中国金融机构应以价值为导向驾驭大数据.docVIP

中国金融机构应以价值为导向驾驭大数据 　　大数据已经被热议过好几年。当时人们热议大数据的时候，感觉就好像是一夜之间冒出来的一个新词。其实不然，看看大数据的演进历程，我们会发现大数据并不是从天而降的，它一直都存在。只不过现在有了高科技手段，人们分析和处理大数据的成本大大降低，这是大数据热潮形成的最根本的原因。 　　比如，早在2000年左右的时候，四大行都在规划数据仓库，一期的投资预算都在1个亿左右，当时香港某银行做了一个8TB的数据仓库，光装进去就得花三四天时间，分析完这些数据又得花很大的投入。成本高、周期长致使大数据在那个时候并没有蔚然成风。 　　而今天，做一个1TB的数据库，所花成本不到原来的十分之一，甚至百分之一。分析计算成本的降低就导致即使只有一个想法，也可以很快把大量的数据装进来，即使分析完没有什么发现，试错的成本也很低，这就是为什么十年前大家不谈大数据，而谈商业智能、数据仓库的原因。曾经人们梦寐以求的分析、计算，在今天很简单就能实现。很多小的分析加起来就成为一个大的价值，背后还是计算成本的根本性下降。 　　对于大数据，大家通常会想到“3V”，即Volume（数量）、Velocity（速度）、Variety（种类），但是大数据在数量上并没有绝对的标准，它只是相对于处理能力而言，若干年前，英国最好的大型处理计算机所能计算的数据量只相当于今天一部苹果手机的一半。大数据对速度的实时性要求更高一些，过去很多数据都是先储存下来然后再导进数据库，但今天对于数据的实时抓取和分析能力提升了很多。对于种类来说，如今各种非结构化数据已经出现了。其实以前这些数据不是没有，但若干年前我们对于声音、图象等数据是没有分析手段的，即便拿到了也没有办法分析。 　　2015年2月11日，波士顿咨询公司（BCG）发布最新报告《互联网金融生态系统2020系列报告之大数据篇：回归“价值”本源：金融机构如何驾驭大数据》。报告认为，成就大数据的并不是传统定义的“3V”，更重要的是第四个“V”，即Value（价值）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式变革时，大数据才真正诞生。 　　大数据的商业价值 　　谷歌当年就用数据来预测流感，这是非常有意义的事情。某基金管理公司在引入大数据的分析和技术之后，各部门都在用数据说话，然后再做决策，一改过去靠领导拍脑袋做决定的状况。 　　金融行业是一个数据强度很高的行业，每产生100万美元的收入，会沉淀下820GB的数据。金融行业天然有它的数据属性。比如在零售银行里面，个性化的定价、客户细分、预见客户流失等方面，都会用到大数据。招商银行就正在用大数据对客户流失进行预警。另外在风险控制领域，大数据的应用也非常多。过去的风控需要很多人为的干预在里面，成本非常高。今天，大数据技术让大家能更及时、更快速、更低成本地发现风险。对于运营的优化，大数据也发挥出很大的作用。比如有些银行通过大数据的分析，很清楚分布在各处的ATM机对现金的需求量，从而很精准地投放网点资源，减少浪费。同时很合理地安排运钞车和放钞频率，降低成本。 　　保险行业也是数据强度非常高的行业。保险行业的产品开发、营销销售、报单管理、理赔、资产管理等关键环节都有很多大数据的应用。比如医疗保险，通过大数据分析就会发现，20%的大病赔付事件占据了赔付金额的80%，如果能及早发现这20%的案例，并及早干预的话，就不会演化到后面的巨额赔付，就能够大幅度降低赔付金额。比如让客户提早彻底治疗，一定要足够休息等。 　　美国Axciom公司收集了全球电梯运营商的数据，然后提供给银行，银行据此做出准确的决策判断。Axciom在收集数据的时候，首先注意到世界上的电梯运营商主要集中在日本和德国;其次电梯运营数据的主体非常简单，就是在哪栋写字楼哪家公司停了多久，是不是正常运营;再用这些数据去匹配黄页，通过黄页可以查到哪家公司在某栋写字楼。Axciom把这两项数据匹配起来之后，得出一个很简单的事实：一部电梯在一家公司每天停靠的次数。持续观察这些数据后，会知道电梯发生异动的情况，如果在正常范围值上下波动20%是很正常的，但是如果忽然减少了一半，或者忽然增加了一倍，这背后就有原因。Axciom不做任何的判断，只是告诉银行，你的某个客户电梯停靠次数发生异动。银行拿它去提示客户经理，要去拜访一下这家公司是否出了问题。在这点上，银行想知道贷款是否安全，债主是否逃跑了。Axciom这样的创新让银行的贷后检查变得更加有针对性，而且也更加的及时。 　　国内应用大数据的案例并不多，有种“雷声大雨点小”的感觉。比如国内金融机构的数据其实是非常多的，但是这些数据往往散落在各个部门，是一种比较割裂的状态。如何真正能够跨部门协作把这些