大数据背景下的银行经济预测和金融统计分析

张宜博

摘要：随着社会经济的不断发展，我国高度重视银行经济预测与金融统计分析工作。对现代经济进行研究时，数据成为了经济预测与金融分析的重要依据，银行作为市场经济运行的主体，在运行期间需要对市场交易以及各项金融活动中形成的各项数据进行收集，汇总数据信息，成为有价值的数据资源。下文中，将主要针对大数据背景下的银行经济预测和金融统计进行深入的分析，以此来指导银行在市场经济中有序的运行。

关键词：大数据背景;经济预测;金融统计分析

在新时代的背景下，我国网络数据处理技术得到了进一步的发展，大数据成为现代社会经济运行中不可缺少的新技术。银行经济在现代社会经济发展中有着重要的地位，建立信息系统平台，能够对各项数据进行自动整合与分析，得出经济运行的规律，预测未来的运行方向，推动社会经济整体更加有序的运行。从银行的实际发展出发，站在大数据的角度上分析，解决信息系统建设中存在的问题，才能应对新形势的变化。

一、大数据背景下的银行经济预测和金融统计面临的各种问题

（一）银行在大数据技术开发与应用方面存在不足

在大数据背景下，银行经济在运行的过程中形成的信息资源虽有技术支持，但是传统银行运行方式过于落后，很难应对大量的银行经济数据，无法更加准确的预测，对数据开发与应用有不利的影响。银行作为市场主体，在经济运行中一直处在一个稳定状态，自身数据资源较多，在资源开发方面与互联网金融时代相比较为迟缓，数据技术引入方面存在不足。技术的局限性使银行在面对金融市场时很难采用新思路开发应用，银行潜在的商业价值得不到挖掘。

（二）银行数据处理缺乏统一标准

银行数据处理通常都是使用通用语言，是建立大数据标准的重要条件。在银行经济预测与金融统计的过程中，标准化数据能够为基础数据的准确性提供相应的保障，加快银行系统集成速度，实现资源共享。当前，银行经济预测与金融统计在各个部门中出现了数据风险。针对这项问题，不同主体给出的数据信息有着较大的差异，无法发挥数据资源的价值，不仅会变成垃圾数据，还会给部门之间的信息交流增加了难度，出现信息孤岛现象，对金融统计推进会产生一定影响。

（三）对不同类型数据开发的重视程度存在偏差

现阶段，大部分的银行数据生成还在依靠金融交易等各种传统业务，数据信息侧重点放在历史财务数据方面。随着金融市场的不断变化，受互联网金融的影响，银行开始逐步拓展业务范围，根据类型形成结构化数据，为用户提供非结构化数据。和金融科技公司相比，传统业务数据库的建设还存在的许多的不足，数据来源与传递很容易受不同因素的影响，被技术制约，数据效能得不到有效的发挥。

（四）个人信息采集的边界相对模糊

大数据在对银行经济预测与金融进行分析时，可以提供资源支持，但是在个人信息应用方面存在着边界模糊的问题，在信息资源应用的过程中形成了潜在风险。银行想要实现经济预测与金融统计，就要先收集用户个人的信息资料，并对这些资料进行整合与处理。如何控制个人信息采集边界成为了银行需要重点关注的内容，如果个人数据信息被泄露，就会给不法分子可乘之机，侵犯个人利益，给用户带来经济风险，还会严重影响银行的信誉，对银行的发展有负面影响，大数据开发与应用也无法继续进行。

二、大数据背景下银行经济预测和金融统计分析策略

（一）银行应主动适应大数据时代背景

在新时代背景下，大数据对传统银行有了更高的要求，银行必须及时转型，满足其要求，才能持续的发展下去[1]。银行自身具有一定的数据资源优势，大数据时代背景下对于数据建设工作有了更高的要求，落实大数据资源开发战略，是传统银行与大数据金融的对碰，是创新发展的必然趋势[2]。在战略规划中，银行应当先明确发展目标，预测经济发展趋势，从宏观的角度分析金融市场，加强对内部金融风险的控制力度，能够大大提高银行经济效益，挖掘潜在的价值，形成完整的战略目标。在分析战略环境的同时，还需进行SWOT分析，从数据、人力资源等各个方面出发，总结内部存在的不足以及优势;从技术环境、社会经济环境等不同的角度判断银行在大数据建设中的发展趋势，即将面临的内外环境，为战略方案的合理性提供保障[3]。

（二）推动银行数据处理技术的应用

大数据处理技术能够帮助银行实现数据开发与应用，银行在实际应用的过程中，应当充分考虑现代数据系统建设进程，积极引进先进的技术，对其进行完善创新，搭建相应的数据处理平台[4]。以民生银行为例，将业务应用场景作为主要的依据，搭建具有層次化特点的数据平台，先采集数据信息，其中包括行内数据、外部数据等各项，对数据分析以后研究用户行为，开展挖掘、预测等工作，明确用户的身份，根据其行为模式精准的营销，推荐相应的金融产品。数据加工层中包含了数据整合平台、历史数据平台等，在该层次能够实现对内外数据的整合，还能进一步开发，统一结构数据，自动形成有用的数据资源。服务层中有机器学习平台、数据检索引擎等，通过银行内部信息系统可以完成最终的学习目标，达到预期的应用效果，形成智能分析，为银行经济预测提供准确的模型算法。在业务应用层中，大数据经济模型、产品运营、市场营销等多个方面都是做出正确决策的重要依据，通过其形成数据开发与应用的反馈控制结构，提高银行的数据开发水平[5]。

（三）促进数据标准化发展，完成银行数据共享机制的建设

在大数据不断发展的背景下，银行数据标准化建设成为了提高数据质量的重要条件，能够满足数据共享需求。银行在对数据进行管理时，想要解决经济预测与金融统计中存在的各项问题，比如数据交流障碍，就必须加强数据标准的建设[6]。以中信银行为例，为了适应大数据时代对银行提出的新要求，实现数据资源共享，达到战略发展目标，需明确银行数据标准，将数据责任方、数据标准要求、数据质量要求等各项纳入银行数据标准中，根据其内容制定发展框架，结合国家的相关规定对其内容进行细化，包括客户数据标准、产品数据标准、交易数据标准等。同时制定数据管理规范，加大执行力度，针对标准执行中经常出现的各项问题作出适当的变更，能够使数据标准更具可行性，大大提升数据整体质量，推动其更好的发展[7]。

（四）完善大数据分析模型

银行改进统计工具、信息来源等，能够优化经济预测与金融统计模型，提高数据分析的准确性，凸显大数据分析价值。以现代银行在经济运行中的发展为例，现代银行时刻面临着客户流失的风险，尤其是在互联网金融流行的背景下，方便快捷金融服务的出现给传统银行带来了一定的挑战，大部分的用户都会选择金融服務。针对这种问题，银行应当通过大数据去建立相应的分析模型，针对不同用户类型制定不同的应对方案。在互联网时代中，信息传递迅速，金融信息获取的渠道越发的多元化，经过调查可以看出，有70%的用户开始在网站上获取银行产品信息，还有30%的用户在社交媒体上评价金融服务，社交网络中的数据信息，为银行提供了预测依据[8]。银行在大数据开发时，应当主动拓宽数据收集渠道，从不同的角度去分析用户流失的主要原因，从根本上解决该问题。利用系统平台访问用户信息、信用卡交易数据等，交互匹配数据信息与社交内容，全方位收集各项信息，建立用户流失数据模型，形成可视化预测指导，能够根据用户的实际流失情况制定相应的措施。针对潜在流失风险实施营销方案，挽回用户，最大程度的降低用户流失量，提高银行营销方案的预见性[9]。

（五）明确银行数据开发与应用的边界

在大数据背景下，银行是信息的提供者与使用者，承担着保护个人信息的职责。在应用大数据过程中，结合法律法规以及规章制度与流程，保证用户的个人信息。以工商银行为例，为了保护个人信息安全，在采集分析信息时，需获取个人的统一授权，查询个人信息要经过本人的同意，详细说明使用情况与范围。建立白名单制度，保证符合国家规定，个人与单位都能直接登录系统查询信息，但只能对信息进行管理，不能收集个人信息，更不能整合利用。另外，工商银行还建立了相应的前置系统，用户能够与征信系统实现对接，在经过安全测试以后，解开双重密码进入系统，控制登录权限。信息资源是社会经济运行的重要组成部分，银行作为持有者，应当明确信息利用边界，在合法范围内利用信息数据。

三、结束语

根据上文可以得知，大数据对银行经济与金融统计有不可替代的作用，可以收集各种有效的数据信息，采用便携的统计分析手段，实现智能化的数据信息处理方式，可以突破传统的思想认知。银行应当正确看待大数据时代给金融运行带来的机遇，满足数据资源形成需求，对软硬件进行大胆创新，深入理解大数据，加强数据开发利用，建立有效的数据信息系统，能够推动银行各项工作顺利的开展。

参考文献：

[1]东俊宁.基于“大数据”时代人民银行经济预测和金融统计的分析[J].数字化用户，2019，25（14）：60.

[2]屈钢.大数据背景下的银行经济预测和金融统计分析[J].中国战略新兴产业，2020（08）：74.

[3]李群莉.大数据视域下银行经济预测与金融统计刍议[J].经营者，2019，33（16）：188.

[4]郭丽娟，沈沛龙.法定数字货币，银行系统稳定与经济增长：理论与预测[J].商业研究，2020（09）：106-116.

[5]郝婷婷，俞俊杰，陈燕.基于逻辑回归的商业银行客户信用评级研究[J].科技资讯，2019，17（03）：255-256.

[6]韩素萍.经济新常态下我国商业银行信用风险研究[J].营销界，2019（25）：12-14.

[7]陈守东，孙彦林.关键性因素视角下经济增长与金融风险新特征[C]//吉林大学数量经济优秀成果汇编（2018年卷）.2019.

[8]严笑芸，万虹伶，陈玫旭.基于主成分分析的银行存贷款量预测研究[J].中国战略新兴产业，2019（30）：143-145.

[9]戴维·马尔帕斯.戴维·马尔帕斯：2020全球经济将温和增长[J].中国房地产金融，2020（01）：56-56.