第一篇:2012年16家上市银行净利润数据
16家上市银行净利润破万亿
2013年04月26日 00:59 北京商报
北京商报讯(记者 孟凡霞)上市银行年报大戏昨日收官。虽然面临利率市场化改革、部分企业融资需求不强等诸多“绊脚石”,但上市银行仍然赚得盆满钵满。据北京商报记者统计,16家上市银行去年净赚10269.52亿元,相当于每天净赚约28.14亿元。
除中信银行(4.30,0.07,1.65%)外,其他银行均实现10%以上的增速。其中,工、农、中、建、交行国有大行各实现净利润2386.91亿元、1450.31亿元、1394.32亿元、1936.02亿元和583.73亿元。经计算得出,五大行去年共计净赚7752.29亿元,相当于每天净赚21亿元,每分钟净赚147万元。股份制银行中,招商银行(12.35,0.25,2.07%)以452.73亿元净利润继续领衔,北京银行(8.99,0.16,1.81%)以净利润117亿元领跑城商行。
然而,在风光背后,银行躺着赚钱的日子或许一去不复返。从增速上看,上市银行整体净利增速较去年有所下滑,中信银行净利润规模几近零增长。农行在5家国有银行中以19%的增速领跑,与2011年28.5%的增幅相比,已是大幅缩水;其他四家大行增速更是下降明显。
交通银行(4.69,0.05,1.08%)首席金融学家连平指出,利率市场化后的初期,在存款利率明显上升和贷款利率逐步下降的影响下,预计银行存贷利差会趋于收窄。
除了净利润增速大幅下滑让上市银行有些尴尬,逐渐积聚的不良贷款风险也让多数上市银行颇为头痛。据北京商报记者统计,上市银行去年共计新增323.67亿元不良贷款,不良贷款余额达4020.97亿元。在16家上市银行中,有11家上市银行不良贷款出现“双升”;4家银行不良率下降但余额上升;仅农业银行(2.72,0.02,0.74%)1家实现“双降”。股份制银行不良贷款增幅惊人,例如中信银行不良贷款增加37.14亿元,余额达122.55亿元;平安银行(19.73,0.82,4.34%)去年新增35.75亿元不良贷款,余额达68.66亿元,增幅近乎翻倍。
金融问题专家赵庆明[微博]指出,去年上半年,我国出台了包括降息、下调存款准备金率、刺激消费和投资等一系列政策措施,去年四季度GDP增速回升到7.9%。从国际环境来看,今年全球经济增速将略超去年。但根据国内外过往的经验,在经济复苏初期,尽管主要宏观经济指标已经进入回升通道,但是由于中小企业经营状况的根本改善存在一定的滞后性,所以银行业的不良贷款有可能继续增加,往往得等经济复苏一段时间以后,银行业不良贷款增加的势头才会得到扭转。
引用网页http://finance.sina.com.cn/money/bank/bank_hydt/20130426/005915283026.shtml 文章版权归原作者所有,上传本文章纯粹是方便写本科毕业论文的同学找到合适的数据引用。
第二篇:银行数据专线
银行数据专线
银行数据专线开通因网点不通,各行接入方式不同,分为2M电路接入和以太网接入
组网方式(以六合农行为例)
总端设备:S385
通过不同时隙划分,经光路传输到各基站(核心机房),基站侧和分点用户端有对应的SDH设备实现数据转换、收发
判断开通完成和故障(分点用户端故障排查)
测光衰、检测SDH设备状态,与网管核查传输数据(若是2M开通,检查2M物理链路,协转状态,与基站和网管对环测试);
若确认底端设备状态、传输数据均正常,与用户总端对ping测试(该步骤必不可少,各分点会有一套IP地址,一般为“10”开头网断的地址,由网络部提供),若底端和银行总端能ping通,后续网络设置和用软件调试由用户网管接管;若不通,与我方网管和用户网管三方核查传输网时隙,再与基站逐段对光,并做环回测试
第三篇:银行数据质量管理暂行办法
**银行数据质量管理暂行办法
第一章
总
则
第一条 为规范数据管理工作,提高我行数据质量,确保数据准确性、完整性、及时性,特制定本暂行办法。
第二条 相关概念
应用系统,是按照信息一体化的要求,用于处理我行经营管理的应用软件系统,主要包括客户交易类系统、业务管理类系统、管理信息类系统、技术保障类系统等。
数据是指**银行实施信息化管理过程中产生的所有电子数据。数据质量是指数据的及时性、完整性以及准确性。第三条 数据质量管理应遵循以下原则:
(一)统一规范原则。各类应用系统采集和处理的数据,应符合各自应用系统所要求的数据标准。
(二)全程监控原则。建立数据从采集、审核、处理到维护的全过程监控体系,重点把好数据的采集录入关,确保各类应用系统数据真实、准确、完整。
(三)层级考核原则。总、分行对各自直接下属单位的数据质量管理工作进行严格的目标管理考核,奖优罚劣。
第二章
部门分工及职责
第四条 总行合规部是全行数据质量管理的牵头部门,主要负责:
(一)、制定全行的数据质量管理的相关规章制度
(二)、对各应用系统管理部门的履职情况进行考核、监督
(三)、根据需要,参与对全行各应用系统数据质量管理的检查监督
(四)、对违反数据质量管理规定,造成数据错误、失真、延误、漏填等违规行为进行问责
(五)、向高管层报告我行数据质量管理执行情况
第五条 总行各部门是应用系统的管理部门,负责管理各自的应用系统,是本应用系统数据质量的主责任人,主要负责:
(一)、贯彻落实总行制定的数据质量管理的相关规章制度;
(二)、制定本应用系统录入、维护、审核的基本标准和规范性要求,并适时开展检查监督,保障数据管理符合规范性要求;
(三)、制定本单位的数据质量监控指标体系,定期对本级数据质量评估分析,及时解决数据质量管理中出现的问题;
(四)、指导、监督系统使用部门或相关岗位的数据质量管理工作,督查对错误数据进行更正和清理的情况;
(五)、制定本应用系统数据质量的考核标准和评分体系,按时对应用系统使用部门的数据质量进行考核;
(六)、提交本应用系统数据质量管理报告;
(七)、负责本职责范围内的数据采集、录入和审核工作。
第六条 应用系统使用部门主要指数据的采集和录入单位,是应用系统数据采集、录入质量的责任人,主要负责:
(一)、加强对采集、录入人员的业务培训和管理,提高数据录入的准确率;
(二)、严格执行数据管理规章制度,确保数据采集、录入真实、准确和及时;
(三)、按照规定,对数据采集录入工作进行质量考核;
(四)、对采集录入人员的工作情况进行监督检查;
(五)、向应用系统管理部门报告数据质量管理执行情况;
(六)、负责本职责范围内的数据采集、录入和审核工作。
第七条 应用系统采集录入人员是应用系统数据质量的直接责任人,主要负责
(一)、按照原始记录,准确将数据录入系统;
(二)、按照信息系统的要求,将涉及的相关内容全部录入系统,不得缺省;
(三)、在规定期限内,根据各自的权限,及时将数据录入系统;
(四)、按照上级机关的规范要求录入各类数据。
第八条 科技信息部负责应用系统的安全、维护责任,参与对各应用系统数据考核工作。
第二章
数据采集、录入与审核
第九条 数据采集是通过应用软件进行数据录入、使用各种工具软件进行数据导入的数据收集、整理、传输的行为
第十条 数据采集应遵循真实、完整、规范、及时的原则。
(一)真实:应严格依据经营管理原始资料所记载的内容准确录入相关数据,如实反映,不得随意修改、增减。
(二)完整:要按照各类应用系统的有关要求进行数据采集,保证数据齐全,避免数据的缺失。
(三)规范:数据采集应按照应用软件系统的相关标准进行。
(四)及时:数据要在规定的时间内采集,确保应用系统数据及时反映经营管理实际。
第十一条 数据采集程序
(一)接收:操作人员根据各应用系统的要求,及时对相关原始资料进行审核整理。
(二)录入:原始资料审核无误后,应在规定的时间内录入或导入应用系统;对审核有误的,必须修正后再录入或导入。
第十二条 数据采集的责任部门
(一)通过业务软件进行数据录入的数据采集行为,其责任部门是业务软件各子系统的使用部门。
(二)对于使用工具软件进行数据导入的数据采集行为,其责任部门是工具软件的使用部门。
第十三条 数据采集必须严格按相应的业务规范以及软件使用要求进行,不得违反业务规范以及软件使用要求对数据进行采集。
第十四条 数据采集必须依据不同业务办理的要求在规定时间内完成,不得无故拖延或推迟数据采集时间,确保数据采集的及时性。
数据采集必须按有关业务规范要求以及软件使用要求规定的格式进行录入,不得缺省,确保数据的完整性。
采集的数据必须与原始材料一致,确保数据的准确性。
第十五条 在各类应用软件系统中,要严格按照规定进行岗位设臵和授权,严格按照岗位和权限操作。严禁在未按规定授权的情况下委托他人以本人的账户和口令进行有关的数据录入和修改。各系统用户应当定期更改自己的口令,确保系统数据的安全。
第三章
数据维护
第十六条 数据维护是按照应用系统的有关规定对错误的数据进行数据修改的行为。
第十七条 数据维护由各应用系统管理部门按照各自应用系统的有要求,明确数据维护的权限和职责,制定数据维护的程序。凡是采集进入应用系统的数据,不得擅自修改、删除。
第十八条 数据维护前应做好相应数据和系统的备份工作。能够通过系统模块解决的,经过审批后按照各类应用系统的操作规范进行维护;需要通过技术手段解决的,由 责任人提出书面申请,由相关业务部门和技术部门审核确认,经主管行领导审批同意后,方可进行数据维护。
第十九条 数据维护工作应严格备案,科技信息部对各应用系统管理部门报送的每项数据维护的时间、内容、维护原因、责任人等记录进行备案,涉及的书面材料必须登记存档。
第二十条 数据维护人员在进行数据维护时,必须认真负责,避免在数据维护过程中产生新的错误数据。
第四章、数据检查
第二十一条 数据检查是按照有关应用系统数据管理规定对数据及时性、完整性以及准确性进行的数据质量检查的行为。
第二十二条 数据检查采取应用系统使用部门自查和应用系统管理部门检查的方式。数据检查的方法有:
(一)通过统计、查询等系统进行检查;
(二)在业务软件使用过程中对数据库中已有数据进行检查;
(三)用数据质量检查工具进行检查;
(四)抽取原始档案材料与数据库中数据进行对比;
(五)其它数据检查的方法。第二十三条 检查的内容:
1、纸质资料与信息系统内资料进行检查核对,数据采集录入是否全面、及时、规范。
2、数据的处理是否及时、正确、全面。
3、数据的传输是否规范、及时。
第二十四条 应用系统使用部门在业务软件使用过程中发现错误数据,必须及时告知相应的数据采集的责任人或部门进行维护。
第二十五条 应用系统管理部门应定期通过使用统计、查询等系统进行数据检查,仔细分析检查结果,识别其中不符合规律和常理的数据,查找存在的数据问题。
第五章
数据质量考核
第二十六条 各应用系统管理部门应建立本系统的数据质量的考核体系。第二十七条 考核指标至少包括比率指标和数量指标。比率指标按未达标的百分点扣分,数量指标按错误数据的数量和问题的严重程度扣分。
第二十八条 考核的比率指标是:
1、信息采集率。已经采集进入应用系统的信息与应该采集进入应用系统信息的比率。
2、信息采集准确率。录入应用系统的正确信息与录入的所有信息的比率。
3、信息传输及时率。规定时期内传输的信息与检查期限内所有传输信息的比率。
4、信息处理率。考核期内处理的符合规定的信息与考核期内处理的所有信息的比率。
第二十九条 数量指标是指分级列出问题数据的数量,根据问题的严重程度,确定扣分标准,进行扣分。根据数据的重要程度具体分为四级:
1、只影响数据本身的完整性而不影响其他数据。
2、只影响本工作环节质量。
3、不仅影响本工作环节质量,而且影响后面工作环节数据处理质量。
4、数据质量错误造后面工作无法处理或无法工作。
第三十条 各应用系统主管部门应根据本办法制定各应用系统的数据质量考核细则,并报总行合规部备案。
第六章、责任追究
第三十一条 凡违反本办法相关规定,造成数据录入不及时、不完整、不准确等数据质量问题的,对数据质量责任部门和相关责任人实行数据质量责任追究。
第三十二条 数据质量追究的原则
(一)“以谁的用户名录入,谁负责”;
(二)实事求是、有错必纠、责罚相当、教育与处罚相结合。第三十三条 数据质量责任追究范围
(一)因数据质量问题导致统计数据不能生成或生成错误的;
(二)因数据质量问题导致其他部门工作不能正常开展的;
(三)因数据质量问题影响经营决策行为的及时性、正确性的;
(四)因数据质量问题损害客户合法权益的;
(五)因数据质量问题造成财产、声誉损失的;
(六)其他应当追究的数据质量责任。第三十四条 数据质量责任划分
(一)数据采集的责任部门即为数据质量的责任部门;
(二)从数据库后台记录中确认的数据录入人员是数据质量的直接责任人;
(三)将自己的用户名、密码提供给他人使用,或因保管不善导致他人盗用、冒用用户名、密码的,用户名所有者是数据质量责任人。
第三十五条 数据质量责任按照《**银行员工违规行为处理办法》的规定进行追究。第三十六条 对主动发现错误并及时纠正,尚未造成不良影响的,可以从轻或者免于追究责任。
第三十七条 有下列情形之一的,应当从重追究责任:
(一)因玩忽职守、徇私枉法、受贿、索贿等原因造成过错的;
(二)二次以上发生同一或类似过错的;
(三)其他应从重追究责任的情形。
第六章
附则
第三十八条 本办法由**银行总行负责解释。第三十九条 本办法自印发之日起执行。
附件:**银行应用系统目录
第四篇:银行业大数据解决方案
www.xiexiebang.com
百分点银行大数据应用解决方案
银行大数据时代面临的挑战
1、银行离客户越来越远。在互联网交易链条中,银行所占比重越来越低,这使得银行越来越难以知道客户的消费行为;互联网金融的出现,在未来可能会超过以银行为中心的间接融资和以交易所为中心的直接融资模式,这会使得银行逐渐被边缘化。本质上是因为银行对于客户的了解程度,相对越来越弱。
2、客户不断流失难以挽回。市场竞争越来越激烈,银行意识到客户满意度的重要性,并将提升服务作为工作目标。在具体的操作过程中,银行关注产品特点,从服务质量、客户感知进行调查,试图找到解决办法。但是客户满意度却一直停留在原有水平。客户流失率也在不断上升。本质上是因为银行服务同质化。
3、客户维系成本不断攀升。随着互联网金融各类“宝宝”们冲击银行存款,抬升融资成本,银行越来越难以找到低价优质的资金,客户维系成本也不断攀升。银行客户维系陷入“理财收益高,客户多,收益下降,客户跑”的怪圈。本质上是由于银行无法对客户需求进行及时响应,只能通过价格这一唯一工具进行营销。
银行越来越意识到数据作为核心资产的地位,希望借助大数据的技术,聚合客户在银行内外的种种信息,深入洞察每个客户在银行内外的方方面面,以了解其兴趣、偏好、诉求,从而提供每一个客户个性化的产品与服务。www.xiexiebang.com
百分点银行大数据解决方案
百分点基于六年来专注于大数据的应用实践,为银行业提供端到端的整体解决方案,帮助银行实现海量多源异构数据的采集、整合,并运用大数据文本分析和数据挖掘技术,深入挖掘客户特征、需求,从而为银行向客户提供差异化服务和个性化产品、产品创新等提供数据支撑。整体解决方案如下:
银行业大数据应用
1、用户实时行为分析
互联网金融及第三方支付的出现,让银行用户流失严重,同时也更加不了解用户的需求。通过在银行官网、APP上部署采集访问用户实时行为的代码,让银行可了解用户在网上的行为特征、需求,拉近银行和用户的距离,从而为更精细化的服务提供数据依据。实时行为包括:
用户分析:新增、活跃、沉默、流失、回流 www.xiexiebang.com
渠道分析:渠道来源、渠道活跃、渠道流量质量 客户留存分析:留存用户(率)事件和转化分析
客户体验度量:使用时长、地区分析、终端分析。。访问原因探查:访问时间、访问频次、停留时长、访问路径
2、个性化服务和资讯推荐
根据客户使用银行产品和服务的历史信息及在银行官网/APP上留下的实时信息,利用大数据文本分析和挖掘技术,分析客户的长期、短期偏好和需求,预测当下和潜在偏好和需求,为客户推荐个性化服务或资讯。
3、精准营销
面对银行存量客户交易不活跃,新客获取渠道少,渠道流量质量差等各类问题,百分点银行精准营销方案以用户出发,识别每个客户在银行内外的上网特征、金融产品消费偏好、金融渠道偏好、金融风险偏好、互联网消费偏好、互联网内容偏好、社交网络等信息,将用户特征匹配银行产品特征,从而将更合适的产品信息精准推送到合适的用户(群)。
新客的获取:基于采集的企业内外数据,在充分分析银行产品和服务特征的基础上,分析客户特征,从海量用户(互联网、App、邮箱等)中精确匹配到适合银行产品和服务的高价值、高净值客户,通过实时竞价广告(RTB)、EDM(个性化邮件营销)、搜索营销(SEM)等手段将产品和服务资讯推送给匹配的客户,帮助银行快速获取高价值客户。www.xiexiebang.com
存量客户营销:帮助银行从产品或者从客户出发,分析产品或客户的特征,运用口碑扩散模型、look-alike模型等,为产品找到合适的老客户,或者为老客户找到合适的产品,从而实现老客户的再营销,提高客户满意度,增强客户黏性。
4、产品分析
对银行所有产品进行画像,形成统一的产品画像体系,从而对产品的特征、产品的销售情况、利润情况、新产品研发等提供参考。
产品全方位信息视图:通过产品画像体系,可以对具体产品的各项指标有个全面、直观的了解。主要特征包括: 基本信息:统一的产品号、产品名称、产品定义、产品上线时间、产品经理等信息。 产品的种类
按对资产负债表的影响分类:资产类产品、负债类产品、中间业务类产品。
按服务对象分类:对公产品、对私产品。
按业务特质分类:国际业务、信贷业务、结算业务、投资银行业务、信用卡业务等。 评价信息:产品积分、贡献度、当前评价信息和评价历史。
销售渠道:柜面渠道、网上银行渠道、手机银行渠道、直销银行渠道等。产品规模:产品余额、产品客户数、单位时间内销售额、户均持有产品数等。
5、产品创新 www.xiexiebang.com
通过对特定数据进行提取和分析、产品核算,清晰对比各类客户的产品覆盖率、产品使用率、产品黏度、产品收益,结合互联网舆情和友商的竞品信息,进而针对不同的客户群提出差异化的产品创新需求。
6、产品评价
根据产品后评价指标建设评价模型,实现对产品的系统评分。获取每个产品各指标数据,采用等级评分法等方法对数据进行标准化处理,反映每个产品的每项指标在组内产品中的排序。评价指标包括:产品预期偏离度指标、产品综合效益指标、产品规模指标、产品质量指标等。
7、风险防范支持
风险防范重点关注个人客户在银行体系内外的负面信息,银行体系内的负面信息包括:信用卡逾期、贷款逾期、黑名单信息等,银行体系外的负面信息包括:P2P/小贷公司等黑名单信息、公检法的诉讼案件信息、国家行政机关处罚信息(工商、税务、一行三会、协会等)以及网上负面舆情(虚假宣传、误导消费者)等,从这些数据出发,全面评估个人客户在银行的风险等级,为银行的风险防范提供决策支持。
8、客户服务
帮助银行从采集的客音数据、问卷调查、互联网舆情等数据分析客户的抱怨、诉求和需求,从而为客户制定有针对性的服务策略。通过分析客音数据,挖掘客户对产品的诉求和抱怨信息,在后续和客户接触时,提供更符合客户预期的信息。www.xiexiebang.com
基于360°用户统一视图,客服人员能全方位了解客户的基本信息、购买历史、投诉历史等,从而可以给客户推荐更合适的产品。
百分点银行大数据解决方案的价值
1、为银行建立用户数据中心,让银行更深入的了解用户,帮助银行实现以用户为中心的战略转型。
2、通过完善的大数据平台和针对性的大数据业务应用,提升银行用户体验,拉动银行收入,以及更有效的控制银行风险。
3、基于百分点大数据解决方案,持续积累数据资产,通过大数据构建银行自身的核心竞争力,积极应对互联网金融时代的挑战。
第五篇:大数据时代银行
近年来,大数据热潮引发了一场思维、生产和生活方式的重大变革,可以说开启了全新的时代。对于天然具有数据属性的金融业来说,一方面,大数据能够为金融机构的经营管理提供充分的信息支持;另一方面,大数据滋生的新型金融业态对传统金融机构带来了严峻挑战。在这场社会大变革中,金融机构将如何应对,非常令人期待。为此,本刊邀请了多位金融机构的高级管理者以及业内专家,共同探讨大数据时代金融业的变革与发展。
近十年来,中国银行业的改革发展取得了令世界瞩目的成就。在今年《银行家》《福布斯》发布的大企业排行榜和市值排名上,五家大型商业银行均已跻身世界前列。随着以移动互联网、云计算、“大数据”和物联网为代表的信息革命的兴起,银行业又一次面临新的机遇和挑战。中国银行业能否用好大数据,实现经营、管理和服务创新,决定了其未来的可持续发展能力。
银行业已初步具备运用大数据的基础
大数据是信息技术与互联网产业发展到特定阶段的产物,从互联网到物联网,从云计算到大数据,信息技术正在从产业基础走向产业核心。而银行业作为与信息技术深度结合的行业,互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”,能够为银行提供全方位、精确化和实时的决策信息支持。银行的经营转型、产品创新和管理升级等都需要充分用好大数据。目前,银行在客户分析、风险管理方面对大数据运用已初步积累了一定的经验,为未来过渡到全面大数据运用奠定了良好基础。
20世纪90年代,随着信息技术发展,国内银行业顺应潮流,将信息技术广泛应用到业务处理和内部管理,以提高服务管理效率。进入21世纪,大银行率先推进系统大集中和数据大集中,整合原有分散化的信息系统,不断适应加快产品创新、提升客户体验等市场需求,建立数据仓库和数据平台,信息化程度不断提高。近几年,银行业大力发展面向客户的新一代核心业务系统,信息系统建设日趋完备,电子银行等在线金融服务大幅增长,在提升客户体验和风险管控能力、满足监管各项要求的同时,形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇核心业务结构化数据,也包含客户电话语音、在线交易记录、网点视频等非结构化数据。
中国建设银行(以下简称建设银行)从2011年开始建设企业级全行共享的新一代核心业务系统,以客户为中心、面向服务设计架构,实现业务与IT融合、产品快速创新的目的,目前已初具规模。特别是在新一代系统设计中,充分考虑数据储存和应用的重要性,并专项设置了数据集成层模块,包括数据缓存区、数据记录系统、历史数据存储、分析数据仓库、实时数据仓库、公共数据集市。
银行业开始尝试接入和整合外部数据资源。在传统的数据分析模式下,银行业出于市场分析、内部管理、监管需要,产生并记录了巨量的文本式结构化数据,涉及客户账户资金往来、财务信息等,以及网银浏览、电话、视频等非结构化数据。但是,传统意义上的银行仅能掌握客户与银行业务相关的金融行为,无法获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据,无法与业务数据形成联动。随着电子商务的快速发展和移动金融的深化,银行业逐步加强与外部数据源对接,甄别有效信息,整合多渠道数据,丰富客户图谱。目前,已有多家银行进行了有益尝试。
一是银行与电商平台形成战略合作。银行业共享小微企业在电商平台上的经营数据和经营者的个人信息,由电商平台向银行推荐有贷款意向的优质企业,银行通过交易流水、买卖双方评价等信息,确定企业资信水平,给予授信额度。建设银行曾在这方面做过有益的尝试。此外也有银行参股电商、开展数据合作的案例。
二是银行自主搭建电商平台。银行自建电商平台,获得数据资源的独立话语权。在为客户提供增值服务的同时,获得客户的动态商业信息,为发展小微信贷奠定基础,是银行搭建电商平台的驱动力。2012年,建设银行率先上线“善融商务”,提供B2B和B2C客户操作模式,涵盖商品批发、商品零售、房屋交易等领域,为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务,提供的金融服务已从支付结算、托管、担保扩展到对商户和消费者线上融资服务的全过程。
三是银行建立第三方数据分析中介,专门挖掘金融数据。例如,有的银行将其与电商平台一对一的合作扩展为“三方合作”,在银行与电商之间,加入第三方公司来负责数据的对接,为银行及其子公司提供数据分析挖掘的增值服务。其核心是对客户的交易数据进行分析,准确预测客户短时间内的消费和交易需求,从而精准掌握客户的信贷需求和其他金融服务需求。
银行业有处理数据的经验和人才。数据分析和计量模型技术在传统数据领域已得到较充分运用,同时也培养出大批精通计量分析技术的人才。如在风险管理方面,我国金融监管部门在与国际接轨过程中,引入巴塞尔新资本协议等国际准则,为银行业提供了一套风险管理工具体系。银行在此框架下,利用历史数据测度信用、市场、操作、流动性等各类风险,内部评级相关技术工具已发挥出效果,广泛应用于贷款评估、客户准入退出、授信审批、产品定价、风险分类、经济资本管理、绩效考核等重要领域。
银行已初步尝试应用大数据。我国银行业大规模运用大数据技术尚不成熟,但多家银行已从关键点、具体业务入手应用大数据挖掘技术,解决效率提升中的难题。例如,有的银行提供集电话、网络在线、客户端、微博、微信于一体的整合服务平台,也有的银行信用卡中心开发智能云语音,着眼于客服语音信息的挖掘和分析,通过对海量语言数据的持续在线和实时处理,为服务质量改善、经营效率提升、服务模式创新提供支撑,从而全面提升运营管理水平。还有些银行在个人客户营销方面,着重客户数据分析,摸索出客户行为模式和潜在需求,促成定向精准销售。例如,通过分析客户行为数据和财务数据来锁定潜在客户,根据客户行为规律,并结合其所在区域、行为内容来确定消费习惯,开展针对性营销;通过分析交易记录信息来有效识别小微企业客户,并用远程银行和云转借实施交叉销售。此外,有的银行还将其内部客户编号和微博、QQ、邮箱等相对应,将互联网数据与传统数据一起存储,建立数据库,不仅了解客户理财、基金购买等交易行为的频繁程度,还可以发现其他动态信息如出差、喜好和社交圈等。
国际同业大数据运用的经验教训
金融业大数据运用的国际经验主要体现在快速判断宏观经济趋势、分析预测客户及交易对手行为、防范欺诈、改进内部效率以及外包非核心业务等方面。
快速判断宏观经济形势。英国央行已经开始运用大数据对英国房地产市场和劳动力市场趋势作出快速判断。以前,英国央行通过统计部门发布的房地产销售数据、就业数据等,判断房地产市场和劳动力市场变动趋势,但统计部门的数据一般有数日乃至数周的时滞,不利于对形势的快速判断。目前,英国央行已通过对一些网络搜索关键词的监控,如“按揭”“房价”“职位”等,获取最新的经济运行情况。
分析预测客户及交易对手行为。由谷歌(Google)前首席信息官Douglas Merrill创办的信用评估公司ZestFinance,通过大数据技术把收集的海量碎片化数据整合成完整的客户拼图,较为准确地还原客户的真实状况和实际信用状况,并据此支持合作公司向难以从银行获得贷款的美国人提供“工资日贷款”(payday loan)。西班牙对外银行(BBVA)推出的具有记忆功能的ATM机ABIL,不但能记住客户习惯的取款金额、频率,还能根据其账户情况给出相应的取款建议。美国一些基金公司在几年前开始借助社交媒体大数据,分析市场情绪变动,进而判断未来交易是扩大还是萎缩。近期,这些基金公司进一步通过分析金融交易大数据,识别交易对手的交易特征,预判交易对手的交易动向,并采取相应的操作,以获取差价。
防范欺诈。运用大数据分析软件,可以预防信用卡和借记卡欺诈。通过监控客户、账户和渠道等,提高银行在交易、转账和在线付款等领域防御欺诈的能力。在监控客户行为时,大数据可以识别出潜在的违规客户,提示银行工作人员对其予以重点关注,从而节省反欺诈监控资源。
改进内部效率。美国银行用大数据分析该银行某呼叫中心员工的行为,通过在员工姓名牌中置入感应器,监控员工的行走线路与交谈语气,可以知道员工在工作场所的社交状况。监控结果表明,那些一起享受工间休息并相互交流的员工工作效率更高,他们可以在日常交流中分享如何应付“难缠”顾客的小窍门。美国银行发现这一现象后,即转而推行集体工间休息,此后员工表现提升了23%,而员工说话语调所反映出的压力水平则下降了19%。另外,还有些欧美银行运用大数据评价分支机构绩效并获得显著成效。
大数据的应用存在运维风险和运营风险等,前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等,后者如企业声誉风险、数据被对手获取后的经营风险等。因此,必须加强数据管控。这方面既有成功的经验,也有值得总结的教训。从已出现的问题看,最大的风险来自网络攻击和欺诈:2011年,网络银行欺诈给日本53家银行造成2700亿日元(约合225亿元人民币)的损失;2012年,诈骗集团曾攻击欧美至少60家银行的网络,盗取银行资金;2013年,国内某保险公司受黑客攻击,造成数十万保单信息泄露。为此,一是高度重视并推进统一的数据标准,并做好数据清洗,保证数据质量。二是审慎划定数据边界,合理开展内外部数据共享和非核心数据业务外包。三是大数据下应更加重视隐私保护和信息安全,加大对反网络攻击的投入。
推动大数据应用的策略
党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路,信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义,而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性,从管理体系建设、具体运用模式方面不断探索,打造银行业在大数据时代的核心竞争力。
建立完善的大数据工作管理体系。银行业应充分认识大数据的重要性,在总行层面建立大数据工作推进机制,制定大数据工作规划,主管数据部门对大数据工作进行统筹规划、组织协调、集中管理,业务部门承担大数据采集、分析和应用的职责,全面定义、收集、多方式整合集团内外部各类数据,形成管理数据、使用数据和推广数据的有效工作机制。
增强数据挖掘与分析运用能力。在银行内部全面推广基于数据进行决策、利用信息创造价值的观念,引进数据挖掘和大数据运用专业方法和工具,培养专业数据挖掘分析人才队伍,重视人才的经济金融、数学建模、计算机新型算法等复合型技能,建立前瞻性的业务分析模型,把握、预测市场和客户行为,将数据深度运用到业务经营管理过程,利用数据来指导工作,设计和制定政策、制度和措施,做到精准营销和精细管理。
以大数据技术促进智慧银行建设。推动大数据向生产力转化,加快产品创新实验室的技术研发,把实验室成熟产品运用于客户的营销和服务,推进智慧银行建设,把技术创新优势转化为竞争优势。网点服务要运用好大数据等技术成果,推广普及智能叫号预处理、远程银行VTM、电子银行服务区、智能互动桌面、人脸识别等创新服务,将传统银行服务模式和创新科技有机结合,利用智能设备、数字媒体和人机交互技术为客户带来“自助、智能、智慧”的全新感受和体验。智慧网点在建设推广中,还应充分采用用户交互技术和体验设备,吸引客户浏览、试用、比较各类金融产品,辅以工作人员推荐,从地域、客户、产品等多种维度,挖掘客户需求,实现对合适客户、在合适时间、通过合适渠道、推荐合适产品。
建立基于大数据分析的定价体系。当前,资金的交易变动频率和流动性加快,大数据从更宽广角度,预判负债的波动情况,能更灵活测算是否满足监管要求和贷款需求变化,从而为银行以存定贷、以贷吸存策略提供量化支撑,可有效降低资金成本。银行还要运用大数据分析,建立起综合服务和信贷差异化定价体系,做到对不同产品、不同行业、不同区域实施差别化定价,最终实现一户一策的综合化、差异化服务,提升精准营销水平。例如,将对公、对私客户逐步纳入定价系统,进行客户选择,不同服务内容享受不同信贷优惠,达到差别化定价和客户最佳体验的双重目的。
依托大数据技术提升风险管理水平。大数据能较好地解决传统信贷风险管理中的信息不对称难题,提升贷前风险判断和贷后风险预警能力,实现风险管理的精确化和前瞻性。大数据时代,银行业可以打破信息孤岛,全面整合客户的多渠道交易数据,以及经营者个人金融、消费、行为等信息进行授信,降低信贷风险。如建设银行依托“善融商务”开发出大数据信贷产品“善融贷”后,银行可实时监控社交网站、搜索引擎、物联网和电子商务等平台,跟踪分析客户的人际关系、情绪、兴趣爱好、购物习惯等多方面信息,对其信用等级和还款意愿变化进行预判,在第一次发生信贷业务,缺乏信贷强变量情况下,及时用教育背景、过往经历等变量进行组合分析,以建立起信贷风险预警机制。由历史数据分析转向行为分析,将对目前的风险管理模式产生巨大突破。
大数据是信息革命中非常前沿且快速发展的技术,银行业要抓紧解决内部数据挖掘分析和外部资源的安全整合利用问题,加快人才队伍建设和技术成果转化,通过大数据的高效应用,加速推进银行业的转型升级和可持续发展