论文部分内容阅读
【摘 要】本文从大数据时代的产生、发展，阐述了网络时代数据是重要资产的理念，从分析商业银行信息化银行战略的前瞻性探索，探讨大数据时代银行信息化发展面临的挑战及应对策略。
【关键词】大数据；信息化；银行
一.银行大数据的背景
金融危机后，全球经济金融环境发生了持久深刻的变化，国内金融脱媒加速发展，利率市场化步伐不断加快，银行传统业务发展模式面临巨大挑战，我国银行业逐步进入了低利差时代和个位数的利润增长期。更为重要的是，全球正在进入新的信息技术革命时代，新一轮信息技术的发展及其对金融业的融合渗透，正深刻改变着商业银行生态系统，打破银行传统的行业界限和竞争格局。无论是内在需求还是外在推动，银行加快信息化银行建设的压力都更为迫切。
银行已初步尝试应用大数据，已从关键点、具体业务入手应用大数据挖掘技术，解决效率提升中的难题。但仍普遍存在数据来源和存储模式不能有效支撑大数据分析、数据分析模型和工具不成熟、专业人才匮乏和新增投入较大等问题，在一定程度上阻碍了大数据技术在银行业的全面推广和应用。
二.面临的主要挑战
（一）数据来源和存储模式不能有效支撑大数据分析
近年来大部分银行已上线了数据仓库系统，通过将分布在各个源系统中的原始数据进行清洗、抽取和转换后按照一定的主题分类将数据进行了集成和存储，后续的数据挖掘和分析工作也大多是基于入仓数据开展的。虽然使数据的精确性和一致性得到了提升，但牺牲了原始数据的多样性，反而可能会造成趋势预测的延迟或误判。此外，现有的数据仓库是按照主题分类对入库数据进行索引，虽然可以提高既定主题的检索效率和分析效率，但对于其他新增属性的检索和分析则变得较为困难。由于大数据应用的需求具有多样性和易变性，传统的存储模式很难满足不断变化的应用需求[1]。
（二）缺少成熟的数据分析模型和工具
大数据应用的核心是把数学算法运用到海量数据上来预测事件发生的可能性，因此强有力的数学工具和数学模型至关重要。但对于采用哪种数据算法或分析模型来实现特定的预测目标，银行业内尚缺少最佳实践案例，也很难找到一个具有普遍适用性的模型。如何准确把握或预测银行客户潜在的金融需求，到目前为止还没有任何技术能替代银行的客户经理，在这方面，各家银行机构仍处于起步探索阶段，还有很长的路要走。
（三）专业的数据分析人员匮乏
大部分银行尚未建立专业的数据分析团队，也缺乏数据分析的专业能力和经验。成熟的数据分析团队应具备4个条件：熟悉银行的业务细节、掌握数据分析工具操作、对数据价值的敏感度和对数据提炼融合的能力。目前很多数据分析师较擅长的是通过数据分析对已发生的问题查找原因，但缺乏发掘未知问题的能力也缺少对趋势预测的把握。从业内目前的情况看，同时符合上述条件的复合型人才少之又少，专业分析团队的建设任重道远。
（四）新增成本投入较高
大数据技术对系统性能要求非常高，对于银行机构而言，既要满足应用系统联机交易的实时性（OLTP），又要满足数据仓库联机分析的处理效率（OLAP），以及关键业务应用的高可用性需求，不仅需要增加CPU数量、内存空间、海量存储、网络带宽等硬件投入，甚至需要改变银行的IT基础架构（例如：数据存储方式），这将产生大量的新增开支。在短时间内，技术上的高投入未必会在业务上带来立竿见影的高收益，投入和产出的不平衡，在一定程度上会给相关团队带来较大的心理压力，也可能影响决策层对大数据技术的支持力度。
三 .商业银行应对对策研究
党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路，信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义，而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，打造银行业在大数据时代的核心竞争力。
（一）建立完善的大数据工作管理体系
银行业应充分认识大数据的重要性，在总行层面建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。
（二）增强数据挖掘与分析运用能力
在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细管理。
（三）建立数据分析团队
尽快建立一支融市场营销、产品推广、客户关系和技术支持等人才于一体的数据分析团队，该团队应该独立于IT范畴之外，跳出专业局限，更多地从业务发展和经营决策方面考虑问题，使数据挖掘真正达到服务经营决策、推动业务创新的目标。
（四）强化信息安全管理
大数据时代，开放与共享是基本特征，同时也加大了数据泄露的风险，依赖于被动的、边界防御以及要求预设外部威胁环境的静态安全控制措施已经无法适应新的信息安全要求。要按照分级授权的原则，做好全行各类信息、特别是涉及客户敏感信息、商业秘密信息等的安全访问控制，实现全行信息的安全共享使用。
从银行信息化到信息化银行，不是简单的信息技术升级和应用范围扩大，而是在银行信息化的基础上，在理念、系统、人才、管理等各个方面进行准备，真正实现信息的“融会贯通”，进而推动银行经营管理质态发生根本性变化。[2]
参考文献：
[1]王日宏，王晓龙.大数据时代下数据挖掘在银行中的应用[J]电脑知识与技 术，2014（7）：1369-1370.
[2]方方.”大数据”趋势下商业银行应对策略研究[J].新金融，2012（12）：25—28.
【关键词】大数据；信息化；银行
一.银行大数据的背景
金融危机后，全球经济金融环境发生了持久深刻的变化，国内金融脱媒加速发展，利率市场化步伐不断加快，银行传统业务发展模式面临巨大挑战，我国银行业逐步进入了低利差时代和个位数的利润增长期。更为重要的是，全球正在进入新的信息技术革命时代，新一轮信息技术的发展及其对金融业的融合渗透，正深刻改变着商业银行生态系统，打破银行传统的行业界限和竞争格局。无论是内在需求还是外在推动，银行加快信息化银行建设的压力都更为迫切。
银行已初步尝试应用大数据，已从关键点、具体业务入手应用大数据挖掘技术，解决效率提升中的难题。但仍普遍存在数据来源和存储模式不能有效支撑大数据分析、数据分析模型和工具不成熟、专业人才匮乏和新增投入较大等问题，在一定程度上阻碍了大数据技术在银行业的全面推广和应用。
二.面临的主要挑战
（一）数据来源和存储模式不能有效支撑大数据分析
近年来大部分银行已上线了数据仓库系统，通过将分布在各个源系统中的原始数据进行清洗、抽取和转换后按照一定的主题分类将数据进行了集成和存储，后续的数据挖掘和分析工作也大多是基于入仓数据开展的。虽然使数据的精确性和一致性得到了提升，但牺牲了原始数据的多样性，反而可能会造成趋势预测的延迟或误判。此外，现有的数据仓库是按照主题分类对入库数据进行索引，虽然可以提高既定主题的检索效率和分析效率，但对于其他新增属性的检索和分析则变得较为困难。由于大数据应用的需求具有多样性和易变性，传统的存储模式很难满足不断变化的应用需求[1]。
（二）缺少成熟的数据分析模型和工具
大数据应用的核心是把数学算法运用到海量数据上来预测事件发生的可能性，因此强有力的数学工具和数学模型至关重要。但对于采用哪种数据算法或分析模型来实现特定的预测目标，银行业内尚缺少最佳实践案例，也很难找到一个具有普遍适用性的模型。如何准确把握或预测银行客户潜在的金融需求，到目前为止还没有任何技术能替代银行的客户经理，在这方面，各家银行机构仍处于起步探索阶段，还有很长的路要走。
（三）专业的数据分析人员匮乏
大部分银行尚未建立专业的数据分析团队，也缺乏数据分析的专业能力和经验。成熟的数据分析团队应具备4个条件：熟悉银行的业务细节、掌握数据分析工具操作、对数据价值的敏感度和对数据提炼融合的能力。目前很多数据分析师较擅长的是通过数据分析对已发生的问题查找原因，但缺乏发掘未知问题的能力也缺少对趋势预测的把握。从业内目前的情况看，同时符合上述条件的复合型人才少之又少，专业分析团队的建设任重道远。
（四）新增成本投入较高
大数据技术对系统性能要求非常高，对于银行机构而言，既要满足应用系统联机交易的实时性（OLTP），又要满足数据仓库联机分析的处理效率（OLAP），以及关键业务应用的高可用性需求，不仅需要增加CPU数量、内存空间、海量存储、网络带宽等硬件投入，甚至需要改变银行的IT基础架构（例如：数据存储方式），这将产生大量的新增开支。在短时间内，技术上的高投入未必会在业务上带来立竿见影的高收益，投入和产出的不平衡，在一定程度上会给相关团队带来较大的心理压力，也可能影响决策层对大数据技术的支持力度。
三 .商业银行应对对策研究
党的十八大提出坚持走中国特色新型工业化、信息化、城镇化、农业现代化道路，信息化已升级为国家战略。我国银行业加快大数据应用不仅具有行业意义，而且对于推动我国信息化进程、服务“新四化”发展也有重要作用。我国银行业要从战略高度充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，打造银行业在大数据时代的核心竞争力。
（一）建立完善的大数据工作管理体系
银行业应充分认识大数据的重要性，在总行层面建立大数据工作推进机制，制定大数据工作规划，主管数据部门对大数据工作进行统筹规划、组织协调、集中管理，业务部门承担大数据采集、分析和应用的职责，全面定义、收集、多方式整合集团内外部各类数据，形成管理数据、使用数据和推广数据的有效工作机制。
（二）增强数据挖掘与分析运用能力
在银行内部全面推广基于数据进行决策、利用信息创造价值的观念，引进数据挖掘和大数据运用专业方法和工具，培养专业数据挖掘分析人才队伍，重视人才的经济金融、数学建模、计算机新型算法等复合型技能，建立前瞻性的业务分析模型，把握、预测市场和客户行为，将数据深度运用到业务经营管理过程，利用数据来指导工作，设计和制定政策、制度和措施，做到精准营销和精细管理。
（三）建立数据分析团队
尽快建立一支融市场营销、产品推广、客户关系和技术支持等人才于一体的数据分析团队，该团队应该独立于IT范畴之外，跳出专业局限，更多地从业务发展和经营决策方面考虑问题，使数据挖掘真正达到服务经营决策、推动业务创新的目标。
（四）强化信息安全管理
大数据时代，开放与共享是基本特征，同时也加大了数据泄露的风险，依赖于被动的、边界防御以及要求预设外部威胁环境的静态安全控制措施已经无法适应新的信息安全要求。要按照分级授权的原则，做好全行各类信息、特别是涉及客户敏感信息、商业秘密信息等的安全访问控制，实现全行信息的安全共享使用。
从银行信息化到信息化银行，不是简单的信息技术升级和应用范围扩大，而是在银行信息化的基础上，在理念、系统、人才、管理等各个方面进行准备，真正实现信息的“融会贯通”，进而推动银行经营管理质态发生根本性变化。[2]
参考文献：
[1]王日宏，王晓龙.大数据时代下数据挖掘在银行中的应用[J]电脑知识与技 术，2014（7）：1369-1370.
[2]方方.”大数据”趋势下商业银行应对策略研究[J].新金融，2012（12）：25—28.