论文部分内容阅读
摘要：随着大数据分析与挖掘技术的不断成熟，商业银行对大数据的应用也越来越丰富。零售银行业务作为银行提高市场竞争能力的关键，与大数据的结合越来越紧密。商业银行应当准确把握目前零售业务所存在的问题，利用大数据技术在零售业务不同领域深入挖掘和创造数据价值，从而促进零售业务的全面发展。
关键词：大数据技术；商业银行；零售业务
前言：
信息技术与金融业的融合使得大数据金融成为金融业新的发展趋势。在大数据金融下，商业银行也需要顺应这一趋势，充分利用大数据技术对商业银行的业务形式、客户管理、风险防控等内容进行改革创新，构建商业银行体系内的大数据技术平台，搭建起大数据信息库，从而有效发挥大数据技术优势，实现商业银行的信息化、智能化发展。
1 商业银行领域内大数据技术应用的概念
大数据与传统数据不同，其是一般数据库软件难以获取、存储、管理和分析的大容量数据，其最重要的特征是数量庞大、种类繁多、价值密度低、信息更新快。大数据技术主要是指数据挖掘技术和数据分析技术，对于企业来说，技术人员通过对银行相关信息的关联搜集、集中整合，并结合一定的数据分析要求，对数据进行分析，挖掘数据背后的价值。
在商业银行中应用大数据是指利用大数据分析技术对商业银行中的信息进行深入挖掘，获取关于客户、业务等方面的信息并进行加工处理后进行再利用的过程。商业银行日常经营活动中所涉及的信息类型包含了自助终端、网上银行、手机银行等渠道形成的信息，且信息多呈动态化、实时化变动，结合不同的对象及背景对数据进行划分整合之后，可以形成商业银行的数据信息库，从而为商业银行制定发展战略、营销策略、日常经营等提供参考。
2 商业银行零售业务发展的现状
2.1 商业银行零售业务的特点
商业银行零售业务相较于其他业务类型来说，具有以下几个特点：一是零售业务需求多样。零售业务面对的消费者群体更加多样化，既有个人也有企业，尤其是针对个人，不同财富层次的客户对业务的需求也有所不同，随着消费需求的多样化发展，零售业务也朝着更加精细化的方向发展，传统网点服务模式也直接向网上银行、手机银行等新型方式拓展。二是风险分散。零售业务的客户多为个人或家庭，这些对象分布广泛、数量众多、且层次较多，因而零售业务的资金交易呈现出了分散性特征，相应的银行所面临的风险也被从整体上分散开来，这样就在一定程度上保证了银行的安全性。三是发展潜力大。传统银行主要依靠利差获得利润，但是随着利率市场化的发展，银行的盈利能力朝着低资本消耗方向发展，零售业务能够更好的应对银行经济的周期波动，从而实现银行的稳定性发展。
2.2 商业银行零售业务发展存在的问题
目前零售业务虽然呈现出了多样化、个性化的发展趋势，但是面对第三方支付平台、金融脱媒的影响，零售业务也受到了一定程度上的冲击。具体来说，零售业务所面临的问题主要反映在：一是营销手段同质化严重。商业银行对银行业务发展的整体规划不足，在业务范围、业务流程、服务模式等方面趋同，导致市场竞争的日趋激烈，严重影响了商业银行服务质量的提高。而造成营销手段同质化的根本原因在于商业银行缺乏金融创新精神，品牌观念淡薄。二是客户管理粗放。商业银行零售业务的客户数量众多，几乎包括了所有经济层次的个人与家庭，他们在地理属性、消费偏好、经济能力等各方面都存在差异，但是由于缺乏对客户的精细化分类，导致零售业务客户分类管理模糊，客户市场得不到有效的划分。特别是由于不同客户对业务的需求不同，如果为他们提供一模一样的服务，将导致客户的需求得不到满足，大大增加了优质客户流失的可能性。三是产品类型相对单一。银行零售业务产品的种类主要有存款贷款类产品、理财产品、信托类产品、基金类产品、保险类产品及银行卡类产品。这些银行产品的结构过于单一，各商業银行之间存在一种无差异状态，这不可避免会造成残酷的价格竞争。
3 大数据技术在商业银行零售业务中的应用路径
3.1 大数据技术在业务模式中的应用
面对零售业务的特点及现状，商业银行应当利用大数据技术在产品管理、营销管理等方面进行针对性的数据挖掘，将客户需求与业务发展结合起来，适应市场及技术发展所带来的变化。具体而言，商业银行可以利用大数据进行产品开发和产品推广。如在开发产品时，在网上征集消费者的意见，激发客户的参与热情，通过消费者的双卡记录及社交平台上的信息进行产品数据分析，结合目前第三方支付平台的优势产品开发银行产品类型。在进行产品推广时，根据GPS定位信息获取其实时位置，及时向该客户推送符合其偏好，并在其所处位置的附近商家的优惠活动，实现精准化营销；与客户展开多渠道互动，线上销售与线下销售相结合，扩大客户福利。在测评产品满意度时，重视客户对产品的反馈信息，在综合不同层次用户的体验，全面评估产品和服务的客户满意度。同时商业银行还要能够打破数据边界，建立起与社交网络、电商平台等的合作关系，积极建立数据共享机制，多渠道挖掘消费者信息，并将其与银行内部信息相结合，为产品的营销提供助力。
3.2 大数据技术在客户管理中的应用
客户管理是开展业务营销的基础，更是银行制定发展战略的基本参考数据。在大数据时代，银行要充分借助大数据，全面了解客户情况。大数据阶段，商业银行原有的结构化数据已不能满足当前数据分析的要求，而将客户的属性数据、账户信息、行为偏好以及生活场景结合起来进行分析，形成更加清晰准确的客户画像。同时还要进行客户精细化分类，并从中识别出关键客户，尤其是优质客户和潜在客户。同时银行还应当在客户细分的基础上深入挖掘客户需求，维护长期的客户关系。银行必须要明确“以客户为中心”的管理理念，要能够从非结构数据中挖掘出客户的行为数据，利用行为数据制定针对性的营销策略，从而为客户提供更为贴心的服务。另外银行还应当从客户消费心理出发，借助其他平台如京东、苏宁易购等网上平台，对消费数据进行挖掘，总结分析消费者的支付倾向，从而发展相关联的支付业务。
3.3 大数据技术在风险管控中的应用
银行风险控制是保证银行稳定发展的必要手段。在传统的银行内部数据库模式下，银行主要依据客户的相关会计信息、信用记录以及抵押担保情况进行风险决策。这种风险管理模式所依据的信息数据不完全，缺乏实时效性，导致风险预测不准确。而基于大数据的应用，商业银行零售业务的风险控制与管理发生了巨大的变化。大数据技术通过多渠道，对客户的自然数据和行为数据进行采集、分析和整理，有效地降低了信息不对称带来的风险，并迅速挖掘出数据背后隐藏的风险信用因素，结合客户行为分析、信用度分析以及会计数据分析，建立全面的风险防范体系，提高风险控制与管理的效率。
结束语：
随着大数据技术的不断发展，将会由越来越多样化的信息被纳入到数据分析范围内，金融类信息的挖掘必将成为银行业发展的新型武器。相较于其他金融机构来说，银行占据着先天性的优势如稳定的客户群体、最全面的客户资信信息以及较小的经营风险等。商业银行必须要从自身的优势出发，结合大数据技术的优势，整合零售业务资源，挖掘客户需求，将大数据技术真正运用到银行经营过程中，充分发挥技术对经济的促进作用。
参考文献：
[1]陆岷峰，虞鹏飞.大数据分析在商业银行零售业务中的应用[J].金融理论与教学，2015，（4）：1-5.DOI：10.3969/j.issn.1004-9487.2015.04.001.
[2]黄昶君，王林.大数据助推银行零售业务量化经营--大数据时代的零售数据挖掘和利用探索[J].海南金融，2014，（1）：66-69.DOI：10.3969/j.issn.1003-9031.2014.01.13.
[3]丁松，王琳.数据挖掘在商业银行零售业务精准营销中的应用[J].河北金融，2017，（8）：45-47.DOI：10.3969/j.issn.1006-6373.2017.08.013.
作者简介：王平（1991年12月），女，河北唐山人，汉族，本科
关键词：大数据技术；商业银行；零售业务
前言：
信息技术与金融业的融合使得大数据金融成为金融业新的发展趋势。在大数据金融下，商业银行也需要顺应这一趋势，充分利用大数据技术对商业银行的业务形式、客户管理、风险防控等内容进行改革创新，构建商业银行体系内的大数据技术平台，搭建起大数据信息库，从而有效发挥大数据技术优势，实现商业银行的信息化、智能化发展。
1 商业银行领域内大数据技术应用的概念
大数据与传统数据不同，其是一般数据库软件难以获取、存储、管理和分析的大容量数据，其最重要的特征是数量庞大、种类繁多、价值密度低、信息更新快。大数据技术主要是指数据挖掘技术和数据分析技术，对于企业来说，技术人员通过对银行相关信息的关联搜集、集中整合，并结合一定的数据分析要求，对数据进行分析，挖掘数据背后的价值。
在商业银行中应用大数据是指利用大数据分析技术对商业银行中的信息进行深入挖掘，获取关于客户、业务等方面的信息并进行加工处理后进行再利用的过程。商业银行日常经营活动中所涉及的信息类型包含了自助终端、网上银行、手机银行等渠道形成的信息，且信息多呈动态化、实时化变动，结合不同的对象及背景对数据进行划分整合之后，可以形成商业银行的数据信息库，从而为商业银行制定发展战略、营销策略、日常经营等提供参考。
2 商业银行零售业务发展的现状
2.1 商业银行零售业务的特点
商业银行零售业务相较于其他业务类型来说，具有以下几个特点：一是零售业务需求多样。零售业务面对的消费者群体更加多样化，既有个人也有企业，尤其是针对个人，不同财富层次的客户对业务的需求也有所不同，随着消费需求的多样化发展，零售业务也朝着更加精细化的方向发展，传统网点服务模式也直接向网上银行、手机银行等新型方式拓展。二是风险分散。零售业务的客户多为个人或家庭，这些对象分布广泛、数量众多、且层次较多，因而零售业务的资金交易呈现出了分散性特征，相应的银行所面临的风险也被从整体上分散开来，这样就在一定程度上保证了银行的安全性。三是发展潜力大。传统银行主要依靠利差获得利润，但是随着利率市场化的发展，银行的盈利能力朝着低资本消耗方向发展，零售业务能够更好的应对银行经济的周期波动，从而实现银行的稳定性发展。
2.2 商业银行零售业务发展存在的问题
目前零售业务虽然呈现出了多样化、个性化的发展趋势，但是面对第三方支付平台、金融脱媒的影响，零售业务也受到了一定程度上的冲击。具体来说，零售业务所面临的问题主要反映在：一是营销手段同质化严重。商业银行对银行业务发展的整体规划不足，在业务范围、业务流程、服务模式等方面趋同，导致市场竞争的日趋激烈，严重影响了商业银行服务质量的提高。而造成营销手段同质化的根本原因在于商业银行缺乏金融创新精神，品牌观念淡薄。二是客户管理粗放。商业银行零售业务的客户数量众多，几乎包括了所有经济层次的个人与家庭，他们在地理属性、消费偏好、经济能力等各方面都存在差异，但是由于缺乏对客户的精细化分类，导致零售业务客户分类管理模糊，客户市场得不到有效的划分。特别是由于不同客户对业务的需求不同，如果为他们提供一模一样的服务，将导致客户的需求得不到满足，大大增加了优质客户流失的可能性。三是产品类型相对单一。银行零售业务产品的种类主要有存款贷款类产品、理财产品、信托类产品、基金类产品、保险类产品及银行卡类产品。这些银行产品的结构过于单一，各商業银行之间存在一种无差异状态，这不可避免会造成残酷的价格竞争。
3 大数据技术在商业银行零售业务中的应用路径
3.1 大数据技术在业务模式中的应用
面对零售业务的特点及现状，商业银行应当利用大数据技术在产品管理、营销管理等方面进行针对性的数据挖掘，将客户需求与业务发展结合起来，适应市场及技术发展所带来的变化。具体而言，商业银行可以利用大数据进行产品开发和产品推广。如在开发产品时，在网上征集消费者的意见，激发客户的参与热情，通过消费者的双卡记录及社交平台上的信息进行产品数据分析，结合目前第三方支付平台的优势产品开发银行产品类型。在进行产品推广时，根据GPS定位信息获取其实时位置，及时向该客户推送符合其偏好，并在其所处位置的附近商家的优惠活动，实现精准化营销；与客户展开多渠道互动，线上销售与线下销售相结合，扩大客户福利。在测评产品满意度时，重视客户对产品的反馈信息，在综合不同层次用户的体验，全面评估产品和服务的客户满意度。同时商业银行还要能够打破数据边界，建立起与社交网络、电商平台等的合作关系，积极建立数据共享机制，多渠道挖掘消费者信息，并将其与银行内部信息相结合，为产品的营销提供助力。
3.2 大数据技术在客户管理中的应用
客户管理是开展业务营销的基础，更是银行制定发展战略的基本参考数据。在大数据时代，银行要充分借助大数据，全面了解客户情况。大数据阶段，商业银行原有的结构化数据已不能满足当前数据分析的要求，而将客户的属性数据、账户信息、行为偏好以及生活场景结合起来进行分析，形成更加清晰准确的客户画像。同时还要进行客户精细化分类，并从中识别出关键客户，尤其是优质客户和潜在客户。同时银行还应当在客户细分的基础上深入挖掘客户需求，维护长期的客户关系。银行必须要明确“以客户为中心”的管理理念，要能够从非结构数据中挖掘出客户的行为数据，利用行为数据制定针对性的营销策略，从而为客户提供更为贴心的服务。另外银行还应当从客户消费心理出发，借助其他平台如京东、苏宁易购等网上平台，对消费数据进行挖掘，总结分析消费者的支付倾向，从而发展相关联的支付业务。
3.3 大数据技术在风险管控中的应用
银行风险控制是保证银行稳定发展的必要手段。在传统的银行内部数据库模式下，银行主要依据客户的相关会计信息、信用记录以及抵押担保情况进行风险决策。这种风险管理模式所依据的信息数据不完全，缺乏实时效性，导致风险预测不准确。而基于大数据的应用，商业银行零售业务的风险控制与管理发生了巨大的变化。大数据技术通过多渠道，对客户的自然数据和行为数据进行采集、分析和整理，有效地降低了信息不对称带来的风险，并迅速挖掘出数据背后隐藏的风险信用因素，结合客户行为分析、信用度分析以及会计数据分析，建立全面的风险防范体系，提高风险控制与管理的效率。
结束语：
随着大数据技术的不断发展，将会由越来越多样化的信息被纳入到数据分析范围内，金融类信息的挖掘必将成为银行业发展的新型武器。相较于其他金融机构来说，银行占据着先天性的优势如稳定的客户群体、最全面的客户资信信息以及较小的经营风险等。商业银行必须要从自身的优势出发，结合大数据技术的优势，整合零售业务资源，挖掘客户需求，将大数据技术真正运用到银行经营过程中，充分发挥技术对经济的促进作用。
参考文献：
[1]陆岷峰，虞鹏飞.大数据分析在商业银行零售业务中的应用[J].金融理论与教学，2015，（4）：1-5.DOI：10.3969/j.issn.1004-9487.2015.04.001.
[2]黄昶君，王林.大数据助推银行零售业务量化经营--大数据时代的零售数据挖掘和利用探索[J].海南金融，2014，（1）：66-69.DOI：10.3969/j.issn.1003-9031.2014.01.13.
[3]丁松，王琳.数据挖掘在商业银行零售业务精准营销中的应用[J].河北金融，2017，（8）：45-47.DOI：10.3969/j.issn.1006-6373.2017.08.013.
作者简介：王平（1991年12月），女，河北唐山人，汉族，本科