基于大数据视角的商业银行零售业务转型研究.docVIP

基于大数据视角的商业银行零售业务转型研究 　　 摘 nbsp; 要：随着大数据技术的发展，拥有海量数据和大数据处理技术的互联网金融企业正在形成对商业银行传统零售业务的挑战，零售业务转型已成为商业银行当前的核心任务之一。本文首先在大数据视角下对互联网金融的兴起以及商业银行零售业务所受到的影响进行了分析;其次，在大数据视角下分析了商业银行零售业务的转型现状;最后，针对大数据时代商业银行零售业务转型提出了建议和措施。 中国论文网 /3/view-7205023.htm 　　 关键词：大数据;银行零售转型;互联网金融;客户行为 　　中图分类号：F832.2 nbsp; nbsp; nbsp;文献标识码：A〓 nbsp;文章编号：1003-9031（2016）02-0037-05 nbsp;DOI：10.3969/j.issn.1003-9031.2016.02.08 　　 一、引言 　　 大数据与互联网金融的发展和融合造成对传统金融业最重要的影响就是金融脱媒和降低交易成本。虽然目前对商业银行对公业务和机构业务影响不大，但是对商业银行零售业务的大众客户基础、业务领域（支付、存款、中收、零售贷款等）、经营模式以及社会舆论环境已带来了巨大的挑战。因此，面对互联网金融对传统金融业的冲击以及大数据应用与发展的趋势，商业银行零售业务如何转型是当前银行业继续探讨的重点和难点问题。 　　 nbsp; nbsp;二、大数据时代互联网金融对商业银行零售业务的影响因素分析 　　 随着互联网金融的冲击，传统的商业银行零售业务正逐步遭到侵蚀，其影响主要表现在以下三点：一是居民储蓄存款份额下降;二是居民和小微企业对商业银行信贷依赖性降低;三是商业银行贷款结构失衡压力突出，中长期贷款比例远远高于短期贷款[1]。通过上述影响表现可以看出，在互联网金融的冲击下，商业银行的客户、资金和业务都在流失，从大数据的视角来看，其影响因素主要有以下三个方面。 　　 （一）在大数据时代，互联网金融显著降低了交易成本[2] 　　 1.大数据的分布式服务处理方式能够降低交易的时间成本和硬件成本。传统的数据存储和处理采用了集中处理的方式，将所有数据存放在一块硬盘并通过一个服务器进行处理。但随着数据量膨胀至TB和PB级，传统的集中处理方式和较低的通信带宽限制了数据处理的效率，很难得到实时的处理结果。随着计算机性能的提高和硬件设备价格的下降，以大规模计算机集群为架构的大数据存储与处理方式极大地提高了大数据信息服务的效率。如Hadoop平台的MapReduce模型能够将复杂的运算模型运行在分布式系统上，极大提高了数据的运算效率，降低了交易的时间成本和硬件成本。 　　 2.大数据极大提高了信息处理效率，有助于简化交易流程，降低中间成本。大数据的4V特征中包括快速化特征（Velocity），即大数据时代，信息产生的速度近乎实时[3]。信息的实时产生大大地减少信息的不对称，拓宽信息流通的渠道，削弱市场不确定因素引起的价格波动，并降低信息搜寻与处理费用，这种信息处理方式在精准营销中得到了广泛的应用[4]。同时，大数据有利于交易流程的简化和减少中间环节带来的成本问题。 　　 3.大数据为风险管理提供支持，降低了违约成本。传统的银行信用风险管理方法对于个人和小微企业的评估能力正逐步下降，问题的关键就是缺乏足够的数据。初次贷款或有过信用污点的个人很难提供更多的数据供银行判断其还款意愿和能力，小微企业在初创期也很难证明其信用度。大数据的一个重要特征就是数据类型多元化（Variety），目前，Facebook、微博、视频和音频等非结构化数据已经应用于个人信贷的风险评估。如美国ZestFinance公司专门针对无法提供信用证明的人，通过互联网上大量的个人碎片化信息和ZestFinance风险评估模型重组个人信用视图。该公司目前首次还贷违约率低于竞争者，投资回报率达到150%，其背后依托的是强大的大数据挖掘能力。 　　 （二）在大数据时代，互联网金融导致客户行为发生变化 　　 1.客户具有更多的选择权。截至2015年6月末全国正常运营网贷平台为2028家，全国众筹平台达211家。相比于形式单一的传统银行零售和营销，新鲜血液的加入增强了金融市场的活力，为客户提供更多的选择空间。如余额宝可以让客户将零钱用于理财，且随存随取，期限固定，这对于客户来说是更灵活的理财方式。P2P平台在列出利率和投资金额之外，还会列出资金投资去向，并且会向客户提供贷款公司的信用程度和公司业绩指标，这也为客户提供更多的参考，让客户有更多的选择性。 　　 2.客户的信息来源和决策依据更为广泛。首先，在传统银行零售时代，客户通过有限的资源来获取银行零售产品信息，而在大数据时代，当客户有需求时，他们首先会选择通过互联网来收集