回归“价值”本源：金融机构如何驾驭大数据？《宜信院》答辩.docx

金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业没创收100万美元，平均就会产生820GB的数据。（参阅图5） ? ? 3.2.1??大数据的金融应用场景正在逐步拓展 ? 3.1?海外实践：全面尝试 ? 纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应用潜力尤为可观。（参阅图6） ? ? BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。（参阅图7） ? ? 与银行业在大数据应用方面的高歌猛进相比，保险业的相关动作稍显迟疑。从全球保险业来看，美国财产保险也对大数据的应用最为广泛深入，医疗保险紧随其后，寿险对大数据的应用则相对滞后。与美国竞争对手相比，欧洲保险机构在大数据能力的发展水平上存在一到两年的差距。尽管如此，大数据在保险行业主要价值链环节的潜在应用也已逐渐清晰。（参阅图9） ? ? 纵观海外保险机构，我们发现领先险企正在定价、营销、保单管理、理赔和反欺诈等不同领域对大数据应用进行积极的尝试和创新。这些创新对保险业的商业与运营模式产生了革命性的影响。（参阅图10） ? ? 3.2?国内现状：亟待破冰 ? 在国内，大数据的发展风起云涌。然而BCG在与众多金融机构的接触过程中观察到三个阻碍数据转变为价值的现象： 数据虽然多，但整合困难。国内金融机构虽然同样坐拥海量数据，但其数据的存在状态反映了整个组织的现状，即“部门分制”。数据在组织内部处于割裂状态—业务条线、职能部门、渠道部门、风险部门等各个分支机构往往是数据的真正拥有者，而这些拥有者之间却常常缺乏顺畅的共享机制。 想法虽多，但动手困难。面对自己拥有的海量数据，金融机构真正敢“碰”的却很少。许多金融机构担心触犯监管或法律底线，或者担心擅自使用数据会侵犯客户的隐私权，又或是担心数据处理不当可能会给机构带来声誉风险和业务风险。 资源虽多，但协调困难。在很多金融机构的业务部门和技术部门之间都曾出现互相指责。许多大数据项目就是在这种不顺畅的沟通中“夭折”，而不成功的经验只会加深双方的矛盾，导致新的合作更加艰难。这样的恶性循环在很多机构重复上演。我们发现，复合型人才的匮乏、合作机制的缺失以及工作方法的不当往往是造成这一局面的主要原因。 ? 3.2.2??大数据要求金融机构重新审视自己的基础设施与环境 ? 3.1?数据技术：融合提升 ? 金融行业的数据强度在一定程度上决定了金融机构的技术强度。BCG认为，金融机构需要理解大数据分析的四个层次，关注13项核心技术，并做好两个决策。大数据分析的四个层次及十三项技术：数据经过层层晋级成为可以指导行动的智慧，而技术在这一过程中贯穿始终。（参阅图11） ? ? ?? 数据收集与存储层：这一层是基础所在。数据从各个渠道以各种形态涌入，其中包括结构化数据（如交易信息）、半结构化数据（如日志信息）、非结构化数据（如社交信息、多媒体、地理位置等信息）等。在这个层面上，数据被实时和非实时地清理、加工，并被归档存储为有效信息以供后续的分析处理。 o??结构化数据集成：即便是在大数据时代，结构化数据依然举足轻重。结构化数据的集成仍然是大数据技术体系中的重要组成部分，这样的技术目前已经非常成熟。 o??非结构化数据集成：为了满足不同业务场景的数据调用和分析需求，在大数据体系中需要融入能够应对数据的多样性与多时效性特点的集成技术。 o??分布式存储：与常见的集中式存储技术不同，分布式存储技术并不是将数据存储在某个或多个特定的节点上，而是通过网络调用企业中每台机器上的磁盘空间，并将这些分散的存储资源构成一个虚拟的存储设备，为大规模的数据存储需求提供了低成本的手段。 o??流计算：由于业务发展不断提速，业务流程也日渐复杂，我们的注意力日益集中在“数据流”而非“数据集”上。决策者需要的架构应能处理随时发生的数据流，而当前的数据库技术并