数据管理工作在大数据背景下的应用策略分析

王星

最近几年，中国金融业的大数据时代正在呼啸而至，已经和我们生活息息相关，同时数据也俨然成了银行业有价值的战略性资产、重要的经济投入和新型商业模式的基石。伴随着大数据的处理技术提高，对商业银行现有的数据管理工作带来了更多的挑战，当前的银行业内外部环境、数据处理能力等正在发生着深刻变化，但国有银行统计工作仍以满足监管要求为主，信息数据统计的理念、定位和转型较慢；在统计角色转变、元数据源管理、大数据分析人才培养、数据仓库建设、数据资源挖掘等各方面仍存在较大差距，对经营决策和精准营销的支撑作用亟待加强。

一、大数据背景下的数据管理理念

首先要明确几个基本理念：一是要高质量地满足外部监管要求。与业务主管部门工作性质不同，数据管理工作第一任务就是满足外部监管要求，确保不出监管责任事故，這是数据管理工作的基础和底线。二是数据要与业务紧密结合，数据对客户营销、业务发展、产品创新和风险管理都具有越来越重要的作用。数据分析不清楚、数据挖掘不充分，直接影响业务发展。三是为业务发展提供决策支持。通过数据分析，满足行领导在管理决策中所需要的信息，包括内部管理、业务发展、客户营销、风险管理等各个方面；为所辖分支机构、各业务条线提供数据服务。

二、数据管理工作转型规划

（一）明确数据是一种价值资产，不再刻意追求精准性而是强调数据的分析预测功能，关注相关性而非因果性。

银行的一切活动都被数据化，客户的每一个行为、资金流转的每一个细节、每一个决策、每一次交流都成为数据，这些数据一旦得到深入分析使用，会深刻改变银行创造价值的模式。数据的价值在被发掘后还能够不断产生新的价值，其真实价值就像浮在水面上的冰山一角，绝大部分都隐藏在表面以下。

大数据时代，为了收集到数量庞大的信息，我们需放弃严格精确的选择，因为储存和处理都不再是问题，大量结构化、非结构化数据看似垃圾，但垃圾数据里可能蕴藏着巨大财富。

关于信息数据统计与业务经营决策的结合，要相关性分析不要原因分析。数据爆炸使得科学的研究方法都落伍了，无需理论指导的纯粹的相关关系研究已经逐步取代了大量的传统研究范式。例如对冲基金通过剖析社交网络上的数据信息预测股市走向，京东和亚马逊根据用户在网站上的类似查询来进行产品推荐，微博通过用户的社交网络图来猜测其喜好。

（二）建立完善的数据管理体系

首先加强部门协作，共同实现大数据应用目标。业务部门要切实承担大数据采集、分析、应用的职责，数据管理部门要对大数据工作进行组织协调、集中管理、加强推动，尤其是支持业务部门加强数据挖掘分析；其次数据统一管理，数据管理部门统一管理数据，树立数据权威，避免数据孤岛。其它部门不能再随意自行定义数据、做自己独立的数据系统，不能再重复过去那种落后的零散的数据采集和管理方式；再次配备高素质人才，这是实施大数据管理的关键。一方面要从内部培养，数据管理人员要不断学习新的数据分析技术，掌握新的分析工具，另一方面要采取措施多补充一些人才，包括招收一批专业性强的学校毕业生、面向社会招聘一些高素质的数据管理和分析人才；最后加强对数据采集工作的管理，建立数据真实性完整性责任机制。完善基层人员提供准确、完整数据的责任和职责，建立责任机制和良好数据文化，对提供数据不真实、不完整、不及时的行为要进行追责。

（三）强化数据服务和数据挖掘分析，由管理报表工作向经营与管理数据并重，重点满足业务转型需求

报表管理固然是信息监管统工作的第一要务，但工作重点应转向更多地向业务一线、营业部门和业务条线输送数据、分析报告和分析结果，支持业务部门使用数据。数据管理部门不能仅局限为数据统计部门，要构建真正的问题导向型机构，重点关注业务发展中的问题，通过大数据分析和大数据应用，帮助业务部门一起解决问题。一是要主动搜集各机构、各部门和各条线的数据需求，并充分发挥数据管理部门的专业优势，进行深层次的挖掘和分析，满足各机构、业务部门在精准营销、风险防控、经营管理等方面的需求。二是要引导下级行充分利用现有数据资源，主动用好数据。总行层面梳理全行的数据资源，使分行全面了解全行数据资源，进而实现通过数据支持预测和决策、服务转型目标。三是整合外部数据资源，通过多种途径解决外部数据引入。对于区域性的外部商业数据，各省分行可根据需要自行采购，对于全国性的外部数据需求，总行层面统一进行采购，从而实现全行数据资源共享，以满足各机构业务转型发展对于数据的迫切需求。四是做好数据安全管理和权限取数管理工作，取数、用数要符合安全要求和管理制度。

（四）完成要全体不要抽样观念的转变

以前采样统计的目的就是用最少的数据得到最多的信息，而现在大数据更强调数据的完整性和混杂性，反而能够帮助人们进一步接近事实的真相。大数据中的“大”不是绝对意义上的大，它是指不用随机分析法这样的捷径，而采用所有数据的方法，全数据模式，样本就是总体。

从大数据的角度看，统计的主要精力应该放在趋势性、时效性和前瞻性等战略分析上。作为一个大型国有银行，若在跨业务、跨部门的系统之间去追求简单的数据一致性，是存在偏离统计主要发展方向的。如在判断是否应该向某些拥有不良信用记录的人提供小额短期贷款，传统的信息评分机制关注少量突出的事件，比如一次还款的延迟等，而大数据则分析了大量不那么突出的事件，会大大降低贷款拖欠率。

总之，国有银行需要改变大数据理念和数据操作方式，将数据分析作为统计的亮点，而不仅仅是数据管理；建立完善的数据管理体系，不再把精确性当成重心，而是接受混乱和错误的存在；侧重于分析相关关系，而不再寻求原因分析；完成要全体不要抽样观念的转变。切实让大数据管理工作成为我行实现战略转型、提高经营效益、有效降低经营风险的法宝，也成为我们解决面临的困难和问题、重塑核心竞争能力的关键。

参考文献：

[1] 初顺起.数据挖掘在银行业务中的应用[J].金融电子化，2005（8）：25-26

[2] Jiawei Han，Micheline Kamber著.范明，孟小峰等译.数据挖掘：概念与技术[M]，北京：机械工业出版社，2001