银行大数据发展之路探析

随着“互联网+”发展战略的持续深化，数据资源作为驱动企业发展的核心新生产要素，成为各个行业转型升级的重要抓手。特别在银行业，随着bank3.0的到来，银行业务的在线化、数据化将成为常态，如何更好的利用大数据，盘活内生资源，创造外部价值，促进互联网金融发展，成为众多银行关注的焦点。

        银行积极拥抱大数据，开发利用数据资源，最大限度地发挥其催化质变的能量，笔者从三大层面多个角度进行了系统思考。

一、战略规划层

        （一）重新审视数据在企业中的位置，树立大数据资产运营理念

        1、大数据时代，数据将成为银行业核心的生产要素之一。数据不再只是信息的载体，更是一种资源、资产，并结合大数据、云计算等技术手段发展，将为银行在业务优化、风险管控、客户获取与保留、产品创新、营销服务、管理控制等方面创造持续的经营驱动力。
        2、促进数据的持续性的跨界流动才能真正发挥大数据的最大能量。无论是银行内部各部门或各系统之间所存在的结构化和非结构化数据，还是银行外部跨行业的数据流和信息流，都必须进行充分的交互与融合、提炼与共享，才能真正发挥大数据作为核心生产资料的价值，才能发掘出新的业务领域与市场机会，从而提升管控效率与效益。
        3、注重大数据经营与价值变现。数据变现价值越来越受到重视，从目前大数据概念股的热捧，即可窥见一斑。银行自身在运营过程中积累了涵盖客户资源信息、财务信息、信用信息、支付信息、风控信息的海量核心价值数据，这是大数据时代下银行建立新一轮核心竞争力的关键。这种核心的竞争力不同于网上银行等银行产品和服务的信息化经营模式，而是要求银行运用产品经营的理念来经营数据，注重对数据进行价值评估与产品化封装，经过安全处理后形成银行所特有的数据，再同外部同业或其他行业开展数据交易买卖，使大数据作为一种商品，在市场上进行流通与变现，成为银行价值增长的新引擎。

        （二）建立清晰合理、开放共赢的大数据业务体系与商业模式

        在大数据时代，一方面，银行业是数据信息的输入大户，由于其行业特性，需要更丰富的信息资源来对其风险管控、营销服务、客户管理等领域进行强化与提升；另一方面，银行拥有自身独特的数据价值资源，如何包装与运用他们，更好的去挖掘数据自身的价值，实现数据增值。基于以上两方面需要在银行内部建立起一套清晰合理的业务体系与商业模式。

        1、着眼于不同行业用户需求，依据自身大数据优势，银行企业可构建多层次、多价值、立体化的大数据开放运营体系，建立四类大数据业务线。

        一是基础数据业务线：包括数据存储空间的对外开放和基础数据的单一出售。由于银行IT系统建设较为复杂，耗时较长，一般情况下，中小银行的IT核心系统多为租用而来，有条件的银行，可借助大数据云计算平台的优势，进一步整合数据、应用系统资源，拓展出租存储空间和应用系统等大数据业务，为中小银行提供基于SaaS模式的大数据云服务。
        二是聚合标签数据业务线：银行运用大数据技术手段，在整合信用卡系统、电子银行系统、存贷款系统、投资理财系统、风险管理系统等众多系统中存储的海量数据时，对其进行标签化管理，并通过各类标签数据的关联、整合深加工，对大数据精细化处理后封装出售。
        三是专业咨询服务线：在大数据时代，银行凭借自身在法人客户、个人客户领域的历史数据，汇聚行业发展动态、个人消费动态、企业/个人信用情况、投资理财风向等大数据信息，针对不同需求，开展专业咨询服务。如推出第三方征信服务，利用大数据技术进行企业或个人信用等级评估；基于金融视角推出特定的行业发展与研判报告，为国家经济走势、企业发展、个人消费等领域提供专业化咨询建议等。有条件的银行企业，应积极发展大数据分析处理技术，在满足自身企业发展、战略决策、营销服务的研判同时，强化自身大数据分析产品化能力，为最终进入大数据专业咨询领域奠定基础。
        四是数据资产交易线：随着银行自身大数据整合与提炼能力的逐步加强，一方面是银行能够建立起自有的大数据交易集市，推出自身特色的数据交易产品包，通过自身平台向外界提供数据交易或置换。另一方面是银行通过专业第三方大数据交易中心，将数据资产进行委托代理销售，进一步促进数据的多边流动与交易，实现数据价值最大化。

        2、基于银行大数据开放运营体系，探索四类多元化商业模式，促进大数据对外合作实现，保障应用落地、数据价值变现。

        一是单一数据出售模式：基于大数据整合处理，进行产品化封装，推出数据即服务（DaaS）模式，获取数据出售收益。在这一模式中，银行成为大数据资源提供者，银行整合自身海量数据资源，经过脱敏处理，向需求方提供数据包，为用户提供全面的、可靠的、有价值、稳定的优质大数据资源价值，自身不做其他分析、深度加工。银行按照数据种类、获取难易度、数据整合难易度、数据需求量大小等维度对数据包进行差别定价，通过向需求方收取数据购买费用盈利。
        二是数据+服务模式：基于大数据基础，进行增值服务延伸，建立平台即服务（PaaS）模式，获取数据出售与增值服务收益。这一模式下，银行成为大数据+应用服务平台提供者。银行向需求方提供所需数据，并以数据为基础，整合应用需求，建立服务运营平台，为用户提供个性化大数据解决方案（如第三方征信解决方案等）。银行按照数据种类、获取难易度、数据整合难易度、数据需求量大小、数据分析难易度、行业方案复杂性等维度进行差别定价，向需求方收取数据购买费和方案服务费。
        三是专业服务模式：基于大数据分析处理技术，打造标准化专业服务，进行产品化封装，获取产品销售收益。在这一模式中，银行是大数据专业服务提供者。银行不对外提供数据，而是利用自身大数据处理技术，将数据转化为标准服务——大数据存储空间出租与大数据专业咨询服务，既能为客户提供安全、稳定、易扩展的存储环境，又能为用户提供权威、可信、多视角、深层次的大数据咨询价值。银行向需求方收取存储空间租赁费、咨询服务费。
        四是数据交易模式：基于资产运营理念，建立数据交易平台，促进数据流动、增值，以交易即服务（TaaS）模式，获取交易费、会费等收益。这一模式中，银行成为大数据交易平台商。银行整合自身海量数据资源，可建立大数据应用商店，通过会员加盟制，向会员方提供数据的浏览、试用、API下载等服务，并促进会员间数据买卖交易。银行通过收取会员会费、交易服务费，以及按不同权限等级的数据使用费等盈利。

二、应用合作层

        基于银行核心经营价值环节，积极探索大数据应用场景，锻造大数据业务应用能力，提高银行经营价值链效率。

        （一）开放合作，吸纳外部优质数据资源，提升自身大数据应用能力

        目前，银行自身数据在一定程度上存在不足，还需开放合作，吸纳外部数据，弥补短板，真正实现大数据高效、精准应用。

        （二）着眼银行核心价值链，提升大数据嵌入式应用开发能力

        基于银行经营价值链，针对重点经营环节，结合外部数据，进行针对性的应用能力提升，切实锻造大数据应用能力，实现大数据为银行核心业务服务，促进数据向生产力转变。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文