大数据在未来发展中的应用
第一方面：客户分析。客户分析主要分为个人客户分析和企业客户分析。个人客户分析包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户分析包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。比如：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的互联网用户行为数据。
第二方面：精准营销。
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户刷卡采购孕妇用
品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
第三方面：风险管控。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
第四方面：运营优化。
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对
还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过网络社区上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
. .
XX银行大数据建设规划 一、项目背景 随着信息化程度的加深，以及移动互联网、物联网的崛起，人们产生的数据急剧膨胀，传统的数据处理技术难以支撑数据大量的增长和处理能力。经过近几年的发展，大数据技术逐步成熟，可以帮助企业整合更多的数据，从海量数据中挖掘出隐藏价值。大数据已经从“概念”走向“价值”，逐步进入实施验证阶段。人们越来越期望能实现海量数据的处理，从数据中发现价值。数据越来越成为一种重要的资产。在2014年Gartner技术炒作曲线的报告中也体现了大数据技术将走向实际应用。 我行已深刻认识到数据战略对企业运营以及企业未来发展方向的重要性。互联网金融的本质是金融，核心是数据，载体是平台，关键是客户体验，发展趋势是互联网与金融的深度融合，要提升大数据贡献度。因此，要深化互联网思维理念，稳步推进互联网金融产品和服务模式创新，积极利用移动互联网、大数据等新技术新手段，沉着应对冲击和挑战，实现传统金融与互联网金融的融合发展。做好海量异构数据的专业化整合集成、关联共享、安全防护和维护管理，深度挖掘数据含的巨大价值，探索银行业务创新，实现数据资源的综合应用、深度应用，已成为提升企业核心竞争力，实现企业信息化可持续发展的关键途径。按照行领导部署，信息科技部组织力量对大数据技术进行研究，完成对市场上主流的大数据平台及应用技术预研，征求业务部门建议，提出项目建设要求。 二、建设目标 以大数据项目建设作为契机，凝聚我行优势力量，全面梳理数据
资源，完善数据体系架构，自主掌握大数据关键技术，加速大数据资源的开发利用,将数据决策化贯穿到经营管理全流程，建设智慧银行，提升核心竞争力。 （一）建设大数据基础设施，完善全行数据体系架构 构建大数据平台，实现更广泛的半结构化、非结构化数据集中采集、存储、加工、分析和应用，极丰富我行的信息资源，同现有的企业级数据仓库和历史数据存储系统一起，形成基础数据体系，提供支撑经营管理的各类数据应用。 （二）开发大数据资源，支撑全行经营管理创新 建设离线数据分析、实时数据/流数据分析集群和各类数据分析集市，提供高性能可扩展的分布式计算引擎，通过数据挖掘、计量分析和机器学习等手段，对丰富的大数据资源进行开发使用，并将数据决策化过程结合到风控、营销、营运等经营管理活动。 （三）培养大数据人才队伍，建立大数据分析能力 结合大数据项目的落地实施，建立起一支大数据技术和分析人员队伍，具备自主运营和开发大数据的能力，以更好推动业务创新，提升我行核心竞争力。 三、发展趋势 近年来，银行业大力发展面向客户的新一代核心业务系统，信息系统建设日趋完备，电子银行等在线金融服务大幅增长，在提升客户体验和风险管控能力、满足监管各项要求的同时，形成并储存了庞大的可用数据资源。银行业的数据资源不仅包括存贷汇等结构化数据，也包括客户浏览痕迹、在线交易记录等非结构化数据，还包含客户语音、网点视频等非结构化数据。2012年，银行业的记录数据、业务数据、数据仓库数据、结构化数据和非结构化数据的数据规模分别达
大数据在商业银行运营与 发展中的应用与实践 伴随着信息革命向纵深发展，互联网的使用渗透入社会发展的细枝末节，大数据的发展已驶入快车道，产生了大量的数据并裂变式的增长。我国作为新兴经济体，改革开放以来经济高速发展，综合国力显著提升，生产能力和出口总额都位列全球首位，互联网科技也迅猛发展，互联网应用基本普及，巨大的人口基数演化为互联网用户推进了互联网应用的进一步繁荣，民众生活的点滴都被数据记录下来，每时每刻都会产生海量的数据，我国已经成为全球数据量最大的国家之一。在大数据时代的背景下，我国的商业银行体系紧跟社会发展脚步，不断提高与时代相适应的竞争能力，已着手建立以大数据为基础的解决方案并取得了一定的成果。商业银行体系为应对大数据时代的来临，不断提高数据驾驭能力，努力把握市场机遇，推进商业银行系统的发展取得新的突破。因此我国商业银行应该加快对大数据技术的掌握和使用，是摆在我们面前的重要课题。 大数据的概念大体产生于本世纪初的美国，但被逐渐被世界各国重视并综合应用在各类市场是在2010年以后。
我国大数据运用起步较早，政府高度重视大数据积累和建设，2015年8月31日，国务院印发了《促进大数据发展行动纲要》，明确指出“数据已成为国家基础性战略资源， 大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响”。部分商业银行以高度的市场敏锐感，先知先觉，早于政府文件之前就对大数据加以应用和研究，经过数据的逐年积累，目前大部分商业银行都已建立了海量数据库，包含海量的客户数据、交易痕迹数据、经济发展信息数据、客户流失预兆数据等，商业银行业已经成为我国在大数据应用方面走在前列的行业。商业银行把利用好大数据，进一步挖掘大数据的价值作为换挡升级的重要依托，对商业银行提高市场适应能力和竞争能力、促进内部管理变革、开拓新的业务发展空间、提升战略决策高度、做好风控管理和降低运营成本等工作都有着重大的现实意义。 一、大数据的特点 信息革命以来的高速发展，我国社会形态已经进入普适计算阶段，层出不穷的新技术、新媒体、新概念铺天盖地、席卷而来，网络购物、社交媒体、即时通信工具、电子商务、AI技术、AR技术、智能交通、智能学习、共享分享等技术已在社会运行中被广泛使用，这些活动所留存的
【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估
数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布
从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。 Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：
银行大数据解决方案
一、项目背景 2015年8月31日，国务院印发了《促进大数据发展的行动纲要》，这一战略性文件为我国大数据发展与应用提供了指导纲领和政策保障。在数据已成为银行重要资产和宝贵资源的形势下，《纲要》也为银行利用大数据推动转型发展指明了方向和实施路径，带来了发展新机遇。 当前中国银行业正在步入大数据时代的初级阶段。经过多年的发展与积累，目前银行业的数据量已经达到100TB以上级别，并且非结构化数据量正在以更快的速度增长。银行业在数据方面有天然的优势：一方面，银行在业务开展过程中积累了包括客户身份、资产负债情况、资金收付交易等大量高价值密度的数据，这些数据在运用专业技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行具有较为充足的预算，可以吸引到实施大数据的高端人才，也有能力采用大数据的最新技术。 总体来看，尽管大数据在银行业的应用刚刚起步，目前影响还比较小，但是从发展趋势来看，应充分认识大数据带来的深远影响。银行业需要进行统一的大数据平台建设，建立综合预测分析体系，整合生产系统数据资源。在此基础上与《纲要》规划的信用信息共享交换平台和公共机构数据统一开放平台有效对接，双管齐下扩展数据来源和采集渠道。这可以一方面高效收集、有效整合企业和社会公共数据，掌握企业真实需求，实现精准营销。尤其可通过农业农村信息综合服务和农业资源要素数据共享，获取三农数据和小微企业数据，解决数据挖掘和分析难点，提升三农和小微金融服务水平。另一方面利用平台动态监控企业经营及个人信用变化情况，强化信用风险智能化管理和预警，降低信用评估、风险控制的难度和不确定性，实现风险管控和精准营销的双重收益。
大数据在未来发展中的应用 第一方面：客户分析。客户分析主要分为个人客户分析和企业客户分析。个人客户分析包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户分析包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。比如： （1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理； （2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可； （3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的互联网用户行为数据。 第二方面：精准营销。 （1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户刷卡采购孕妇用
品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会； （2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售； （3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广； （4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。 第三方面：风险管控。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。 第四方面：运营优化。 （1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，
《上海金融》2013年第9 期 摘要：本文首先对商业银行大数据应用研究进行了综述，其次从挑战和机遇两个方面分析了大数据应用对商业银行带来的影响，再次探讨了大数据在商业银行的具体应用实践，最后给出了大数据时代商业银行的应对 之策。 关键词：大数据;商业银行;金融脱媒;互联网金融;云计算 JEL 分类号：G21；O33中图分类号：F840文献标识码：A 文章编号：1006－1428(2013)09-0028-05 *基金项目：教育部人文社会科学研究青年基金项目（13YJCZH192）、中国博士后科学基金项目（2012M510797）的阶段性研究成果，感谢责任编辑宝贵的修改建议。收稿日期：2013-05-30 作者简介：蔚赵春（1981-），男，复旦大学管理学院博士，现供职于上海浦东发展银行； 凌鸿（），男，复旦大学管理学院教授、博导。 蔚赵春1,2，凌鸿1 （1复旦大学管理学院， 上海 200433；2上海浦东发展银行上海 200001) 一、商业银行大数据应用研究综述 目前国内对商业银行大数据应用的研究论文并不多，而报纸和网络上介绍性的科普文章较多。国内研究主要介绍大数据这一新生事物及相关的技术，并探讨大数据带来的机遇和挑战以及部分大数据应用案例。国外的研究也主要侧重大数据相关的技术方面，针对银行业具体应用的文献非常少。 北京银行董事长闫冰竹从高层管理的视角探讨了大数据时代银行业的发展模式。潘明道等对大数据特征进行分析，并给出银行应对大数据挑战可借鉴的思路。方方全面分析了大数据时代将给商业银行带来的重要影响，并给出了商业银行培养面对大数据时代核心能力的策略建议。薛亮探讨了大数据技术将给银行业带来的改变以及银行的品牌建设如何适应这种改变。韦雪琼等分析了大数据技术影响下金融市场的变化，以期作出更好的投资决策和判断。李璠等论述 了大数据时代银行业的机遇与挑战，重点从技术上对比了大数据分析解决方案。刘启滨对金融行业大数据管理技术进行了简单介绍。孙浩从技术视角探讨了大数据给金融业带来的挑战。王珊等探讨了金融企业在大数据时代的技术选择策略。潘镭探讨了大数据在供应链金融方面的应用。刘天白等以交通银行信用卡中心大数据应用探索为案例，探讨了银行试水大数据时的策略。刘静如论述了大数据在金融业风险管理方面的应用。 二、大数据应用给商业银行带来的机遇 大数据应用作为创新的催化剂，正改变着金融业态，并将引起银行业务模式深刻的变革。大数据应用将推动商业银行在经营理念、组织架构、业务流程、管理模式、IT 架构等领域进行全面调整和深度整合，不断增强核心竞争力，提升企业组织绩效和资本的运营效率，提高盈利能力。大数据应用为我国商业银行经 金融理论与改革
招商银行吴颖：招行大数据应用经验分享 该文为招商银行信息技术部数据仓库开发团队负责人吴颖在第六届中国（深圳）金融信息服务发展论坛银行保险业分论坛上的发言。很高兴今天能够有机会,跟大家分享招商银行在大数据应用体系建设方面的一些思考与实践。我们今天的分享会围绕着大数据技术应用这样一个主题，谈一谈招商银行在当今时代背景下面所面临的挑战，我们对此的一些思考和实践，以及我们对未来的展望。互联网特别是移动互联网对银行的冲击，我想大家都是深有体会的。以招商银行为例，今天我们手机银行的登录次数已经是我们网点访问量的10倍，是我们网上银行专业版的2倍，同时这个数字仍以每个月10%的速度持续增长。移动互联网的流量竞争和经营，我们认为会是未来竞争的一个主战场。最近招商银行发布的手机银行3.0版，它的整个设计思路与以前的版本有了非常大的变化。我们做这样一个变化的目的，实际上就是通过打造极简金融、极致体验去抢占移动互联网的制高点。从表面上看，手机银行和移动互联网，它们是银行与客户在交互渠道上面的一个革新，但是我想更为本质的，应该是数据驱动对银行服务的一种颠覆。这里有一组企业对大数据的投资意愿及大数据领域相关市场增长率预测的数字。它进一步可以佐证大数据的火热程度以及它受关注的程度。我想跟两
年前相比，现在已经很少会有人再去质疑大数据在影响未来人类生活方面的巨大作用。从前面的介绍中我们可以看到，互联网和移动互联网给银行业带来的变革需求。互联网思维正在影响我们整个社会的方方面面，包括像普惠、开放、极致体验等一些概念，已经对传统银行业提出了巨大的挑战。我想，既然这个挑战已经不可避免，作为其中一个主要的数据拥有者——银行，我们是不是可以直面挑战、抓住机遇、争取逆袭？我想，这是需要我们思考的。大数据应用体系的建设，它包含了技术上和管理上的一系列措施和政策，是一个系统性的工程。尽管大数据的热度很高，但是在具体的实践上面，我们还是需要避免出现头脑发热、一哄而上的情况，需要我们能够有理性的分析，以一个全局性的视角去思考，正视过去、立足现在、放眼未来。以下四点是招商银行在大数据应用体系建设过程中所遵循的一个指导思想：第一、我们认为就单一的大数据技术而言，它并不能够解决我们所面临的所有技术问题。另一方面，不是我们所有碰到的问题都是可以用技术去解决的。所以我们不能对单一的技术存在过度的预期，我想这是招商银行的一个观点。第二、我们认为传统的仓库技术与新兴技术，它们之间不应该是一种替代关系，而更多的应是一种互补关系。至少在现在这个阶段，招行是这样认为的。第三、在进行相关建设的时候，我们不能够单纯为了技术而技术。任何一种技术的采用，它最终都是
银行业金融大数据服务平台项目 规划书
项目介绍 1.1项目背景 银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。 目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。 银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的最新技术。建立“金融大数据服务平台”，可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。 1.2业务需求 目前，银行客户对数据的利用仍是以各类统计报表为主，存在以下重大弊端： 1.对数据的分析仅按照固定项目，对业务情况进行事后统计分析和监控。实际上没有 找到隐藏在数据背后的原因，数据深度分析和数据挖掘能力不足。 2.对数据的分析仅作为专项的统计分析结果输出，对于数据间的因果影响、相关性分 组或关联规则、聚类、描述和可视化等工作尚未开展，数据关联分析能力不足。 3.统计分析侧重在事后的数据汇总，难以从数据汇总中得到客户服务事件发生的规律， 以及前瞻性判断，数据的预测性分析能力不足。
大数据在金融行业的应用 2014-11-05 15:44 原创傅志华 【编者按】本文作者傅志华先生（公众号：傅志华）曾为腾讯社交网络事业群数据中心总监以及腾讯公司数据协会会长。在腾讯前，曾就职于艾瑞市场咨询、易观国际、中国互联网协会，并任DCCI互联网数据中心副总裁。 数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第三为金融领域（17.5%），政府和医疗分别为第四和第五。 根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。 不同行业应用大数据技术潜在价值评估
数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告 可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重点介绍电信行业的大数据应用情况。 金融行业大数据应用投资分布 从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。
Part1 银行大数据应用 国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面： 第一方面：客户画像应用。客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能
大数据在银行业务管理中的应用大数据开启了一次重大的时代转型，正在悄然改变我们的生活以及理解世界的方式，成为新发明和新服务的源泉。商业银行基于数据的量化经营是未来的发展方向，越来越多的金融企业敏锐地认识到大数据应用的战略性意义，开始以此为基础为客户提供个性需求、细分客户市场、制定经营策略、提升服务质量，积极主动地推动大数据在业务管理中的应用，提升竞争力和服务水平。 1大数据对传统金融业的影响 金融业一直以来都具有明显的IT属性，信息技术的每次重大变革都会给金融业带来影响，大数据应用作为创新的催化剂，对传统银行业带来的影响主要有以下几个方面。一是竞争核心发生变化。银行传统的核心竞争力主要由规模、网点、人员、资本和客户资源等要素构成，而大数据时代，决定一家银行成功的关键则在于对数据的获取和使用，传统意义上的网点、人员等因素将逐渐淡化，银行的核心竞争力变为不同客户的需求并对应开发出便捷、安全和高值产品的能力。二是经营范围变化。目前的商业活动大多是信息流、物流、资金流分离，随着大数据时代的到来，未来每一笔交易都将是上述三流的融合。在大数据时代，银行业与其他商业活动的界限将日渐模糊，银行业的经营范围也将扩大和延伸，商业银行开始涉足经营与交易相关的信息与物流业务。三是经营方式的变化。进入大数据时代，互联网与银行业务的深度融合，将改变银行的经营方式。在产品开发和营销方面，通过对客户交易、行为数据的收集、分析和挖掘，可以获取客户的需
求，从而研发相应的金融产品，实施精准营销，真正做到以客户为中心设计开发产品。四是服务渠道的变化。大数据时代的到来，促使商业银行利用现代信息技术和电子渠道，为客户提供高质量的线上服务，这样不仅可以改变过去因业务量增加和经营范围延伸而必须增加网点和人员，进而导致成本增加的营运模式，而且也将改变靠关系营销扩大客户群体的营销模式。 2大数据技术应用的基础性工作 大数据是数据挖掘技术的前沿，将大数据应用于银行业是该技术发展的方向。目前，银行虽然建立了庞大的户口信息库，积累了大量的业务数据，但还是局限于对数据的存储、记账、查询、报表功能等，仅仅将大量的数据作为一种静态档案来管理，没有将其作为一种可以进行决策支持的资源来利用，缺乏对其内在规律的挖掘，充分利用这些海量数据是银行竞争发展的迫切需要，因此应从基础工作入手，循序渐进的逐步推广大数据技术应用。夯实统计基础，提高数据质量。数据的真实性是大数据分析应用的基础，数据量的大幅增加会同时导致错误率的上升，只有努力解决数据质量问题，才能实现“小数据”到“大数据”的转变，对于小数据而言，客观准确是最基本、最重要的要求。目前，银行各业务系统数据基本依靠手工采集，以新一代信贷管理系统为例，其中的客户信息录入依赖客户经理手工完成，客户类型、信贷用途、贷款属性等分类信息，往往依赖客户经理的个人理解和经验判断，这容易导致分析结果的不真实，从而使最终的分析结果出现偏差。在日常工作中，应当有针对性地组织对各系统操作录入人员的