大數(shù)據(jù)：銀行的機(jī)遇與挑戰(zhàn)20

1、走近未來(lái)的新石油大數(shù)據(jù)零售金融部 2013年5月BIG DATA淺談大數(shù)據(jù)時(shí)代銀行的機(jī)遇與挑戰(zhàn)1Big Data背景 半個(gè)世紀(jì)以來(lái)，隨著計(jì)算機(jī)技術(shù)全面融入社會(huì)生活，信息爆炸已經(jīng)積累到了一個(gè)開(kāi)始引發(fā)變革的程度。它不僅使世界充斥著比以往更多的信息，而且其增長(zhǎng)速度也在加快。信息爆炸的學(xué)科如天文學(xué)和基因?qū)W，創(chuàng)造出了“大數(shù)據(jù)”這個(gè)概念。如今，這個(gè)概念幾乎應(yīng)用到了所有人類智力與發(fā)展的領(lǐng)域中。2Big Data大數(shù)據(jù)到底有多大？一組名為“互聯(lián)網(wǎng)上一天”的數(shù)據(jù)告訴我們，一天之中，互聯(lián)網(wǎng)產(chǎn)生的全部?jī)?nèi)容可以刻滿1.68億張DVD；發(fā)出的郵件有2940億封之多（相當(dāng)于美國(guó)兩年的紙質(zhì)信件數(shù)量）；發(fā)出的社區(qū)帖子達(dá)200

2、萬(wàn)個(gè)（相當(dāng)于時(shí)代雜志770年的文字量）；賣出的手機(jī)為37.8萬(wàn)臺(tái)，高于全球每天出生的嬰兒數(shù)量37.1萬(wàn)截止到2012年，數(shù)據(jù)量已經(jīng)從TB（1024GB=1TB）級(jí)別躍升到PB（1024TB=1PB）、EB（1024PB=1EB）乃至ZB (1024EB=1ZB)級(jí)別。國(guó)際數(shù)據(jù)公司（IDC）的研究結(jié)果表明，2008年全球產(chǎn)生的數(shù)據(jù)量為0.49ZB，2009年的數(shù)據(jù)量為0.8ZB，2010年增長(zhǎng)為1.2ZB，2011年的數(shù)量更是高達(dá)1.82ZB，相當(dāng)于全球每人產(chǎn)生200GB以上的數(shù)據(jù)。IBM的研究稱，整個(gè)人類文明所獲得的全部數(shù)據(jù)中，有90%是過(guò)去三年內(nèi)產(chǎn)生的。而到了2020年，全世界所產(chǎn)生的數(shù)據(jù)規(guī)

3、模將達(dá)到今天的44倍。這是一場(chǎng)生活、工作與思維的大變革3？定義大數(shù)據(jù)(big data)，或稱巨量資料，指的是所涉及的資料量規(guī)模巨大到無(wú)法透過(guò)目前主流軟件工具，在合理時(shí)間內(nèi)達(dá)到擷取、管理、處理、并整理成為幫助企業(yè)經(jīng)營(yíng)決策更積極目的的資訊。大數(shù)據(jù)的核心是預(yù)測(cè)，通過(guò)把數(shù)學(xué)算法運(yùn)用到海量的數(shù)據(jù)上來(lái)預(yù)測(cè)事情發(fā)生的可能性數(shù)據(jù)采集數(shù)據(jù)儲(chǔ)存數(shù)據(jù)管理數(shù)據(jù)分析與挖掘價(jià)值資訊簡(jiǎn)介4Big Data過(guò)去現(xiàn)在隨機(jī)樣本 全體數(shù)據(jù) 精確性 混雜性因果關(guān)系 相關(guān)關(guān)系5Big Data4“V”特征Volume:容量巨大Variety: 多樣化Velocity:速度快Value:價(jià)值密度低6Big Data不得不說(shuō)的那些人維克

4、托 邁爾舍恩伯格.the economics稱，在大數(shù)據(jù)領(lǐng)域，他是最受人尊敬的權(quán)威發(fā)言人之一哈佛大學(xué)肯尼迪學(xué)院信息監(jiān)管科研項(xiàng)目負(fù)責(zé)人、網(wǎng)絡(luò)監(jiān)管項(xiàng)目負(fù)責(zé)人最早洞見(jiàn)大數(shù)據(jù)時(shí)代發(fā)展趨勢(shì)的數(shù)據(jù)科學(xué)家之一大數(shù)據(jù)商業(yè)應(yīng)用的引路人歐盟互聯(lián)網(wǎng)官方政策背后真正的制定者與參與者，是眾多國(guó)家國(guó)家政府高層的智囊團(tuán)成員代表作大數(shù)據(jù)時(shí)代、刪除等7Big DataHadoop由Apache基金會(huì)開(kāi)發(fā)，是一個(gè)能夠?qū)Υ罅繑?shù)據(jù)進(jìn)行分布式處理的軟件框架可靠的數(shù)據(jù)處理高效的數(shù)據(jù)處理成本低的數(shù)據(jù)處理風(fēng)靡大數(shù)據(jù)世界的黃色小象8機(jī)遇、探索銀行業(yè)天然擁有大量的客戶數(shù)據(jù)和交易數(shù)據(jù)，這是一筆巨大的財(cái)富。銀行業(yè)面臨的客戶群體足夠大，能夠得出具有指

5、導(dǎo)意義的統(tǒng)計(jì)結(jié)論。在“小數(shù)據(jù)”時(shí)代，銀行業(yè)已經(jīng)在以信用評(píng)級(jí)模型和市場(chǎng)營(yíng)銷模型為代表的數(shù)據(jù)分析上積累了大量的實(shí)戰(zhàn)經(jīng)驗(yàn)，具備向“大數(shù)據(jù)”分析跨越的基礎(chǔ)。 麥肯錫公司大數(shù)據(jù)：下一個(gè)創(chuàng)新、競(jìng)爭(zhēng)與生產(chǎn)率的前沿9Big Data精準(zhǔn)營(yíng)銷 銀行本身?yè)碛锌蛻舻拇罅繑?shù)據(jù)，通過(guò)對(duì)數(shù)據(jù)的分析可以獲得很多信息，從而成為進(jìn)行管理和營(yíng)銷的依據(jù)。但由于銀行擁有的客戶信息并不全面，這種分析有時(shí)候難以得出理想的結(jié)果甚至有可能得出錯(cuò)誤的結(jié)論。舉例：銀行數(shù)據(jù)：某位信用卡客戶月均刷卡6次，平均每次刷卡金額500元，平均每年打3次客服電話，從未有過(guò)投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高、流失風(fēng)險(xiǎn)較低的客戶。網(wǎng)絡(luò)數(shù)據(jù)：通過(guò)查看

6、該客戶的微博，得到的真實(shí)情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒(méi)接通，客戶多次在微博上抱怨，該客戶流失風(fēng)險(xiǎn)較高。10Big Data品牌建設(shè)舉例：2011年4月，光大銀行通過(guò)其官方微博發(fā)起了“95595酒窩哦酒窩光大電子銀行酒窩傳遞活動(dòng)”，向網(wǎng)民征集酒窩照片，并由參與者向好友進(jìn)行傳遞，征集的照片會(huì)組成一個(gè)笑容墻展示，一個(gè)月的時(shí)間里有超過(guò)740000人參與了活動(dòng)，使得光大銀行的客服電話號(hào)碼一夜走紅。 大數(shù)據(jù)時(shí)代，信息傳播的方式、渠道、內(nèi)容和速度都是前所未有的。傳統(tǒng)上依賴信息不對(duì)稱的品牌營(yíng)銷都將無(wú)所適從。大膽嘗試、不斷把搜索引擎的營(yíng)銷，社會(huì)化網(wǎng)絡(luò)的營(yíng)銷，網(wǎng)絡(luò)視頻互動(dòng)的營(yíng)

7、銷、即時(shí)通訊的營(yíng)銷、論壇營(yíng)銷和微博營(yíng)銷等等應(yīng)用到品牌建設(shè)當(dāng)中和品牌的傳播上。11Big Data業(yè)務(wù)拓展 麥肯錫公司在調(diào)查中發(fā)現(xiàn)，有些銀行如果能有效地利用相關(guān)數(shù)據(jù)，就可以把接收他們貸款的客戶份額增加一倍，貸款損失減少四分之一。舉例：ZestCash公司使用Mapreduce技術(shù)進(jìn)行大數(shù)據(jù)分析，考察貸款人的數(shù)千個(gè)信息線索，從而造成了它獨(dú)特的競(jìng)爭(zhēng)力。對(duì)于一個(gè)無(wú)法進(jìn)行某次還款的客戶不論他是否主動(dòng)解釋，傳統(tǒng)銀行都認(rèn)為他是高風(fēng)險(xiǎn)的，但ZestCash通過(guò)大量的數(shù)據(jù)調(diào)研與分析發(fā)現(xiàn)，如果這種客戶主動(dòng)解釋其原因，他們更有可能全額還款。12Big Data業(yè)務(wù)拓展 以往，傳統(tǒng)商業(yè)銀行投放信貸的原則是：“握著客戶

8、的手放款”。但面對(duì)即將到來(lái)的大數(shù)據(jù)時(shí)代，民生、中信、光大、興業(yè)等多家銀行在供應(yīng)鏈金融領(lǐng)域發(fā)力，實(shí)現(xiàn)從“線下手工處理”到“線上多系統(tǒng)集成”的轉(zhuǎn)變。舉例：華夏銀行(600015)以“奧康”為核心企業(yè)，將資金支付管理系統(tǒng)對(duì)接“奧康”銷售系統(tǒng)，根據(jù)訂單信息為下游小企業(yè)代理商提供在線融資服務(wù)。代理商只需定點(diǎn)鼠標(biāo)，資金支付管理系統(tǒng)即可根據(jù)訂單金額發(fā)放一定比例的貸款。這種“一筆訂單一筆貸款，線上發(fā)起隨借隨還”的便捷模式突破時(shí)間和空間限制，免去小企業(yè)“跑銀行、辦手續(xù)”的負(fù)擔(dān)，有效地降低了融資成本。13Big Data客戶服務(wù)舉例：新加坡花旗銀行基于消費(fèi)者的信用卡交易記錄，有針對(duì)性地給他們提供商家和餐館優(yōu)惠，并

9、且根據(jù)反饋不斷學(xué)習(xí)提升推薦準(zhǔn)確度。 目前網(wǎng)上的信息浩如煙海，如何利用內(nèi)外部數(shù)據(jù)及時(shí)發(fā)現(xiàn)客戶的需求并做好精準(zhǔn)服務(wù)是非?？简?yàn)銀行自身技術(shù)段位的，這就需要建立更立體豐富的數(shù)據(jù)資源，打造一個(gè)立體化的社會(huì)化數(shù)據(jù)大廈。14Big Data風(fēng)險(xiǎn)控制舉例： Wonga是英國(guó)一家小額貸款公司，他們利用海量數(shù)據(jù)挖掘算法來(lái)做一些貸款業(yè)務(wù)。Wonga對(duì)過(guò)去客戶的各種碎片化信息進(jìn)行數(shù)據(jù)獲取與整理，用大量的數(shù)據(jù)串成了客戶特征的全貌，同時(shí)根據(jù)不良貸款等風(fēng)險(xiǎn)信號(hào)不斷完善調(diào)整模型，有效控制風(fēng)險(xiǎn)。如今他已獲得了5億美金的年利潤(rùn)，其風(fēng)險(xiǎn)管理能力也獲得業(yè)界的認(rèn)可。 社會(huì)化媒體的互動(dòng)，實(shí)時(shí)的傳感器數(shù)據(jù)，電子商務(wù)以及其他新的數(shù)據(jù)源，正在

10、給銀行帶來(lái)一系列的挑戰(zhàn)。僅僅借助傳統(tǒng)的解決方案，無(wú)法全面進(jìn)行風(fēng)險(xiǎn)管理。大數(shù)據(jù)分析幫助銀行了解客戶的自然屬性和行為屬性，結(jié)合客戶行為分析、客戶信用度分析、客戶風(fēng)險(xiǎn)分析以及客戶的資產(chǎn)負(fù)債狀況，建立完善的風(fēng)險(xiǎn)防范體系。15Big Data商業(yè)模式 大數(shù)據(jù)能夠幫助企業(yè)找到那些適合自己企業(yè)模式的客戶群體，打造、強(qiáng)化企業(yè)特有的商業(yè)模式。舉例：美國(guó)最大的網(wǎng)上銀行ING Direct成立于2000年，2011年其存款規(guī)模達(dá)820億美元，客戶數(shù)量700萬(wàn)。該行的獨(dú)特運(yùn)營(yíng)模式就是：簡(jiǎn)單并且對(duì)追求高回報(bào)的客戶具有吸引力。為此該行只提供網(wǎng)上銀行服務(wù)；只向客戶提供最基本的金融服務(wù)，如普通儲(chǔ)蓄存款賬戶、定期存單、簡(jiǎn)單住房

11、按揭貸款、普通基金理財(cái)服務(wù)等；該行自成立以來(lái)沒(méi)有發(fā)放過(guò)一張信用卡；該行對(duì)支票賬戶會(huì)支付平均4的高額利息，保證了客戶從自己的存款中得到最高的回報(bào)。而這種簡(jiǎn)單至極的運(yùn)營(yíng)模式完全是建立在基于對(duì)復(fù)雜大數(shù)據(jù)的分析基礎(chǔ)上。16Big Data交通銀行信用卡中心智能語(yǔ)音云交通銀行信用卡中心的大量服務(wù)基于電話完成，客服、電銷、信審、催收等部門包括自有和外包的電話服務(wù)人員總計(jì)達(dá)數(shù)千人，而且隨著銀行業(yè)務(wù)的不斷擴(kuò)展，人員規(guī)模還在持續(xù)增加。由于業(yè)務(wù)繁忙、工作壓力大，員工的流失頻率高，服務(wù)質(zhì)量控制難度大。銀行之間的信用卡業(yè)務(wù)競(jìng)爭(zhēng)非常激烈，各行的信用卡部門經(jīng)常推出新的服務(wù)或活動(dòng)，不斷沖擊固有的市場(chǎng)，因此急需提高響應(yīng)速度、

12、應(yīng)變能力和創(chuàng)新能力。交通銀行信用卡中心的智能語(yǔ)音云于2011年9月開(kāi)始，2012年2月一期產(chǎn)品正式上線投產(chǎn)。其主要職能是通過(guò)對(duì)語(yǔ)音數(shù)據(jù)進(jìn)行分析處理，實(shí)現(xiàn)對(duì)海量語(yǔ)音數(shù)據(jù)的歸集、處理、儲(chǔ)存、調(diào)用和分析功能，具體表現(xiàn)在高效的錄音檢索、準(zhǔn)實(shí)時(shí)自動(dòng)質(zhì)檢、多維度業(yè)務(wù)分析和聲紋識(shí)別與語(yǔ)音導(dǎo)航。17挑戰(zhàn) 在“大數(shù)據(jù)時(shí)代”，銀行所面臨的競(jìng)爭(zhēng)不僅僅來(lái)自于同行業(yè)內(nèi)部，外部的挑戰(zhàn)也日益嚴(yán)峻。互聯(lián)網(wǎng)、電子商務(wù)等新興企業(yè)在產(chǎn)品創(chuàng)新能力、市場(chǎng)敏感度和“大數(shù)據(jù)”處理經(jīng)驗(yàn)等方面都擁有明顯的優(yōu)勢(shì)，一旦涉足金融領(lǐng)域，將對(duì)銀行形成較大的威脅，甚至日漸改變著人們的金融消費(fèi)模式。 18Big Data阿里巴巴阿里小貸阿里小額貸款是指以借款人的信譽(yù)發(fā)放的貸款，借款人不需要提供擔(dān)保。其特征就是債務(wù)人無(wú)需提供抵押品或第三方擔(dān)保僅憑自己的信譽(yù)就能取得貸款，并以借款人信用