王大鵬

摘 要：在大數據時代，商業(yè)銀行的數據信息應用方式會對業(yè)務發(fā)展起到相當重要的作用。本文通過介紹大數據的概念及起源、大數據的特點以及大數據的企業(yè)級應用，對大數據時代商業(yè)銀行未來信息的應用模式進行概要解析。

關鍵詞：商業(yè)銀行 大數據 哲學思考 企業(yè)級應用

中圖分類號：F832.2 文獻標識碼：A 文章編號：2096-0298（2018）12（a）-015-02

在繼物聯網、云計算及區(qū)塊鏈等顛覆性技術之后，互聯網領域出現的大數據正在對現有的社會組織結構、企業(yè)管理流程、業(yè)務營銷方式等進行重新定義，對金融、體育、制造、建筑、服務等在內的各行各業(yè)以及人們的社會生活產生著相當重要的影響。著名的管理咨詢公司麥肯錫曾預測到：“數據，已經滲透到當今每一個行業(yè)和業(yè)務職能領域，成為重要的生產因素。人們對于海量數據的挖掘和運用，預示著新一波生產率增長和消費者盈余浪潮的到來。”

1 大數據的概念及起源

大數據的概念在不斷發(fā)展，一般來說是指數據量大到用常規(guī)方法無法進行處理的蘊含著價值信息的數據集合。隨著物聯網技術與可穿戴設施的快速發(fā)展，數據存儲的規(guī)模及內容的復雜性呈幾何數量增長，由此積聚起來的海量數據的存儲及處理運用方式即是大數據所要關注的重要問題。

1.1 大數據的發(fā)展歷程

第三次信息化浪潮帶來的信息科技技術支持創(chuàng)新、數據產生方式變革等推進了大數據的出現。數據的存儲運用曾是以數據庫應用為重點，而伴隨著互聯網數據傳遞的普及，出現了對海量數據的存儲及運用的需求，而存儲設備容量不斷增加、CPU處理能力大幅提升、網絡帶寬不斷增加等技術基礎的實現也在客觀條件上促成了大數據的出現。大數據發(fā)展歷程具體包括以下三個階段：20世紀90年代至21世紀初期，在這期間數據挖掘和數據庫技術逐漸完善，商業(yè)智能工具和知識管理技術開啟實踐應用，如數據倉庫、專家系統(tǒng)、知識管理系統(tǒng)等；21世紀前10年，Web2.0應用快速發(fā)展，非結構化數據大量出現，傳統(tǒng)數據處理方式難以應對，大數據解決方案逐漸匯集成并行計算和分布式系統(tǒng)兩大重點技術；2010年以后，大數據應用逐漸覆蓋到各行各業(yè)，以數據支持業(yè)務運營，使得社會信息化程度大幅增強。

1.2 大數據的特點

（1）數據體量大。隨著全球范圍內各類IT設備的普及，互聯網領域出現迅速增長的訪問數據量，加之監(jiān)控攝像機或智能電表等物聯網設施產生的爆增數據，人類社會產生的數據存儲近幾年一直以50%速度增長。到2020年，數字存儲規(guī)模將超出預期，達到40ZB，相當于地球上所有海灘上的沙粒數量的57倍。而盡管信息時代數字存儲規(guī)模前所未有地持續(xù)膨脹，但僅有0.5%的全球數據得到了分析運用。

（2）數據類型多樣。大數據的數據類型豐富，包括結構化數據和非結構化數據。其中前者僅占15%左右，均為存儲在關系型數據庫的數據。后者占85%，主要包括郵件、視頻、音頻、圖片、鏈接信息、網絡記錄等。大數據具有異構及多樣的特點，很多數據沒有明顯的結構模式，多類型對數據處理能力提出了更高的要求。

（3）處理速度快。對數據處理的時效性要求高，需要對數據的采集、分析和處理連貫性地進行。在Web2.0應用領域，在1秒內全球會發(fā)送2.9百萬封電子郵件，蘋果能下載4.7萬次應用，百度產生90萬次搜索記錄。而每天Youtube會有2.88萬個小時的視頻上傳，亞馬遜上將產生6.3百萬筆訂單，Google上需要處理24PB的數據。這些都需要以大數據的處理方式快速高效的完成。

（4）價值密度低。大數據的價值密度遠低于傳統(tǒng)關系型數據庫中的數據，隨著物聯網的廣泛應用，信息感知無處不在，很多有價值的信息都是分散在海量數據中的，以住宅監(jiān)控視頻為例，連續(xù)不斷的數據記錄僅在發(fā)生盜竊等意外情況時會有查詢確認的價值。而怎樣通過有效的算法模式快速地提取存儲數據的價值，是大數據時代需要重點解決的難題。

2 大數據的哲學思考

大數據的最重要特征是以海量數據來展現客觀規(guī)律，重視現象間的關聯關系，并通過對變量數據的處理找尋其相關性，而不是僅關注事物的內在因果聯系。維克托·邁爾·舍恩伯格在《大數據時代：生活、工作與思維的大變革》中就指出，大數據時代思維方式最大的轉變是：全樣而非抽樣、效率而非精確、相關而非因果。

大數據帶來哲學思維方式的改變具體包括：（1）數據已經成為重要的新興資源，具有巨大的經濟價值，從而帶來了財富價值觀的改變。而數據的價值就是要把正確的信息在正確的時間交付給正確的人。那些能夠將與公司自身的業(yè)務和客戶密切相關的數據進行有效采集、存儲、分析及處理，并加以運用找出競爭優(yōu)勢的企業(yè)在未來將會具有更多的發(fā)展空間。（2）云計算等數據分析方法已將傳統(tǒng)的數據歸納法發(fā)展為大數據歸納法，通過承認世間事物的復雜多樣，關聯關系的錯綜復雜，在大數據分析中既關注對結構數據也重視對非結構數據的處理，以數據的相關性來展現規(guī)律，避免了以往知識經驗及因果聯系的局限性。（3）大數據與小數據各有優(yōu)劣，大數據強調海量數據的全量覆蓋運用，以高效處理尋找數據的相關聯系，具有處理體量大，重效率而不是精確等特點，小數據的抽樣調查也僅能達到局部準確，處理成本較低，卻存在抽樣不能全面反映狀況等問題。（4）大數據時代帶來的問題有采集數據歸屬問題、個人隱私保護問題等，企業(yè)級應用采集的客戶數據哪些應屬企業(yè)，哪些應歸個人，是否會對個人隱私構成侵犯，企業(yè)采集信息的同時是否應通知用戶以得到明確的授權，企業(yè)之間的用戶信息傳遞是否也要由個人用戶知情，這些問題都值得深思探討。（5）數據共享時代會存在相應的安全保障問題，數據的開放共享不僅能夠進行更好客戶體驗服務，也會出現全方位立體式的網絡威脅，現今許多企業(yè)都有相應的服務信息安全防控設施，卻不具有廣泛的適用性，各數據存儲防控之間也不存在有效聯動，而普及區(qū)塊鏈式的信息公開結合律法追責會是更加有效的應對方式。

3 大數據企業(yè)級應用

3.1 客戶信息應用

通過大數據技術對商業(yè)銀行客戶辦理的業(yè)務數據進行收集整理，建立起客戶信息全方位360度式數據庫，以更好的依據顧客需求進行業(yè)務營銷?？蛻粜畔▊€人信息和企業(yè)信息。個人信息有辦理業(yè)務數量、業(yè)務頻次、投訴情況、信用狀況等，企業(yè)信息有運營狀況、財務情況、銷售記錄等。僅是以商業(yè)銀行自身擁有的數據有時難以得出理想結果，還需獲取必要的外部數據，以獲得豐富完整的客戶信息，具體包括：社交媒體行為數據、電商網站交易數據、企業(yè)產業(yè)鏈上下游數據等。商業(yè)銀行營銷人員需要結合市場環(huán)境等因素，以大數據技術在收集的海量客戶數據中快速篩選出有價值的信息，對客戶行為模式及潛在價值進行有效的分析處理，以深入了解每個客戶的詳細需求，從而進行相應投其所好的廣告推送，并根據客戶的實時狀態(tài)及不同的興趣愛好來提供專屬個性化的市場營銷組合，包括相應的產品組合及價格方案、渠道設計等。

3.2 流程信息應用

通過處理商業(yè)銀行業(yè)務流程各環(huán)節(jié)的數據信息，發(fā)現流程中的限制因素，以更有效的改進業(yè)務流程，提高服務質量。以大數據的方式處理市場推廣運作及現有產品使用情況等，依據客戶信息的個性特征及風險偏好對客戶潛在的業(yè)務需求進行深入分析，從而以詳實的客戶需求進行相應新產品的創(chuàng)新研發(fā)，以實現有效的產品更新。

3.3 運營信息應用

對復雜市場運作及商業(yè)銀行運營來說，能夠同時采集處理的價值信息越是完整，為銀行各層次人員提供的業(yè)務信息越是及時，會更有助進行相應的理性決策，以創(chuàng)造更多的商業(yè)價值。而商業(yè)銀行內部數據的流通對管理效率會有相當大的影響，通過對銀行內部數據的采集分析處理，能夠更好地提高銀行內部的管理效率。

3.4 信用信息應用

大數據分析對風險防控有著重要作用，商業(yè)銀行能夠以數據處理方法對企業(yè)資產、銷售、財務等相關數據進行風險分析，量化企業(yè)信用信息，從而以更低風險的方式開展銀行業(yè)務。另外，銀行可以利用客戶基本信息、交易歷史、行為模式等，結合大數據處理方式進行實時的交易反欺詐分析。

3.5 輿情信息應用

在網絡社區(qū)及微博微信公眾號上，及時獲取發(fā)布的有關商業(yè)銀行以及產品服務的相關信息，通過大數據處理方式進行發(fā)布信息的正負面判斷，其中的正面信息能夠用來進行客戶營銷時的業(yè)務宣傳，而負面信息則需要在及時發(fā)現后進行相應的引導處理。在大數據時代，商業(yè)銀行的網絡媒體形象對客戶群體的業(yè)務拓展影響還是很重大的。

參考文獻

[1] 楊萬慶.“互聯網+”時代出版行業(yè)圖書市場營銷創(chuàng)新探究[J].出版發(fā)行研究，2018（2）.

[2] 伍榮.大數據技術在信息安全領域中的應用[J].通信技術，2017（6）.

[3] 孫潔.互聯網時代下市場營銷策略創(chuàng)新思考[J].商業(yè)經濟研究，2017（13）.

[4] 于牧雁.企業(yè)大數據營銷模式創(chuàng)新與改革[J].智慧商業(yè)，2018（7）.

[5] 陳松.大數據審計在銀行的應用[J].方法探究，2018（3）.