大数据时代的银行业

译自：2015 年 4 月【印度】www.livemint.com
编译：工业和信息化部国际经济技术合作中心 邱醒杰

     金融危机之后，世界各国的银行和金融机构逐渐意识到实现成功没有捷径。相对于全方位大规模的变革，从“帐户中心”到”客户中心”的框架改革是一个更好的实现路径。而这条路径只能通过我们通常所称的大数据分析来实现。

     通常意义上的大数据是结构化数据和非结构化数据的组合。除了银行可获得的客户的结构化数据（例如账号、账户类型资产负债等），还有大量的非结构化数据。后者主要来源于电子邮件、呼叫中心、社交媒体、网站、客户反馈和各种机构等。这种结构化和非结构化数据的结合聚集了巨量数据，对重大事项的决策起到了不可忽视的作用。

     在当今竞争激烈的世界中，金融机构已经意识到，必须通过分析掌握各个细分市场客户的行为特点，才能够将合适的产品在合适的时间卖给合适的客户。在此之前，银行一直对巨量的非结构化数据视而不见，然而如今，银行已开始借助持续增加的各类数据进行大规模的投资活动。

     根据凯捷咨询公司（Capgemini）最近发布的一项研究显示，超过 70％的银行高管赞同以客户为中心这一理念的重要性，但只有 37％的客户认为银行了解他们的需求和偏好并能给与及时的应对。

     银行更加注重分析非结构化数据，并通过将其与结构化数据映射，全面了解客户特点，从而建立起一个实时的推荐系统以预测其下一步行动。在数字消费时代，金融机构正在深入探索极为丰富的大数据。这可以用在很多方面，例如银行提出的个性化报价。在银行业数字化的时代，个性化可以最大限度地发挥其盈利能力。

     由商业银行开发并使用的实时推荐系统呈现出不断增长的趋势。例如，你可能会收到用信用卡购买电影票将享受折扣的促销短信；收到提醒咖啡时间快到了的手机短信，而你可以使用信用卡累积积分购买咖啡；当你出国旅行时，如果收到一条来自你银行的短信，通知你最近的自动取款机地点，这是否会给你带来惊喜？这就是大数据分析的力量。要充分利用和了解客户下一个可能的动作，将推荐在正确的时间发送给正确的人是非常重要的。

     然而，完善这些实时的推荐并不容易，这需要组合使用多种先进的统计方法和机器学习算法。基于 Hadoop 的分布式计算逐渐成为银行业进行大数据分析的主流方式，这将帮助银行有效地留住现有客户并增加收入。

     目前所需的就是整合各个系统的信息，如来自客户关系管理、产品组合、贷款、借记卡、信用卡等的数据，并建立一个针对客户全方位 360 度的分析视角。客户分析是银行最具功效的工具。麦肯锡研究表明，具备较高的客户分析能力的银行相较其他对手来说，在市场份额上将领先四到六个百分点。

     另一项正在进行的研究是探讨大数据分析在辅助央行政策制定上所发挥的作用。印度储备银行一直拥护这样的信念——即所有货币政策制定都应是数据导向（此数据为结构化数据）的。也许有一天，这样的决策也可以通过非结构化数据驱动（从非结构化数据源收集的通胀预期）。有趣的是，很多发展经济学正式是基于随机实验，与此类似，也可以基于日常数据得出通货膨胀预期。

     综上所述，在现如今的大数据时代，银行业的发展前景就在于如何明智的利用大数据分析能力。