来源：金融时报

特邀嘉宾：华夏银行特约研究员 李虹含

继建行牵手阿里后，近日，四大行之首的工行牵手京东刘强东进行全面合作，百度与农行宣布达成战略合作，合作的焦点均指向金融科技领域。

随着金融科技在业务层面渗透率的逐步提升，大数据技术在金融机构中的应用日益广阔，对于商业银行如何在金融科技时代使用、提取、管理好大数据的讨论也更加深入。大数据在银行业中的应用场景主要有哪些？目前还存在何种难题？又应如何应对？近日，本报记者邀请华夏银行特约研究员李虹含博士，就上述热点问题进行了一次深入的对话。

主持人：现代金融机构当中，数据资产成为其区别于传统金融机构的最大生产要素之一。对于数据资产的管理、运用、挖掘，成为现代银行业加快创新、增强管理能力等业务的重要工作。您认为大数据技术对银行业来说意味着什么？

李虹含：将大数据技术应用于金融业不仅是技术发展的需要，也是金融业提高自身盈利能力的需要。在当前“以客户为中心、以市场为导向”的激烈竞争时代，在各大金融机构准备“二次转型”的改革进程中，要想提高核心竞争能力、防范业务风险、提高业务分析数据的时效性及准确性，就必须懂得如何利用现代管理信息系统进行综合分析，挖掘客户的潜在价值，利用有价值的信息改进服务手段，运用数据挖掘技术实现职能化的决策支持功能管理。

一直以来，金融行业对数据的重视程度非常高。随着移动互联网发展，各种金融业务和服务的多样化和金融市场的整体规模扩大。对于大数据带来的主要业务价值，参加调研的金融企业表示，大数据的价值是他们可以根据商业分析实现更加智能的业务决策，让决策的制定更加理性化和有根据。依靠有前瞻性的决策，实现生产过程中资源更优化的分配，能够根据市场变化迅速作出调整，提高用户体验以及资金周转率，从而获取更高的利润。

主持人：大数据技术在银行业中的应用场景主要有哪些？

李虹含：传统银行经营模式之下，商业银行仅能记录每次的银行卡消费信息，却无法实现实时的消费信息反馈，归集整理;在存款、贷款风险管控过程当中，银行也对小额贷款实施有效的风险管控。一般的商业银行在记录了客户消费和挑选产品的数据后，也没有利用好这些并不是为商业银行经营活动(风控、催收)而产生的数据。顾客的每笔投资和消费都被记录分析之后，运用数据挖掘技术将产生信息化决策，有助于提升用户体验，精细化管理水平将不断提高。

传统银行业中的信息数据是手工化产生的，容易产生错误。特别是在信贷活动过程当中，对于银行客户信息在记录过程中产生的错误将会给银行经营的有效性造成损失，这种传统的手工信息处理方式效率低下、准确度差、成本高。在商业银行的贷款业务当中，银行需要对客户的个人信息、财务状况和抵押品等内容进行尽职调查，信息获取的成本较高。但在大数据时代，商业银行对客户信息的采录过程完全自动，通过客户自填、自报，收录客户的个人信息，从而更加精确地了解到客户的实际情况，降低人工处理成本，提高办事效率。对于个体、小微层面的关注将有效解决长期以来困扰中国企业的“小微融资难”问题。

此外，商业银行的传统业务模式当中，跨地区、跨国经营成本极高，商业银行不仅要承担开设实体机构的成本，还要承担与代理行之间产生的摩擦经营成本。在大数据技术的帮助之下，商业银行总部机构将可以更加便捷地获取更多有价值的信息，不仅局限于当地的分支机构，跨越了地域、时空限制。

主持人：互联网时代的激烈竞争当中，电商、银行、物流三大类别企业代表着产品、信息、资金这三种要素的重要占有者，三者都希望成为主宰这三种要素的利益获得者。虽然在互联网技术、平台层面商业银行有所落后，但从长期发展趋势来看，商业银行具有重要的优势同时也存在着诸多困难，您怎么看这个问题？

李虹含：商业银行的利润率普遍较高，近几年来的业绩增长较快，许多商业银行的盈利能力开始超过国外商业银行。因此，商业银行内部拥有充足的资金，有利于商业银行建立大规模的资金、物流、信息流操作系统。资金优势使商业银行在构建三网融合过程当中可以建立先进的数据操作系统、存储系统和计算系统，有利于大数据技术的发展和应用。

中国的商业银行一方面自负盈亏;另一方面与政策存在着千丝万缕的联系。我国的商业银行牌照较难获得，电商和物流商的资格相对都比较简单。我国大型商业银行已基本实现集团化经营，全国15家上市银行资产占到中国商业银行总资产的60%以上，其经营管理经验、理念、方式、方法都强于电商和物流企业，容易形成跨界、跨区域经营。

在利用大数据帮助商业银行进行问题解决的同时，信贷客户个人信息保护、隐私保护的边际在哪里;客户的哪些数据可以收集、可以通过什么样的方式收集;个人数据是不是可以全部收集、收集在一起引起的副作用等，也都需要考虑。

主持人：商业银行应如何利用好大数据技术？未来商业银行在大数据技术应用上需要进一步开展的工作还有哪些？

李虹含：商业银行应当继续使用大数据和数据挖掘技术及时、准确、全面地掌握自身资产质量、数量及分布、头寸调度、信贷情况，提供给客户安全、可靠及强有力的技术支撑。数据仓库、大数据、数据集市通过深度挖掘可以获得“深度效益”。同时，大数据技术还搜集了大量的商户、用户资料，可以为开发新的产品、业务及综合化服务，让银行在不同的平台、层面上为用户提供异质化业务变得更加容易，而且为商业银行的经营管理决策提供了支持与依据，让商业银行可以随时根据与自己有往来的商户数据信息推断出客户的信用状况，有助于银行风险的防范。

传统商业银行的数据应用信息系统搜集与保存系统在大数据应用环境背景下仍需进一步完善。另外，提高数据挖掘的效率和技术功效仍是亟待解决的问题。

一直以来，金融行业对数据的重视程度非常高。随着移动互联网发展，各种金融业务和服务的多样化和金融市场的整体规模扩大。大数据的价值使银行可以根据商业分析实现更加智能的业务决策，让决策的制定更加理性化和有根据。依靠有前瞻性的决策，实现生产过程中资源更优化的分配，能够根据市场变化迅速做出调整，提高用户体验以及资金周转率，从而获取更高的利润。