基于大数据的银行业管理路径探索

陈晓雁 CHEN Xiao-yan；沈文华 SHEN Wen-hua；陈群 CHEN Qun；郭徵砚 GUO Zhi-yan

（广东工业大学管理学院，广州510520）

1 大数据概念

大数据，或称巨量资料，指的是所涉及的资料规模巨大到无法透过目前主流的软件工具，在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据时代的特征主要表现在三个方面：一是数据体量庞大，传统互联网和移动网络终端的交互信息、物联网中的商品与物流信息以及企业内部的经营交易信息等都是大数据时代的数据来源；二是数据种类多元化，伴随着社交网络、移动计算、传感器等新兴渠道和技术的不断应用，图片、视频、邮件和文档等非结构化数据在数据库中占比已达85%以上[1]；三是数据价值密度低，深度挖掘和分析数据价值是关键，云计算技术的应用能有效地将大数据转化为可操作信息。

2 大数据时代银行业的现状

随着大数据时代的来临，尤其是具有先进数据分析技术的互联网金融企业（如阿里贷款）的兴起，银行的业务及发展不可避免地受到巨大冲击。各种电子支付手段的产生，社交网络的流行，催生了大量的不同以往的用户数据。而银行业传统的数据分析模式显然无法满足要求，海量数据蕴含的巨大价值无法最大程度的发挥出来。可见，银行业基于大数据的管理优化亟需更新、改进，方能保持竞争优势，捍卫住银行业在国民经济中的地位。

3 大数据时代对银行业提出的挑战

电子商务的深入推进使电子银行触及社会经济活动的各个领域，智能终端的发展也使电子银行打破时空的界限。数据的庞杂性以及数据的规模对银行的数据存储、处理能力等方面都提出了挑战。

3.1 对数据收集能力的挑战 大数据的数据量之所以如此巨大，首先在于数据的来源极其广泛，存在于各种社交网络、物联网、电子商务等媒介中。如何通过多种途径对用户数据进行收集，如何选择效用最大的数据源头以及如何对数据的有效性、真实性进行甄别，对于金融行业，特别是业务量巨大的银行业来说，十分重要。

3.2 对数据存储能力的挑战 由麦肯锡的报告《大数据：创新、竞争和生产力的下一个前沿领域》可知，目前政府、传媒、银行、证券、公用事业等行业平均每家企业存储数据总量已经超过1PB。最高的证券行业，平均存储数据量已经近4PB[2]，几乎已经到了“数据就是业务本身”的地步，传统的数据仓库远不能满足其存储需求。面对海量的非结构化数据，如何解决数据存储的问题，关系重大。

3.3 对数据分析能力的挑战 鉴于数据体量大，来源广泛，数据类型丰富，对数据进行分析俨然成为最大的挑战。对于企业来说，大数据最有意义的是其通过处理和分析后被发掘出来的价值——无论是商业价值还是社会价值。[3]大数据虽说可以带来高效益，但是利用成本也很高。海量的非结构化的数据分析要求更加专业的分析工具，更加优秀的数据挖掘人才以及更加突出的技术处理能力。如何在大量繁杂的数据中挖掘出真正有价值的信息，是企业面临的最大难题。

3.4 对信息安全的挑战 随着IT技术的不断发展，不仅个人用户的数据容易被人窃取，银行的数据也面临着被窃取的威胁。银行的数据是个人用户数据的集合，银行数据的重要性不仅在于其涉及到客户的隐私，而且在于其关系到整个银行业，甚至整个国家的经济安全。提高数据的安全性，是首先必须保证的。

4 大数据时代下，银行业的管理路径探索

大数据时代使得金融企业处于一个新的起跑线上，那些率先进行技术改革的企业，将能更大程度地利用大数据抢占先机，在行业中处于高位。

4.1 完善获取数据的手段 大数据时代，大部分的数据来源于各种社交网络平台、电子商务媒介，企业必须采用各种手段获取这些数据。考虑到自主获取的成本大，技术难度高，一般企业难以实现，因此最合适的做法是相互合作，通过与社交网络、互联网企业合作，出让一部分利益，获取海量的用户数据，以最小的成本获取巨大的数据资源。

4.2 选择更加合适的存储平台 大数据时代下，数据量的增长远远超过构建数据仓库的传统数据库技术的管理能力。对于高安全级别的大数据处理来说，其软硬件成本、人力成本、管理成本、安全性成本、效率与性能成本都是不可忽视的重要因素。企业应当投入资金，通过引进尖端技术构建一个安全稳定的数据存储平台，如打造金融数据仓库和大数据仓库，突破数据仓库的性能和扩展瓶颈，为金融企业决策分析提供支持[4]。

4.3 提升数据分析的能力 大数据的价值不在于数据量大，而在于通过数据过滤消除大量繁杂数据的干扰后，能够深度挖掘和分析数据，获得价值。基于此，IT行业将逐渐由技术支持转向信息服务供应，云计算技术承载大数据信息解决方案将是时代发展的必然趋势。银行业实现大数据处理，一方面可引进高端技术人才以及专业分析设备，在满足数据处理需要的同时，也能独享商机；另一方面可与IT行业合作。IT行业拥有最高新的、专业的分析技术，以及不断创新的思维模式，能够实现对大数据的深度挖掘与精确分析。

4.4 强化数据的安全性 银行业的用户数据具有高度的敏感性，随着网络世界的复杂化程度加深以及黑客手段的不断变化，网络安全是银行业安全监控的重中之重。银行要随时改进网络的安全配置，尤其要保障云安全，因为云端的海量数据对黑客来说是极具吸引力的。此外，数据的收集、存储、访问、传输等都不可避免要借助于移动设备，其在为人们带来工作便利的同时，也给企业带来了更大的安全隐患。所以，确保企业管理者和员工不被动成为黑客的帮手，对其移动设备的监测以及防范是必不可少的[5]。

4.5 坚持效益导向[6]不管是采用何种技术，其最终目的都是为了提升企业的效益。对于企业来说，计划以及实施的选择必须坚持效益导向。大数据蕴含海量资源，利用好的话可以带来高效益，但其利用成本也很高，不仅要有大数据来源还要有人才与技术处理能力，同时也需要投入资源对数据的存储、分析平台进行维护。所以，企业是否进行大数据投资必须斟酌再三，在改革创新，引进新技术的同时一定要考虑本身的效益。

4.6 明确大数据分析在企业中的定位 大数据时代的到来为企业发展提供了一个难得的机遇，但是对于大部分企业而言，挖掘数据价值对企业的发展主要起辅助作用，千万不可以本末倒置，忽视主营业务的发展。要意识到企业最需要发展的是自身的核心业务能力以及本领域所需要的技术，并在此基础上，利用大数据为核心业务服务，推进企业更合理、更高效、更全方位地发展。

[1]李璠,贾鸿飞.大数据时代银行业的机遇与挑战[J].中国金融电脑,2012(12):25-29.

[2]韦雪琼,杨晔,史超.大数据发展下的金融市场新生态[J].时代金融,2012(7):173-174.

[3]王炳晨.把握中国企业的大数据机遇[J].微电脑世界,2012(8):120.

[4]王珊.金融企业大数据技术选择策略[J].金融电子化,2012(6):46-48.

[5]亓冬,吴洋,彭默馨.直面大数据对信息安全的挑战[J].信息安全,2012(8):48-50.

[6]胡小明.大数据之路——以应用为中心[J].信息化建设,2013(1):14-15.