大数据助推银行运营管理的建议

南京市农村金融学会课题组

大数据助推银行运营管理的建议

南京市农村金融学会课题组

“大数据”时代给银行运营管理提出了更高的要求，本文通过分析银行运营管理面临的挑战，探讨大数据的应用，提出了如何利用大数据助推银行运营管理的建议。

一、银行运营管理“大数据”的发展现状

（一）“大数据”的应用。

1.运营优化。“大数据”的发展催生了数据高度集中的运营架构。银行前后台业务的分离，使得大量标准化、批量化的业务被集中到总行或者一级分行层面进行处理，形成了区域性的数据集中、业务作业中心，大大地提高了运营效率。一方面银行通过分析海量的集中数据，可以准确地了解到网点的运营状况和特征，从而为柜面的业务运营提供可借鉴的优化方案，例如：通过大数据科学分析网点现金箱限额，而不仅仅是靠经验，为网点提供最优方案，使运营管理更加精细、高效；另一方面通过IT系统的运行数据、日志文本的采集、挖掘，银行能及时监控系统运行状态和效率，及时了解、定位和解决各类系统运行中的问题。

2.风险管理。“大数据”的发展为银行运营风险防控从技术上带来了创新，使银行可以从海量数据背后找出风险点，大大提高了风险防控的效果。例如：通过对抹账率、应抹未抹、抹账超时数据的联合分析，银行能从数据中的疑点发现哪些是正常的柜面操作失误、哪些是存在风险的违规操作。另外，银行通过利用持卡人基本信息、交易历史、正在发生的行为模式（如转账）等数据，进行实时的交易反欺诈分析，譬如摩根大通银行曾经利用大数据技术成功地捕捉到了盗取客户信息和侵入自动柜员机（ATM）系统的犯罪行为。

（二）“大数据”发展存在的问题。

1.海量数据的存储、查询急需优化。目前，银行业“大数据”发展存在的最大问题就是如何集中存储海量数据和如何在海量数据中做到精准地优化查询。急速增长的大数据使得现有的存储技术应接不暇；很多银行有大量的系统，这又给数据的集中存储带来了难题。传统的数据存储方案无法满足绝大多数银行的要求。因此，目前很多银行正在升级现有的数据中心，打造全新的数据集中处理中心。但是随着海量级数据量（亿万级以上）的进一步增大，查询性能急剧下降，响应速度降低，带来了效率低下的问题。大数据建设急需新一代基础环境，即支持“云计算”的大型数据库管理系统和满足银行核心业务系统的企业级数据服务平台。

2.数据资源的运用、共享不够充分。一是目前大数据主要运用于一些常规数据、历史资料的查询；风险防控的大数据常常只用于常见的合规性检查，对一些常见的可疑问题进行预警，并且只能用人工分析抽样的方式排查出近期的疑点问题，未能做到充分运用数据，与风险防控的目标紧密联系。二是在数据大集中、作业后台化、交易简单化的背景下，大数据的数据采集研究人员与前台运营人员在数据的实时共享、反馈方面做的还不够完善。另外，目前运营监管检查仍然主要依靠传统的走进前台现场检查方式。由于没有详细的全量数据、可疑数据分析，检查的目的性和针对性都不够，使得风险防控更多地停留在常规性上，无法发现更多的隐藏在数据背后的风险点。

二、大数据时代，运营管理面临的挑战

随着运营后台集中化管理的进一步推进，运营管理的形式和内容都在不断发生着变化，管理集中、数据集中，风险也集中。目前全国各地爆发的存款丢失案，再次将银行业推上了风口浪尖，社会各界都在评价银行的风险防控水平，银行运营管理正在面临着前所未有的考验。如何利用大数据来助推运营管理，称得上是一种管理变革，将对决策、技术、人才等提出挑战。

（一）决策挑战：大数据的全面性将极大影响决策制定。由全面的大数据分析得到的结论将更能体现事物的本质，更能支撑战略决策。我们不能仅仅只看到表象的数据，更应该挖掘更深层次的数据，来探索隐藏在这些数据背后的规律、真相。例如关于抹账率数据分析的案例，在这一案例中如果仅通过抹账率这一表象数据来评价各行的运营管理水平，必将对决策造成重大偏差，应该结合应抹未抹和抹账超时数据，进行全面分析，才能真正了解各行的实际管理状况。这需要决策者们在制定决策的时候充分活跃思维，更多地思考如“有没有数据依据”、“数据是不是全量”、“数据结果和主观判断是否有差异”等问题，做到改变现有的思维习惯。

（二）技术挑战：大数据对信息处理技术提出挑战。面对海量、多样化的数据，必须要有相应的科技支撑，对这些大数据建立数学模型来进行处理与研究。只有加强创新性技术研究，从银行IT战略高度出发，大力提升计算机、网络等信息技术水平，才能应对大数据时代的发展，让业务分享到大数据发展的红利。

（三）人才挑战：大数据对综合型人才提出挑战。大数据的处理不仅仅是一个IT技术问题，更是一个综合的系统，它需要全方位的综合性人才，要从业务、服务和技术等多视角综合判断问题，得出结论。目前数据管理和服务人才匮乏，如何培养大数据综合型人才仍然没有完善的渠道。大数据人才只有具备较高的业务素质，熟练掌握数据建模、采集、分析等技术，才能应对大数据给银行运营管理带来的挑战。

三、变挑战为机遇，利用大数据助推银行运营管理

（一）将大数据应用纳入运营管理发展战略。契合发展战略要求，建立全方位数据体系，利用大数据决策系统通过对海量的数据进行分析，得出事物发展的规律，精确地预测未来；通过整合内外部数据，探索不同数据背后的相关性；利用IT系统性地挖掘海量数据，逐步取代人工控制，承担起运营管理的职责。管理层可以不需要依赖于业务部门人为的建议而是利用大数据决策系统分析事物发展的实时数据，做出更加准确、客观的决策。

（二）打造数据化能力，为挖掘数据价值提供基础。着眼于“大数据”挖掘和分析，对海量数据的持续实时处理，建设数据模型分析，为操作风险防控、经营效率提升、服务质量改善提供支撑，全面提升运营管理水平。整合不同系统数据，运用数据挖掘手段，全方位改善管理模式，调整产品结构，以数据体系规划提升数据应用能力，从而驱动数据管理发展，逐步打造银行业务发展数据化能力。

（三）培养大数据人才，为数据化能力建设提供动力。大数据的管理应用对数据工作人员提出了很高的要求，在业务、技术能力的基础上，需要较强的综合素质。大数据的分析是多渠道、多方位、随机的，没有固定的分析视角，这种全新的分析方式是开创性的，因此要求数据工作人员必须拥有较高的综合素质。人才培养机制要尽早确立，积极培养大数据人才，建立一支高素质、高敏感度的大数据人才队伍，为数据化建设提供动力。

（四）大力开展大数据试点项目，尽快推进大数据应用。提升对大数据可能创造的价值的认识，充分意识到大数据发展的红利。设立大数据技术创新部门，专门进行数据模型挖掘，开设运营管理条线专项布置大数据试点工作，譬如：以银行柜面操作数据为基础，分析提取有效信息，从中得到提高柜面效率、减少风险的方案，用大数据指导现实的工作。同时通过开展一系列大数据试点项目，配以奖励机制，将大数据的发展深入人心，充分调动整个系统内关心数据、挖掘数据、分析数据的积极主动性。

（五）深化大数据的应用，提高银行全面风险防控水平。大数据技术深入应用将改变银行信息获取、分析、运营的机制，为信息化风险监控提供了技术手段。一方面，大量的客户交易行为使得运营过程积累了海量数据，通过对这些数据的挖掘、分析，可以有效地识别数据背后的风险点，采取风险信息预警机制为运营风险防控提供便利，使得运营管理更加高效。另一方面，银行业务的发展与社交平台、电子商务等越来越融合，通过整合银行内外部、客户线上线下的结构化和非结构化数据，可以使银行对客户进行全方位的评估，搭建更为深化、标准的信用风险管理体系。

（课题组成员：陈玮玮、李堃）