大数据分析应用视角商业银行零售业务

摘要：在中国经济进入新常态、市场监管趋严和移动互联网全面普及应用的新形势下，商业银行传统业务经营模式遭受严峻冲击和挑战，加强零售业务转型升级，挖掘更大的市场空间，促进银行业绩创收已经成为商业银行的战略共识。大数据分析对于本身拥有庞大数据信息的零售业务助益良多，如何充分发挥大数据分析在银行零售业务中的优势，助力商业银行零售业务转型升级更进一步值得高度关注和深入思考。

关键词：大数据分析；商业银行；零售业务；现状；对策

0引言

移动互联网时代大数据、信息化已然渗透人类生存环境的方方面面，为人来生活带来诸多便利，大数据以数据数量庞大、种类齐全、价值密度低、处理速度快等显著优势吸引无数受众群体认可、普及和推广。搭建大数据平台，利用大数据分析的优势助力银行零售业务转型升级、增长业绩是商业银行新形势下的必然选择。在供给侧结构性改革政策推动下，银行零售业务转型升级初现燎原之势。但是从长远来看，商业银行零售业务转型升级整体进度趋于疲软，线上与线下结合不到位，客户需求、行为习惯考量不足，尚未发掘更大的零售业务价值空间。因此客观分析商业银行零售业务大数据分析应用的现状，思考大数据助力银行零售业务转型升级的对策对于商业银行未来良好发展具有现实意义和价值。

1大数据分析在商业银行零售业务的应用现状分析

1.1商业银行零售业务尚未完全搭建大数据平台

在互联网金融遍地开花的大环境下，商业银行零售业务转型升级面临巨大挑战，传统的依靠走访和客户主动办理业务的零售模式已经逐渐被淘汰；客户需求日益趋于多元化、层次化、个性化。由此，传统模式下的银行零售业务遭遇发展瓶颈，客户群体逐渐减少，业绩增长缓慢甚至面临长时间负增长现象。从而商业银行零售业务必须转型升级，搭乘信息化和互联网金融的快车，将线上与线下相结合，更深层次挖掘零售业务发展空间，精细化把控客户需求和理财行为习惯，以实现零售业务业绩正增长。而无论是实现线上与线下业务结合还是挖掘深层次信息，都必须应用大数据分析；并且零售业务本身存在庞杂的数据信息，随着业务发展和时间递增，数据来源和存量也不断增长，传统的数据库面临巨大的“库存压力”，而传统的数据系统对缺乏数据精细分析能力，无法满足新形势下的银行零售业务发展需求；则搭建商业银行零售业务的大数据平台已然势在必行。

1.2大数据分析应用的专业人才不足，且人才素养有待提升

不同于传统的数据管理，大数据分析应用需要强大的专业人才支撑，大数据分析切实作用于商业银行零售业务转型升级必须弥补专业人才“短板”。大数据时代，银行零售业务发展有赖于更专业、更全面、更深层次的数据分析，数据信息采集由传统的随机抽样转变为总体数据；数据类型由原本的针对性数据延伸至关联性数据，类目更多、信息量更大，更加考量数据与事件之间的相关性；数据分析要兼顾事前预测、事中感知和事后反馈等流程。由此，大数据分析有更多的条件限制，人才就是其必要条件之一，也会发挥大数据分析作用的重要动力。部分商业银行已经搭建了基础的大数据平台，但是负责大数据处理的工作人员均有传统数据处理经验，而大数据处理中仅有20%的数据与传统数据库所处理的结构化数据基本相同，可见现有人才要完全胜任大数据处理工作仍有80%的提升空间。

1.3银行零售业务的大数据实际应用更新缓慢，创新不足

理论上讲，大数据分析宛若数据处理界的“千手观音”，能够多管齐下，以分布式服务处理方式，同时进行多方面数据采集和分析，有效降低时间成本和硬件成本；数据处理效率高，有效简化了零售业务交易流程，降低中间成本；大数据的分析功能为风险管理提供了有力的技术支撑，大大降低了违约成本。然而以上成效的实现需要强大的基础数据支撑，不同于传统的数据库数据处理，大数据分析的数据信息不仅来源于银行数据库，更多的采集于网页、微博、视频、音频及其他移动客户端，即数据采集渠道广泛多样，数据信息包罗万象；大数据处理对信息源的实效性、真实性、广泛性、全面性具有严格要求。而目前商业银行零售业务大数据分析实际应用效果不理想，很大程度上归结于数据信息采集不足，更新缓慢，且数据处理方式固化单一，缺乏创新。

2基于大数据分析的商业银行零售业务转型升级对策研究

2.1继续搭建和完善零售业务大数据平台

大数据环境下，商业银行零售业务要快速实现转型升级必须更快大数据平台的构建和完善。应该充分利用大数据技术建设专门的银行数据仓库，将全行所有数据信息进行统一和整合，并在数据仓库基础上提供灵活查询、通用查询等多样化数据服务，拓展数据仓库的功能。要借助互联网信息化技术大力推进大数据平台建设和完善，例如某商业银行充分应用了集群架构、智能语音云和虚拟化技术，并引入集群数据库和MPP数据库，搭建集分布式架构+企业级数据仓库+信息共享+流式计算+语音数据处理+集中管控为一体的高性能大数据处理平台，该数据平台能够在线实时处理海量数据，大大提升了银行零售业务经营和服务效率。同时数据平台的搭建要考虑半结构化和非结构化数据的监管和治理问题，在数据平台搭建过程中为网页数据、社交媒体数据设置统一采集标准，引入实时在线监控技术，方便工作人员及时弥补缺失值、检测异常数据、更新滞后数据，形成闭环式数据管理模式，以保证银行零售业务数据的有效性、完整性和一致性。

2.2加强大数据专业人才培养和队伍建设

商业银行要加强大数据专业人才的培养，尽快建立强大的专业人才队伍。要传统数据处理人才提供大数据培训机会，例如在企业内定期开展培训会，邀请专业人员到企业内进行授课，为工作人员购买专业的大数据培训网络课程和实体课程；鼓励工作人员主动学习和自我提升，组织工作人员到兄弟银行参观交流，汲取先进经验等；多措并举帮助工作人员掌握大数据平台建设和数据采集技术，提升大数据处理、分析及应用能力，从而提升商业银行零售业务运营能力。要加强银行企业文化建设，提升银行各部门内部团队间的协作和沟通能力，要充分利用互联网金融机遇，巩固线上零售业务，例如争取与阿里巴巴、腾讯、京东、百度等大型互联网企业的合作机会，构建线上零售业务新模式。可以与国内国际先进的大数据服务商（如IBM、SAS、Teradata等）开展合作，建立商业银行零售业务大数据应用实验室，提升银行零售业务运营实力，从而招才引智，进一步打造专业性强的复合型人才队伍。

2.3坚持零售业务大数据分析的更新和创新

商业银行要坚持对大数据的创新力度，以创新为驱动力，促进大数据及时更新，为大数据的实效性、统一性、真实性提供保障。应该积极将云计算、生物识别、硬件智能化、移动互联网等高科技应用于零售业务大数据分析中，借助新进科技力量放大大数据分析的优势，使商业银行零售业务大数据应用在强化业务分析和运营决策功能的基础上，向业务+管理+科技+N的深度融合目标更进一步。例如目前方兴未艾的“智慧银行”就是大数据与高新科技、金融业务、管理机制深度融合创新的极具代表性的商业银行零售业务转型升级方式。该模式将线上与线下有效结合，极大程度地考虑到客户场景体验；将银行零售业务深入融合于客户的医、食、住、行、玩等各种生活场景及其所衍生的金融需求，全方位采集客户信息，并为客户提供全视角的理财日记，成功开创了“得零售者得天下”的商业银行零售业务转型升级新局面。

3结语

商业银行零售业务实现转型升级离不开先进金融科技和技术的支持，且必然依赖于大数据分析应用。因此商业银行应该树立大数据量化经营管理理念，在结合零售业务发展实际情况的基础上，继续构建和不断完善大数据平台，保持数据及时更新和数据系统升级，并始终坚持大数据创新，促进大数据平台技术提升，切实发挥大数据分析的实际作用，助力商业银行零售业务顺利实现转型升级。

参考文献：

[1]陆岷峰，虞鹏飞.大数据分析在商业银行零售业务中的应用[J].金融理论与教学，2015（04）：1-5.

[2]宋颖新，王英琦.商业银行大数据分析与应用研究[J].河北金融，2018（01）：3-10.

[3]夏平.大数据应用在中小商业银行的探索实践[J].清华金融评论，2017（08）：22-24.

作者:曹辉 单位:中国建设银行股份有限公司阜阳市分行