征信行业
第一门户

大银行与大数据的战略思考——专访中国建设银行首席经济学家黄志凌

MAIN201401201153230459371073074

来源:《中国征信》2015年第9期。嘉宾:黄志凌,中国建设银行首席经济学家。

王晓蕾(以下简称“王”):首先非常感谢黄首席再次接受本刊访谈。这是第二次接受本刊访谈,在上次(2013年)的访谈中您着重阐述了大数据促成银行量化管理变革、推动银行风险管理模式从“基于经验”向“基于数据”的转变,这次的访谈您将深入探讨大数据方法对于大银行整体经营发展的作用与价值。这是否意味着大数据建设已经成为大银行保持竞争优势的关键所在?

黄志凌(以下简称“黄”):可以这样理解。随着外部资本监管日趋严格、同业竞争日趋激烈、客户行为日益敏感、盈利能力不断下降,大型商业银行正面临严峻的转型挑战,而大数据是大银行解决面临问题的着力点。原因主要有两点:

首先,大数据能力将成为银行的核心竞争力。所谓的“核心竞争力”,关键的要素是“不可复制”、“不可替代”。产品是可以被复制的,客户是有流动的,都难以成为核心竞争力。大数据是建立在银行自己的数据基础上,你我的数据不同,在不同数据基础上做出的模型是不可复制的,在不同的数据环境下培养出的人才也是无法复制的,这些才是核心竞争力。

其次,数据是大银行的战略资产。随着数据挖掘技术的发展,银行可谓是数据密集型行业,其资产不仅是贷款等,还包括数据。要把数据作为重要资产保护、经营,这是大银行区别于小银行,也是现代银行区别于传统银行的关键之处。而且数据财富是没有天花板的,可以不断挖掘、不断创造,最近国际上很多机构都在探讨如何量化数据等无形资产的价值。

王:对于银行而言,大数据方法与传统方法相比有哪些关键特征?

黄:大数据,顾名思义,数据量要充分大且没有边界,数据面要充分广,数据粒度充分细,基于这一理解我们来谈其方法特征。首先,对大数据不能过分地追求所谓的精准、标准。因为放松了数据容错的标准掌握的数据会多起来,数据量足够大,其中的一些错误不会影响到整体的结果,这是大数据时代的特点。而且大量结构化、非结构化数据看似垃圾,但是垃圾数据里可能蕴藏着财富,我们必须以大数据的概念来看我们的数据资产。第二,大数据更关注相关性而不是因果关系。在大数据时代,我们不必非得知道现象背后的原因,而是要让数据自己“发声”,一旦找到了一个现象的良好的关联物,相关关系就可以帮助我们捕捉现在和预测未来。第三,大数据的核心价值在于预测,这对于我们银行是最需要的东西。准确预测的关键在于海量数据,随着系统接收到的数据越来越多,预测的能力会越来越好。

王:大数据的核心技术和工具是什么呢?

黄:大数据的核心技术似乎很神秘,很高深,但如果我们从应用目的的角度向前追溯,有三个核心技术始终被业界所关注。一是大数据收集技术,大数据需要收集,而不是传统意义上的统计获得或者相关系统的抓取;二是非结构化数据处理,大量的语音、文本、视频、点击流等非结构化数据,承载着许多行为信息,将这部分行为信息转化为结构化数据,纳入我们已有的结构化数据体系进行量化分析,这实际上是大数据目前的一个核心技术;三是相关性关系建模,这个建模方法能够帮助我们快速、理性地进行决策。大数据的工具有很多,常见的工具主要可归结为回归分析和随机试验。回归分析是统计学中革命性的进步,随机试验则能够让我们选取的样本更加具有代表性,特别是在样本足够大的时候,其客观性更加有保障。

王:在实际的银行工作中,大数据发挥的具体作用是什么?

黄:随着商业银行资产扩大化和业务结构复杂化,运用大数据思维和方法,将内外部交易和非交易数据、结构化和非结构化数据相结合进行风险管理和市场挖掘成为行业发展的共同趋势。

第一,大数据方法为透彻了解市场创造了可能。面对复杂的市场环境,仅依靠自身交易数据无法了知市场趋势,如必须做什么业务以及做到多大规模合适等,而通过多元化的大数据、利用相关性分析则有助于把握市场全貌。第二,大数据是银行了解和满足客户需求的利器。过去我们靠走访企业的财务总监、交易人员来发掘判断客户的金融需求,但是由于获取信息的不全面,可能造成盲目的推荐产品,导致客户粘度、客户贡献度都很难提升。现在许多外国的商业银行已经开始用大数据的方法分析、了解并把握客户的金融需求。第三,大数据技术是银行推动风险管理创新的驱动引擎。银行是经营风险的,银行的风险既来自于市场又来自于客户,但主要来自于客户。我们传统的分析方法依赖于收集客户的财务数据和我们自身积累的交易数据,很难做到更早、更全面、更细致地把握客户的风险,对风险的预测能力很差。风险管理要进步,不能局限于过去的内部评级上,要用大数据的方式和方法,引导风险管理发生根本性的改革。第四,把握交易价格走向。现代的商业银行,资金交易的比重越来越大,地位也越来越重要,大数据在这方面的应用能够帮助我们预测价格走向,决定交易定价。第五,挖掘内部潜能。有人分析中国银行业如果真正能够做到精细化,利润翻两番都是有可能的。大数据就能够帮助我们准确定位管理上的薄弱环节,内部配置上的资源浪费,不断挖掘内部潜能,实现银行的可持续发展。

王:前文您提到国内大型银行在业务发展过程中积累了海量的客户信息、交易信息等各种信息,具有数据优势,目前国内大型银行对这些数据“金山宝藏”的应用现状是怎样?

黄:在现代信息社会,虽然银行需要的数据可以从多种渠道获得(例如从外部购买),但是真正最有价值的数据要依靠自身积累。近年来,国内银行特别是大型银行在数据管理方面有了很大进步,但是与国际先进银行相比,对数据的挖掘利用还远远不够,主要还是限于低层次的录入、查询、统计等功能,信息资源优势还没有发挥出来。这其中有多方面的原因:一是观念上不够重视,还没有形成基于数据进行管理的习惯。二是技术水平较低,特别是数据挖掘技术还比较落后。三是数据质量参差不齐,标准化程度不高。比方说有一些很有用的数据,但是没有标识,就像一堆图书没有编码、没有分类随便丢在仓库里,很难进行有效运用。

王:对于国内大型银行数据管理和应用,您有何建议呢?

黄:简单地说,有以下几点:首先,树立大数据管理理念是大数据战略实施前提。其核心是推进量化管理变革,主动使用数据,基于数据分析进行决策,这在2013年的访谈中已经说过。其次,高水准数据人才培养是关键。我们看花旗银行、汇丰银行、美国银行等这些做得比较好的银行,都组织了相当数量的数据分析专业人员,花旗银行亚太区有25%的收益来自数据挖掘工作。再次,加强数据管控能力是基础,包括数据资源整合、数据集中管理、数据安全规范等。最后,建立大数据分析中心,实现“数据驱动银行”的全面转型。

王:能否具体谈谈对于数据安全规范的理解?

黄:银行可以利用大数据提升绩效、创造价值,但在收集、存储和使用数据时一定要遵循相应的规则。一是建立良好的数据政策。因为要有大量的数据被数字化处理,并在部门和分行间传输,所以要有一套政策措施,这显得越来越重要,这些政策包括但不局限在隐私、安全、知识产权和责任等方面。二是高度重视数据安全。近来一些例子表明,数据泄露不仅会对个人和企业造成影响,还会造成国家安全机密的泄露,因此有必要通过技术和政策手段来解决数据安全问题。三是关注大数据带来的法律风险,特别是数据信息与其他财产有着本质区别,数据可以完整复制并容易和其他数据结合,同样一帧数据可以同时被多人使用,与实物资产相比,所有这些都是数据的独特特点。关于与数据有关的知识产权问题必须要澄清以下内容:谁拥有这些数据,与数据库相关联的权利是什么?如何界定“正当使用”数据?另外,还有和责任有关的问题:在不准确数据导致负面结果时,谁要承担责任?如果我们从外部购买第三方的数据,这些数据能够合法使用吗?像这些法律问题都需要搞清楚。

王:您提到大数据分析中心,这个平台应该具有怎样的特点和作用?

黄:大数据分析中心是一个集管理理念、分析模型、方法论和技术工具为一体的分析平台,通过收集银行内外部相关数据信息并进行深度挖掘,为业务经营和风险管理提供准确、及时、全面的商业智能支持。目前有不少国外先进银行都建立了这样的平台。

分析中心的第一个特点是“数据挖掘”,即在实现对业务前台、风险中台、管理后台以及外部数据科学整合的基础上,通过数据挖掘获得对业务经营和风险管理决策有价值的信息。第二个特点是“价值驱动”,它可以支持对客户整个生命周期的价值管理,包括客户获取、客户保留、客户服务和客户提升等。第三个特点是“业务导向”,分析中心所模拟、分析的问题都直接来源于业务部门,分析中心的成果也将被直接应用于业务部门的日常经营、风险识别和管理中,例如制定市场策略、客户细分、风险选择、风险定价、交叉销售等。目前,国内各大银行在这方面已经有了比较好的数据基础和技术储备,数据大集中已经完成,建设数据分析中心的条件已基本成熟。这个平台搭建起来以后,商业银行的数据管理(特别是数据质量管理)、数据挖掘利用的广度和深度都将迈上一个新台阶,并将支持和促进银行风险经营与价值创造能力的快速提升。

王:大数据分析中心的建设势必对数据信息的选择有更高更多的要求,对为金融机构提供信用信息服务的征信系统,您有何建议和期望?

黄:一家银行自身的数据虽然很多很重要,但远远不够,对外部数据的需求非常迫切。应该说,经过这些年的建设和发展,征信系统在商业银行风险管理中的作用日益突出。征信中心拥有海量数据,这些数据既真实准确,又有长度,挖掘和使用这些海量数据一定大有可为。比如,国外征信机构提供反欺诈支持,征信中心也可以在反欺诈方面有所作为;再如,关于多家银行对同一客户授信可能出现的过度授信问题,征信中心可以与商业银行合作,通过开发模型或其他方法,在银行有授信意向时就能判断是否会引起过度授信。还有,征信中心不仅可以提供信用报告查询,还可以提供其他综合性产品,比如行业、区域金融生态分析报告、集团企业关联信息查询、对贷款逾期客户进行预警提示、开发小微企业信用报告特色模板和小微企业信用评分等。如果征信系统能够扩大采集和整合来自工商、税务、海关、环保、质检、公检法等政府部门的信息特别是违法处罚信息,将有助于银行筛选有社会责任意识的企业,进一步推进诚信社会建设进程。

王:再次感谢您接受本刊的访谈。

 

征信宝网站:zhengxinbao.com

微信公众号:征信宝

微博认证号征信宝

赞(0) 打赏
网站部分资源来自网上,如有侵权请告知删除,我们期待与你长期合作:征信宝 » 大银行与大数据的战略思考——专访中国建设银行首席经济学家黄志凌
分享到: 更多 (0)
已有 0 条评论 新浪微博

征信宝推荐

大红包万达万e贷