2019年7月-10月，由中国电子银行网（微信公众号：cfca-cebnet）主办，《银行家》杂志、今日头条联合主办的“报告行长大人”银行与金融科技行业创新实践文字竞演第三季——“元年与接续 梦想与现实”活动正在火热进行中，以下为热心网友投递过来的稿件。

作者单位：江苏银行杭州分行投资银行部

背景

大数据对于很多人来说既熟悉又陌生。大家可能都听到过大数据的概念，对大数据能产生的价值和未来的前景有些许了解，对“数据驱动”满怀憧憬。但是大数据到底是什么，究竟应该如何应用到具体场景中，这其实是一个很不容易回答的问题。

本文作者长期在商业银行工作，结合对商业银行的业务和客户的深刻理解，从落地实践的角度，简单阐述商业银行应如何开展大数据应用。

数据是资产，是财富，首先要建立数据思维

大数据的产生与技术的发展密不可分。首先是计算机的出现让数据实现了数字化的存储记录，那时的数据尚处在零星割裂的状态，且以数字为主；随着互联网的兴起，信息的分享变得如此便利，催生了数据的主动生产和广泛传播，数据呈现了爆发性增长，数据的含义也丰富起来；而移动终端的普及、物联网技术的发展，使得无处不在的各类传感器时刻都在监测着社会中的各种行为动态，而这些感知数据则以近乎失控的速度持续自动产生。

大数据具备四个典型特征：一是数据量大，持续产生的海量数据；二是维度多元化，一切可记录的内容皆为数据；三是价值总量大，但是往往价值密度低，需要挖掘；四是速度快，无论数据产生的速度，还是数据处理的速度都是高效的。

数据不同于数字，数据是一种资产，而数字是一个符号。大数据不是简单的统计分析，大数据不但能告诉我们“现在是什么”，更重要的是可以让我们预测“未来可能是什么”。大数据的“大”，要求我们必须转变思维，我们不应再要求自己理解所有的因果逻辑，而应该把关注的重点放到趋势上。《大数据时代》一书的作者维克托认为，大数据的核心是预测，大数据时代最大的转变就是放弃对因果关系的渴望，取而代之的是关注相关性，也就是重点关注“可能是什么”，而不必过于关注“为什么会这样”。

在数字时代，生活中的人们无时无刻不在制造数据，我们在记录数据的同时，自身也在被数据所记录。通常商业银行在经营过程中会产生两类数据，一类是必须记录的数据，一类是应当记录的数据。必须记录的数据就是与客户身份和账务相关的信息，满足实名制和资产管理的要求；而应当的记录的数据，则包含商业银行在经营活动中可获取、可产生的所有数据，这些数据的广度和深度，往往关乎商业银行大数据战略的成败。

数据是新的驱动力，价值的关键是“驱动什么？”

安德雷斯-韦思岸在《大数据和我们》一书的封面上写到“数据是未来的新石油”，我们经常在购物网站上看到的“猜你想买”的创意最初就是来自于安德雷斯-韦思岸。石油是传统经济发展的驱动力，而数据则是新经济的引擎。大数据能让我们即时洞察，并基于算法模型实时做出决策，既高效又精准。

我们来看一个近期发生的真实例子：

2019年2月27日印巴发生空战，疑似巴方枭龙战机击落一架印度战机，国内的新闻媒体尚未开始报道，甚至主流媒体还没接到消息，成飞集成股票突然涨停了。我们不难想象，如果采用大数据技术实时监测全球舆情动态，把所关注股票的相关信息做成模型，就可以先人一步抓取到所关注的信息，从而占领先机。

人们在生活中主动制造和被自动探测到的各类数据，无一不是从各个角度反映着其生理、心理和行为特征。这些数据的价值往往被我们个体自身所忽略，但海量的个体产生的海量数据却汇聚成了一口储量丰富的“油井”。通过对这口“油井”中的“数据石油”进行提炼，就能获取我们想要的信息，从而提前做出应对决策。

l 股票分析软件根据用户对个股的点击数测算股票热度，预测涨跌趋势。

l 国外研究机构根据社交软件上对总统候选人的评价，预测选举结果。

l 银行通过舆情监测系统抓取信贷客户的负面信息，及时发现风险隐患。

l 咨询机构通过招聘网站和求职网站的访问数量和岗位数量等信息，分析就业形势和薪资水平。在不考虑隐私的情况下，甚至还能发现企业的员工是否有跳槽的打算。

l 购物平台根据浏览偏好推荐感兴趣的商品，提升销量。

l ……

当然，以上仅仅是基于大数据实现价值的众多案例中的沧海一粟，有场景的地方就有数据，有场景的地方数据就有价值。场景既是数据发挥作用的地方，场景也是数据产生的地方。我们在建设大数据应用、运用大数据执行决策的过程中，能否找到有效的契合场景，是实现大数据价值的关键。

凯文.凯利在谈到未来的十二个趋势时讲到：在未来，“答案”是免费的，而“问题”更有价值。因此，在大数据的应用方面，我们首先要思考为什么要用到大数据、哪些地方要用到大数据、用到大数据后会有何不同，而大数据实现的各项技术在目前的阶段已经非常成熟。

银行的大数据应用“道阻且长”，但“行则将至”

目前国内商业银行的数据应用尚处在摸索阶段，仅有走在金融科技前列的平安、招商等少数几家银行在大数据应用方面取得了一些成效。大多数商业银行，尤其是中小银行，对于大数据的重视和设想基本上是停留在口头上或报告里。究其原因，可能有三点：一是缺乏创新的动力，毕竟国内银行的传统业务仍然处在躺着赚钱的阶段，尚无数据驱动的紧迫感；二是国内银行在大数据应用方面缺乏人才和技术，未形成有效的推动力；三是国内银行在数据维度和数据完整性方面存在着先天不足，大数据应用存在缺米少粮的尴尬。

前面分析了“道阻”的原因，下面谈谈我们应如何“行至”。

首先，大数据的重要性已经成为共识，虽然现实中的某些情况下缺乏动力，但未来的方向是明确的。其次，大数据技术已经非常成熟，银行通过吸收外部的技术和人才，组建专业的数据团队并不难，而且银行拥有金融阅历丰富的业务人才，在场景化方面具备先天的基因。此外，银行应该始终保持清醒的头脑，不是简单引入外部的大数据公司或平台就是实现数字化了。大数据公司往往在技术方面具有一定优势，可以借鉴其技术能力，而数据应用的真正难点在于场景的选择和配套的运营机制，而这些必须与自身的实际相结合。

银行应着力构建三项大数据能力

大数据终究是为具体目标服务的，只有实现预定的目标才是有意义的事情，这也就是为什么人工智能必须是人在前面的原因，如果完全的无目标、无干预的智能将是无法预测的。因此，我们应按照人类在工作过程中的思维逻辑规律，借助大数据技术提升效率，从而实现数据价值。

我们把银行完整的大数据能力分为三个部分，分别是“洞察、感知、决策”。“洞察”就是从感观直觉着手，通过数据的直观展示，让我们了解业务现状、发现特征趋势，这是数据应用的基础，就像人类的思考往往是由感官触发的，而不是从真空开始的。“感知”则是经过人对目标场景进行逻辑抽象以后形成模型，通过大数据技术找到符合模型特征的事物，当然除了专家模型外，通过机器学习也能对一些杂乱无章的数据找到特征趋势，但这些特征仍然需要人去分析定型。“决策”则是最后实现价值的直接表现，是“洞察”和“感知”的终极目标，也是大数据应用成败的关键评价依据。

l 洞察应从数据治理开始

洞察就是类似于视觉感受，我们经常听到“360度可视无死角”的宣传广告语，其实很好地诠释了数据洞察的含义。洞察是多维度、全方位的，洞察的能力将直接决定感知的能力，全面准确的洞察可以提供更加丰富的信息，避免因信息的漏损导致的认知的错觉。洞察的前提是数据的广度和宽度，数据的维度和数据的质量直接决定洞察的能力。

可能大家首先会问，银行应该洞察什么?这个问题一定不是一句话能回答的，因为这个问题本身就是非常宽泛的。首先从洞察的目标看，可以洞察客户、洞察员工、洞察产品、洞察业绩等；其次从洞察的粒度看，可以洞察整体、洞察局部、洞察细微；此外，还可以洞察各类变化趋势等。总之，洞察的前提是“我们想看见什么”，有了这个，也就有了洞察的目标。

洞察先从数据治理开始，数据治理先从数据采集入手，“丰富数据的源”，银行的各个渠道都是获取数据的天然传感器；其次应该做好数据的标准化，也就是数据的格式和含义的标准统一，“完善数据的质”；最后就是要解决数据的共享机制，包括内部的共享，以及外部的共享，解决数据孤岛，“实现数据的用”。

数据的治理已经有比较完善的技术和服务链条，所以对于数据治理我们再此不做过多的赘述，我们重点从应用的场景角度阐述洞察的意义。

我们前面提到过，银行看似数据都是真实的，但是其实在大数据应用方面并无优势，因为其历来都是围绕账户和交易展开，而在了解客户方面仅围绕资金流向是远远不够的。互联网公司尤其是微信、百度、淘宝等大型的头部互联网公司，他们对客户的了解是全方位的，从衣食住行全面画像，基本上能描绘一个人完整的生命周期。当然作为银行来说，我们暂时无法具备像BAT一样的数据采集能力，但是银行的线上、线下渠道，虽然规模有限，但质量上并无劣势，关键在于是否具备“从服务中了解客户，因了解客户而更好服务”的理念。如果数据是你唯一的资产，那情况可能就完全不一样。

l 感知应当融入具体场景

感知的目的是为了实现具体价值，具体价值的实现必须依赖于现实的载体，而场景则是载体的表达方式。场景必须是真实有效的，应与客户的实际需求相结合，而远离客户需求的场景则是伪场景，是没有生命力的。感知就是从具体场景中抽象一定的规则条件，在这些规则条件发生的时候触发后续的决策行为。

当前在数据应用方面做的出色的公司，都是具有强场景应用的，比如淘宝网基于数据的产品推介、备货物流计划，搜索引擎根据浏览偏好推荐新闻事件等。而部分技术输出型的大数据公司，其主要能力还是在于技术本身，在其不具备现实场景的情况下，对于数据的应用往往都是基于主观想象的空谈，而不是基于实践的积淀。银行在数据应用的过程中，必须发挥自身的场景能力，在没有强烈场景驱动的情况下开展的大数据计划是很难有价值落地的，更多的只不过是在报告上锦上添花罢了。

谈到这里，大家最关心的一定是“银行有哪些场景”。同样，这个问题也不是简简单单就能说得清楚的。银行的场景很多，关键看“我们想做什么”，只有自己想做的，才是真正的应用场景。但仅仅这一点还远远不够，我们不仅要知道自己想做什么，还要知道怎么做。场景不是泛泛的目标，而是要聚焦的目标，比如我们把“提高信用卡发卡量”作为想做的事，这是一个目标，不能作为一个场景。我们必须把这个目标结合洞察的结论，形成“怎么做”的思路以后，才能找到具体的场景。如果我们通过洞察发现很多未办理信用卡的客户是通过刷借记卡消费，那针对借记卡消费的客户拓展信用卡就是一个具体的场景。

明确具体场景之后，就可以针对场景制定感知的目标，而感知就是“在特定场景下实现目标，触发决策的条件”。还是以前面的信用卡拓展作为目标场景，我们都知道泛泛地推送一个广告很可能会被忽略，但是如果在其消费行为发生的时候进行推荐可能效果就会立竿见影。比如目标客群通过手机银行充话费的时候，我们的手机银行在感知到这个动作以后，给出一个“办信用卡充值立减10元”的广告，营销的成功的概率就会大大提升。

l 决策不是一决了之

决策是数据应用的直接展现形式，决策的效果是数据价值的最直观的体现。决策必须建立在广泛的洞察基础之上，但决策不是最终步骤，决策后的跟踪评估尤其不可忽略。

决策不是简单的千人一面，决策的前提是洞察和感知。精准的决策是建立对客户的精准画像的基础之上，是数据驱动的精准触达。决策是一个持续迭代的行为，迭代的过程同样也是洞察和感知的过程。三者是一个相辅相成、水乳交融的关系。决策也不是一蹴而就的，特别是在互联网的简单、快速的模式下，逐步展开、试探性地决策过程往往更符合迭代逻辑。

好的决策事半功倍，还是拿我们前面信用卡拓户的场景而言。同样是10元的红包，到底是10元话费还是10元的其他优惠券，用在不同的客户身上起到的效果是完全不一样的。对于一个不开车的用户来说，话费可能比油卡更实用。即便是开车的用户，如果他离中石化很近但是中石油很远，这时候送的油卡如果是中石油的可能就不合适。因此，这些都需要建立在对客户的全面洞察和感知的基础上，有句话叫“钱要用在刀刃上”，对于数据决策运营来说，再形象不过。

当然，决策是一个过程，而不是一个动作。决策的对与错、好与坏，都需要有个客观的评价，这不仅是展示决策的成效，更重要的是通过不断的评估来进行策略优化，同时在决策调整的过程中可能会对洞察和感知提出新的要求。我们在数据运用的过程中经常会担心成果说不清、道不明，这不是数据的问题，而是数据使用者的问题。如果你还没有想明白怎么以数据的方式展示数据运用的成果，那还是不要急着开展数据应用吧。

数据的应用不仅仅需要耐心

数据的应用不是一朝一夕的事，数据能力是个长期积累的过程，数据应用是典型的厚积薄发，只有保持耐心、坚定信心，才能找到数据的价值之门。正如开篇我们所说，大家对于数据的价值均怀有美好地憧憬，但是不付出辛勤的汗水，哪来幸福的泪水？

然而现实当中往往大家普遍缺乏足够的耐心，因此在从事大数据应用实践的过程中要有充足的心理准备，做好阶段性的成效规划，只有持续输出可视化的成果，大数据项目才会具有生命力。

大数据应用，你的“问题”想好了吗？

责任编辑：王超