2016年7月-10月,中国金融认证中心(CFCA)、中国电子银行网(微信公众号:cfca-cebnet)联合全国70余家银行发起“2016金融科技引领银行未来”征文活动。以下为热心网友通过网络渠道投来的稿件。
作者单位:南京银行
一、导言
“大数据”一词 ,源于二十一世纪初,是由IT 权威机构Gartner率先提出的。所谓的“大数据”,即发掘之前忽略过的数据价值,并且根据相应规律,对未来经济社会发展做出正确预测 。大数据真正被人重视起来,是美国政府“大数据研究和开发计划”的提出,标志着人们已经将大数据作为研究对象,要探索其内在价值以及对社会发展的重要作用。
究其内涵,“大数据”可以归并为基于统计学视角的数据挖掘理念和方法论。未来的企业在生产决策过程中,“大数据”方法的运用无疑将会对企业的战略制定、生产决策、风险识别等领域起到重要的参考作用。商业银行作为依赖信用、经营风险的重资产企业,更是如此。过去的五年中,借助互联网和大数据的迅猛发展,以阿里、腾讯、苏宁等为代表的传统网络零售、社交媒体等行业凭借依附于其平台的海量客户流、资金流、信息流,进军金融领域,凭借其在科技上的优势和完善的客户体验感,在资金吸收、产品代销、批发信贷、支付结算等传统银行主营业务方面涉猎颇广,对传统银行等金融机构形成了巨大冲击,加速了金融脱媒与深化的进程,其代表的新技术、新模式、新思想值得所有传统的金融机构去学习和分析。
二、现状与特征
笔者认为,大数据金融是指大数据的方法论与金融对象的挖掘、金融实施的分析、金融效果的评判相嫁接,通过集合海量的非结构化数据,借助数据分析模型、互联网、云计算等信息化方式,对客户经营、生产、消费数据以及商业银行自身的经营、营运数据进行实时或非实时分析,发掘出人为难以发现的规律或趋势,从而对客户及自身未来行为或趋势做出大概率上的预测,提高服务效率,降低金融风险。
虽然历史并不久远,但目前可以说,在国内,大数据金融的发展已经具备了一定的规模和水平。以工、农、中、建为代表的大型国有金融企业;以民生、中信为代表的标杆股份制银行、以阿里、苏宁为代表的新兴金融板块均加快设立大数据、电子金融、网络金融等事业部,整合行业内、外优势资源,深挖金融机构电子商务领域市场需求,着力完善市场布局和推进业务稳步发展。
尤其是各大传统商业银行也主动出击或被动应战,完成轻资产、信息化转型,借助行内、外技术研发部门的技术优势以及海量数据的获得性优势,加大对大数据技术的研发、创新、应用力度,进一步加大对数据挖掘、模型建立、移动互联等方面的新业务新产品的研发及市场投入,形成了很多成功的实践。如2012年建设银行的电子商务平台“善融商务”上线,该平台立足于专业的金融服务,通过大数据和网络平台的优势,拓展电子商务服务,涵盖B2B 和B2C 两种模式,提供信息发布、撮合在线交易等电商服务,也提供支付清算、担保融资等金融服务,提高了业务处理效率和客户体验感,“善融商务”上线当年即实现销售额30亿元,到2015年底,已累计实现销售及其它业务毛收入280亿元;再如民生银行通过事业部制改革,基于大数据构建了信贷信用评价指标体系,针对个体经营、小微企业贷款建立“零售业务批发做”的信贷流水线审批模式,基于该客户或同类企业的过往表现,模型评分等因素迅速做出放款决策。此外,以阿里系的蚂蚁金服为代表的信用服务体系,则是将大数据运用到极致的代表性实践,根据业务对象在金融平台上所累积的信用数据和行为数据(个人信息、收入(消费)资金流、信用记录、生产(消费)习惯、行业特征等多维度数据信息),引入网络数据模型和在线资信调查模型,通过交叉检验技术辅以第三方验证,将客户在电子商务网络平台上的行为数据映射为企业和个人的信用评价,完成客户甄别并瞬间给出决策建议,截至当前,阿里系金融板块已累计向数以百万计的网上商家(小微企业)、个人消费者提供1800亿元以上的信用支持(包括订单贷款、信用贷款、消费贷款等),并于金融机构合作,完成万亿计的产品销售、资金结算等金融活动。
三、机遇与挑战
正如前文所述,在互联网应用和信息技术爆发式增长的今天,作为以重资产、多网点、高风险经营为特征的传统银行,正面临越来越多的挑战,尤其是来自于互联网思维和以大数据为代表的信息技术的挑战,这种挑战通过消除信息不对称性,完善渠道可得性和便捷性,打破了管制经营下的政策红利和制度藩篱,助推了利率市场化和金融脱媒的进程。作为粗放式传统经营特征明显的商业银行,在此种情况下,必须也唯有拥抱以“大数据”为代表的新生技术、勇于面对金改后的巨大变革,积极推进理念与方法转型,才能在重新洗牌后的市场中立于不败。当然,从乐观的角度解读,如果商业银行能够完成经营理念革故鼎新式的转型,完成新兴技术和传统优势项目的有效嫁接,对其业务经营、效能提升和风险控制无疑将形成巨大的生产力。
(一)机遇方面:
大数据金融有着传统金融难以比拟的优势,互联网思维和大数据方法的运用将从以下几个方面为商业银行跨境电商业务带来以下方面的机遇:
1.客户挖掘:海量数据信息的掌握加上数据挖掘与兆亿级的加工运算,使得商业银行可以发现依靠传统人工识别难以发现的规律,从而更加有效地识别客户,发掘客户需求及心理,便于更加精准的客户营销和维护。目前国内商业银行基本均已拥有能够提取各类客户数据并进行分类加工的信息化系统,为客户分群营销服务提供了极大的保障支持。
2.产品研发:大数据的理念和机器智能的工作手段,使得商业银行的市场判断力和敏锐力大幅提升。通过客户需求种类分析、时段分析、群体分析、行为分析、交易分析,以及对于现有产品、业务及流程的模拟运算、效能分析、压力测试使得决策人员能够轻松地从数以百亿级别计的杂乱数据中,挖掘规律,贴近实际市场和客户需求,从而在产品研发及流程制定方面,更加趋向于合理,提升客户体验与工作效率管理。
3.风险识别:商业银行一方面是经营风险的企业,通过管理风险实现利润,另一方面,商业银行资产规模的庞大和在国民经济中的战略性地位又决定了商业银行具有较强的风险脆弱性和厌恶性。尤其是跨境电商业务涉及的产品线种类繁多、金额较大、专业性强。大数据的方法、数理模型的使用和高级别计算功能的引入可以从海量数据中,敏锐地捕捉偏离较大的异质样本进行重点分析,有助于尽早发现风险。同时大数据所内涵的信息量本身也为银行管控客户风险提供了具有信服力的维度,标普、惠誉、穆迪等国际著名评级机构正是基于经验模型和大数据的方法对机构实体进行评级,收效显著。于商业银行而言,大数据及模型技术对于风险的管控优势,在信贷审批与发放、各类市场及同业交易、担保与资信证明等活动中大有可为。
4.营运管理:传统银行在资金运营与营运方面由于缺乏方法引领和信息支撑,面临诸多不确定性,例如划拨往来、资金清算、头寸管理、权限管理等领域,耗费大量人力物力且容易出现差错。借助大数据监控,系统可以监测每一笔业务发生的合理性,并结合以往数据的经验和规律,通过模拟试算,大概率地给出最为合理的解决方案,提升营运管理的质效。
(二)挑战方面:
目前商业银行面临的“大数据”挑战可以分为两个方面,一方面是商业银行如果转型不及时,逃避变革所面临的机会损失;另一方面是商业银行主动变革,嫁接以大数据为代表的信息技术和互联网思维过程中面临的挑战和难点。前者的案例已经无需赘言,余额宝等互联网金融理财产品对于商业银行市场蛋糕瓜分的教训已经足够惨痛且引起重视;后者则缺乏应有的、全面的重视与审视。
1.数据完整性缺失:大数据有利于指标体系的完整构建,使其能全方位反映信用的真实情况。然而大数据信用面临信息孤岛的难题,在跨境电商金融服务等领域更为突出。内部信用信息碎片化,外部信用信息孤立化,缺乏统一标准,不能互联互通,给大数据征信带来很大困难。构建完整的指标体系需要极为复杂的顶层设计,抛开数据获取上的难度不说,但是指标体系的构建就有可能因为非理性主观因素的存在而面临失真,这对指标设计和开发人员提出了极高的要求。
2.数据合法性缺陷:主要体现在:第一,数据来源需要合法,以跨境电商信贷支持与现金管理产品为例:按照信息互换、监管执法、互认互助的要求,形成按照跨境电子商务进出口商品、物流、商户、电商平台、口岸管理部门的信息共享平台和监管协同机制,允许通过一个接入口提交标准化的信息和单证,满足所有与进口、出口和转口相关的业务需求。第二,数据运用合法。互联网隐私保护根据内容不同可细分为位置隐私保护、标识符匿名保护、连接关系匿名保护等。跨境电商的交易双方隶属不同的国家,而每个国家关于隐私保护的法律法规不尽相同,美国有隐私法案,且美国与欧盟签署了隐私声明,但中国的相关立法相对模糊对于可能牵涉到隐私的数据或指标,应当在获得授权后才能收集,并严格监管它的流向和使用。这些问题,都为数据的搜集获取带来了合法性压力。
3.数据有效性挑战:数理和计量经济学的基本原理告诉我们,数据可以揭示真相,但如样本获取不当,数据加工方法不当,数据也有可能会严重失真,甚至扭曲对于真相的揭示。例如对于样本的选择、自变量和因变量的确定、模型有效性的构建、参数显著性的检验、变量因果关系的确立等环节的处理,任何一环出现问题即有可能带来完全相反的结论。此外,还有数据处理效率的挑战:大数据的价值密度低,经典的“二八定律”同样预示着在某个数据源中或许只有10% ~20%的数据是有用的。因此,在抓取某个行业多维度的原始数据时,挖掘的方向和对数据的清洗非常关键,盲目追求海量数据只会降低指标的指向性和处理效率。
4.数据接口统一性难题:目前各金融体系的建设标准很难统一,阻碍了电商金融的进一步发展。虽然刚刚起步,但各个电商金融平台都已经建立了自己的金融电商体系,使用的服务器型号、所搭载的软件平台、所提供的数据接口和输入与输出的数据标准形态各异,而且较大的地域、领域差距,使得他们之间整合起来难度非常大,对于实行标准化运算和评估而言任重而道远。
5.开发实施完善性问题:大数据的方法论和技术实现仅仅是一种工具,其实质需要嫁接落地与产品和服务本身,才具有实用性价值。目前,目前国内金融电商为满足不同个体的金融增值性业务的需求,推出了千差万别的金融服务产品。但是,缺乏柜台服务的电商对于需要传统的大量客户信息处理、储存、服务存在诸多的问题,而且许多传统金融柜面业务领域的管理和控制还存在形式大于实质、“雷声大,雨点小”的问题,如比阿里里巴巴联手交通银行共同推出的“交通银行天猫旗舰店”,作为国内第一家联手电商推出的网上服务门店,其店内却只推出了贵金属的交易服务,只能跳转到自身官网才能购买其他金融理财服务;再如工行建立的融e购、融e联平台,无论是交易量还是利润水平,均远远落后于精专与此的电商企业,对行内的贡献度也非常有限。
四、路径与措施
基于前文分析的大数据对于银行业务尤其是对于跨境电商金融的积极作用以及可能挑战,笔者对于下阶段我国商业银行及监管部门的应有路径及发展措施作出如下建议。
(一)完善政策框架的顶层设计和标准制定
跨境电商金融是一个庞大的社会系统工程。它不仅涉电商本身,还涉及到众多的政府部门,涉及到商检、银行、保险、货物运输、信息产业等部门和不同地区、不同政府部门和商户,这要求国内有强有力的综合协调部门来制定统一的政策框架,据此我国应重视对电商金融的研究和长期发展规划,应建立专门机构来统一领导、管理相关工作。国内的各个金融监管部门应该顺应时代的发展,逐步加快跨境电子商务发展的脚步,逐步建立一套比较完整的跨境电商金融服务体系标准,完成电商金融之间的互通互联,为电商金融制定统一标准,建立统一云数据库,统一监管管理,为电商金融的健康快速的发展提供良好的环境。
(二)加强商业银行与电商企业之间的融合互补
对于很多大型商业银行而言,中小企业的全量信息很难全面掌握,单单的几张报表难以说明问题。但是如果电商巨头作为此链条中的中间位置,可以利用自身的大数据库,天然的形成对数以万计的跨境中小企业的信用等级评估,为银行提供服务依据。所以于商业银行而言,应打破原有闭门造车的固有习惯,与大型电商交易平台、电商企业加强合作,各自发挥所长。逐步推动电商+银行模式的跨境电商供应链模式,在这一条类似于微笑曲线的供应链中,核心位置为各个电商巨头,银行处于供应链的上下两级。在此过程中,电商企业与银行相互弥合,优势共享是关键。目前,电商企业较难完全具备相应的风险控制能力和管理能力,在快速发展金融服务过程中带来未知风险的概率仍然很高;而银行方的风险管控能力和管理经验较为丰富,但数据掌握不全面,信息支撑不到位,产品友好化程度不高。因此,加强商业银行与电商平台之间的融合互补,无论实在商机管理还是风险管控方面均能形成较大的正向作用力。目前,由“银行+电商平台”形成的大数据生态系统的成功案例已经很多,战略联盟在大数据金融发展过程中发挥了越来越重要的作用。 2013 年 1月,百度与中国平安集团签署了战略合作协议,双方同意在大数据研究等领域进行合作,进军大数据金融。2013 年 9 月阿里巴巴与民生银行进行战略联盟合作,除了传统的资金清算与结算,信用卡业务等合作外,理财业务、直销银行业务、互联网终端金融等诸多方面也成为双方合作的重点。
(三)建立服务于“大数据”的组织架构和制度体系
无论是跨境电商产品、服务还是其背后的“大数据”支持体系,涉及到的板块和部门均为众多,需要在总行董事会、行党委层面对其职能分工予以明确部署。初期,可成立专门的“大数据”金融委员会,负责全面筹建包括跨境电商领域在内的大数据服务体系建设,整合大型电商平台、跨境服务机构、科技开发公司行外机构和信息科技部、公司业务部、国际业务与现金管理部、法律合规、风险管理等行内部门进行决策会商,分工协作,明确成员部门、具体人员的责任事项,明确总-分-支行三级联动合作职能,制定“大数据”方法支持金融业务尤其是跨境电商业务的制度和发展方案。同时,打造一支既懂跨境金融产品、又懂大数据系统运用的专业性人才队伍,并以公平公正的激励机制、较高的薪酬水平、具有竞争力的职业发展平台和良好的创新环境留住人才,并做好人才梯队的培养工作。
(四)通过“大数据”方法嫁接产品创新
大数据时代的核心是用户思维,传统银行在转型的过程中一定要充分的认识到“大数据”只是方法论和工具箱,将大数据的方法和工具嫁接至金融产品,推动管理创新,完善客户体验才是真正的落脚点。为此,商业银行应继续加强数据、技术与产品、管理的有机整合,最大程度发挥“大数据”的工具效用。借助公司报表产品与商业智能产品融合性与互补性优势加大对大数据技术的研发投入和创新力度,进一步加大对云计算、移动互联等方面的技术对于供应链金融产品、外部收付款结算、跨境人民币资金池等产品的支持力度。如通过大数据方法分析供应链客户的资金真实需求、经营项目流水、过往信用记录、行业周期特征等,并根据分析结果,配比相应的具体产品子类;通过云系统实时监测跨境人民币资金池类客户资金规模、收付流向规律,向其提供更为合理的资金管理方案建议等,只有这样才能切实加快业务向客户导向转型,增强服务客户的能力。
下面具体以供应链融资为例,分析大数据方法对跨境电商产品的支持作用:在海量交易的大数据基础上,以行业龙头企业为主导 ,作为信息提供方或担保方,与银行等金融机构进行合作,对产业链上下游的企业提供融资。这种B2P网络融资方式主要基于大数据和云计算技术,具有 “金额小、效率高、成本低、借贷灵活”的特点。其典型代表为京东商城、苏宁的供应链融资模式。在此供应链金融模式中,银行提供的融资服务由一对一转变为一对多的 “I+N”模式,即通过一个核心企业去链接N个上下游企业,其中“1”为核心企业,“N”为核心企业上游的供应商、下游的经销商和终端用户。“I+N”构建起一个良好的信用平台,起到了“增信”效果。在B2C供应链金融模式中,B2C电商往往就是整个供应链的核心企业,同时也是技术平台供应商,其面向的服务对象主要是有良好的渠道关系,经营规模较小,临时性周转资金不足的中小企业。在企业的生产经营周期内,中小企业的资金缺主要存在于预付账款、存货、应收账款等环节。根据B2C电子商务的运营模式,可以把供应链融资在B2C领域拓展为电子订单融资、入库单融资、应收账款融资和委托贷款等。以委托贷款为例,由B2C核心企业提供自有资金,代理银行代其向链上符合条件的供应商发放贷款。B2C核心企业凭借其自身在供应链中的地位,掌握平台上的大量交易信息,并据此评估商家的信用状况,完成贷款资格的审核和自有资金的发放。商业银行可以与大型数据平台合作,收集包含每一个电商企业行为轨迹的信息和数据来对贷款申请人进行风险评估来决定是否发放或发放多少贷款。
(五)运用大数据工具完善业务风险管控工作
国际结算、贸易金融、跨境电商等业务涵盖资产业务和中高风险类中间业务,时刻面临客户诚信缺失、资金链断裂、政策因素干扰等一系列道德和市场风险。通过客户信用评价指标体系建设、资金流数据监测、损失概率模型等一些列大数据工具的运用,可以对上述多数风险形成有效的识别预警及管控。以下是目前比较主流的跨境电商大数据信用评价的指标体系。可见,通过指标项目的设立,权重的赋值以及数据采集分析,可以为包括跨境电商企业在内的企业提供较为统一的评判标准,从而在大概率上规避风险发生的可能性。
责任编辑:晓丽
免责声明:
中国电子银行网发布的专栏、投稿以及征文相关文章,其文字、图片、视频均来源于作者投稿或转载自相关作品方;如涉及未经许可使用作品的问题,请您优先联系我们(联系邮箱:cebnet@cfca.com.cn,电话:400-880-9888),我们会第一时间核实,谢谢配合。