大数据技术在普惠金融发展中的应用

2021-12-23吕知新

全国流通经济 2021年28期

吕知新

（内蒙古广播电视大学，内蒙古呼和浩特 010011）

随着国内外经济形势的变化，金融行业发展趋势瞬息万变，普惠金融实现了较好的发展，加上日益完善的互联网大数据基础设施，普惠金融的发展迎来了黄金时期。对于各大商业银行而言，基于数据仓库管理和分析，能够实现高效的数据统计、分析及评估，在业务发展、市场营销、资产负债管理以及客户关系管理决策等方面都有了明显改善。以大数据为核心，推动发展数据金融，能够准确把握客户的需求和金融市场的发展，能够更具针对性的开展金融服务，促进实现普惠金融的进一步发展。本文基于大数据技术在金融机构的应用，积极探索大数据对普惠金融发展的影响，为金融机构发展普惠金融业务提供理论支撑。

一、大数据技术特点和应用逻辑

1.大数据技术特点

（1）降低信息获取的成本

信息的获取是需要付出成本的，而提高获取信息的效率，就能够降低成本，创造更大的价值。大数据技术的存在和应用，能够更加容易并且及时获取信息，降低了信息搜集的成本。

（2）为企业决策提供数据支持

企业在生产和经营的过程中，会产生交易数据，并以结构化数据的形式进行保存，在应用这些数据的基础上，结合企业自己经营形成的绩效数据对比分析，为企业的决策提供支撑，大数据技术的应用就是为决策提供更多可供参考的价值。

（3）消费行为的分析

市场营销理论指出了要对不同消费群体进行细分，而进行消费群体细分，需要通过庞大数据的分析，企业对大数据的分析来区分不同的消费群体，并进行差异化制定产品和服务，最大限度满足不同消费群体的需求。

（4）科学有效的分析优势

在很多企业生产经营的活动中，主观的、经验性的商业决策随处可见，这样的决策行为会面临着决策失误的风险。随着现代商业管理理论的发展，企业决策活动开始应用大数据的分析方法，避免了传统决策行为出现失灵的现象。大数据分析方法是在算法的基础上，对企业经营数据进行科学的分析，能够优化企业的决策行为，根据不同时期的客户的需求和市场变化，制定出最优的价格策略，提高企业的竞争力。

2.大数据技术应用逻辑

对于银行金融机构而言，基于大数据技术构建分析平台，能够实现客户价值分析、预测分析、序列发现分析及交叉销售分析等功能，通过对客户数据的整合，对客户特征实现重新分类和标记，形成决策依据，大数据应用数据架构模型图1所示。

图1 大数据应用数据架构模型

（1）客户价值细分

应用大数据进行客户价值分析，能够很直观地了解到客户对银行的贡献程度，以此作为标准细分出优质客户和最具盈利价值客户，便于银行更好地开展经营活动。

（2）客户需求挖掘

通过对数据挖掘，构建预测模型能够选定出目标客户，对目标客户的信息和历史交易数据进行分析对比，能够预测出客户的金融需求，这些信息对于银行针对性地开展营销极具价值，能够有效降低营销成本。

（3）客户行为分析

获取到客户资源后，通过对数据分析来分析客户行为，分析客户购买和消费偏好，预测客户的需求和行为，并做到客户量身定做产品和服务，实现针对性的营销，并且提高价值客户的忠诚度。

（4）客户需求匹配

对大数据的分析，能够进行客户价值分析、交叉销售分析，了解客户存在哪些预期价值，并推出组合金融产品和服务来满足客户需求，在做好客户关系的同时，进一步提升客户价值。

二、大数据技术在普惠金融应用中的不足

1.一致性不足，数据量少

我国的征信业起步较晚，目前还存在一些布局的缺陷，最突出的就是覆盖率不足，另外，现有的征信系统能够提供的信息维度十分单一，对于营利法人的信用数据，需要在银行、工商行政管理、税务以及海关等诸多部门的征信系统中获取。这对于大多数小微企业和个体经营者来说，所起到的作用微乎其微，这种现状的改变是需要时间的，对于市场经济和商业社会来说，是经济制度的缺陷。

2.可靠性不足，数据安全性低

目前我们所接触到的信息，可以细分为共享信息、专有信息和私密信息。共享信息存在价值的基础是真实性，必须维护其权威性。专有信息的价值在于归属，因此对于知识产权的维护也是刻不容缓。而私密信息的价值在于可靠，其信息安全是核心。在当前的数据结构下，对于共享信息的真实性是很难考证的，难以确认专有信息的知识产权，私密信息的安全性也是一个非常严峻的问题。如“E租宝”通过伪造信息，以假项目、假承租以及担保手段非法募集资金高达700多亿元，数据信息的可靠性不足、安全性较低在很大程度上会阻碍普惠金融的发展。

3.合规性不足，法律不够完善

大数据技术的应用，正逐步将个人信息、法人信息等信息资源纳入到不同的数据库中，对于个人信息滥用屡禁不止，目前仍然存在个人信息买卖的交易，这让很多人开始担忧个人隐私安全，也对大数据技术的应用保持着怀疑态度。包括个人信息、法人信息，纳人各式各样的数据库，与此同时个人信息滥用屡禁不止，包括过度收集个人信息，擅自披露个人信息，甚至非法买卖个人信息，这引起了人们对于隐私保护的深切担忧。但在此要强调的是，有关个人信息保护的法律也在逐步完善，法律规定自然人的个人信息受法律保护，不得非法收集、使用、加工和传输个人信息，不得非法买卖、提供或者公开他人个人信息。这一系列法律条文的实施，对推动个人信息的保护起到了非常重要的作用，但是在实际落实的过程中有待进一步加强。

三、大数据技术在普惠金融应用的策略

1.大数据技术在普惠金融客户关系管理中的应用策略

（1）运用大数据技术进行客户分层

银行等金融机构，依托长期经营所产生的信息数据，如客户个人信息、收入情况、生活方式以及消费金融产品的历史记录，利用数据库系统和大数据信息挖掘技术，对掌握的信息进行分析和利用，实现对客户的深度细分。

各银行可以结合自身的实际情况，结合自身的发展定位以及普惠金融的目标客户群体，如针对“三农”领域，要大力发展移动互联和大数据技术，降低成本为广大的“三农”客户提供优质服务，积极拓展潜在客户，丰富农村金融产品种类，提高服务质量；如针对小微企业和个体工商户，为了缓解这一类经营主体融资难的问题，银行金融机构通过积极创新金融产品，以满足小微企业在信贷、结算、查询咨询等方面上比较多样化的需求；再如针对于社区居民的金融服务，积极发展社区金融，提高社区金融服务质量，主动创新金融科技，做好移动社区金融品牌，改善社区金融服务。

（2）运用大数据技术提供增值服务

商业银行基于大数据技术，对金融客户的金融交易行为、交互行为等指标进行分析，能够帮助银行对客户群体的兴趣偏好进行分析，对预期的消费趋势进行判断，进而能够针对性地设计和推出个性化的金融产品，满足客户的需求，提高客户关系效率。

2.大数据技术在普惠金融精准营销中的应用策略

依托大数据技术，对普惠金融目标客户的收入状况、业务类型、行为偏等信息进行加工处理，以提高对客户群体的喜好分析，了解目标客户群体的消费行为和金融需求，开展精准营销，具体的营销模式如图2所示。

图2 大数据技术应用下普惠金融精准营销流程

对客户行为的分析，需要大数据技术的支持，普惠金融的发展需要从各种渠道收集客户信息，进行整合、分析和应用，最大化满足客户的个性化需求。

（1）大数据技术在实时营销中的应用

所谓实时营销，是指对不同消费群体的客户针对性地提供产品和服务，客户在消费过程中所产生的数据信息，银行收集这些信息进行分析，了解客户的行为偏好，以此不断完善产品和服务，以最大化地实现产品的适应性。大数据技术在普惠金融实时营销的应用上，需要在感知阶段、分析阶段和适应阶段进行合理布局。

首先，感知阶段。银行等金融机构针对普惠金融产品的营销记录，进行大数据挖掘，能够从中筛选出非常有价值的客户信息，这些信息能够分析出客户对普惠金融产品的需求和期望。其次，分析阶段。根据所获取的大数据信息，进行分析计算，能够对现有的普惠金融产品的短板和不足进行分析，有助于针对性地改善产品，降低成本支出，以增强普惠金融产品的市场竞争力。最后，适应阶段。银行等金融机构在进行普惠金融产品设计的过程中，需要基于信息科技和大数据技术，增强产品和市场竞争力，通过大数据的动态分析，对产品和服务进行改善和调整。

（2）大数据技术在交叉营销中的应用

所谓交叉营销，是指银行业在与客户进行交易的过程中，会产生交易数据并被保存下来。这些交易数据极具价值，能够帮助银行更好地了解客户的行为偏好、消费喜好，以便于针对性地推出相关产品和服务，进行营销活动。银行在经营的过程中，已经积累了大量的客户数据资料，引入大数据进行资料整合关联分析，进而高效地发掘更多的潜在客户，了解他们对普惠金融的需求，针对性地开展交叉营销。

3.大数据技术在普惠金融信贷管理中的应用策略

（1）大力推动大数据征信平台建设

各银行金融机构要充分重视大数据技术的应用，推动消费类、信贷类产品的研发，并积极推动普惠金融征信平台的发展，实现银行普惠金融相关资产和业务的健康迅速发展。

要积极加快普惠金融征信平台建设，加强与外部机构的合作，利用其他机构在数据采集、数据挖掘、评分模型、征信报告等方面的优势，为本行的普惠金融征信平台提供更多的数据信息支持，通过对大数据信息的分析和整合，能够准确找到目标潜在客户，以此进一步推动产品和服务过程的创新，以及推动普惠金融资产业务创新和审批大有裨益，后期在此基础上探索银行内部的普惠金融征信平台。积极创新普惠金融资产类产品种类，对于需求越来越多样化的目标客户，在现有征信平台的基础上，加快研发普惠金融信贷产品体系，以培养新的营收增长极。同时，还需要结合实际情况，与目前所推出的其他金融产品进行对比分析，对普惠金融市场产品的利率、金额等要素进行设置，提升普惠金融产品等市场竞争力。

（2）运用大数据技术进行有效风险控制

大数据的应用，在开展风险管理活动中能够获取到足够的信息数据，能够有效避免由于信息不对称、数据获取维度窄、效率低下等问题。银行等金融机构通过整合客户交易行为数据、社交数据、教育数据等各项数据，对客户进行信用风险分析和评估，并生成资信报告，筛选出优质客户。同时对于借款的客户，通过设计定好催收模型和对客户账户资金变动的实时监控，在整个的授信决策、贷后管理等环节都能够发挥出重要作用。

大数据技术的应用可以覆盖到信贷的全过程，从贷前的调查、贷中审批到贷后管理全过程，有了大数据技术的应用，可以实现更有效的风险管控，对银行防范经营风险大有裨益。对不同客户的风险特征进行大数据识别，对存在较大的风险隐患绩效跟踪和预警，能够第一时间消除风险隐患，确保普惠金融资产业务的有效风控。