作为全球银行业最亲密的合作伙伴之一，IBM公司一直在为世界各地的各种类型的银行提供从提供端到端的业务咨询和系统集成服务。本期年终策划，《零售银行》再次邀请到IBM大中华区相关专家撰文，来为大家解读大数据在银行业的具体应用方案。

人民币的国际化、利率的逐步市场化、方兴未艾的互联网金融和客户对金融产品和服务体验日益提高的期望，对所有的商业银行都是“危”与“机”并存的“新常态”。这些新趋势和新事物意味着不容忽视的挑战，也蕴藏着巨大的潜在机会，如果抓住了这轮转型的契机，银行就能占得未来持续发展的先机。

针对中国银行业的创新转型，IBM在今年的北京国际金融展上对国内银行业的发展提出了以下四点建议：1.以人为本，刷新移动互联新体验；2.数据为先，洞察客户业务新需求；3.系统为实，让核心能力支撑创新；4.风控为要，让企业安全尽在掌握。从以上4点建议中不难发现数据在银行的经营和发展中扮演着越来越重要的核心地位。因为归根到底，银行业就是一个跟数字和风险打交道的行业，不管是客户体验的提升还是金融风险的管控，都需要有强大的数据分析能力的支撑和保驾护航。这也是过去数年来，大数据分析（Big Data Analytics）日渐成为各家银行重点关注焦点的原因。

银行研究和使用大数据，实质就是要弄清楚银行应该如何获取和处理日益增多的数据，驱动产品和服务的创新，利用分析创造业务和客户价值。本文就将针对大数据在银行业的使用，介绍IBM在全球和中国的大数据分析实践经验和实施案例，以帮助从事零售银行的朋友们开阔思路、更好的利用大数据，打造"以客户为中心"的 新一代零售银行。

数据已经成为21世纪全新的自然资源，全球范围内数据产生的数量、种类及速度都在以爆炸性方式增长。而银行天然拥有的海量客户信息为银行进行大数据分析，挖掘客户洞察，发现全新商业机会提供了重要基础。利用大数据分析，银行可以在两大领域实现创新与突破。首先，基于银行现有数据的再利用，借助大数据新的思维和手段，银行可以挖掘隐含的客户社交属性、位置信息、行为信息、账户关系网络等信息。先进的大数据分析技术，能够显著改善银行业务洞察的精确性，从而建立起全面的业务数据洞察力。通过对这些信息的掌握，可以使得银行更精确对客户的完整画像进行描，从而挖掘新的业务机遇。此外，应用大数据分析，银行可以与第三方合作伙伴建立广泛的业务联系，打造跨行业联盟，实现资源整合和优势互补，建立更加完整的大数据客户视图。

目前，IBM已经帮助花旗银行、新加坡星展银行、澳新银行以及众多国内银行成功利用大数据分析技术，为银行业务发展灌注了新的创新能力。IBM根据近几年来 在全球各地帮助银行业客户的近千个大数据项目的落地实施经验，总结出了如下图所示的银行业大数据分析应用的典型场景。大数据分析在银行业的落地，我们认为主要应该关注以下三个领域：

1. 客户和市场洞察

2. 运营洞察与优化

3. 风险和欺诈洞察

一、客户和市场洞察，是指银行充分利用能获得的各种行内和行外的大数据，增加对银行客户的了解，做好客户的细分，最终的目标是做到所谓的360度客户视图，全方位的了解客户的交易历史和他们在各渠道上的行为，在合适的时间点、在合适的接触渠道上做好产品和服务的推荐，实现精准营销，提升客户体验。在引入大数据理念和实践后，银行的客户数据主要分为以下三类：静态交易数据、动态行为数据和外部社交数据。如何利用好以上三类数据进行客户分析是目前零售银行从业者最关心的大数据分析的使用场景，也是近年IBM在大数据领域投资最多，经验最为丰富的领域。

案例：

IBM帮助一家股份制商业银行的电子银行部门建立下一代大数据客户分析平台，基于IBM领先的大数据分析软件和硬件，结合IBM中国研究院多年积累的大数据分析模型和算法，整合海量的结构化和非结构化数据，为该银行提供客户全景视图、客户细分、精准营销、产品推荐等业务场景的分析服务，有效帮助该银行获取新客户、维系老客户、提升现有客户的价值。

二、运营洞察与优化，关注的是银行运营效率和各种系统的安全管控问题。通过对各业务和IT系统的各种运行数据、日志文件的收集、关联和分析，银行就能提升对系统运行状态和效率的洞察，及时了解、定位和解决各类系统不可避免都会出现的问题和故障，以及面对日益严峻的各种网络和系统安全威胁。

案例：

某国有大行的传统监控体系主要关注于底层IT组件异常事件告警和主要性能指标的集中展示，无法从交易运行的全局视角快速呈现业务可用性及IT异常的影响，造成监控结果与客户业务体验存在较大差距。日常系统运维中发生的交易异常往往需要跨部门、跨平台进行协作，以明晰各个部门之间的责任范围、有针对性的对不同平台进行排查，造成问题诊断耗时耗力，难以快速定位问题所在，严重影响客户体验和满意度。该行采用IBM实时大数据软件，结合IBM对业务的理解和开发服务，实现了端到端的交易监控方案。项目实施后，该行做到了从服务器组件级粗粒度监控到业务交易精细化监控的全面管理，实现以交易路径为主线的端到端应用监控，通过对交易全路径和中间环节的响应时间和交易量等KPI指标的监控，实现主动式预警，主动探测用户体验，先于用户发现问题达到预警的效益。

三、风险和欺诈洞察，主要是指利用大数据分析技术帮助银行的风险管理和合规内控部门，做好全面风险管理。这可以涵盖信用风险、市场风险、操作风险、反欺诈反洗钱等方方面面的工作。特别是在大数据分析技术引人之后，银行可能将对风险和欺诈的管控从之前业界普遍实施的事后调查、报告，有效地扩展到事中的实时监控、可疑交易的及时阻断，甚至能做到事前的预测预警。

案例：

MoneyGram International是一家在全球190个国家拥有23万个网点的跨国支付服务公司，和所有类似的金融服务公司一样，MoneyGram面临着金融欺诈的风险和严厉的监管压力。通过和IBM合作实施大数据反欺诈解决方案之后，该公司对欺诈交易的识别和阻断能力提升了40％，一年之内就帮其客户杜绝了近千笔欺诈交易，挽回了近4千万美元的经济损失，与欺诈相关的投诉也相应下降了72％。

下面分享给大家的是IBM商业价值研究院最新发布的白皮书《分析：价值蓝图 — 将大数据和分析洞察转变为切实的业务成果》中的最新研究成果。该白皮书研究分析了全球业界领先企业如何将分析功能融入整个企业的方方面面，推动智慧的决策，支持更快的行动并且优化业务成果。有意充分利用大数据分析能力的中国银行业者可以从中吸取全球先进理念和经验。

在该研究中，IBM调研了70多个国家或地区的900多位业务和IT高层主管。通过研究发现了如下图中所示的9大支持因素，可以帮助企业从各种来源中不断增加的数据获得洞察，通过分析这些数据在企业各个层面采取行动，从而创造出非凡的价值。这9大因素代表了能够最有效区分领先者与其他受访者的差异化能力。结果表明，领先者实现9大要素的方式基本类似，即利用分析创造价值。

虽然了解这9大要素中的每个要素如何影响价值创造很有帮助，但是考虑每个要素适合业务日常运营的哪些方面也至关重要。IBM认为，这需要战略、技术和组织架构之间的相互配合。分析实施战略必须支持企业最重要的业务目标；所使用的技术必须支持分析战略；而企业的文化必须与时俱进，以使相关人员可以根据战略使用技术来采取正确的行动。这三个关键因素必须相互配合，才能为企业创造切实的价值，通过分析结果结出丰硕的业务果实。

回到零售银行业，正如以上分享的大数据分析实施案例和研究报告给出的建议，我需要再次强调的是，虽然大数据中毋庸置疑的潜藏着惊人的价值和无限的可能性，但是大数据要在零售银行业落地开花，真正产生业务价值，并不是一件特别容易和可以立竿见影的事情。知易行难，大数据分析需要银行的各级领导、业务条线、科技部门等相关方的通力合作才可能成为现实。

IBM银行大数据实施建议：

• 行领导和各级业务条线的领导要重视，业务目标要明确；

• 大数据分析项目要有较为明确的业务场景；

• 相关业务部门必须通力配合，愿意提供并使用真实数据；

• 数据要规范，数据源要准确，数据质量要有保障；

科技部门要结合业务对大数据应用有较好的认知，并保障相应的计算资源。