空间刷赞神器免费版

客服   dy抖音ks快手 自助商城点击进入

目前，面对移动化、网络化、智能化的行业发展趋势，我国商业银行数字化转型已迫在眉睫。在这一转变过程中，我国商业银行不仅要确定转型的最终目标，更要明确“如何转”。而基于既有的数据资源和数据应用成果，通过大数据平台的建设与应用，全面整合，深入挖掘其真正价值，并实现利益最大化，能够最大程度加速传统商业银行数字化转型的进程。

一、大数据平台建设

1、大数据平台建设的现状、目标及意义

在大数据时代，银行业数据迅速膨胀并呈现出几何级数的增长态势，数据容量大，涵盖范围广。从数据涵盖范围来看，数据类型包括以工资、公积金、消费贷款等为代表的结构化数据和以文档、图片、音像和地理位置信息等种类繁多的非结构化和半结构化数据。不过，我国商业银行虽积累了大量的客户历史数据，但在数据应用各个方面存在明显不足。例如，数据管理没有规划、数据采集渠道单一粗放、数据缺乏规范或标准不一、非结构化数据较为缺乏、数据挖掘深度不足、场景针对性数据缺乏以及数据交互度低、数据孤立零散等。

因此，我国商业银行要想有所突破，应当在前期充分的调研、分析和规划的基础上，科学构建适合自身需要的大数据平台，从顶层架构设计、基础信息技术系统的建设应用、数据积累与整合等方面着手建立基于应用场景的数据搜集模式，同时针对用户关键数据进行深度发掘，从而实现智能分析决策。

2、大数据平台建设的总体架构

在具体建设实施上，我国商业银行大数据平台应以采集、处理、分析、访问、应用、管理等六个层次为基础构建大数据平台的总体架构。

数据采集层：既包括传统的ETL离线采集、也包括实时采集、互联网爬虫解析等等；

数据处理层：根据数据处理场景要求不同，可以划分为HADOOP、MPP、流处理等。具体包括数据清洗、数据转换、数据加工、数据关联、数据标注、数据预处理、数据加载、数据抽取等工作；

数据分析层：实现对数据的深加工，根据业务需要，建立适用于业务的数据统计分析模型，建立大数据运行处理平台，运用数据分析、数据挖掘、深度学习等算法从生产数据集中挖掘出数据内在的价值，为业务系统提供数据和决策支持；

数据访问层：实现读写分离数据挖掘技术及其应用，将偏向应用的查询等能力与计算能力剥离，包括实时查询、多维查询、常规查询等应用场景；

数据应用层：深入分析行业数据特点，梳理行业数据产品需求，建立适用于不同应用场景的数据产品；

数据管理层：实现数据的管理和运维，横跨多层，实现统一管理。同时以智能报表、专题报告、BI展示、平台接口等可视化方式提供数据展示和数据共享服务。

3、大数据平台的实施重点

1）数据存储与计算：通过建设分布式文件系统，满足不断增长的存储空间要求；通过分布式并行读写及支持冷热数据异构存储等技术手段保证处理效率。同时，采用分布式计算框架，可动态横向扩展服务器，提升算力。在平台内部引入共享算力池的概念，动态进行用户算力的临时分配和释放，以充分使用计算资源。

2）数据建模：大数据建模是基于经营分析的业务经验，依托于已有的商业AI技术进行用户全生命周期的算法模型构建。同时，基于分布式的建模架构，通过整合多源异构的内外部数据，将海量数据进行广泛的交叉关联，实现多方数据源的融合打通。

3）多租户多集群数据管理：使用多重租赁技术，用于多用户的环境下共用相同的系统或程序组件，并且仍可确保各用户间数据的隔离性，实现数据与资源的共享。同时依托高可用、可拓展、高性能的分布式集群体系数据挖掘技术及其应用，实现多技术混合架构，为未来丰富的数据场景及数据服务，提供强有力的基础服务保障。

4）数据治理体系的搭建和实施：数据治理领域包括但不限于数据标准、数据质量、元数据、数据模型、数据分布、数据存储、数据交换、数据生命周期、数据安全等内容。数据治理领域是随着银行业务发展变化的，领域之间的关系也需要不断深入挖掘和分析，最终将形成一个互相协同与验证的领域网，全方位地提升数据治理成效。

二、大数据平台的实际应用

精细化管理：传统商业银行需依托企业级数据仓库、管理会计系统、企业级数据应用平台等系统，整合各类交易系统中的大量基础数据，从产品、客户、条线、渠道等多个管理视角反映银行经营成果，分析银行的盈利结构，为实现以客户为中心、综合化、多功能、集约化的战略转型目标提供有力支持。在此基础上建立包括数据应用、管理会计、绩效考核等大量的信息应用系统，构建涵盖外部监管、管理会计、资债管理、定价、绩效、风险管理在内的全面的内部管理体系，广泛提升银行精细化管理水平。

风险防控：商业银行要用大数据思维来构建“以客户为中心”的全面风险管理体系，因此要彻底打破以“小数据”模式下形成的条线、部门、机构、产品、系统间的数据分隔、各自识别风险的做法，形成按客户集中统一管理数据的高效协调管理机制，确保通过总行建立的信息系统在数据收集、清洗、分类、挖掘、钻取的基础上，能够勾画出客户360度全景视图。

精准营销：整体的应用目标是希望依托大数据平台的分析结果在线获取客户的各类信息，再通过模型分析、客户个性化需求、不同产品的特点等，在客户与产品之间建立精准的对应关系。在业务操作上，还应当能帮助客户经理对客户做出准入判断、提供营销方案、实现限额管理、定价指导等智能决策信息。这些应用目标可以拆分成如下应用需求：

授信管理：大数据在授信审批环节的核心应用包括：信贷客户准入、额度和价格(利率)的制定、调整。一般来说，在信贷业务的授信审批环节会同时确定信贷业务的额度和价格。在新客户首次准入时，可以根据大数据统计出的同类客户风险参数、各项成本参数、市场敏感性参数来设定授信额度。对存量客户，可以根据客户的风险特征变化情况、贷款支用情况、逾期情况等大数据计算客户行为评分，并计算影子额度，基于影子额度对现有额度进行实时调整。

产品和服务创新：基于客户交易结算、POS流水、纳税信息等信用记录，推出信用、创业、纳税、薪金贷等方面的金融信贷产品，逐步形成并丰富的大数据产品体系。同时， 做好线上、线下的互动，把网点作为银行服务的体验店。更重要的是，利用银行信息资源丰富的特点，可以全面接入、整合、挖掘、经营网点服务半径内的本地化客户以及信用卡特约商户等各种工作、生活、服务数据信息，通过线上和线下展示，让网点成为周边商业服务数据交互平台。

随着商业银行数据分析能力的提升，通过对行内大数据进行有效的统计、分析、评估，以及内外部大数据的结合，为银行业务发展、市场营销、资产负债管理、客户关系管理等方面提供有效的预测分析及决策支持。未来的银行必将是数据驱动型的银行。大数据应用将推动商业银行在经营理念、组织架构、业务流程、管理模式、IT架构等领域的全面调整和深度整合。

《新金融世界》网站：