大数据金融的应用与模式优化措施

2023-07-05 理论教育版权反馈

【摘要】：（一）大数据金融的应用1.大数据金融在银行业中的应用与其他行业相比，大数据对银行更具有潜在价值。大数据应用将推动商业银行在经营理念、组织架构、业务流程、管理模式、IT架构等领域的全面调整和深度整合。在传统的金融产品投资方面，通过大数据手段，提高对金融市场走势的判断水平，有利于弥补多数信托公司在证券投资能力上的不足。

（一）大数据金融的应用

1.大数据金融在银行业中的应用

与其他行业相比，大数据对银行更具有潜在价值。麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。这主要是因为：一方面，大数据决策模式对银行更具针对性。发展模式转型、金融创新和管理升级等都需要充分利用大数据技术、践行大数据思维。另一方面，银行具备实施大数据的基本条件：①数据众多。银行不仅拥有所有客户的账户和资金收付交易等结构化数据，还拥有客服音频、网点视频、网上银行记录、电子商城记录等非结构化数据。②拥有处理传统数据的经验。③较高的薪酬能够吸引到实施大数据的人才。④充分的预算可以利用多项大数据新技术。同时，随着大数据时代的到来，银行经营发生了深刻变化，其中最根本的变化就是银行功能正在从过去的资金中介逐步向信息中介转变，由过去单一的存贷汇服务向信息提供者、业务撮合者、财富管理者转变，从而导致依靠“鼠标+水泥”和存贷利差的传统银行经营模式消失，银行既可以融资也可以融智，传统银行业的基本功能将会被新的金融服务所替代。未来的银行必将是数据驱动型的银行。大数据应用将推动商业银行在经营理念、组织架构、业务流程、管理模式、IT架构等领域的全面调整和深度整合。

2.大数据金融在保险业中的应用

保险公司传统的客户服务主要以保单为核心，内容较少。大数据应用可以为保险企业的服务理念打开一个新的思路。在分析客户行为数据的基础上，可以提供综合理财服务、生活消费服务、社交服务等功能，构建保险客户圈，形成以保险带动综合金融的服务体系。平安保险已做出尝试，其发布的壹钱包，率先推出了集保险、理财、购物、支付、转账、社交、生活于一体的综合服务应用。

保险企业可以和拥有丰富数据资源的互联网企业以及其他企业形成合作关系，收集用户的电商平台购物行为、在线支付、浏览记录、乘坐的航班/火车记录、旅行信息、健康记录等尽可能多的数据，凭借大数据技术，对数据进行识别、分类、筛选、统计，再经过“可视化”处理，形成价值数据，作为提供差异化服务的基础。

大数据对保险公司的经营管理也同样具有突出意义。通过对业务流程数据的分析，可以找出其中的问题，并定位问题类型和原因，提出改进措施，从而有助于提高运营管理、销售管理的效率，提升管理水平和管理能力。比如，通过分析理赔作业数据，对理赔时长数据进行分类，找到超长赔付原因后，可以甄别、筛选，制定自动理赔规则，实现实时理赔。

3.大数据金融在证券业中的应用

大数据金融在证券业中的应用可以体现在三个方面：①推动证券公司日常经营活动中的数据化运营，利用大数据提升证券公司各业务线以及中后台职能部门日常工作中各个环节的运营效率；②利用大数据技术推动证券公司业务的智能化应用，并从中挖掘新的业务形态与业务机会；③基于大数据及相关技术建立一套更加有效、科学的管控工具，保障证券公司各项业务经营风险可控，确保坚守合规底线。与此同时，智能投顾成为财富管理新蓝海，也是近年证券公司应用大数据技术匹配客户多样化需求的新尝试之一。该业务提供线上的投资顾问服务，能够基于客户的风险偏好、交易行为等个性化数据，采用量化模型，为客户提供低门槛、低费率的个性化财富管理方案。

4.大数据金融在信托业中的应用

大数据在信托领域有着广泛的应用前景，它既是一种工具的创新，同时也是人类历史上认识世界的方法论的一次创新。信托在业务最核心的流程中引入了大数据的方法，对借款人的尽职调查采用了大数据，利用大数据技术发现了很多借款人在原来的尽职调查过程中发现不了的问题，取得了很好的效果。与此同时，信托公司转型的一个重要方向是资本市场，主要业务不仅包括股票、债券等金融产品投资，而且还包括定向增发、FOFe、MOMe等多个方向。在传统的金融产品投资方面，通过大数据手段，提高对金融市场走势的判断水平，有利于弥补多数信托公司在证券投资能力上的不足。在FOF、MOM等产品组合投资方面，也可以通过大数据分析，对不同的基金投资能力做出更为合理的判断。此外，在信托公司鼓励业务创新的趋势下，利用大数据的商业价值，可以进行多种新产品和新业务模式的尝试。例如，对于消费信托、小额贷款等“零售业务”，信托公司完全可以利用大数据思维，不仅可以针对其行为特征研发具体产品，而且有利于风险的分散与控制。另一个思路是与其他金融机构的合作与对接，如通过健康大数据，开发某种保险产品，并与信托进行对接。

知识链接

ZestFinance：国外大数据征信

ZestFinance是美国一家新兴的互联网金融公司，2009年9月成立于洛杉矶，由互联网巨头谷歌的前信息总监道格拉斯·梅瑞尔（Douglas Merrill）和金融机构Capital One的信贷部高级主管肖恩·卜德（Shawn Budde）（曾管理过收益超过10亿美元的次级信贷业务）联合创办。ZestFinance的研发团队主要由数学家和计算机科学家组成，前期的业务主要通过ZestCash平台提供放贷服务，后来专注于提供信用评估服务，旨在利用大数据技术重塑审贷过程，为难以获得传统金融服务（Underbanked）的个人创造可用的信用，降低他们的借贷成本。

ZestFinance起初是为传统的发薪日贷款（Payday Loans）提供在线替代的产品。发薪日贷款因借款人承诺在发薪日还款而得名。由于美国传统的信用风险评估体系无法覆盖全部的人群，大约 15%的人因没有信用评分而被银行排斥在外，无法获得基本的信贷需求。除了解决传统信用评估体系无法解决的无信用评分借贷问题，ZestFinance还主要面向传统信用评估解决不好的领域，将信用分数低而借贷成本高的人群视为服务对象，利用大数据技术降低他们的信贷成本。与传统信贷管理业务比较，ZestFinance的处理效率提高了将近90%，风险控制方面，ZestFinance的模型相比于传统信用评估模型性能提高了40%。

ZestFinance目前也正在向信用风险管理的其他领域纵深扩展，2014年2月ZestFinance宣布推出基于大数据分析的收债评分（Collection Score），旨在为汽车金融、学生贷款、医疗贷款提供一种新的评分系统。ZestFinance的未来发展方向是希望把其在这种发款日的贷款上的优势继续拓展到其他贷款领域，包括信用卡、汽车的贷款，甚至包括房屋的贷款，在未来的10～15年，这一方法将取代现行指标，成为申请信贷的唯一评估标准。

ZestFinance的基本理念是认为一切数据都是和信用有关，在能够获取的数据中尽可能地挖掘信用信息。ZestFinance对大数据技术的应用主要从大数据采集和大数据分析两个层面为缺乏信用记录的人挖掘出信用。

ZestFinance以大数据技术为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信贷历史；另一方面，将能够影响用户信贷水平的其他因素也考虑在内，如社交网络信息、用户申请信息等，从而实现了深度和广度的高度融合。

ZestFinance的数据来源十分丰富，依赖于结构化数据的同时也导入了大量的非结构化数据。另外，它还包括大量的非传统数据，如借款人的房租缴纳记录、典当行记录、网络数据信息等，甚至将借款人填写表格时使用大小写的习惯、在线提交申请之前是否阅读文字说明等极边缘的信息作为信用评价的考量因素。类似地，非常规数据是客观世界的传感器，反映了借款人真实的状态，是客户真实的社会网络的映射。只有充分考察借款人借款行为背后的线索及线索间的关联性，才能提供深度、有效的数据分析服务，降低贷款违约率。

ZestFinance的核心竞争力在于数据挖掘能力和模型开发能力，在其模型中，往往要用到3500个数据项，从中提取70 000个变量，利用10个预测分析模型，如欺诈模型、身份验证模型、预付能力模型、还款能力模型、还款意愿模型以及稳定性模型，进行集成学习或者多角度学习，并得到最终的消费者信用评分。

（二）大数据金融的模式

目前，大数据服务平台的运营模式可分为两种：平台模式和供应链金融模式。

1.平台模式

采用平台模式的企业，其平台上聚集了大大小小众多商户，企业凭借互联网平台多年的交易数据积累，利用互联网技术，向企业或者个人提供金融服务。大数据金融的平台模式，是以阿里金融为代表的，阿里金融也称阿里小贷或阿里小额贷款。阿里小贷充分利用了淘宝、支付宝等电子商务平台上积累的客户数据信息，通过交叉检验加上第三方验证确认客户信息的真实性，进而向这些通常无法在传统金融渠道获得贷款的中小微企业发放金额较小、限期较短的小额贷款。蚂蚁金服旗下蚂蚁花呗的目标是利用大数据和互联网服务广大的消费者，基于大数据授信模式，依托电商平台积累的数据，提供即时申请、即时审批的服务，通过之后可直接用于线上线下购物。阿里需要依据大数据保持产品种类的丰富，吸引人气，增加阿里平台的价值，在短时间内发生海量、高频资金交易对于电商平台的支付技术、数据处理，甚至网络安全都带来极大的挑战，这都要依赖强大的数据库作支撑。这种平台模式的优势在于，它建立在庞大的数据流量系统的基础之上，对申请金融服务的企业或个人情况十分熟悉，相当于拥有一个详尽的征信系统数据库。企业以交易数据为基础对客户的资金状况进行分析，能够很大程度解决风险控制的问题，降低企业的坏账率。在依托企业的交易系统基础上，确保具有稳定、持续的客户源。

2.供应链金融模式

供应链金融模式是行业龙头企业依托自身的产业优势地位，通过对上下游企业现金流、进销存、合同订单等信息的掌控，依托自己资金平台或者合作金融机构对上下游企业提供金融服务的模式。供应链金融是供应链管理的参与者作为组织者，对供应链金融资源进行整合，为其他参与方的资金提供渠道的一种融资方式。对于大数据金融的供应链金融模式，京东金融、苏宁金融无疑是典型代表。它们是在海量的交易数据基础上，以信息提供方或担保方的方式和银行等机构合作，对产业链条中的上下游进行融资的模式。在此合作模式中，京东、苏宁等龙头企业以未来收益的现金流作担保，获得银行的授信，为供应商提供应收账款保理融资等贷款。它们起到的对信息进行确认审核、担保或提供信息的作用，并没有在实质上为用户提供资金的融通，这一职责仍旧由银行或别的资金供给方担任。

案例分析

大数据时代，兴业银行数据中心为什么这么牛

2018年2月28日兴业银行数据中心获得中国电子工业标准化技术信息技术服务分会颁发的国家标准《信息技术服务数据中心服务能力成熟度模型》（GB/T33136-2016）优秀级认证证书，成为业内首家通过该标准优秀级认证的数据中心，标志着其运营服务能力得到国标认可，达到国内领先水准。

据悉，数据中心服务能力成熟度模型是我国首个对数据中心服务能力成熟度进行评价的国家标准，首创中国自主知识产权的能力框架、管理要求和评价方法；具体由战略发展、运营保障、组织治理3个能力域构成，包含11个能力子域和33个能力项，从数据中心相关方实现收益、控制风脸和优化资源的基本诉求出发，涉及人员、过程、技术、资源、政策、领导、文化7个能力要素，历经现场评估、专家评审等环节通过加权平均最终计算出数据中心服务能力成熟度，从低到高分别为初始级、发展级、稳健级、优秀级和卓越级，其中“优秀级”是国内各个数据中心当前取得的最高级认证。

截至2017年年末，兴业银行数据中心维护的信息系统共195套，操作系统共6297套，并通过自动化的运维工具和脚本实现除核心业务系统外的所有信息系统的自动批处理作业，正常情况下无须人工介入，异常时则通过监控系统提示人工处理，极大减少了人力资源投入和操作风险，人均系统维护数量处于行业前列，服务质量保持较高水平，兴业银行核心系统2017年可用率达100%，重要信息系统年平均可用率99.98%，非重要信息系统年平均可用率99.984%。

思考：大数据时代，金融机构改革的着力点在哪？

大数据金融的应用与模式优化措施

相关推荐