战略对于银行转型至关重要。
在商业银行未来的长期发展过程中，随着网络化、信息化金融模式的不断成熟，对于大数据思维的应用是一个具有前瞻性、全局性的战略方向。
三、大数据战略实施的内外部环境分析
商业银行实施大数据战略的本质是为了明确银行在互联网金融时代发展的方向。
而一个明确的战略管理过程通常包括明确战略目标、分析战略环境、制定战略方案、实施和评估战略四个阶段。
这四个阶段不断调整，形成一个循环的系统，如图1所示。
因此，在进行商业银行大数据转型战略的定位时，首先需要对银行内外部环境进行深度分析。
在互联网金融和信息化经济的时代背景下，借助SWOT分析法对商业银行转型升级的外部机会与威胁、内部优势与劣势进行分析，为大数据战略的最优选择提供依据。
（一）银行大数据战略SWOT要素分析
2、内部劣势分析。
在大数据战略实施的初期，商业银行由于其自身的限制，受到互联网金融的冲击，银行经营管理面临巨大的挑战，其劣势集中体现在数据处理能力不足和法律保障缺失两个方面。
在数据的收集和处理上，银行不仅需要收集来自物理网点、消费者账户的结构化数据，更需要来自移动互联网、电商平台以及社交网站的非结构化数据信息。
然而，如今商业银行还处于大数据运行模式的探索期，由于缺乏专业的数据分析人才，传统的事物型数据库难以满足海量数据非结构化数据的分析需求，对于大数据的分析处理缺乏精准有效的技术支持，严重限制了商业银行的数据处理能力和银行竞争力的提高。
在法律保障上，大数据与商业银行的跨界融合是金融创新理念在互联网经济时代的成功应用，然而互联网行业与金融行业本质上的区别导致大数据与银行业的商业规范、监管模式存在明显差异。
商业银行作为现代金融的合规行业，受到严格的法律约束和金融监管机构的监督，而互联网领域的大数据并不受其限制，至今为止，还没有一部专门的法律对大数据在金融行业中的应用进行规范。
因此，缺乏明确的法律法规和规章制度的保障导致银行大数据战略无法可依，这势必会造成银行大数据的滥用，威胁商业银行的持续发展。
4、外部威胁分析。
将大数据思维融入银行转型升级战略顺应了互联网金融时代商业银行的发展要求。
然而互联网金融企业的竞争以及大数据本身存在的风险为商业银行实施大数据转型战略带来了巨大的威胁。
一方面，与传统银行业相比，互联网金融模式具有资金配置效率高、交易成本低、支付便捷、普惠性等特点，打破了传统银行业时间和空间的限制，给人们带来了前所未有的高效、便捷的用户体验以及更具可得性的实际利益。
2014年10月互联网巨头阿里巴巴成立蚂蚁金融服务公司，业务囊括了支付、贷款、理财、保险等诸多金融服务，阿里金融帝国逐渐成型;XX推出XX财富，打造专业化的金融服务平台，全面涉及金融业务;腾讯在其庞大的用户资源的基础上，借助大数据、云计算等技术，大力开展支付、理财业务。
互联网企业加快布局金融业，对整个银行业产生全面而持续的冲击，这在很大程度上挤占了原本属于传统银行业的利润空间。
另一方面，大数据的风险威胁主要表现为两点：
一是信息扭曲风险，在大数据信息爆炸年代，数据量的大幅增加导致了规律的丧失与数据的严重失真，大量无序、低效的无用信息混进数据库形成信息噪声，增加了信息误读的风险。
信息的扭曲加剧了市场波动，造成市场失灵;二是信息安全风险，大数据时代强调社会信息资源的开放与共享，然而随着虚拟网络技术的不断进步，网络信息安全问题越来越受到人们的关注。
网络系统与数据中心存在的漏洞导致大量客户信息和个人隐私的泄露，棱镜门事件、支付宝漏洞以及携程网用户支付信息泄露等一系列信息安全事件的爆发，严重地威胁了企业的发展和消费者的人身安全。
商业银行运用云服务、云平台构建大数据终端来实现数据资源的共享，但是同时也伴随着一定的风险，一旦数据泄露，将会对银行业务经营以及客户安全造成极大的安全隐患。
（二）银行大数据战略SWOT矩阵分析
在对商业银行大数据转型战略的外部机会与威胁、内部优势与劣势进行SWOT分析的基础上构建SWOT矩阵分析策略，为实现商业银行大数据战略的长期目标，制定了一整套战略选择路径以及具体的实施方案。
根据战略制定的基本思路，通过发挥优势、克服劣势、利用机会、化解威胁，商业银行大数据战略的实施可具体分为四种路径（见表1）：
1、SO战略（增长型战略）的关键在于依靠内部力量，洞察外部环境。
在大数据战略制定的初级阶段，商业银行最主要的任务是在充分发挥自身优势的基础上，保持良好的市场洞察力，利用外部环境发展自身。
利用丰富的数据资源优势、雄厚的资本优势以及专业的人才优势建立大数据平台，构建云计算服务器，为大数据战略的实施打下坚实的设备基础。
同时，深入了解市场发展动态，明确国家政策导向以规划市场布局，依靠不断进步的互联网技术与大数据手段将银行产品通过线上渠道扩大市场，拓展银行利润空间。
2、WO战略（扭转型战略）是大数据战略进入规范阶段，商业银行利用外部机会，克服内部弱点的一种稳定型发展路径。
商业银行大数据战略制定的关键在于充分利用市场潜藏的机遇，学习互联网金融企业的先进技术，加强对银行内外部数据的收集与整理，培养数据分析人才，打造一支更具专业性的大数据人才队伍，克服银行数据处理能力不足的弱点，规范服务流程以提高业务办理效率。
此外，在各银行之间建立云共享数据平台，制定统一的大数据运行规则，同业之间相互学习、相互监督，形成规范化的行业准则，以弥补法律保障的缺失。
3、ST战略（多元化战略）要求商业银行发挥内部优势，规避外部威胁。
在激烈的市场环境中，商业银行面临的不仅是同业的竞争，更有互联网金融企业的威胁。
深入挖掘自身特点，走差异化发展之路是银行赢得市场先机的基本策略。
面对互联网金融的冲击，商业银行必须加强与互联网企业的合作与交流，建立客户信息共享机制，打破信息孤岛以提升银行的数据整合能力，同时加快建立大数据的风险防范制度体系，防范银行数据的信息安全风险。
4、WT战略（防御型战略）是商业银行在内部阻力和外部冲击双重因素制约下的必然选择。
在此阶段，商业银行需要进一步分析和调查银行大数据运用的风险，以审慎的态度推进银行转型。
互联网金融的发展导致银行客户和资金的大量流失，采用防御型战略要求商业银行以规范的操作流程，完善的管理制度，健全的培养机制做支撑，全面开展与互联网企业的合作竞争，进行优势互补，通过科研创新与品牌建设逐个击破外部挑战，重塑商业银行内部竞争力。
无论是增长型战略、扭转型战略，还是多元化战略、防御型战略，在商业银行战略转型的不同阶段都有与之相对应的战略规划内容和实施方式，银行对不同战略路径的选择必须符合银行不同转型期的特定要求，但是商业银行大数据战略实施的全过程必定是一个不断学习、创新与发展的过程。
四、商业银行大数据战略目标与路径选择
在未来的银行业竞争中，对于数据的分析和挖掘将成为决定银行经营成败的关键。
随着互联网金融理念的不断深入，实施大数据战略对推动银行业的转型升级意义重大。
商业银行大数据战略目标的设定是其转型升级的具象化表现，而战略路径的选择则是商业银行在既定战略目标指导下实施转型升级的具体方案。
（一）大数据战略目标
大数据战略是商业银行在互联网金融背景下运用大数据思维实现转型升级的进一步探索。
基于商业银行转型的定位，大数据战略目标具体包括客户中心目标、经济发展目标和风险管理目标。
1、客户中心目标。
实现商业银行的战略转型必须以满足客户的真实金融需求为前提。
及时、准确地把握客户需求是实现新时代开放式普惠金融的基本要求，离开了以客户为中心的经营理念，银行的转型将会迷失方向。
商业银行引入大数据思维服务于银行经营管理的创新，关键在于深入客户群体，全方位评估客户需求，准确把握市场动向，为消费者提供更具针对性、合理性的产品和服务，确切落实商业银行的战略转型目标。
因此，银行大数据客户中心目标可以概括为基于客户信息分析，以客户需求为导向，构建银行客户管理大数据分析和应用平台。
2、经济发展目标。
服务于实体经济的转型发展是商业银行大数据战略转型的根本方向。
实体经济是银行业发展的根基，脱离实体经济的金融创新只会带来更大的金融风险。
商业银行引入大数据思维的金融创新必须以实体经济发展的需求为导向，不断优化实体经济的资源配置，重视三农经济的发展与小微企业的融资，助推普惠金融的实现。
尤其是在当前经济新常态下，经济下行压力持续，银行应该充分利用大数据、云计算等互联网技术优势拓宽服务实体经济的渠道，创新服务手段，以提高资金使用效率。
商业银行只有以支持实体经济发展为核心，才能实现金融业和实体经济的共生共荣。
3、风险管理目标。
风险管理是决定商业银行转型成败的关键。
商业银行作为经营风险的特殊行业，完备的风险管理体系是其生存与发展的基本保障。
风险的产生是由信息不对称造成的，商业银行传统的信用风险决策主要依据客户的基本经济情况、信用记录、抵押担保以及客户经理的现场调查等结构化数据进行经验判断，缺乏量化数据的支持，准确度难以得到保障。
而大数据在商业银行中的应用在很大程度上缓解了银行与客户之间的信息不对称问题，以大数据思维进行银行风险管理的变革，通过大量数据信息法人深度挖掘来进行风险识别，提升银行整体的风险防控能力。
（二）大数据战略路径
1、树立大数据理念，持续提升商业银行大数据核心竞争力。
党的十八大报告明确提出走中国特色新型工业化、信息化、城镇化、农业现代化道路的目标，信息化已上升为国家战略的高度。
在互联网金融的时代背景下，以大数据思维推动银行的转型升级不仅有利于加快我国信息化、智能型银行建设的步伐，而且对于促进我国信息经济发展、服务新四化具有不可估量的作用。
因此，商业银行管理层应通过顶层设计提高大数据理念的战略高度，充分认识大数据资源在商业银行战略转型中的重要地位，以大数据作为推动银行改革创新的内在引擎。
第一，培养商业银行的大数据核心处理能力。
强化数据整合能力，以银行内部数据为基础，充分利用大数据链条上的社会化数据，形成统一的数据标准，便于进行规范化的数据交换与融合;强化数据挖掘与分析处理能力，在全行推广决策基于数据，信息创造价值的观念，引进专业化数据挖掘与大数据分析工具，以大数据思维进行业务逻辑模式的再造，提高非结构化数据转化为决策支持信息的效率。
第二，深化数据治理，持续提高数据质量。
充分认识数据治理在大数据分析过程中的重要作用，积极推进数据标准化管理机制的建设。
制定完备的数据构架规划和数据生命周期管理规范，从制度上规范银行数据的使用。
建立多维度数据仓库，将分散化数据信息按照客户、渠道、产品等多种类别进行合理的整合与储存，形成全行统一的数据格式，提高数据的利用效率。
同时，加强数据查询平台的建设，满足银行各部门的数据查询需求，及时提取各类交易数据，响应数据监管部门的数据审核要求。
第三，完善银行大数据工作管理体系。
在银行内部建立总―分式大数据工作机制，制定全行大数据工作规划，实行逐层推进。
建立大数据主管部门负责统筹工作规划，集中管理银行数据，设立大数据业务部门负责数据整合与分析，成立大数据工作小组，全面收集商业银行内外部各类数据信息，形成一个统一的大数据管理体系，打造银行业在大数据时代的核心竞争力。
2、全面整合银行内外部数据，搭建商业银行大数据平台。
传统的数据处理只要致力于对结构化数据的分析与整合，然而在大数据背景下，传统的数据库已无法满足大量半结构化，甚至非结构化数据的处理要求。
因此，必须加快建立商业银行大数据分析平台，整合银行内部自然数据，协同外部社会化数据，完善大数据环境下的银行数据分析，提高银行决策效率。
一方面，全面整合银行内部数据。
银行作为整个金融业的核心领域，在与客户联系的过程中，积累了大量的信息数据。
从现有客户的属性资料、账户信息，包括客户的性别、年龄、职业、收入和资产状况，到客户的交易信息、渠道信息和行为信息，包括交易时间、交易类型以及消费偏好。
商业银行必须以内部信息技术系统为基础，整合银行内部各业务单位的客户关系信息，将各类渠道所有交易中的客户信息、记录综合起来，建立一个统一的数据分析平台，为银行经营决策奠定数据基础。
另一方面，综合利用外部社会化数据。
商业银行必须重视加强对各类数据的收集和积累，打破传统数据边界，注重加强与社交网络、电商企业等大数据平台的交流与合作。
商业银行在完善自身数据的基础上，积极建立与网络媒体的数据共享机制，通过多渠道获取更多的消费者数据信息。
充分利用社交网络、论坛、微博、微信平台等新媒体工具整合现代化客户交流渠道，增强与客户的互动联系，打造人性化的银行品牌形象，维护良好的客户关系。
同时加强与电信、电商等互联网企业合作，加强数据信息共享互利，促进金融服务与电子商务、移动网络的融合。
在统一的大数据平台的基础上，深入挖掘客户信息，形成统一的数据化客户管理，实现客户分类的精细化，并针对不同客户群体的独特需求提供个性化服务。
4、以大数据思维完善风险管理，提升银行风险识别和计量水平。
平衡收益与风险是银行维持长久发展的根本保障。
随着利率市场化程度的不断加深，外部市场环境日益复杂，商业银行面临的流动性问题愈加严峻。
面临不断提高的风险管理要求，商业银行引入大数据思维，树立用数据防风险的新型风险管理理念。
在大量的金融及非金融数据中，通过机器学习，不断总结数据之间的内在关系，运用大数据相关关系分析法，结合机器算法模型找出隐藏在海量数据中的客户与风险之间的量化关系。
充分利用银行内部历史数据以及阿里巴巴B2B、人人贷、淘宝等电商平台上积累的海量客户信用信息与行为数据，通过互联网数据模型和在线资信调查，结合第三方验证形成交叉检验，确认客户信息，进行信用评级，并根据客户的信用等级实行差异化的贷款定价。
数据规模的优势可以弥补数据质量的不足，并在极短的时间内对海量原始数据进行分析，更精确地评估客户的信用风险。
同时，依托大数据，搭建风险计量与欺诈防范模型，实行现场跟踪调查与非现场信息分析相结合、数据定量判断与经验定性判断相结合，研究对授信客户从贷前到贷后全生命周期的风险监测手段，建立综合式的风险监控中心。
注重贷后持续的风险监测，由大数据系统根据客户的历史数据对其贷款额度和贷款利率进行每月动态调整，实时跟踪客户交易，若出现交易、存款等大幅度变动的异常情况，及时进行现场审查，以确保贷款安全。
此外，在运用大数据技术完善风险管理的同时，还需要注重对大数据风险的监督和管理。
为了确保大数据安全，必须将大数据纳入全面风险管理系统中进行统一管控。
加强银行数据的自我监督，协同数据共享平台的各类企业和机构，制定规范的数据安全标准，提升整体数据安全质量。
同时，加强与客户的交流与沟通，提高客户的数据安全意识，规范数据来源，确保数据安全。
升级会员 