张星 薛洵
【摘要】随着信息技术、网络技术以及数据处理技术的不断发展,大数据成为现代社会经济运行中的重要依据。银行经济是现代社会经济发展的重要组成部分,银行通过建立信息系统平台,能够实现对金融市场各项信息数据的整合、分析与利用,进而总结经济运行规律,预测金融市场运行方向,从而推动社会经济整体在数据模型的建构中有序运行。本文从大数据的基本内容出发,从智能化建设、经济预测、风险防范等角度分析大数据对银行经济发展的影响;并针对信息系统建设中的问题,探究影响大数据分析在银行经济预测和金融统计应用中制约因素;进而结合问题实现多方面探究,提出促进大数据融入银行经济预测和金融统计的策略,以期对新形势下,银行经济的发展以及金融市场的构建提供建议。
【关键词】大数据 银行 经济预测 金融统计
引言:在现代经济研究中,数据已经成为经济预测与金融分析中的重要资源。银行是市场经济运行的重要主体,其在运行中需要对市场交易、金融活动中形成的数据信息进行收集与分析,将价值相对稀薄的数据信息逐渐汇聚为具有巨大利用价值的数据资源,而专业人员通过对大数据的分析则能够形成经济预测与金融统计模型,以指导银行经济与金融市场的有序运行。
一、大数据的概述
大数据指无法在一定时间范围内用常规软件工具进行捕捉、管理和处理的数据集合,是需要新处理模式才能具有更强的决策力、洞察发现力和流程优化能力的海量、高增长率和多样化的信息资产。从概念中我们能够发现,大数据已经不再是简单的信息,而成为了一种资产,因此对于市场主体而言,如何挖掘、利用这笔资产则成为现代市场竞争中面临的重要议题。
相较于传统意义上的资产,大数据在生成与应用过程中具备以下特点:(1)海量,从大数据的角度来看,整个世界就是不断变化、更新的数据流,每一刻、每一个活动都在生成数据,而在现代信息技术的辅助下,这些数据被捕捉并收集起来,其规模突破了Byte、KB、MB、GB单位的计量,达到了用ZB、YB、DB等单位计量的规模,而庞大的数据流在虚拟空间中生成并存储,成为了现代社会发展中一块尚未完全开发的“富矿”;(2)高速,即在现代网络技术、信息技术的支持下,数据的传输更加迅速,即便是不同区域的市场主体也能够在同一时间获得相同信息,例如目前物联网、云计算、移动互联网、车联网、手机、平板电脑、PC以及遍布地球各个角落的各种各样的传感器使数据传播更加便捷,而大数据的高速传播打破了信息滞后带来的反应迟缓,让市场主体的决策更加迅速、有效;(3)多样,大数据主要包括结构化、半结构化和非结构化数据,其中结构化数据是在特定场景中形成的数据库,如银行数据库、企业ERP、医疗HIS数据库、文献资料数据库等,半结构化数据是一种数据库集成的数据模型,是虚拟空间中形成的共享信息,非结构化数据则是指图片、声音、视频等数据内容;(4)价值密度低,由于数据规模庞大,其单个数据价值自然被稀释,如针对某一金融活动的数据统计中,只有少数数据与金融活动紧密相关,但是这些价值密度较低的数据积少成多,最终会形成数据价值。
基于大数据的特点,在现代经济运行中,银行利用系统优势捕捉金融活动中的海量数据,并通过加工、处理形成可供参考的预测模型,这对于银行经济的有序发展,以及金融市场的有效运行具有重要意义。
二、大数据分析对银行经济的影响
现代社会经济发展中的各项活动都会与银行建立联系,因此,银行在大数据获取方面具备便捷的条件。相较于传统的银行数据分析,大数据背景下形成的经济活动数据不再是单一化、随机化的信息,而形成了庞大的数据资源,且这些数据在一定算法中能够形成独特的语言,用以描述经济运行状态。基于此,银行在大数据背景下,应利用信息系统收集、整合、挖掘、分析信息数据,并探究不同经济现象、金融活动中的内在联系形成具有预测价值的经济模型。
在激烈的市场竞争中,银行建立大数据处理平臺,并实现对数据资源的合理利用,对于经济预测与金融统计具有重要意义。第一,有利于完善银行智能化管理体系建设。在大数据的支持下银行的智能化管理建设已经启动,银行通过完善硬件系统,加强数据分析,能够逐渐推动人工处理业务模式向智能化业务模式过渡,例如2018年中国银行积极推动智能网点普及,打造智能柜台,利用人机互动实现人脸识别,通过系统提取和比对客户面部的关键特征值,加强对客户身份真实性的刚性控制;对准大众普惠客户,把存折业务纳入智能服务范畴,实现智能化的存折取现、补登、转账等功能;建立防堵电信诈骗监督机制,通过大数据分析建立可疑人员“黑名单”,支持跨网点共享,实现联防联控等等。这样的智能化操作有效弥补了人工操作的漏洞,实现了银行经济智能化发展。第二,有利于提高经济决策科学性。在现代社会经济发展中,银行扮演着至关重要的角色,政府、企业、社会机构以及个人都会根据银行的数据信息做出经济决策,基于此,银行也需要对社会经济发展中形成的海量数据进行整合与挖掘,这样才能形成更加科学的数据模型,以供政府、企业、社会机构以及个人参考。在大数据的推动下,银行信息系统在数据处理中逐渐朝着集约化方向发展,例如技术部门推出智能决策平台,能够推动银行融合线上、线下的海量非金融与金融数据进行信用风险建模;结合征信、工商、税务、法院、运营商、舆情等第三方数据,搭建更加科学,更加合理的风控模型,通过风险模型识别欺诈风险和信用风险,从而打通数据收集、特征分析、客户标签、风险控制等各个环节,做出最优的经济决策。第三,有利于预测并防范金融风险。银行在运行过程中,通过对金融数据的深入挖掘,能够形成对银行系统的全面监督,动态跟踪、评估金融活动风险,并做出预警,提出金融风险防范措施。例如中信银行以电子银行业务流程为主线,建立立体化、全覆盖风险防控系统,即利用云端监控对客户数据进行收集,整合第三方数据库、同业数据与行内数据,形成金融风险分析数据库,通过系统运行完成数据分析,并形成交易欺诈监控、信用欺诈监控、个人信用风险评估、商户信用风险评估,以迅速、有效地识别金融风险,提前做好金融防范,提高金融监督水平,确保金融市场有序运行。
三、大数据背景下的银行经济预测和金融统计面临的问题
第一,银行在大数据技术开发与应用方面存在欠缺。在大数据背景下,银行经济运行中形成的信息资源为数据分析提供了天然的支持,但是由于传统银行在运行中“技不如人”,对于庞大的银行经济数据、金融市场数据无从下手,从而影响了其在数据开发与应用方面优势的发挥。银行是一比较传统的市场主体,其在漫长的经济运行中一直处于稳定状态,虽然自身具备庞大的数据资源,但是在资源开发方面,尤其是互联网金融时代的数据资源开发方面相对迟缓,无论是与电商平台,还是与异军突起的金融科技公司相比,其在数据技术引入方面存在明显的动力不足。技术上的局限使得银行在面对市场经济、金融市场、用户信用等级等数据时候,难以灵活采用大数据思路实现资源开发与应用,导致银行潜在的商业价值无法有效利用。
第二,银行数据处理缺乏统一标准,影响了数据开发与应用效率。标准是通用语言,建立大数据标准是优化数据分析环境的前提。在银行经济预测与金融统计中,标准化数据能够保证基础数据的一致性与准确性,促进银行系统集成,推动数据资源共享。但是,目前在银行经济预测与金融统计中,行业内部、部门之间存在严重的数据壁垒现象,面对同一问题,不同部门、不同主体给出的数据信息相去甚远,甚至截然相反,这就使得原本存在巨大利用价值的数据资源,变成了难以令人信服的垃圾数据,同时也增加了部门之间、行业内部的信息交流,造成信息孤岛现象,降低了银行经济预测效率,影响了金融统计的推进。
第三,对不同类型数据开发的重视程度存在偏差,影响了数据开发与应用的全面性。目前银行的数据生成主要还是依赖传统业务,如金融交易、用户开通账户等,在传统维度上形成的数据信息主要侧重于历史财务、借贷数据。虽然随着金融市场的发展,互联网金融的影响,银行在传统业务范围上进行了一定的拓展,并将数据类型从存、放、汇核心业务形成的结构化数据,发展为客户电话语音、在线交易记录、网点视频等非结构化数据。但是与金融科技公司相比,银行传统业务数据库的建设,以及非结构数据开发上依然存在“短板”,数据的来源、传递与存储方面存在技术制约,影响了大数据效能的发挥。
第四,个人信息采集的边界相对模糊,个人信息采集存在争议。大数据对于银行经济预测与金融分析而言,能够提供充足的资源支持,但是其在个人信息应用方面却也由于边界模糊的问题,存在潜在的风险。银行要想实现经济预测与金融统计必须要对个人信息进行收集、整合与处理,这时人们不免要问“如何理清数据控制者运用数据的行为边界?如何确保数据开发中对个人信息的有效保护?”但是目前银行对于这一问题却无法给出令人信服的答案。2016年公安部挂牌督办并告破的“5.26侵犯公民个人信息案”,涉及高达257万条公民个人银行信息,涉案金额高达230余万元,这一案件的被告是一某银行支行行长,其在大数据的“幌子”下,肆意侵犯个人的银行信息,造成个人信息泄露,这不仅为用户的经济行为带来了巨大的风险,更是影响了银行的市场信誉,并为整个银行业的大数据开发与应用敲响了警钟。
第五,银行信息系统有待完善,数据安全问题突出。大数据背景下,银行面临着转型的压力,虽然在信息系统建设方面银行做出了巨大的投入,但是数据安全问题依然突出,例如银行数据在传输过程中既存在泄露、丢失的风险,也存在被外部攻击的风险;在数据处理过程中,即便银行进行了静态数据脱敏,但是由于数据集之间的关联性,依然存在信息泄露的风险;在云计算平台下,计算环境复杂,多个租户共享平台资源,且互联网支付在云计算中的广泛应用等都为数据安全带来威胁。
四、大数据背景下的银行经济预测和金融统计分析的策略
第一,银行应主动适应大数据时代背景,对数据建设做出战略性规划。大数据对传统银行提出了转型的要求,而银行自身也具备明显的数据资源优势,因此,根据大数据时代要求将数据建设提升到战略高度,推动大数据资源与开发的战略制定与落实,是传统银行應对互联网金融冲击,实现创新发展的必然选择。在战略规划中,银行首先要明确战略目标,即从加强经济预测,推动金融市场健康运行的角度进行宏观分析;从控制银行内部金融风险,提高银行经济效益,挖掘潜在商业价值的角度进行微观探讨,以形成系统完善的战略目标,以指导银行大数据建设长短期工作规划发展。分析战略环境,即对银行进行SWOT分析,从数据、资金、人力资源等方面分析内部优势与劣势;从技术环境、政策环境、社会经济环境等角度分析外部机会与威胁,以合理判断银行在大数据建设中面临的内外环境,以确保战略方案的合理性与可行性。制定战略方案,即通过信息整合建立SWOT矩阵,针对不同要素之间的搭配与协调,以及银行长短期发展需要,制定增长型、扭转型、多元化、防御型战略。实施和评估战略,即根据客户中心目标、经济发展目标、风险管理目标等对不同的战略方案制定实施细则,并根据银行运行过程中对预期目标的实现程度进行战略评估,以确保大数据背景下,银行战略规划有序进行。
第二,推动银行数据处理技术的应用,提升数据开发与应用能力。大数据处理技术是银行实现数据开发与应用的主要支撑,银行应根据现代数据系统建设进程,积极推动技术创新,以搭建完整的数据处理平台。例如民生银行根据业务应用场景搭建了层次化的数据平台:数据采集层,数据采集范围包括行内数据、外部数据与行为数据,通过对数据的分析,银行加强了对用户行为的分析、挖掘与预测,从而进一步明晰用户的身份、目的以及行为模式,从而为金融产品运营与精准营销提供支撑;数据加工层,其包括Hadoop数据整合平台、生产历史数据管理平台以及实时数据分析决策平台,这一层次通过对内外数据的整合与开发,实现对结构与非结构数据进行清洗与统一,并通过自动调度形成可利用的数据资源;服务层,其包括机器学习平台、实时推荐引擎、数据检索引擎,通过平台运行,银行内部信息系统能够训练机器完成学习,从而大数据形成智能分析,并为银行经济预测提供新的模型算法;业务应用层,即根据大数据建立的经济模型,银行对风险控制、产品运营、市场营销、数据安全、内部管理等方面做出决策,以形成数据开发与应用的闭环,提高银行的数据开发与应用能力。
第三,促进数据标准化发展,推动银行数据共享机制的建设。在大数据背景下,银行数据标准化建设既是提高数据质量的需要,也是推动数据共享的需要。银行在数据管理过程中,为打破经济预测与金融统计中数据交流障碍,应积极推动数据标准的建设。例如中信银行为适应大数据时代发展要求,推动数据资源共享,实现战略发展目标,对银行数据标准给出了明确定义,其中包括数据责任方、数据内容的标准要求、数据质量要求、数据的成本应价值量化要求、数据存储与管理要求、数据加工与整合要求、数据访问安全要求等;根据数据标准化管理定义,制定了严格的发展框架,并结合国家相关规定对数据标准内容进行细化,其中基础数据标准包括客户数据标准、产品数据标准、金融机构数据标准、协议数据标准、交易数据标准、渠道数据标准、财务数据标准、资产数据标准、地址数据标准、营销数据标准、公式代码等,指标数据包括风险指标、财务指标、营销指标、财富指标、监管指标等;根据数据标准细则制定数据管理规范,以便于强化标准执行力度,并针对标准执行中存在的问题做出标准变更、复审与考核,提高数据标准的科学性与可行性,进而提高银行数据的整体质量,推动数据资源的共享与利用。
第四,完善大数据分析模型,提高银行经济预测与金融统计的科学性。银行应通过对统计工具、信息来源以及数据质量的改进,完善经济预测与金融统计模型,以提高数据分析的前瞻性,体现大数据分析价值。例如现代银行在经济运行中时刻都面临着用户流失的风险,尤其是互联网金融的出现,便捷、高效、多元化的金融服务促使传统银行中的用户不断流失,针对此,银行应利用大数据对用户流失现象建立分析模型,并通过对用户的画像,制定相应的应对方案。在互联网时代,信息爆炸使得人们获得金融信息的途徑愈加广泛,调查显示,约63%的用户使用在线个人网络以及社交网站就能够获得可靠银行产品信息,而45%的用户会在社交媒体中会对其金融服务作出评价,这些存在于社交网络中的数据信息,为银行预测用户流失提供了必要的依据。银行在大数据开发过程中,应拓宽数据收集渠道,从多个视角分析影响用户流失的因素,并利用系统平台实现对用户银行访问,用户来电日志,网页交互日志,信用卡记录的交易数据的处理,同时将这些数据信息与社交内容中的信息进行交互、匹配,形成对用户的全方位“画像”,进而建立预测用户流失的数据模型,以形成可视化的行为预测指导,这样银行就能根据用户流失现象制定针对性措施,及时止损,并针对存在潜在流失风险的用户制定营销方案,以挽回用户,降低流失率,提高银行经济决策的预见性。
第五,明确银行数据开发与应用的边界,依法维护个人信息安全。在大数据背景下,银行既是信息的提供者又是使用者,因此需要承担着保护个人信息安全的职责。在大数据开发与应用的过程中,根据相关的法律法规,以及行业内部的规章制度、规范流程与合规流程确保个人信息安全。例如工商银行为保证个人信息安全在采集和向征信机构报送个人信息的过程中,会严格遵照程序取得个人同意、授权,在查询个人信息的过程中要获得本人授权,并详细说明信息使用目的与使用范围;工商银行还建立了白名单制度,即申报、评审符合国家相关规定以及银行系统规范的单位、个人形成白名单,这些单位或个人可以通过登录征信系统查询信息,但是其权限主要为信息管理,无法对个人信息进行收集、整合与利用;此外,工商银行还建立了前置系统,用户需要与征信系统形成有效对接,才能够通过安全测试,并利用双重密码认证进入系统,以控制系统登录权限。总之,在信息资源成为社会经济运行中的重要生产要素和社会财富的时候,银行作为个人信息资源的重要持有者,需要以身作则,明确数据信息开发与利用的边界,在合法的范围内实现信息数据的科学利用。
第六,完善银行信息系统,保障数据安全,有效防范金融风险。银行经济预测与金融统计的主要目的是及时发现金融风险,并提前做好防范。在大数据背景下,银行应通过引入专业数据技术,加强信息系统建设,其中包括数据库安全审计系统建设,即根据行业规则对银行行为进行考核,对违规操作提出警告,追溯数据库访问风险,并建立关联分析,针对系统异常进行及时诊断;动态数据脱敏系统建设,即保障数据实时访问安全,防止银行系统在运行与维修过程中出现敏感数据泄露,避免隐私数据在未脱敏状态流出银行,利用高可靠性的动态掩码进行数据脱敏,保证数据共享安全;数据库加密系统建设,采用国家密码局认证、备案的加密设备,对银行的核心业务数据进行加密保护,通过数据库加密产品对敏感数据进行加密保存,避免数据文件、备份文件泄露或丢失,即使在黑客通过技术供给获得数据也难以准确解读,建立权责分配机制,避免高权限用户“监守自盗”,利用加密设备提高银行对数据安全的自主控制能力。
五、结束语
综上所述,大数据对银行经济与金融统计带来的不仅是丰富的数据资源,以及便捷、智能的统计分析手段,还有颠覆性的思想认知,而银行应积极应对大数据时代经济发展与金融运行过程中对数据资源形成的新需求,从软硬件方面做好调整与创新,深入对大数据的理解,并实现对数据信息的开发与利用,建立符合银行经济与金融统计需要的数据信息系统,进而推动银行经济预测与金融统计工作向智能化时代迈进。
参考文献:
[1]惠旭.大数据背景下金融统计未来的发展方向[J].现代经济信息,2019(07):339.
[2]席犇.大数据背景下的银行经济预测和金融统计研究[J].河北企业,2018(06):60-61.
[3]王彤辉.基于大数据背景的银行经济预测和金融统计探析[J].农家参谋,2018(10):281.
[4]黄善芬.大数据背景下的银行经济预测和金融统计[J].环渤海经济瞭望,2017(12):53-54.
[5]姜杉,何启志,邓留.大数据背景下的银行经济预测和金融统计研究[J].环渤海经济瞭望,2017(12):17.
[6]郭晨昕.大数据背景下的银行经济预测和金融统计[J].时代金融,2017(30):61.