商业银行大数据战略管理与核心竞争力研究

沈正华

(恒丰银行股份有限公司，浙江 杭州 310000)

一、引言

党的十九大报告中提出“推动大数据与实体经济深度融合”。“十三五”规划中提出“实施国家大数据战略”。随着Bank4.0金融科技时代的到来，大数据已成为商业银行极为重要的战略资产。麦肯锡的研究显示，金融业在大数据价值潜力指数排名中位列第一。在短短的几年里，大量的金融科技公司如雨后春笋般涌现。由于商业银行产品具有高度可复制性的特点，传统经营模式下的创新很难取得实质性的突破，如何运用大数据战略进行管理创新，是商业银行提升核心竞争力和赢得竞争优势的关键点。

二、商业银行进行大数据创新的一般战略和原则

1.成本领先战略

成本领先战略是指商业银行以低成本作为经营管理的总目标。其核心就是运用大数据技术加强控制银行的内部成本，在产品开发、采购、生产和营销服务等领域把成本降到尽可能的低，从而获得竞争优势，成为同业中的成本领先者。商业银行应控制开展大数据创新活动所必须的人力、财务、内部流程和信息技术等方面的成本，坚持成本可算、风险可控。

2.差异化战略

差异化战略是指通过对产品或服务上加以改进，满足客群的特殊需求，凸显与众不同，从而形成独特的优势。差异化战略的核心是取得某种对顾客有独特性的价值，这种与行业内竞争对手不具共性的特色能给产品或服务带来额外的加价。商业银行在新产品开发路线中应围绕地区特色和风俗人情，运用大数据创新开发特色业务产品，这种差异化特色将带来竞争优势。

3.审慎合规原则

商业银行进行大数据创新活动，应坚持审慎经营、合法合规的原则，遵守法律和部门规章的规定。风险管理是大数据创新的内在要求，商业银行应当及时控制在大数据创新活动中产生的风险，根据监管机构的制度要求及时报备。同时，不得以排挤竞争对手为目的开展不正当竞争活动。

4.保护消费者权益原则

商业银行在大数据创新活动中应做到信息的充分披露，完整履行尽职义务，坚持企业社会责任，规范投诉处理工作，构建银行与消费者之间和谐关系，促进大数据金融行业可持续发展。防止出现虚假宣传和“大数据杀熟”等损害消费者权益的行为，切实保护好消费者的隐私权和信息网络传播权。

三、大数据战略在商业银行业务活动中的运用

在实施大数据战略时，培育支撑商业银行业务开展所需的核心竞争力是一个基础性战略工作。将核心竞争力积极运用于业务经营活动，是大数据战略实施的中心内容。面对激增的海量数据，商业银行的经营理念、业务流程和营销模式逐步向数据驱动方向发展。大数据战略在商业银行业务活动中的具体运用，主要涉及实现精准营销、深化风险管理、提升运营效率和推动数据治理四个方面。

1.实现精准营销

商业银行的竞争本质是争夺客户。现代营销学之父菲利普·科特勒提出了精准营销的概念：在精准定位的基础上，依托现代信息技术手段建立个性化的客户沟通服务体系，实现企业可度量的低成本扩张之路。用户画像和数据挖掘，是商业银行实现精准营销的切入点。

(1)用户画像

用户画像是根据用户社会属性、生活习惯和消费行为等信息抽象出的一个标签化用户模型。商业银行大数据营销系统从账务系统、借记卡系统、CRM客户关系管理系统和信贷管理系统中抽取内部数据，结合银联、网联和第三方支付等外部数据，进行大数据建模和计算，描绘出接近真实的用户画像。用户画像聚焦和洞察用户的需求，帮助商业银行更加精准地推送广告和产品信息。

(2)数据挖掘

数据挖掘是指通过算法搜索海量数据中隐藏信息的过程。通过对顾客的购买行为和历史规律进行分析和挖掘，定位目标用户群体，实现以用户为中心的精准营销。数据挖掘以用户交易行为数据为基础，结合不同的营销手段，建立精准营销流程，形成从数据分析、预测模型、营销应用到监测评估的闭环。

2.深化风险管理

商业银行从本质上来说是经营风险的金融机构，风险管理的水平体现着商业银行的核心竞争力。商业银行大数据风险管理的具体应用场景主要涉及信贷风险控制、员工异常行为排查、舆情监测与分析和大数据反欺诈。

(1)信贷风险控制

在流量时代的红利驱使下，商业银行积极开展线上个人贷款和法人贷款业务，以及基于第三方联营的小额网络贷款业务。风险管理部门使用评分卡与决策树等工具建立各种信贷风控模型，科技部门负责技术开发。基于大数据技术的线上贷款系统实现了自动化的反洗钱检查、征信查询、额度测算、授信审批等功能，以及完善的贷前、贷中和贷后管理，解决了因客户流量增加导致信贷审批效率低下的问题。

(2)员工异常行为排查

对商业银行从业人员进行异常行为排查是排除案件隐患的重要途径，也是内控合规条线案防工作的重点。通过建立包含账户信息、征信信息、关系人信息和行为信息等要素的员工行为数据库，设置风险计量、评价与预警指标，运用大数据技术建立员工行为评估模型，根据模型输出的结果判断案件发生的概率，有效防范因员工异常行为导致的操作风险。

(3)舆情监测与分析

网络舆情关乎商业银行的声誉风险，良好的声誉对增强商业银行的竞争优势、提升商业银行的盈利能力和实现长期战略目标起着不可忽视的作用。商业银行通过构建大数据舆情分析系统，对接银行内部呼叫处理中心和短信中心，实现投诉处理、舆情研判、舆情通知和媒体应对等一体化功能。

(4)大数据反欺诈

反欺诈是对交易诈骗、网络诈骗和电话诈骗等违法犯罪行为的一项风险识别，以预防和减少金融欺诈事件的发生。其原理是通过大数据的收集、分析和处理，建立反欺诈信用评分和反欺诈模型，接入行内信贷系统，防范不同业务场景中的欺诈风险问题。常见的业务场景包括信用卡反欺诈和网贷反欺诈。

3.提升运营效率

大数据技术使商业银行的决策和运营变得高效、科学和规范。通过建立大数据集中报表系统，提供可视化的报表统计功能，为商业银行运营管理业务的开展提供有力的数据支持。通过建立大数据绩效考核系统，汇总全量考核指标和口径，实现员工业绩数据全面获取、自动加工、界面展示和智能分析等功能，为分支行管理者提供决策依据。通过建立大数据流程再造系统，抽取OA办公系统和业务管理系统内的相关数据，分析并优化商业银行内部管理和外部业务活动开展过程中存在的效率瓶颈，提高团队的执行能力。

4.推动数据治理

数据治理是指将混乱零散的数据调整为能够统一使用的标准数据，实现跨部门、跨企业的数据共享。商业银行在完成内外部数据资产的盘点后，建立完善的数据治理架构、编写详尽的制度流程体系，组织开发大数据治理系统，对存量数据进行抽取、校验和标准化处理，解决银行数据的真伪性、准确性和完整性等质量问题。随着银保监会“监管数据标准化规范”EAST项目的落地，大数据治理已成为金融科技和监管科技之间的共通点。

四、提升商业银行核心竞争力的大数据战略

实施大数据战略的目的在于商业银行核心竞争力的提升和长期发展潜力的积聚。根据管理学的理论基础和实践经验，笔者总结提出四种提升商业银行核心竞争力的大数据战略，分别是大数据平台战略、大数据标准战略、大数据人才战略和大数据生态战略。

1.大数据平台战略

随着商业银行业务需求变得个性化和多样化，大数据产品的开发过程变得越来越复杂。平台战略正是解决这个问题的最优策略：通过抽象集成各个业务所需的共同要素，建立总行级的大数据平台，打破数据壁垒，为全行数据资产的整合、开发和利用提供统一的基础环境。技术人员只要根据业务人员的要求稍加配置，就可以实现满足业务需求的个性化产品；只要对大数据平台进行持续升级和优化，就能使全行的竞争优势持续扩大、核心竞争力持续增强。

(1)大数据平台与知识管理

知识管理是指在企业中构建一个量化与质化的知识系统，让企业中的数据与知识，经过获得、创造、分享、整合、记录、存取、更新、创新等过程回馈到知识系统内，形成管理与应用的智慧资本。大数据平台是一个很好的知识系统，借助大数据的新技术和新能力对不同类型的数据进行关联性认知分析，进而产生新的业务、知识和价值。在大数据平台的基础上构建商业银行知识管理体系，可以加强平台的柔性，从而快速满足市场多变的要求。

(2)数据中台与时间竞争优势

中台和前台、后台对应，是企业应用架构的一个概念划分，但在管理学理论中并没有“中台”的专门定义。互联网业界的主流观点认为，数据中台是企业的数据服务工厂，完成从数据到价值的加工过程，加快数据开发和协作的速度，缩短新产品上线所花费的必要时间。由此可见，数据中台是大数据平台的一部分，商业银行通过实施数据中台战略，能够加快前台业务响应速度，优化产品开发效率，提升整个大数据平台的时间竞争优势。

2.大数据标准战略

商业银行产品开发、数据治理以及开放银行建设，依赖于规范的技术标准和数据标准。实施大数据标准战略，采用主流技术标准，有利于大数据平台的互联互通，有利于应用系统的衍生和拓展，有利于银行内部标准化管理，有利于提高产品在业内的影响力和核心竞争力。根据标准的来源划分，可以分为国家标准、国际标准、行业标准和内部标准四类；根据标准的功能划分，可以分为技术标准和数据标准两类。

(1)技术标准化

商业银行使用的大数据技术应采用业内主流标准。广义的技术标准包括业内主流的大数据程序设计语言、数据库工具、开发框架和开发平台，例如Hadoop、Spark、HDFS、Hive、KafKa和Impala等；狭义的技术标准是指已公开的专业化技术标准，例如中国电子技术标准化研究院发布的《GB/T 38673-2020大数据系统基本要求》。

(2)数据标准化

银行内部和外部数据应遵循统一的格式标准，数据标准化是商业银行数据治理的关键。广义的数据标准包括商业银行内部制定的业务数据指标体系、银保监会EAST监管数据规范，以及金融业法律法规内的相关数据标准规定；狭义的数据标准是指已公开的专业化数据标准，例如中华人民共和国国家质量监督检验检疫总局发布的《GB/T 18142-2000数据元素值格式记法》。

3.大数据人才战略

管理学大师彼得·德鲁克认为，人力资源是企业的长期价值，是企业保持核心竞争力的动力泉源。商业银行实施大数据人才战略的根本点在于引入专业的大数据分析人才和技术人才，对组织结构和管理手段进行创新，获得可持续的竞争优势。

(1)人本管理

实施大数据人才战略须坚持人本管理理念。大数据团队具有敏捷性、流动性、自主外包混合性的特点，传统的把“人”作为工具和生产要素的管理方法会影响团队效率的提升。人本管理就是以“人”为中心的管理，坚持员工个人与商业银行共命运、同发展。通过构建完善的招聘和晋升机制、建设学习型组织，设置员工职业规划和成长方案，使大数据团队获得可持续的竞争优势。

(2)组织结构

为配合大数据人才战略的实施，商业银行从层级管理和条线管理两个维度出发，设置全行级的大数据管理组织结构。不少商业银行设置了董事会领导下的大数据运营管理部门，以及科技部门的大数据开发中心。通过总分行协同、技术与业务条线联动，形成大数据业务与技术人才互相促进的沟通模式。从管理层次和管理幅度来看，商业银行大数据管理组织结构是不断调整和动态变化的，这样能够更好地适应市场环境的变化。

4.大数据生态战略

商业银行大数据生态战略着力构建创新、协同、开放、共享、可持续的大数据运营模式，在这种运营模式下，商业银行将发生角色转换，从生态圈的参与者转变为主导者。大数据生态战略将使银行业务发生全渠道、全流程、全场景、全业务的重塑和变革。其中，数据湖、开放银行和大数据价值链是运用大数据生态战略的落脚点。

(1)数据湖

数据湖是一个以原始格式存储数据(包含结构化数据、非结构化数据以及二进制数据等)的系统，它按原样存储数据，无须事先对数据进行结构化处理。数据湖对原始格式数据的兼容，可以认为是“生态”的，有利于挖掘数据价值。数据湖用于消除数据孤岛问题，实现与外部企业异构数据源的交互集成，使商业银行在原有数据资产基础上创造出更大的价值。

(2)开放银行

在商业银行生态重构的过程中，有一种创新管理模式叫“开放银行”。开放银行是利用API技术实现商业银行与第三方之间数据共享，从而提升客户体验的平台合作模式。开放银行共享的主要内容是客户数据，包括商业银行内部数据和第三方外部数据。也就是说，在以大数据为中心的开放银行生态圈内不仅包括商业银行，还包括其他第三方商业合作伙伴。商业银行牢牢掌握自有的核心客户数据，成为开放银行生态圈内的主导者。

(3)大数据价值链

大数据价值链是指大数据从采集、存储、挖掘、分析利用到创造价值的动态过程，本质是一种大数据成本管理方法。大数据价值链反映了商业银行在数据管理过程中的每个环节所花费的成本和创造的价值。通过对大数据价值链的分析，控制每个环节所花费的成本，提升每个环节所产生的附加值，找到商业银行在数据管理过程中的竞争优势和不足之处，并通过反馈控制手段不断优化大数据价值链，实现行内大数据生态系统的价值循环。

五、结语

大数据与商业银行经营管理的结合绝非偶然，而是有着深刻的时代背景和实践意义。战略管理为大数据在商业银行中的运用提供了全局的、长远的决策方法论。商业银行在大数据战略管理的过程中，应做到管理整合，统筹协调好人力、财务、技术和数据资源，是实现核心竞争力的必由之路。同时，商业银行可以在全行范围内塑造“比学赶超”的企业文化，鼓励员工学习大数据科学的前沿知识，提升对银行大数据的创造、运用、保护和管理的能力，实现一线业务需求和大数据充分结合的目标。只有坚持运用大数据战略进行管理创新，才能使商业银行在同业竞争中立于不败之地。