大数据有助于商业银行重获生机

数据库
无论采用哪种分析技术,都是服务于银行管理决策的,而做出管理决策的始终应该是人、银行家,而不是机器。

过去一年间,“互联网金融”携“大数据”联袂而来,强势登场,不断制造出新愿景、新故事乃至新传奇。而在这一汹涌大潮的冲击之下,被认为在劫难逃的首当其冲者非银行莫属,出现了新一轮看衰银行的种种说法。

不过,挑战者虽来势生猛,但被挑战的银行的“老大地位”也非浪得虚名,没有理由因为看到挑战者的一时骁勇,就断言银行败局已定。

事实上,近些年来,银行在利用信息技术开展业务和开发新的风险管理技术方面的努力,从来没有停止,这为银行应对当下的挑战奠定了良好的基础。

当下,银行面对挑战,不应停留于“对攻”的层面,而应深入思考怎样为资金供求双方提供不可替代的金融中介服务,怎样发挥其优势。现在流行的说法是,在互联网金融和大数据时代,银行正在失去传统优势,但其实,若能正确解读大数据的本质特征并善加利用,将有助于银行的传统优势重获生机。

对银行独特优势或其存在理由的理解有很多角度,基本的一种是将银行看作一个信息处理的机构,它能够获得和处理金融市场所无法获得的信息,并通过贷款决策向市场发送有关借款人信用的信号。

所谓市场无法获得的信息,首先来自于借款人为获得贷款而自愿向银行做出的披露,其次来自于银行家对于借款人进行的近距离的调查和判断。这些信息又可以分为两类,一是能够被编排的(codified)、数码化的或结构化的;二是只能意会的(tacit)。银行贷款决策的做出,固然有赖于对于数码化信息进行分析的技术,但也离不开银行家的职业直觉和判断。前者已经成为越来越被倚重的新传统,而后者,作为不够科学的老传统则日渐式微。

大数据时代的来临,首先使得在此前“小数据”时代发展起来的日趋精确化的数据分析技术貌似失去了用武之地,因为大数据的重要特征就是巨量、非数码化和不精确,传统的量化分析技术和设备无法处理;其次,由于对海量的、多维度的、非结构化的数据进行分析成为做出明智决策的前提,传统的基于银行家直觉的做法进一步受到贬损和排斥。

但是,如果能够细致把握“大数据”的内涵,就会得出完全不同的结论。

首先,结构化的数据在大数据时代并不会消失,而会继续成长,其获取和使用只会更加容易而不是相反。小数据时代的分析技术完全能得到更加***的发挥,也可说是能再获生机。只不过,即使其效果比以前更好,但在大数据时代,人们会期待更好,期待从更加巨量、多样的新型数据中挖掘出更有价值的信息来。

其次,对于非结构化的海量数据的分析,固然有赖于全新的技术和设备,比如运用基于谷歌的MapReduce框架开发的诸如Hadoop或Hive等分析系统,对大数据进行复杂的分析和处理,得到简洁的有意义的结果,从而完成大数据向有价值的资产的转换,但不应忽略的是,在其中和其后起到关键作用的,是人而不是机器。在事中需要由人来设置检索的具体任务和规则,确定如何更好地从大数据中挖掘有用的宝藏;在事后则需要由人来决定如何解读和运用系统运行所得到的结果,因为大数据的分析结果往往并不提供精确的指向。而这些,恰恰是老一代银行家所做的事。

老一代银行家基于职业直觉做出的判断,其实并非如常见批评那样没有科学依据,而是同样建立在数据的收集和分析处理的基础之上,只不过限于技术条件,过去更多是依靠银行家与客户的近距离接触来感知和吸收那些难以数码化的信息,并加以利用。而现在,借助新的数据收集和存储手段,银行家有可能以更低的成本更便捷地接近客户,更全面地了解客户,做出更好判断。比之小数据时代,能够为银行所利用的数据大大增加了,银行没有理由不加以利用。

在这一意义上,那种认为在大数据时代银行家“只需更轻松惬意地听从电脑发出的各项指示”的说法,就显得轻佻和不够专业了。与此形成对照的一个实例是,英国大都会银行(Metro Bank)的CEO近日在解释其新开设门店的意义时提到,它们的分行经理“有权否决电脑”。这可说是“银行家”在大数据时代的光荣回归。

因此,银行有理由自信地拥抱大数据时代,银行作为信息处理机构的传统优势,在大数据时代有可能重获生机。当然,值得强调的是,无论采用哪种分析技术,都是服务于银行管理决策的,而做出管理决策的始终应该是人、银行家,而不是机器。

责任编辑:彭凡 来源: 第一财经日报
相关推荐

2022-09-21 14:12:33

大数据医疗保健

2017-01-04 10:45:26

大数据商业银行应用

2017-10-16 14:29:36

2021-11-26 05:14:44

开源数据库安全漏洞

2018-08-28 17:03:15

2022-10-08 08:38:32

物联网

2009-12-28 12:10:02

DLP方案部署流程数据丢失

2011-12-09 09:31:58

桌面虚拟化

2010-03-12 16:15:06

Python调试

2019-11-19 12:40:36

AI人工智能开源工具

2013-07-17 09:19:23

2020-02-05 13:03:55

数据中心混合云技术

2016-02-19 15:48:58

云计算华为

2014-04-24 16:14:02

大数据数据治理

2018-03-22 09:06:56

数据中心冷却系统

2019-08-12 07:39:25

数据中心IT开销

2021-06-10 09:34:24

前端开发工具开发

2019-11-18 11:07:13

人工智能技术Apache

2021-08-13 10:33:55

IT经理首席信息官CIO

2013-07-26 09:25:31

点赞
收藏

51CTO技术栈公众号