农商银行应用大数据的思考

根据IDC的研究结果表明，2008年全球产生的数据量为0.49ZB，2009年的数据量为0.8ZB，2010年增长为1.2ZB，2011年的数量更是高达1.82ZB，相当于全球每人产生200GB以上的数据。这意味着，我们现在正处在一个新的时代——“大数据时代”。在这个时代下，各行各业都在重视数据对于企业服务质量提升、战略方向制定等方面带来的积极影响，并从中寻找能够帮助自身发展的方式方法。笔者结合在安徽萧县农商银行的实际工作体会，对大数据在农村金融服务体系当中的运用和发展，做出一些思考并提出建议。

利用大数据时存在的问题

　　1．数据繁多，利用效率低。当前，各地农商银行均是由最早的信用社改制而来，在当地历史悠久，群众基础深厚，且网点众多。以安徽萧县农商银行为例，截至目前，在全县23个乡镇设有36个营业网点，23个自助银行，服务网络遍布全辖所有乡镇，客户群体基本覆盖全县。平均每天所需要处理的业务数据达数十万条，涵盖存款、贷款、消费、转汇兑等各个领域。但面对如此规模的数据信息，萧县农商银行并没有设立综合的数据中心，及统一的报表系统，仅在每个条线建立了独立的上报系统，其他数据大多是用Excel文件、纸质报表等方式传输、储存及交换。这种方式不仅为日常管理制造了大量的成本，且响应低效，业务人员经常遇到没有合适的渠道获得所需数据的尴尬局面。

　　2．数据挖掘利用意识不强。以安徽萧县农商银行为例，该行自6月中旬开始，连续举办了多次微信营销、“手机银行”、“社区e银行”等新业务宣传促销活动。但对于举办每期活动的成本、新增多少新客户、吸引了多少老客户开通新业务、为本行带来了多少收益，以及哪种活动方式成本最小、影响或收益最大、最吸引哪种类型的客户，并没有一个系统的总结性分析。究其原因，就是因为一线员工在进行业务活动时，并没有强烈的数据挖掘意识，记录下即时的数据信息情况，牵头组织部门也没有提出数据搜集的要求，造成大量的有价值信息的流失，后期统计时数据统计困难，数据分析无法得到真实的信息，最终经验无法得到有效的积累。

　　3．缺乏专业的数据分析人才。农商银行是由各地的信用社改制而来，专业性的技术人才占比较低。在进行日常数据处理时，仅凭老员工的经验判断数据信息有用与否，缺乏系统性的评价标准。同时，有限的技术人员疲于应对日常报表需求，业务人员分析意识薄弱，导致为了看报表而做报表，使数据得不到有效的高质量分析。此外，由于新改制的原因，各农商行的数据搜集系统、需求方向、统计口径等都有着不同类型的偏差，导致技术人员无法得到有效、一致的数据信息。

大数据应用的案例分析

　　当前，农商银行的大数据应用发展可分为数据采集、数据分析、数据使用三个阶段。数据采集阶段是银行前台数据的搜集归总。这些数据通常都是结构化的数据，由前台部门进行搜集，并上传到总行服务器当中储存；数据分析阶段通常是由中后台部门在前一阶段的基础上，按照各自的工作职责和权限范围进行数据汇总和分析，并按照时间序列生成各项业务经营指标报告，以满足经营管理层对于业务发展情况的掌控需求，和人民银行、银监会的监管需求；数据使用阶段是相关业务部门和经营管理层结合前两个阶段的汇总分析结果，有针对性地开展数据的综合利用，以达到明确客户群体、拓展业务范围、研发新业务产品、增加营销效率、提高企业利润程度等目的。目前农商银行对于数据利用仅停留在前两个阶段，对于第三阶段的数据利用效率和方式并不高。

　　以萧县农商银行为例，目前该行已经完善了以“三会一层"为中心的公司治理框架，并按照精简效能的原则，结合实际运营需求和安徽省联社、银监会等上级监管部门文件要求，设立了营销、资金、电子、财务、授信、运营、综合、风险和监审等9个业务条线方向，形成了前、中、后台三个部门管理范围，以及三道风险防范防线。

　　在实际的运营过程当中，每个业务条线分别拥有适用于该条线的业务系统。到目前为止，萧县农商银行延续使用了安徽省联社开发的各项应用业务系统，分别归为核心应用、渠道应用、管理应用和支持保障四大类共计99个业务系统。其中，7个核心应用类系统和30个渠道应用类系统，主要用于前台业务部门，属于数据的采集阶段；31个管理应用类系统主要用于中、后台部门的数据汇总、分析、处理，属于数据的分析阶段；其余23个支持保障类系统主要用于数据集中管理、同步备份、运维调度等方面，针对内部系统运行的分析维护工作，不涉及具体业务经办。

　　由此看出，当前农商银行依旧停留在数据使用的基础阶段，即搜集和分析，并没有专门的业务系统模块用于客户业务信息的综合分析。换句话说，在整个业务体系当中，该行甚至并没有一个成熟完善的数据使用系统或者规章指引。究其原因，主要有以下几个方面：一是数据杂而不全，可靠性差。以信贷业务系统为例，目前该行所使用的系统当中，对于信贷客户生产经营的主要数据，目前只做到了对三大表(即资产负债表、利润分配表、现金流量表)的收集。如果能够获得如企业纳税申报表、征信记录、水电费、代发工资、抵押品信息、涉诉信息等其他有效数据，将有效缓解这种信息不对称的难题。二是数据多而分散，获取难度大。以信贷业务为例，现有的信贷系统当中，并没有同各政府管理部门做到有效对接，单纯依靠自身的数据基础，很难对企业的运营状况做出形象立体的描绘。如果没有技术支持，仅靠人工来搜集分散在各管理部门数据信息，很大程度上也会造成数据时效性差、数据完整性差的困局。三是数据间的关联性差，不能形成数据网。一笔正常的柜面交易、一笔完整的信贷操作，涉及的数据可能存在于各个系统，也可能以各种介质保存，如数据库、纸质材料、光盘影像等，要从众多复杂的大数据中寻找其中规律，难度极大。四是资金技术研发能力不足，限制进一步发展。县级农商银行受到地域、资金实力等因素的影响，很难吸引到优秀的人才参与到本行的技术建设当中。而省联社又出于整体考虑，不能够及时响应某一个农商银行提出的技术研发需求，不能完全发挥技术支持的作用。

对提升大数据使用效率的建议

　　1．打造专业队伍，加强员工培训。目前看来，农商银行面临的最大问题之一，就是员工对于大数据的理解不充分、实际工作中对大数据的运用意识不强。对此，农商银行要抓住“大数据”时代快速发展的机遇，以“公开招聘+内部培养”的模式，打造一只具有一定的数据分析专业技术、掌握各种计算机技能和统计科学的数据分析人才队伍。同时，加强对普通员工的培训工作，积极关注银行业各项统计工作的新方法新理论，确保农商行员工在第一时间能迅速充分地了解并学习到对数据应用方面的最新信息及知识体系。

　　2．专人统计，专人分析，专项使用。在运用大数据时，农商银行面临的另外一个问题，就是缺乏专业的数据分析人才。对此，农商银行需要积极制定一套符合本行实际情况的工作机制。结合当地要求，为基层网点支行提供足够的、拥有数据处理和挖掘经验技能的专职工作人员，形成一个覆盖全系统的数据统计分析网络。同时，成立专门的数据使用部门，定期搜集各业务条线的数据需求，有针对性地对数据分析结果进行综合整理，实现明确客户群体、拓展业务范围、研发新业务产品、增加营销效率、提高企业利润程度等多个目的。

　　3．加大对相关数据系统的研发和普及。在构建完整的数据搜集分析网络的同时，农商银行也应当加强对相关数据处理系统的研发和普及，解决目前行内各个条线数据搜集处理工作“各自为政"的现象，减少内部数据流通环节，提升数据使用处理效率。同时，尽量让数据收集系统简单易操作，有利于一线人员在短时间内熟练使用，并且能够在实际工作中进行运用；让数据分析系统更加专业和全面，能够为不同的数据需求岗位提供多维度、全方位的数据分析结果，让数据结果呈现得更加直观。

　　4．充分发挥省联社技术后备支持作用。省联社在信息科技的创新和研发上拥有优势，应站在全省战略角度上，提升核心竞争力为发展目标，将信息科技纳入银行整体发展战略，提高信息科技管理水平，推动信息科技创新，促进业务与信息科技的融合，推进风险控制、战略发展和流程银行再造，努力满足多层次、多元化的金融服务需求。同时，充分发挥信息科技的创新作用，支持特色化金融服务和经营模式。

（文章来源：金融电子化杂志）

扫码即可手机
阅读转发此文