大数据领衔：商业银行的经营与营销策略转变*

胡朝举

(韩山师范学院 经济与管理学院，广东 潮州 515633)

大数据领衔：商业银行的经营与营销策略转变*

胡朝举

(韩山师范学院 经济与管理学院，广东 潮州 515633)

大数据时代，商业银行竞争对手分化，新兴移动互联网企业、电商日渐分食银行利润，互联网金融的发展迫使商业银行转变经营与营销策略。银行将在客户服务、产品开发、精准营销、数据挖掘与整合上面临新的机遇，而大数据背景也对银行在公平竞争、成本控制和系统开发运作方面提出了挑战。对阿里巴巴的实证分析表明，商业银行必须对大数据高度敏感并精准应对，在经营理念、决策体系、数据平台搭建、信用评价体系及营销策略等方面积极转变与创新，在竞争博弈中立于不败之地。

大数据；商业银行；移动互联网；经营；营销；策略

习近平主席在第二界世界互联网大会的讲话中提出，在“十三五”期间，我国将大力发展实施网络强国战略、国家大数据战略和“互联网+”行动计划，拓展网络经济空间，促进互联网和经济社会的融合发展。我国银监会于2015年初成立普惠金融部，首次将互联网金融纳入普惠金融渠道，这充分体现了我国金融改革和发展的方向。大数据时代，互联网技术打破金融领域信息壁垒，金融业竞争格局陡转。新型网络服务公司以大数据技术为基础切入金融服务领域，使得金融产品多样化发展，产品便利性、直观性特征突出；商业银行融资业务也通过资金、商品和信息的大数据分析，为消费者和企业提供灵活的线上融资服务。这两种“互联网+金融”的典型模式从另一个方面凸显了商业银行业务和服务的传统模式在创新力、市场敏感度、客户群粘度和“大数据”整合度等诸多方面竞争力不足的现状。传统金融服务无法满足人们对金融低成本、高时效性的需求，商业银行对经营决策和营销策略进行转变和升级变得迫在眉睫。在大数据引领金融发展这一背景下，探讨商业银行经营与营销策略转变，一方面，为商业银行转型升级、提升竞争力开辟新路径；另一方面，银行参与下的互联网金融创新也将得到强化和提升。这对于加快我国金融业的转型和改革、银行科学规划大数据发展战略和采取切实有效措施保持自身和行业的高效发展、维护我国金融稳定及安全，具有十分重要的现实意义。

一、大数据时代商业银行经营与营销的机遇

大数据正在快速渗透到各行各业并日益成为企业(组织)的一种极为重要的基础资源及决策条件，大数据的广泛应用预示着新一波生产革命的到来和生产力的跃升。全球知名管理咨询公司麦肯锡认为金融行业是首先受益于大数据浪潮的行业。

(一)大数据分析促进银行客户服务的差异化

商业银行应根据客户的差异化需求提供有针对性的服务，而大数据在客户需求分析方面能够发挥巨大作用。第一，大企业客户，其重点考虑的是保证贷款、收款、资金集中与共享的及时性。由于同业竞争激烈，商业银行需要从客户纷繁复杂的经营管理行为数据中，利用大数据分析、挖掘出其特定的需求(资金筹集、集中、使用的时间、方向、未来趋势等)，进而提供满足客户需求的系统化解决方案。第二，中小微企业客户，其规模小、抗风险能力低，融资难融资贵现象突出，同时融资金额较小、时间较短。通过大数据挖掘、分析，商业银行可以快速进行风险评估和信贷决策，还能帮助中小微企业提高闲置资金收益率、提升其还款能力。以平安银行为例，其利用大数据分析，精准细分、选择市场，开发出应收款账款质押产品，该产品将信用保险产品和银行应收账款融资产品整合运用，拓宽了中小企业的融资渠道，在有效缓解中小微企业缺少不动产担保、融资难问题的同时，更好地保护了银行的利益，增加了还款来源，降低了违约风险及不良贷款率，实现了银行与客户的互利双赢。第三，个人客户，一般通过商业银行实现资金储备、规避风险、投资理财、资金流动的目的并以资金存储为主。小型储户的需求主要是服务快速化和服务手段的多样化；而大型储户的需求主要是资金的流动性、保值增值性及服务的个性化。依托大数据分析，商业银行能有效开发出针对个人客户不同需求的差异化产品和服务，实现资金精效管理的效果，提高个人客户对商业银行的粘度。

(二)大数据管理强化银行市场营销的针对性

引入大数据管理，能有效解决商业银行对内部客户行为信息收集不完整、碎片化、管理不健全，对外部组织数据难以及时、准确、充分获取的问题，为商业银行营销提供助力。大数据营销最重要的特征就是通过客户生成及累积的与商业银行服务相关的行为数据、社交媒体数据、电子商品交易平台数据、外部公共系统的大量数据分析，根据多维度的分类标志来对客户“贴标签”、实现客户细分，并进行相应的精准营销，达成营销协议，花费的营销时间更短，成本更低，效益更高。

(三)大数据系统整合有助银行挖掘数据潜能

商业银行本身就是一个大数据库，这是商业银行快速切入、利用大数据的渠道优势，商业银行可以汇集、分析，利用其自身所拥有的分散存储于各商业银行网点的小数据库及其数据资源，在小数据基础上进行数据集成，构建大数据库系统；并在此基础上，强化与其他商业银行的合作，在更高的层次和更广的范围内整合商业银行系统的大数据系统，提高商业银行大数据系统数据的汇集、存储、分类索引、高效查询等性能，尤其是要通过大数据分析，将数据潜能充分挖掘出来，为商业银行提升其经营决策水平和和营销服务能力，实现其数据价值。

(四)大数据基础增强银行互联网金融竞争力

随着交易行为电子化、信息化、数据化的不断发展与升级，商业银行的每笔交易都是信息流、物流、资金流、数据流的立体融合。在互联网时代下的金融业态，银行业与非银行业间的行业边界日益模糊，银行业的经营业务范围也不断扩大、并与原有的金融业务相依相伴，共同成长；但与此同时，银行业外部的企业也必然借助互联网、大数据，逐渐打破行业壁垒渗入银行业务。可以说，商业银行作为卖方市场，以我为主、野蛮成长的时代已经一去不复返，来自于银行业内外的市场竞争会越来越激烈，但商业银行依托于其自身拥有的大数据基础，主动应变、自我超越，大数据反而有可能成为商业银行迎接挑战、竞争致胜的利器。

二、大数据时代商业银行经营与营销的挑战

(一)银行业内部商业银行之间非公平竞争加剧

银行业正在进入基于大数据竞争的新阶段，但大数据资源在大中小商业银行之间的分布存在显著差异：四大国有控股商业银行在大数据系统建设方面已经具有较好的基础，加之规模巨大、网点众多、客户量庞大，其在客户金融行为的大数据汇集、分析、应用上具有中小商业银行无法企及的数据源、资金、技术和人才优势，大中小商业银行之间的竞争基础和条件显著非公平，中小商业银行大数据竞争力逐次衰减，竞争的结果可能导致大者越强、小者越弱，两极分化问题突出；数据流量的缺乏及数据分析、挖掘能力的弱小，伴随人力成本、资金成本的不断攀升，将使中小商业银行的运营空间收窄、盈利空间受到严重挤压；同时，中小商业银行也有可能因竞争力不及国有控股商业银行而导致机会主义行为倾向强化，陷入逾越行业规则、铤而走险，违规、违法吸收存款及放贷，不良贷款率显著增高，坏账率大增的险境。

(二)银行业与互联网金融之间非均势竞争强化

在大数据时代，银行发展将越来越依赖于对数据的占有和分析，未来银行客户的稳定增长来自银行对客户产生的行为数据、交易数据、流动数据等进行的综合分析，并在此基础上制定出适合客户内在需求、安全、便捷、高价值的产品。但目前大数据资源及开发能力在银行、互联网企业、电商之间的分布是非均衡的，互联网巨头、主要电商、第三方支付平台在大数据资源上具有明显的优势，其拥有海量用户，并且可以通过对用户千差万别的消费习惯、资金需求及运用特点的数据分析、挖掘，通过移动互联网、互联网金融等新模式、新业态大举切入金融行业，快速蚕食银行业的客户市场，让商业银行在与“互联网+金融”业态企业间的竞争态势恶化。

(三)大数据系统建设运行增大了成本控制难度

一方面，大数据系统建设成本高昂。传统商业银行以客户群为中心，很少关注单个中小客户的行为，在单个中小客户上花的时间和费用很少；反之，互联网金融业态一开始就是以大数据为基础来构建的，高度关注每个客户的个体行为。进入大数据时代后，商业银行必须依托、利用大数据分析更好地服务于顾客。但大数据收集、储存、开发运用的成本高昂，商业银行面临两难选择——要么在大数据系统上投入不足，长期因缺乏竞争力而面临生存危机；要么在大数据系统上耗资过巨，在短期内因可能成本上升过快而致其股东回报降低。另一方面，大数据系统运行不易。利率市场化后商业银行存贷利差缩小，为保持利润增长商业银行势必扩大信贷规模，中小微企业业务应是商业银行大力拓展的方向之一。然而，中小微企业客户往往只有较少的信息或模糊信息，客户信息的不全面将导致大数据分析功效无法体现，从审慎原则出发，商业银行可能被迫放弃大量的中小微企业业务，从而形成不良循环：中小微企业客户行为数据缺乏→大数据系统分析低效→商业银行放贷审慎→银行利润增长有限→大数据系统升级停滞→开发新的客户越来越难。

三、大数据时代商业银行与互联网金融之争

(一)与大型互联网金融公司间的竞争——以阿里巴巴为例

大型互联网金融公司特别是大型电商往往依赖其自身建立起来的、电商系统内消费者在交易过程中所产生的海量交易以及支付信息，来构建自己封闭的大数据库、数据挖掘与分析系统并由此建立大数据平台风控模型，在互联网金融交易中拥有自己独立的征信及评价体系并据此做出决策，阿里、苏宁、京东等都属于此种类型。大型互联网金融公司在网络支付、网络理财、网络贷款等方面对传统的商业银行业务构成强力的挑战，由于它们拥有大数据优势，在第三方支付特别是移动支付方面相比商业银行占优势，其理财产品广受欢迎，不断侵蚀银行的市场份额和挤压银行盈利空间。下面以阿里巴巴为例来加以阐释。

1.支付宝与商业银行银行卡业务之争

早期由于网络购物的消费习惯尚未形成，消费者担心在网络虚拟平台上购买商品存在不确定性，阿里巴巴支付宝作为第三方的交易支付中介由此产生，即消费者把一定的金额存进支付宝中，用以购买网路上销售的产品，待消费者满意后，实际消费发生金额才会从支付宝里转入商家手中。也许单个消费者支付宝账户中只有消费完剩下的一点“小钱”，但随着网络消费习惯的养成和深化、消费人群的增多及消费频率的提高，汇总起来的余额非常巨大，开通“支付宝卡通”之后，交易金额的流动便与银行卡直接联系起来。到2013年，阿里服务器已累积超过100 PB处理过的数据，等于104 857 600个G吧，相当于4万个西雅图中央图书馆，580亿本藏书[1]。而阿里巴巴电商交易大平台业务模式下生成的数据包含了大量与用户购买相关的行为数据，其数据含金量高，当阿里巴巴决定利用大数据开展互联网金融业务时，自然会侵蚀其昔日朋友——商业银行的利益。

2.余额宝与商业银行存款业务之争

作为由第三方支付平台支付宝为客户打造的一项余额增值服务，余额宝截至2015年底用户已达2.6亿、资金规模6 207亿元，而到2016年一季度末，余额宝资金规模更是高达7 626.07亿元，创历史新高[2]。余额宝于2013年6月才正式推出，推出初期其7日年化收益率接近7%、高出商业银行3个百分点，由于余额宝资金能当日自由进出且无最低额度要求，因此其吸金能力超强，截至2013年11月，余额宝资金规模即已突破1 000亿元，成为中国基金史上首只规模突破千亿的基金；而当时整个互联网金融更是让银行存款短期内下降数千亿，商业银行罕见地感受到“钱荒”。近两年，随着基准利率的走低，余额宝收益率也逐渐下滑，但截至2016年6月1日，余额宝的7日年化收益率仍然有2.436 0%[3]，比银行7天通知存款利率1.1%高出1.336%，是原来的1倍以上。总体上看，商业银行流失到包括余额宝在内的互联网金融业态的存款大部分是中小储户资金，这部分储户在商业银行得不到完善的服务，客户量大但单个储户金额少，在商业银行看来过于优质的服务会导致服务效率降低、成本过高。但在互联网金融的逻辑体系里，体验和效率并行，因此，阿里巴巴在分析海量客户的用户习惯后，推出了这款无风险、类似银行存款的基金产品，在当时通货膨胀、股市下行、信托门槛高的背景下自然大受欢迎。虽然商业银行与支付宝的大数据相当一部分是重叠的，但遗憾的是支付宝与几乎所有的商业银行并联，而商业银行之间的数据并不能共享，因此商业银行与阿里巴巴的竞争自然难有优势。

3.蚂蚁小贷与商业银行贷款业务之争

蚂蚁小贷，其前身为阿里小贷，其凭借大数据资源和互联网优势，为阿里巴巴天猫平台上活跃着的众多天猫商家、个体户及创业者中那些较难从商业银行贷款的会员提供互联网化、批量化、数据化的小额贷款服务，解决其短期流动性问题。蚂蚁小贷初期贷款量与银行相比甚微，同时商业银行信贷更倾向于大企业，与蚂蚁小贷的目标客户也存在差异，因此蚂蚁小贷业务对银行业影响有限，但近几年来其发展非常迅速，开始迅速变大。发展至今，蚂蚁小贷已相继开发出阿里信用贷款、网商贷、淘宝(天猫)信用贷款，淘宝(天猫)订单贷款等小贷产品。截至2015年3月底，已累计为超过140万家小微企业解决融资需求，累计投放贷款超过4 000亿元[4]。蚂蚁小贷敢于向阿里小微企业和个人会员提供贷款，关键在于依靠了大数据系统：2002年阿里巴巴公司推出了“诚信通”业务，之后衍生出“诚信通指数”，不断在阿里巴巴B2B、淘宝、支付宝等电子商务平台及工具上累积客户交易的交易数据和信用数据，蚂蚁小贷通过大数据分析来对小微企业和个人进行信用评价，解决了商业银行在此类客户面临的信息不对称问题；传统商业银行基于财务分析、第三方信息以及客户经理前端调查来判断借款方的债务偿还能力，而蚂蚁小贷借助大数据模型分析和数据样本管理等手段，对客户还款能力和还款意愿进行评估；此外，蚂蚁小贷的商业客户是从互联网端口导入的，而传统商业银行主要依靠网点、前端开发经理、商会等实体载体，相对于蚂蚁小贷而言，商业银行的信贷成本实在是太高了。

(二)与中小互联网金融公司间的竞争

与大型互联网金融公司不同，众多的中小互联网金融公司由于缺乏客户资源及多元数据信息，特别是缺乏强大的大数据采集及分析能力，往往采取将自身交易所采集的数据贡献给中间征信机构，再分享征信信息的开放式结构[5]。如部分P2P网贷公司、众筹平台，它们既是中间征信机构数据信息的提供者、又是中间征信机构的重要客户，从其获取潜在客户在不良用户信息、信用等级、重复借贷等方面的查询服务。当然，也有为数众多的中小互联网金融公司如我国半数以上的P2P网贷公司完全通过自己征信来完成交易前的审核。但是，无论中小互联网金融公司是通过商业征信机构征信还是自征信，由于其本身是一种创新的金融模式，依托大数据和云计算，打破了时空限制，既迎合了普惠金融发展和信息消费升级的客观趋势，也有效满足了客户希望获得更加方便、快捷、低成本、可获得性高的金融服务的迫切需求，尤其是可让那些无法从商业银行的传统借贷模式下融资的中小微企业或个人客户获得宝贵的融资，更由于其没有银行网点等固定成本开支及人工成本非常低的固有特点，具有天然的成本竞争优势，其在市场营销策略中采取低价渗透的价格策略，必然从商业银行手中抢走大量客户。

四、大数据时代商业银行经营与营销策略转变思路与建议

(一)商业银行经营理念——坚持大数据领衔

大数据浪潮正在席卷全球，大数据将显著影响人类社会生产、生活的各个方面，也必将给商业银行经营带来深刻的影响及变革。为此，商业银行必须充分认识到大数据的颠覆性作用，可以说，未来商业银行间、银行业内外的竞争必然是基于大数据基础的竞争，运用大数据不一定能够成功，但不运用大数据则必定会失败。商业银行要顺应大数据发展及变革的大趋势，加快养成“以数据说话”的行为习惯和实现“数据价值”，转变以前仅仅将数据的统计分析运用于银行日常经营管理的习惯，强调以大数据为手段、围绕以客户为中心的金融需求，将大数据支持广泛运用于细分市场趋势研判、客户行为分析、客户需求预测、银行产品设计、银行营销竞争、客户服务及追踪等全过程，全方位地运用于银行业务经营及其对人、财、物、信息管理的各个方面，不断提升银行决策质量和经营绩效。总之，理念引导行为、行为导向结果，商业银行必须尽早确立坚持大数据领衔的经营理念方能竞争致胜。

(二)商业银行决策体系——依托大数据支撑

以贷款决策为例，构建依托大数据支撑的商业银行贷款决策体系涉及到决策机构、决策机制、决定权等事项。在决策机构方面，商业银行董事会一般下设执行、贴现、审计、信托、考证等多个委员会，各委员会各司其职，但涉及同一资金时又会相互联系、数据共享。商业银行相关委员会的成员只是基于专业知识和职能责任对数据作出处理，并不是数据自动分类归纳的统筹者和海量数据分析运用的专家；同时，商业银行所拥有的数据人才大多来自于计算机专业或金融统计专业，在统计分析或金融建模上能力突出，对统计报表及其分析具有丰富经验，但这些人才中，可以直接服务于银行经营决策、发掘转瞬即逝的市场商机的市场型数据人才非常少。为此，建议商业银行单独设立大数据协调委员会，该委员会与董事会下设的执行、贴现、审计、信托、考证委员会等并行并以数据收集、分析、提供者的角色串联各委员会，委员会引入既懂数据技术又熟知金融经营的大数据复合人才，辅助各委员会数据的归纳统筹、帮助决策。在决策机制方面，大数据时代的银行经营需要经营机构设置的扁平化，从上至下、线上线下决策链条的高效化，这就要求大量减少决策中间环节，依靠大数据支撑，快速、高效实施银行贷款决策，降低决策成本。在贷款决定权方面，商业银行应借助大数据系统来提高贷款决策的科学性并有效控制风险，提升数据在贷款决策上的决定“权力”；在贷款的风控模型上，商业银行要依托大数据支撑，充分考虑自身业务的特点，借鉴行业先进数据模型，在统一数据理解和使用的基础上，对模型进行检验，规划并建立数据标准化体系，及时调整模型结构和参数，保持模型的时效性和准确性[6]，提高审批效率、降低贷款风险，提升银行贷款资产质量。

(三)商业银行营销基础——打造大数据平台

商业银行市场营销决策离不开信息，但银行客户登记的简单信息是远远不够的，要更好掌握贷款客户的行为数据及储户的消费、投资、储蓄等个人偏好数据，需要应用大数据系统来进行处理，显然，这需要高端的IT技术人才和先进的数据技术设备。因此，商业银行依托大数据营销决策的基础是打造大数据平台。

对大型商业银行而言，如国有控股商业银行，其本身是在寡头垄断的基础上发展起来的，拥有相对差异化的市场、海量的客户和巨大的数据流，在大数据时代，关键在于这些海量数据能否转换为商业银行新的成长动力。为此，首先，大型商业银行应努力打造自己的大数据平台，虽然前期会投入大量人力和财力，但当该平台建成后，将显著增强商业银行的核心竞争力。其次，可以走强强联合的道路，如国内70%以上的储户拥有一张以上的四大国有控股商业银行卡，如果四家银行的数据能共享，将会提升杠杆效应。当然，共享在前期可以在省内开展，同省内四大国家银行实现数据共享，优化营销决策。再次，大型商业银行可与互联网巨头、主要电商合作，对互联网企业用户及商业银行用户中重叠客户的相关行为进行大数据挖掘和分析。以支付宝与微信支付为例，由于用户将银行卡与移动互联网绑定，商业银行可以通过与电商合作，迅速从中获取这些用户的非结构化数据并据以改进营销决策。最后，大型商业银行还可以通过与第三方支付、比价搜索平台、大型房地产公司或二手房中介机构合作，或者通过设立子公司、直接收购、股票置换等多种途径兼并、收购平台主要机构，获取金融业全牌照，最终形成具有完整平台的金融系统和为客户提供一站式、全功能的大型金融集团[7]。

大数据时代下，中小型商业银行遭遇互联网金融业态的严酷竞争，面临巨大的生存压力，因此更不能墨守成规，应创新求变。一、二线城市的中小商业银行可以与同城内商业银行联合组建大数据联盟，共建大数据系统并分担建设成本、扩展大数据数据来源、增强数据挖掘分析能力，共同提升在大数据时代实施错位发展及差异化营销的能力。三、四线城市的中小商业银行应更多思考数据来源及利用问题，如在贷款上，其可以参考中小互联网金融公司的做法，通过贡献数据给中间征信机构，再从中间征信机构分享征信信息；在此基础上，中小商业银行再附加线下的直接调查以便更准确地掌握客户的借贷前信息及借贷后的实时动态信息，这也许是其在大数据时代更加现实的征信及生存模式。

(四)商业银行信用评价——整合大数据体系

商业银行信用评价主要运用于信用卡、个人抵押、产品购买、贷款业务等方面。商业银行信用评价一是可以从银行内部自身出发，一方面，应基于以“客户为中心”的行为分析，打通商业银行存款、贷款、汇款、银行卡、理财以及水电煤气、电话费、保险、医疗、教育等各个支付业务线条的信息分割，消灭“信息孤岛”；另一方面，融合银行内部人力资源管理、产品设计与研发、财务管理、市场营销等各管理部门间的业务数据，共建大数据库及强化数据分析与挖掘能力，为银行客户信用评价提供“业务”信息；二是银行应充分利用长期以来与各产业、各行业特别是与商贸物流等建立起来的良好而紧密的联系，实现与这些行业的数据信息交流。同时，还应加强与政府税务部门、海关等的数据合作，收集分析银行客户在银行业外的生产及市场行为等数据来为银行信用评价提供“生产” 信息；三是要强化与大型互联网企业、大型电商、第三方支付平台、电信企业、新媒体及社交平台如QQ、微信等的合作，大量收集或有价采集来自于这些平台的结构信息和非结构信息，尤其要利用移动互联所产生的海量数据来为自己的客户信用评价提供“生活”信息。通过这三方面的大数据支持及分析来为银行客户进行全方位的信用“画像”或“贴标签”。

此外，除商业银行自身，银行业协会等组织在商业银行信用评价等方面也大有可为。以银行卡和信用卡为例，截至2015年第三季度末，全国银行卡在用发卡数量52.52亿张，其中，借记卡在用发卡数量48.03亿张、信用卡和借贷合一卡在用发卡数量共计4.49亿张，全国人均持有银行卡3.85张、信用卡0.30张。全国共发生银行卡交易4 223.57亿笔，金额173.13万亿元；信用卡授信总额为6.71 万亿元、应偿信贷余额为 2.92 万亿元[8]。与互联网密切关联的信用卡及银行卡数据蕴含着巨大的商业价值，但其数据特点决定了单靠某一家商业银行很难挖掘出这些数据的真正价值。为此，中国银联作为为成员银行提供跨行服务的银行中介组织，可在信用评价体系上引入这些以大数据为平台聚合的交易行为数据和银行数据进行管理和深加工，对持卡人、商业机构以及银联成员提供基于数据分析得出的增值服务[9]，使得这些非结构化的数据更加完善和具有可解读性，提升商业银行信用评价的准确性和可信度。

(五)商业银行营销策略——利用大数据分析

首先，产品个性化。商业银行产品的个性化关键在于其在产品设计时能够准确发现和定位客户的差异化需求，只有客户的需求得到充分满足，商业银行推出的产品营销才能获得成功。例如，平安银行陆金所旗下网络投融资平台于2012年3月正式上线运营，主要为中小企业及个人客户提供专业投融资服务，该平台实施差异化管理，对客户的门槛要求也不高，到2015年6月16日，陆金所用户规模即已突破1 000万，而仅仅8个月后，到2016年3月4日，陆金所注册用户规模再上台阶，突破2 000万大关[10]。该P2P平台基于大数据分析结果而设计的产品满足了大部分客户要求低风险、利率高于银行存款的需求，客户反映良好的同时又不断回馈更多的用户行为数据，使得该平台能越做越好，体现了银行产品个性化的威力。

其次，价格结构化。商业银行可以在大数据分析的基础上进行有针对性的差别定价，从而形成科学的价格结构。如不同的存款期限其利率不同，商业银行可以通过大数据系统来分析不同存款额度与不同存款期限之间的规律，准确发现不同额度存款用户的预期收益，从而有针对性地设计和推出不同利率水平的存款产品；再如，商业银行可以通过大数据分析来量化持卡用户的地区活跃量，进而采取差异性的结构化收费，假设A城的活跃用户或用户活跃度显著高于B城，则可以对A城用户进行折扣收费；同理，商业银行也可以运用大数据分析的结果，准确测算不同网络银行用户的数据行为、银行成本，进而实行差别费率，对使用网上银行频率高的网上银行客户适度降低手续费来鼓励、刺激银行客户使用商业银行网络银行系统来进行交易或支付。

最后，渠道网络化。在互联网时代，银行客户的行为数据更多从互联网中提取，这就要求商业银行在网下深耕原有业务，在网上拓展营销渠道。为此，首先，商业银行可加强与电商、互联网社区等拥有高粘度用户、大用户量的网络组织的互利合作；其次，商业银行应强化自身网络建设，如光大银行“简单的网络银行”，允许客户根据自身行为爱好设置“自定义银行”，这就为中小企业、个人客户提供了便捷的服务平台，有助于用户将银行卡绑定进入“互联网”金融；最后，在信贷方面，商业银行可以引导企业客户开通O20商业平台，深化对这些平台客户网上交易行为数据的挖掘分析，增强银行信贷分析能力和管理的科学化水平，提高银行经营绩效。

[1] 郝志刚.大数据、云计算与图书馆[J].新世纪图书馆，2014(6)：36-39.

[2] 余额宝规模季增逾二成7 626亿元 创历史新高[N].证券日报，2016- 04-22(2).

[3] 支付宝官网.七日年化收益率：2.4360%[EB/OL]. (2016- 06- 01)[2016- 06- 04].https://bao.alipay.com/yeb/index.htm.

[4] 蚂蚁金服官网.蚂蚁小贷[EB/OL]. [2016- 06- 04].http://www.antgroup.com/page/xiaodai.htm.

[5] 杜永红.大数据下的互联网金融创新发展模式[J].中国流通经济，2015(7)：70-75.

[6] 苏玉峰.大数据时代商业银行应对策略[J].当代经济，2014(20):46- 48.

[7] 樊志刚,黄旭，谢尔曼.互联网时代商业银行的竞争战略[J].金融论坛，2014(10):3-10.

[8] 中国人民银行.2015年第三季度支付体系运行总体情况[EB/OL].(2015-11-27)[2016- 01- 04].http://www.tjjr.gov.cn/jryw/tjxx/20151127044731863vxV.shtml.

[9] 柴洪峰.金融大数据及银行卡产业大数据实践[J].上海金融,2013(10)：27-29.

[10] 陆金所用户规模突破2000万大关 平台化布局彰显优势[N].上海证券报，2016- 03- 07(3).

(编辑：段明琰)

Leading Big Data: Operational and Marketing Transformation Strategy of Chinese Commercial Banks

HU Chaoju

(SchoolofEconomicsandManagement,HanshanNormalUniversity,Chaozhou515633,China)

In the era of big data, commercial bank competitors become more diverse. The emerging mobile Internet companies and E-commerce increasingly share the profits of the banks. The development of Internet finance forces commercial banks to transform operational and marketing strategy. Banks are faced with new opportunities in customer service, product development, precision marketing and integration, while the big data backgrounds poses the challenges for banks in fair completion, cost control and operational systems development. Empirical analysis on Alibaba shows that commercial banks should be highly sensitive to large data and seek positive transformation and innovation in business philosophy, decision-making systems, data platform, credit evaluation system and marketing strategies in order to win the competition.

big data; commercial banks; mobile Internet; operation; marketing; strategy

2016- 03-11

2016- 06-25

广东省教育厅创新强校特色创新类科研项目：潮汕揭同城化背景下的金融一体化研究(2015WTSCX067)；广东省哲学社会科学规划项目：地域文化非正式制度约束下的潮汕经济发展研究(GD13XGL)

胡朝举(1968-),男，重庆人，副教授，博士，韩山师范学院经济与管理学院副院长，主要从事经济、金融研究。

10.3969/j.issn.1673- 8268.2017.03.016

F832.2

A

1673- 8268(2017)03- 0095- 07