互联网金融背景下商业银行“大数据”战略研究
关键词：互联网金融；大数据；互联网；金融服务‘转型升级
一、引言
生产关系要适应生产力的发展是人类社会进步的本质。而在当前，随着社会科技的进步，传统的金融服务难以满足人们日益增长的金融服务需求，商业银行积极寻求转型升级的契机。这一方面是“新常态”经济背景下金融改革的现实需求，另一方面也是互联网金融发展的良性刺激所致。作为一种区别于传统的直接金融和间接金融的第三种金融模式，互联网金融独特的优势挑战着传统金融的权威，改变了人们的生活消费习惯，逐渐成为人们日常生活中不可或缺的一部分。据iiMediaResearch的研究数据显示，2014年中国互联网金融产品的网民渗透率高达61.3%，超过六成的中国网民使用过或者正在使用互联网金融产品。与此同时，互联网金融思维的逐渐深入人心也为传统金融的发展提供了新的思路。在信息化时代，对数据的挖掘与分析深刻地影响着商业银行的发展趋势。“大数据”作为互联网金融的核心思维和技术基础，为商业银行的转型升级开辟了一条新生路。
在中国金融庞大的消费市场下，积极探索“大数据”战略与银行转型升级战略有机结合的并轨研究，一方面可以为商业银行转型升级开拓新的实现路径，加快银行转型升级目标的实现，另一方面，商业银行转型升级的客观需求也为互联网金融的创新发展提供强大的驱动力。基于互联网思维，充分利用大数据、云服务等先进的网络技术手段来实现商业银行在信息化时代的转型升级，成为当前银行发展的必由之路。因此，准确地分析商业银行在互联网金融背景下实施“大数据”战略的内外部环境，确定科学的发展目标和战略定位是银行实施“大数据”转型战略的必要前提。同时，商业银行必须根据自身发展特点，围绕科学的战略目标，切实采取具有前瞻性的战略措施，以保障银行未来发展的持续与稳定。
二、文献综述
（一）“大数据”概述
（二）银行转型与大数据关系研究现状
在中国经济由高速增长向中高速回落以及互联网金融模式蓬勃发展的背景下，面对存款流失严重、利差收窄加速、竞争愈加激烈等问题的考验，我国商业银行转型压力逐渐凸显。作为金融业的核心，各商业银行必须从战略的角度重新审视新时代下银行的发展目标和发展手段。商业银行的转型是复杂的制度化变迁和结构性转换，转型必须实现两个层次的目标：
一是构建内涵式、集约化、精细化的现代银行，提升银行竞争力；
二是全面增强金融服务功能，更有效地服务实体经济（周民源，2012）[4]。
商业银行的转型升级与“大数据”战略的有机结合，不仅有利于提高商业银行转型升级的效率，更有利于互联网金融功能的进一步发挥。
首先，商业银行拥有实施“大数据”战略的数据基础。在商品经济的发展中，商业银行长期占据了社会信用和信息中心的地位。银行凭借其庞大的资金优势，向企业和个人提供信用，在社会信用关系中处于支配地位；同时，企业和个人为了获取信用主动向银行提供信息，促使银行积累了海量信息和数据资源，为商业银行开展“大数据”战略的研究和应用创造了有利条件。
第三，商业银行运用大数据技术是实现银行转型升级的客观需求。金融创新推动商业银行的改革发展，是培育银行核心竞争力的重要途径（周密等，2007）[7]。而银行转型升级的关键就在于金融创新，大数据分析与挖掘技术正是商业银行深入挖掘数据资源，推动经营管理创新的新手段。因此，将大数据思维融入商业银行的转型之路，有助于提升银行业务拓展能力、服务客户能力和决策判断能力，可以为我国银行业改革创新提供新动力。
因此，基于“开放、共享、平等”的互联网金融思维，构建商业银行的“大数据”经营管理战略对于银行转型至关重要。在商业银行未来的长期发展过程中，随着网络化、信息化金融模式的不断成熟，对于大数据思维的应用是一个具有前瞻性、全局性的战略方向。
三、“大数据”战略实施的内外部环境分析
商业银行实施“大数据”战略的本质是为了明确银行在互联网金融时代发展的方向。而一个明确的战略管理过程通常包括明确战略目标、分析战略环境、制定战略方案、实施和评估战略四个阶段。这四个阶段不断调整，形成一个循环的系统，如图1所示。因此，在进行商业银行“大数据”转型战略的定位时，首先需要对银行内外部环境进行深度分析。在互联网金融和信息化经济的时代背景下，借助SWOT分析法对商业银行转型升级的外部机会与威胁、内部优势与劣势进行分析，为“大数据”战略的最优选择提供依据。
（一）银行“大数据”战略SWOT要素分析
1.内部优势分析
从大数据技术运行的条件来看，商业银行“大数据”战略实施的优势主要体现在数据资源优势、资金资源优势以及人力资源优势三个方面。
第三，在人力资源上，商业银行拥有一批卓越的高素质银行家，牢固的专业知识和通观全局的领导才能促使他们能够准确地把握住互联网金融的发展趋势，树立大数据思维推动银行的转型升级。同时，银行在发展过程中也培养了一大批专业的客服人才，他们充满活力和创造力，对于新事物、新技术的接受能力较强，在大数据时代，利用更全面的客户信息，精确分析客户的不同需求，为客户提供个性化的金融服务。
2.内部劣势分析
在“大数据”战略实施的初期，商业银行由于其自身的限制，受到互联网金融的冲击，银行经营管理面临巨大的挑战，其劣势集中体现在数据处理能力不足和法律保障缺失两个方面。在数据的收集和处理上，银行不仅需要收集来自物理网点、消费者账户的结构化数据，更需要来自移动互联网、电商平台以及社交网站的非结构化数据信息。然而，如今商业银行还处于大数据运行模式的探索期，由于缺乏专业的数据分析人才，传统的事物型数据库难以满足海量数据非结构化数据的分析需求，对于大数据的分析处理缺乏精准有效的技术支持，严重限制了商业银行的数据处理能力和银行竞争力的提高。在法律保障上，大数据与商业银行的跨界融合是金融创新理念在互联网经济时代的成功应用，然而互联网行业与金融行业本质上的区别导致大数据与银行业的商业规范、监管模式存在明显差异。商业银行作为现代金融的合规行业，受到严格的法律约束和金融监管机构的监督，而互联网领域的大数据并不受其限制，至今为止，还没有一部专门的法律对大数据在金融行业中的应用进行规范。因此，缺乏明确的法律法规和规章制度的保障导致银行大数据战略“无法可依”，这势必会造成银行大数据的滥用，威胁商业银行的持续发展。
3.外部机会分析
“大数据”战略是商业银行顺应中国经济金融互联网化变革的必然选择。面对互联网金融的挑战，商业银行运用大数据思维打造符合自身发展的创新性战略模式。虽然“大数据”战略尚处于初创阶段，但是电子信息技术和移动互联网技术的不断进步以及互联网金融的蓬勃发展为银行的战略布局提供了良好的外部环境。
其次，在政策环境上，《中国银行业“十二五”信息化建设规划》明确提出要提高数据作为银行业战略资产重要性认识，加快中国银行业信息化建设，全面优化银行信息化的发展环境，商业银行“大数据”战略的实施有助于加快银行的信息化转变。此外，为了确保中国数据产业的健康发展，2013年1月，由工信部、发改委等联合发布的《关于数据中心建设布局的指导意见》提出“以市场为导向，促进数据中心的合理布局”的发展目标，为中国数据中心发展指明了方向，同时也从政策上引导和规范了行业数据建设的布局，为银行业建设大数据中心提供了保障措施。
第三，在社会经济环境上，“新常态”背景下，经济增速换挡回落、经济结构优化调整导致金融生态的变化，外部经济的变革要求银行进行深刻的转型发展。随着互联网技术的迅猛发展，互联网思维与金融发展的融合逐渐上升到国家战略层面，互联网金融的“普惠”思想创造了更多的社会价值，行业规范化程度越来越高。商业银行以大数据思维推动银行现阶段的转型正符合当前信息化经济发展的潮流。
4.外部威胁分析
将大数据思维融入银行转型升级战略顺应了互联网金融时代商业银行的发展要求。然而互联网金融企业的竞争以及大数据本身存在的风险为商业银行实施“大数据”转型战略带来了巨大的威胁。
另一方面，大数据的风险威胁主要表现为两点：
一是信息扭曲风险，在大数据“信息爆炸”年代，数据量的大幅增加导致了规律的丧失与数据的严重失真，大量无序、低效的无用信息混进数据库形成“信息噪声”，增加了信息误读的风险。信息的扭曲加剧了市场波动，造成市场失灵；
网络系统与数据中心存在的漏洞导致大量客户信息和个人隐私的泄露，“棱镜门”事件、支付宝漏洞以及携程网用户支付信息泄露等一系列信息安全事件的爆发，严重地威胁了企业的发展和消费者的人身安全。商业银行运用云服务、云平台构建大数据终端来实现数据资源的共享，但是同时也伴随着一定的风险，一旦数据泄露，将会对银行业务经营以及客户安全造成极大的安全隐患。
WO战略（扭转型战略）是“大数据”战略进入规范阶段，商业银行利用外部机会，克服内部弱点的一种稳定型发展路径。商业银行“大数据”战略制定的关键在于充分利用市场潜藏的机遇，学习互联网金融企业的先进技术，加强对银行内外部数据的收集与整理，培养数据分析人才，打造一支更具专业性的大数据人才队伍，克服银行数据处理能力不足的弱点，规范服务流程以提高业务办理效率。此外，在各银行之间建立云共享数据平台，制定统一的大数据运行规则，同业之间相互学习、相互监督，形成规范化的行业准则，以弥补法律保障的缺失。
ST战略（多元化战略）要求商业银行发挥内部优势，规避外部威胁。在激烈的市场环境中，商业银行面临的不仅是同业的竞争，更有互联网金融企业的威胁。深入挖掘自身特点，走差异化发展之路是银行赢得市场先机的基本策略。面对互联网金融的冲击，商业银行必须加强与互联网企业的合作与交流，建立客户信息共享机制，打破“信息孤岛”以提升银行的数据整合能力，同时加快建立大数据的风险防范制度体系，防范银行数据的信息安全风险。
WT战略（防御型战略）是商业银行在内部阻力和外部冲击双重因素制约下的必然选择。在此阶段，商业银行需要进一步分析和调查银行大数据运用的风险，以审慎的态度推进银行转型。互联网金融的发展导致银行客户和资金的大量流失，采用防御型战略要求商业银行以规范的操作流程，完善的管理制度，健全的培养机制做支撑，全面开展与互联网企业的合作竞争，进行优势互补，通过科研创新与品牌建设逐个击破外部挑战，重塑商业银行内部竞争力。
无论是增长型战略、扭转型战略，还是多元化战略、防御型战略，在商业银行战略转型的不同阶段都有与之相对应的战略规划内容和实施方式，银行对不同战略路径的选择必须符合银行不同转型期的特定要求，但是商业银行“大数据”战略实施的全过程必定是一个不断学习、创新与发展的过程。
四、商业银行“大数据”战略目标与路径选择
在未来的银行业竞争中，对于数据的分析和挖掘将成为决定银行经营成败的关键。随着互联网金融理念的不断深入，实施“大数据”战略对推动银行业的转型升级意义重大。商业银行“大数据”战略目标的设定是其转型升级的具象化表现，而战略路径的选择则是商业银行在既定战略目标指导下实施转型升级的具体方案。
（一）“大数据”战略目标
“大数据”战略是商业银行在互联网金融背景下运用大数据思维实现转型升级的进一步探索。基于商业银行转型的定位，“大数据”战略目标具体包括客户中心目标、经济发展目标和风险管理目标。
客户中心目标。实现商业银行的战略转型必须以满足客户的真实金融需求为前提。及时、准确地把握客户需求是实现新时代开放式普惠金融的基本要求，离开了“以客户为中心”的经营理念，银行的转型将会迷失方向。商业银行引入大数据思维服务于银行经营管理的创新，关键在于深入客户群体，全方位评估客户需求，准确把握市场动向，为消费者提供更具针对性、合理性的产品和服务，确切落实商业银行的战略转型目标。因此，银行“大数据”客户中心目标可以概括为基于客户信息分析，以客户需求为导向，构建银行客户管理大数据分析和应用平台。
风险管理目标。风险管理是决定商业银行转型成败的关键。商业银行作为经营风险的特殊行业，完备的风险管理体系是其生存与发展的基本保障。风险的产生是由信息不对称造成的，商业银行传统的信用风险决策主要依据客户的基本经济情况、信用记录、抵押担保以及客户经理的现场调查等结构化数据进行经验判断，缺乏量化数据的支持，准确度难以得到保障。而大数据在商业银行中的应用在很大程度上缓解了银行与客户之间的信息不对称问题，以大数据思维进行银行风险管理的变革，通过大量数据信息法人深度挖掘来进行风险识别，提升银行整体的风险防控能力。
（二）“大数据”战略路径
1.树立大数据理念，持续提升商业银行大数据核心竞争力。
党的十八大报告明确提出走中国特色新型工业化、信息化、城镇化、农业现代化道路的目标，信息化已上升为国家战略的高度。在互联网金融的时代背景下，以大数据思维推动银行的转型升级不仅有利于加快我国信息化、智能型银行建设的步伐，而且对于促进我国信息经济发展、服务“新四化”具有不可估量的作用。因此，商业银行管理层应通过顶层设计提高大数据理念的战略高度，充分认识大数据资源在商业银行战略转型中的重要地位，以大数据作为推动银行改革创新的内在引擎。
第三，完善银行大数据工作管理体系。在银行内部建立“总—分”式大数据工作机制，制定全行大数据工作规划，实行逐层推进。建立大数据主管部门负责统筹工作规划，集中管理银行数据，设立大数据业务部门负责数据整合与分析，成立大数据工作小组，全面收集商业银行内外部各类数据信息，形成一个统一的大数据管理体系，打造银行业在大数据时代的核心竞争力。
2.全面整合银行内外部数据，搭建商业银行大数据平台。
传统的数据处理只要致力于对结构化数据的分析与整合，然而在大数据背景下，传统的数据库已无法满足大量半结构化，甚至非结构化数据的处理要求。因此，必须加快建立商业银行大数据分析平台，整合银行内部自然数据，协同外部社会化数据，完善大数据环境下的银行数据分析，提高银行决策效率。
同时加强与电信、电商等互联网企业合作，加强数据信息共享互利，促进金融服务与电子商务、移动网络的融合。在统一的大数据平台的基础上，深入挖掘客户信息，形成统一的数据化客户管理，实现客户分类的精细化，并针对不同客户群体的独特需求提供个性化服务。
3.基于大数据洞悉客户需求，提高银行经营决策效率。
数据分析咨询请扫描二维码
《Python数据分析极简入门》第2节7Pandas分组聚合分组聚合（groupby）顾名思义就是分2步：先分组：根据某列数据的值进行...
数据分析需要学习的内容非常广泛，涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容：数学和统计学...
数据分析师需要具备一系列多方面的技能和能力，以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力：统计...
数据分析师需要学习的课程内容非常广泛，涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需...
《Python数据分析极简入门》第2节6Pandas合并连接在pandas中，有多种方法可以合并和拼接数据。常见的方法包括append()、conc...
《Python数据分析极简入门》第2节5Pandas数学计算importpandasaspdd=np.array([[81,&n...
数据分析涉及多个方面的学习，包括理论知识和实践技能。以下是数据分析需要学习的主要方面：基础知识：数据分析的基本概念...
数据分析适合在多个单位工作，包括但不限于以下领域：金融行业：金融行业对数据分析人才的需求非常大，数据分析师可以从事经...
数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面：数据收集与整理：数据分析师...
数据分析师需要掌握多种技能，以确保能够有效地处理和分析数据，并为业务决策提供支持。以下是数据分析师需要掌握的主要技能：...
数据架构师是负责设计和管理企业数据架构的关键角色，其职责涵盖了多个方面，包括数据治理、数据模型设计、数据仓库构建、数据安...
数据分析师需要具备一系列技能，以确保能够有效地处理、分析和解释数据，从而支持决策制定。以下是数据分析师所需的关键技能：...
数据分析师需要具备一系列的技能和能力，以确保能够有效地处理、分析和解释数据，从而支持业务决策。以下是数据分析师所需的主要...
需求持续增长-未来数据分析师需求将持续上升，企业对数据驱动决策的依赖加深。-预测到2025年，中国将需要高达220万的数据人...
《Python数据分析极简入门》第2节4Pandas条件查询在pandas中，可以使用条件筛选来选择满足特定条件的数据importpanda...
数据分析师的工作内容涉及多个方面，主要包括数据的收集、整理、分析和可视化，以支持商业决策和问题解决。以下是数据分析师的一...
数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能：统计学基础：数据分析师需要...
数据分析入门的难易程度因人而异，总体来看，入门并不算特别困难，但需要一定的学习和实践积累。入门难度：数据分析入门相对...