大数据在银行经济预测和金融统计中的运用分析

王雷

（国家开发银行山东省分行，山东 济南 250000）

一、引言

大数据可以从三个层面进行解读。从现象层面来看，大数据所描述的是人类社会步入信息时代后体量庞大的数据集这种现象，其使得数据处理效率更高、体量更大、种类更复杂，大数据侧重于非结构化数据和原始数据。从理念层面来看，大数据是海量数据分析问题的理念和范式，关注混杂性而不是精确性理念，对整体数据进行分析，探索相关关系的理念，这和传统的统计学和计量经济学的研究范式存在明显差异。从技术性层面来看，大数据利用存储技术、云计算技术、分布式处理技术等，可以实现大体量数据的高效处理、精确处理。不管从哪个层面来看，大数据在银行经济预测和金融统计中都有巨大的应用潜力。

二、大数据技术概述

如今，信息技术快速发展，互联网给人们的工作与生活带来了巨大影响。大数据是半结构、非结构、相关数据等要素的统称。银行可以应用大数据技术，将近些年的经营数据、政府政策信息、客户信息等存储于同一个数据库，之后运用对应的算法，通过相关性分析实现对金融数据的综合预测。

大数据本身具有三个基本特征。一是整体性。大数据时代，信息的精确性不再是唯一重要的要素，而是要实现数据的整体性分析。二是繁杂性。大数据背景下，各种经济行为都能够成为一种数据，不用再关注单一的经济活动与随机抽样。三是相关性。在大数据分析过程中，需要选择对应的算法与工具，同时还要重视不同经济活动数据的相关性［1］。

三、大数据在银行经济预测和金融统计中的关键作用

如今，我国经济社会快速发展，在国家出台各种经济政策的背景下，银行业也得到了有效发展，但银行所面临的市场竞争十分激烈。银行是典型的金融机构，若能有效应用大数据技术实施经济预测和金融统计与分析工作，便可以对银行的经济发展战略作出精确定位。大数据在银行经济预测和金融统计中能够发挥的作用体现在以下三个方面。

（一）对经济风险的有效预测

银行可以通过大数据分析操作对经济活动中的历史数据进行总结，了解其中的规律，也可以通过大数据技术的预测功能，判断市场经济发展趋势。银行可以将大数据技术作为经济预测的有效支点，从以往的经济数据中获取有利于自身发展的经济信息，根据市场发展动态总结经济活动中的抽象规律，在这一条件下准确预估未来经济发展规律，以及自身可能面临的风险与挑战，从而增强银行的风险预测能力，让银行在越发激烈的市场竞争中抢占先机［2］。

（二）实现金融数据管理的智能化

大数据技术背景下，银行可以将互联网、计算机终端等作为载体，联合应用互联网信息技术、大数据技术、数据分析技术等，在既定的系统平台实现经济信息的自动化整合与精准化分析，能够实现数据结构的优化、金融数据管理和统计效率的提升等，让银行金融数据管理更智能化、现代化，增加银行经济预测与金融分析的技术含量，最大限度地发挥经济预测与金融分析的作用。

（三）增强风险规避能力

银行可以结合对金融市场经济发展动向的了解以及大数据技术的支持，有效布局金融工作的每一个环节，制定科学可行的金融经济方案，预测今后一段时期金融工作的方向。这不仅能够提高银行发展决策的前瞻性，而且能够提高市场风险规避水平，有助于银行机构的长远健康发展。需要注意的是，大数据技术的功能和作用大多表现为依托相关概率分析模型，完善银行的资金结构、营业结构等，利用金融数据分析并预测经济风险、市场变化因素等，规避金融风险，让银行具备较强的风险规避和控制能力，增强银行的应急处理能力，以更从容冷静的状态应对金融风险，将金融风险对银行的影响降到最低。

四、大数据在银行经济预测和金融统计中的运用策略

（一）做好数据分析的顶层设计

为有效增强大数据技术的应用效果，助力银行开展经济预测和金融统计工作，需要做好专业性的银行顶层设计工作。如银行需要在经济形势预测和金融数据统计工作中设置对应的数据处理和数据管理部门，借助该部门完成大数据技术维护、大数据开发等，明确部门的职责与权限，使其工作有序开展，制订周详的计划。通过银行高层全体会议探讨大数据技术的应用，预测金融行业的发展前景和发展方向。在应用大数据技术期间，还要持续关注大数据软件开发、硬件维护与更新等工作，以最专业、最先进的算法结构保证大数据分析的可靠性。银行分行也要充分联合大数据计算结果与总行信息，总行需要构建数据库，对各分行的经济预测和金融统计结果进行分类管理，让大数据系统能够在银行各个分支中有序布局［3］。

（二）建设与应用数据点模型

在大数据技术的支持下，银行可以利用数据点模型实现财务信息、资产流动数据、利率统计数据的高效分析，为银行的经营决策、业务开展等提供有价值的参照依据。在应用数据点模型开展经济预测和金融统计的过程中，银行要保证数据收集、数据分类、数据统计、数据处理的规范性，通过可拓展商业报告语言建设在网页上输入输出数据的标记语言。

在数据仓库，要以数据点模型为中心，建设统计数据和元数据间的关系系统，通过模型实现数据的批量收集和转化，不同规格的数据都可以借助该系统处理，提升银行经济预测和金融统计工作的效率、规范性、系统性。经济预测和金融统计汇总还可以应用多层次的定性信息描述元数据，度量元素中存放的重要数据，而其他的定性信息则以维度形式存在，可以弥补传统数据分析模型的缺陷，使数据模型具有更高的维度和层次，大大提高数据处理水平。

在应用数据点模型时，银行要关注不同数据的基本性质和特征，按照经济预测与金融统计的要求调整数据点模型结构，让模型结构更具开放性和适用性，满足不同时期不同环境下的使用需求。完成数据点模型结构的调整工作后，要运用模型模式开展金融数据的收集、整合、处理等工作，可以将数据点模型结构应用到信贷管理系统、会计系统等金融统计系统之中，让业务属性通过数据点的方式逐个开展数据统计，提升处理和分析金融数据的规范性。

在经济预测和金融统计工作中，需要应用大数据技术建立功能更完善的工具箱和资源库，利用大数据的优势对经济金融的发展趋势和方向作出判断，为银行的经营与发展提供助力［4］。

（三）建立数据信息共享平台

银行要按照标准化数据库建设模式建立数据共享平台，其间可以与其他单位合作，如与互联网、证券等单位合作，在数据共享平台与这些单位实现数据信息的高效交互，为银行的经济预测提供帮助。银行可以利用数据共享的方式拓展金融统计数据的获取渠道，为经济预测带来更全面、更充足的数据信息。在数据共享平台和数据库的结合方面，应当设立一个统一的数据标准，实现经济预测和金融统计的结合发展。还可以选择与金融平台、网络平台合作，运用这些平台的数据信息收集网络数据，包括线下业务往来的数据信息。可以应用定期收集、动态收集结合的方式，让金融数据统计中的数据收集工作更加灵活，为数据共享平台的运作提供更广泛的数据支持。

（四）研发与应用数据处理和分析技术

银行有必要持续推进数据处理和数据分析技术的研究与运用。数据处理与分析方法的改进能够进一步发挥大数据处理和分析技术的作用，为经济预测和金融统计提供更有效的支持。银行应结合多种服务项目对数据处理平台进行组织优化和布局优化，在数据处理平台应用基本的数据收集功能，收集与分类银行的业务往来数据信息，利用更完整的记录分析和处理数据。还要深入挖掘数据平台的各类数据信息，挖掘数据信息的价值，根据数据分析结果预测银行的经济形势。银行可以应用数据处理技术深入分析客户信息，从而挖掘更多的潜在客户，利用数据处理和分析手段了解客户的行为和偏好，让银行的金融产品和金融服务更具针对性，实现对金融产品的精准投放。

数据处理是对数据信息进行深度加工，能够在平台收集银行经济与金融数据，整合分析银行的动态数据，对内部数据与外部数据进行整合和开发，在数据系统中应用智能分析和各种新模型新算法，数据系统就可以在数据处理这一功能的基础上拓展智能分析、智能预测等新功能，按照银行的经济业务、产品服务等建设经济数据模型，这有助于增强银行经济预测中对风险的预测和评估能力。银行数据处理与分析技术可以与物联网技术等其他技术联合应用，进一步提升银行的数据管理水平和金融控制水平。

（五）参照数据分析与统计结果建立模型系统

银行的数据分析及经济依存模型系统需要关注系统中统计模式、分析模式的优化提升。在数据统计系统与物联网技术结合的条件下，数据知识库与数据预测模型可以为银行经济预测和金融统计提供更有效的依据。

银行数据模型需要保证数据统计和预测的准确性，同时还要不断提升数据信息的真实性和可靠性。银行可以运用数据模型实现“客户画像”，了解客户的喜好与偏向，分析客户流失的原因等。银行数据模型还可以利用互联网了解客户对银行金融产品的使用信息，获得更真实的金融统计结果，使经济预测结果更加准确。为进一步增强数据模型的预测和统计效果，可以利用Data技术实现技术融合，了解银行经济的基本走向和客户意向。建立数据模型系统时须关注数据收集与管理的规范性，确保数据模型系统具有动态性、统一性、规范性特征，帮助银行实现数据分析和数据预测，掌握银行后续的经济发展趋势。数据模型系统可以在统计功能的设定上引进CBRL语言架构，通过这一架构统计银行的财务数据、债务数据等，通过强化金融统计功能提升数据统计的准确性，利用更准确、更完整的金融数据展开经济预测，以更精确、更可靠的经济预测为银行的发展决策提供必要的支持。

（六）进行数据挖掘和数据安全技术的挖掘

相关性是大数据的基本特性之一，借助这一特性，在分析数据时可以通过各种相关信息挖掘出更多有价值的信息。经济预测与金融统计都要做好数据挖掘工作，尽可能利用有限的数据信息挖掘更多有价值的信息，让经济预测更加准确、金融统计更加全面。银行要构建对应的数据挖掘体系，研究更多更灵活的数据挖掘方法，分析历史数据与当前数据，分析数据背后更有价值的信息及数据间的关联性等，利用大数据技术增强金融数据与客户信息的统计分析效果。

在经济预测和金融统计数据系统中，数据信息安全防护尤为重要。大数据时代，信息价值得到了有效开发，信息安全成为一个新的话题。数据化建设要防控数据被窃取、篡改、丢失等风险，将系统安全防护置于与数据化建设同等的地位。数据系统和数据库建设都要采取相应的安全防护措施，规避银行重要数据泄露的风险，对核心业务与重要数据进行加密处理，确保银行数据信息的安全性。安全密钥与自动备份技术可以很好地解决数据窃取和丢失的问题，规避信息安全风险。在银行内部，很多部门及人员都可以随意查看并调用系统数据，数据可能在调用、共享等过程中被窃取、损坏等。因此，数据系统和数据共享平台要增设安全认证系统与加密系统，并且根据经济预测和金融统计的保密性、重要性，确定数据管理人员和使用人员的权限，基层人员在访问系统时，未经允许不能接触重要的机密信息。也可以应用动态掩码技术，在系统运行中利用数据脱敏来增强安全性。此外，在数据化建设过程中，还要时刻保障客户的信息安全，在利用隐私信息时须取得客户的授权，既要避免客户信息外泄，又要保障客户的隐私权。

五、结语

在大数据背景下，数据的价值得到了进一步开发，银行可以借助大数据技术预测未来市场和分析金融经济情况，这是银行改革发展的重要机遇。面对复杂的市场环境和巨大的竞争压力，银行须了解大数据技术在经济预测和金融统计中的作用，利用更灵活、更规范的方法发挥大数据技术的作用，改进数据处理技术和方法，推动银行和金融行业发展，为其发展带来更多的可能。