大数据环境下农业银行经济预测和金融统计分析

□王亚辉

（中国农业银行漯河分行源汇区支行 河南 漯河 462000）

大数据已经成为现代经济研究中的一种关键资源，作为市场经济运行的重要主体，农业银行在运行期间应合理收集金融活动与市场交易过程中形成的相关数据信息，挖掘其价值，并经过专业人员的预测后建立统计模型，指导银行经济与金融市场有序、稳定运行。

1 大数据概述

大数据并非简单信息，而是一种企业资产。相较于传统意义上的资产，大数据主要具备以下特点。一是海量性。全球各行业每天都在生成大量数据信息，虚拟空间储存着庞大的数据。二是高速性。信息技术下的数据传输速度不断加快，不同区域市场主体可以在相同时间内获取相同的信息，高速传播打破了市场信息的滞后性，可以确保市场主体更快速准确地作出决策。三是多样性。大数据包括多种类型，可以在虚拟空间中形成共享信息。四是价值密度较大。少部分数据与金融活动相关，但经过不断积累后，最终会形成数据价值链。基于大数据的运行特点，农业银行可以在金融活动中获取数据并形成参考模型，促进金融市场稳定运行。

2 农业银行利用大数据进行经济分析的重要性

一是可以准确掌握未来经济的发展趋势。数据包含的信息较多，农业银行在发展过程中应充分重视大数据信息，并以此为依据，掌握未来经济的发展趋势，金融行业也可以利用数据信息推测未来的经营情况。因此，在农业银行发展过程中应用大数据技术，可以有效提高金融机构与农业银行的预测能力。二是可以实现金融统计管理现代化。随着科学技术的快速发展，越来越多的先进设备能够应用大数据技术。农业银行在发展期间应用现代化设备，可以提高自身的信息掌控能力，实现信息化管理，促进金融统计管理智能化。三是提高风险规避能力。农业银行在发展期间会遇到各种问题，应用大数据技术可以帮助农业银行找出自身存在的问题，制订更完善的解决方案，避免出现更多负面影响。

3 大数据环境下农业银行经济预测与金融统计存在的问题

3.1 大数据开发动力不足

农业银行属于较传统的市场主体，处于稳定的运行状态，但在资源开发方面缺乏动力，相较于电商平台与金融科技企业，农业银行的大数据技术引入动力不足。技术方面的局限性使农业银行无法灵活运用大数据信息，更不能发挥自身潜在的商业价值。

3.2 缺乏统一的数据处理标准

标准化的数据可以确保基础数据的准确性与统一性，在经济预测与金融统计过程中，农业银行可以利用标准化数据推动资源共享，形成集成系统。但当前行业与部门之间存在严重的壁垒，不同部门主体给出的数据信息相差较大，不具备利用价值，导致银行业出现信息孤岛，无法保证预测效果，影响了金融统计的速度。

3.3 数据开发存在偏差

当前，农业银行主要通过传统业务生成数据信息，包括开通账户、金融交易等，主要通过财务与借贷数据形成信息流。

随着金融市场稳定发展，农业银行传统业务范围不断扩大，以往的结构化数据逐渐转变为在线交易、网络视频等非结构化数据。但农业银行在开发非结构化数据时依然存在较多问题，数据存储与技术传递水平较低，无法真正发挥大数据的实际作用。

3.4 个人信息采集边界模糊

大数据可以为农业银行经济预测与金融分析工作提供资源支持，但并未设定个人信息的应用边界，增大了农业银行的经营风险。为了进行金融统计与经济预测，农业银行应针对性地收集个人信息并整合处理。但在实际运营期间，农业银行并未完全做好个人信息管理工作，个人信息存在泄露风险，不但影响了大数据的开发效果，也降低了农业银行的市场信誉[1]。

3.5 农业银行信息安全系统有待完善

大数据发展背景下，农业银行亟待转型发展。虽然农业银行在信息系统建设方面投入了较多资源，但依然存在数据安全问题，比如农业银行的数据在传输期间极易泄露丢失，甚至被外部攻击。当前农业银行采用静态数据脱敏处理技术，并未重视数据采集的关联性，无法保证数据的严密性。除此之外，在云计算模式下，农业银行开始引入互联网支付平台，多个租户共享平台资源，无法保证数据使用的安全性。

4 大数据环境下农业银行经济预测与金融统计分析策略

4.1 主动适应大数据时代背景

大数据技术的应用对农业银行提出了转型要求，农业银行应将大数据建设工作纳入战略层面，制订可行的运行方案，保证创新发展。农业银行应先确定自身的战略发展目标，宏观分析市场的运行情况，严格控制内部金融风险，形成完善的目标体系。

4.2 优化应用数据处理技术

农业银行数据开发与应用的关键在于合理应用大数据处理技术，因此农业银行应积极进行技术创新，根据信息系统建设进程，搭建合理的数据处理平台，提高工作效率。一是搭建层次化的数据平台，有效采集行内与行外数据信息，在分析预测用户行为的基础上，确定用户身份与行为模式，保证金融产品的精准营销。二是搭建数据加工层，包括实时数据分析决策、生产历史数据管理平台等，通过整合开发内外部数据，统一结构与非结构化数据，形成有效的资源库系统。三是搭建服务层，包括数据检索引擎、机器学习平台以及实时推荐平台等，通过机器完成系统学习，为农业银行的经济预测提供新的模型算法。四是搭建业务层，在综合风险管理、数据安全、产品运营以及市场营销等方面形成数据开发闭环，发挥大数据效能[2]。

4.3 建设数据共享机制

大数据背景下，农业银行建立标准化数据系统能够提高数据质量，实现数据共享。农业银行应明确数据内容、责任方、数据质量要求、数据成本价值等，制定严格的发展框架，根据相关规定细化数据标准信息。其中，客户数据标准、财务数据标准、资产数据标准、公式代码及营销数据标准等均属于基础数据标准；营销指标、财务指标、监管指标及风险指标等均属于指标数据。为了强化标准执行力度，农业银行应根据标准设定合理的数据规范，及时变更、复审与考核标准执行中存在的问题，保证数据的科学性，实现数据共享。

4.4 完善大数据分析模型

为了保证农业银行经济预测与金融统计的科学性，农业银行应改进统计工具，提升数据应用质量，建立完善的金融统计与经济预测模型，以便通过数据预测农业银行的发展情况。农业银行在经营期间存在流失用户的风险，尤其是在多元化的金融环境中。对此，农业银行应利用大数据技术建立用户流失模型，拓宽数据收集渠道，从多个角度分析影响因素，处理用户访问银行、来电日志以及网页交互日志等信息，形成全面的管理系统，保证用户信息的匹配度，在预测问题的前提下，制订可行的营销方案，降低损失率。

4.5 明确农业银行数据开发应用边界

为了充分维护个人信息安全，农业银行应合理设定数据开发与应用的边界。大数据背景下，农业银行具有信息使用者与提供者的双重身份，需要重点保护用户个人信息安全。

因此，在开发应用大数据模型时，农业银行应严格遵循相关法律条例与行业规章制度，设定合法合理的规范流程，比如在采集与报送个人信息时，农业银行应严格遵照规定获得用户授权，查询信息时也要得到用户授权，详细设定使用范围与目的。同时，农业银行还可以引入白名单管理制度，严格根据相关规定申报评审，确保单位与个人能够通过登录银行征信系统查询信息。除此之外，农业银行还可以建立前置系统，有效连接征信系统，设定双重密码，以控制登录权限。作为个人信息资源的持有者，农业银行应明确信息数据的开发利用边界，保证在合法范围内科学使用数据信息[3]。

4.6 完善农业银行信息管理系统

为了有效防范金融风险，保证数据安全，农业银行应引入专业数据技术，强化建立信息管理系统，比如建立数据库安全审计系统，结合行业运行规则考核农业银行经营行为，严重警告违规操作，在确定数据库访问风险的基础上进行关联分析。建立动态数据脱敏系统，避免泄露敏感信息，保证数据共享的安全性。还应设定数据库加密系统，由国家密码局进行认证，使用专业备案加密设备，保护农业银行核心业务数据，避免丢失数据文件与备份文件。建立责权分配制度，提高农业银行对数据的自主控制水平。

5 结束语

大数据给农业银行的经济与金融统计工作带来了较多影响，改变了人们以往的经营管理理念。对此，农业银行应合理满足金融运行中对数据资源形成的新需求，调整并创新软硬件设施，在深入理解大数据的前提下充分开发并利用数据信息，结合自身经营情况建立数据信息系统，从而真正推进农业银行经济预测与金融统计工作的智能化发展。