大数据优势分食银行业蛋糕 传统银行面临挑战

在大数据时代，互联网银行来势汹汹，传统银行家底雄厚，谁胜谁败尚难预料。可以确定的是，善于创新、勇于求变的传统银行，将会顺势而上，继续做大做强；另一些很可能日渐式微，甚至被淘汰出局。

　　让数据说话

　　在杭州黄龙时代广场B座支付宝的大楼里，有一层的中央大屏幕显示着各种跳动的数字，这些时时变化或滚动的数字包括支付宝的客户数、合作金融机构的名称、全国各地通过支付宝进行水电缴费的情况、甚至与支付宝合作的公益基金的投向及客户最新理赔金额。《英大金融》在这里被告知，这块大屏幕上的数字可以记录、摘抄，唯一不被允许的是拍照。

　　这或许只是阿里巴巴数据帝国的的冰山一角。2014年12月15日，在中国台湾举行的两岸企业家峰会上，阿里巴巴董事局主席马云认为，互联网才刚刚开始，下一步全球大趋势是从IT走向DT(数据)。

　　随着信息技术的进步和互联网的普及，大数据时代奔涌而来，势不可挡。互联网银行凭借大数据迅速崛起，给传统银行带来巨大的竞争压力。传统银行也在积极努力，尝试利用大数据。

　　一场大戏已经开演，主角的面纱尚待揭开。究竟谁会成为时代的赢家？

　　总理之手开启微众银行

　　李克强总理的到访让深圳前海微众银行成为关注焦点。2015年1月4日，李克强总理敲下电脑回车键，帮助微众银行完成了第一笔放贷业务，卡车司机徐军由此拿到了3.5万元贷款。

　　此一事件可从多个角度解读。首先，这笔贷款金额很小，属于微型金融。其次，这笔贷款不需要申请人到营业网点，很好地体现了互联网银行的特点。最后，在发放贷款之前，微众银行通过大数据分析，对贷款申请人进行了信用审核，不需要抵押。

　　出于商业保密考虑，微众银行并未公开如何对贷款申请人进行信用审核。不过，根据微众银行的发起人，可以猜测一二。微众银行发起股东共10家，主发起人腾讯的股份占比为30%，深圳传统行业巨头百业源和立业各占20%，其余7位股东合计占股30%。微众银行所分析的大数据应该主要来自腾讯，而腾讯的产品包括QQ、微信等。

　　不难想象，QQ、微信的相关信息可以用于信用审核。比如长时间使用同一个QQ、微信的人显然比刚刚获得新QQ、微信的人可靠。如果一个人基本都是在同一个地方登录QQ、微信，那说明此人工作和生活的地方非常固定，比不断换地方的人更值得信赖。根据此人工作和生活的地方，可以大致判断其收入水平。

　　登录QQ、微信所使用的手机和电脑型号也能很好的反映此人的经济状况。如果在长假期间，该人经常在不同风景名胜地区登录QQ、微信，那说明此人有财力经常旅游。这些都是比较简单的数据分析，运用更复杂的分析技术应该会得到更多信息。

　　阿里小贷的先锋体验

　　在利用大数据放贷方面，阿里小贷是国内最早开始的，也是规模最大的。如今火遍全国的“互联网金融”一词正是来自阿里小贷的启示。可以说，阿里巴巴是中国互联网金融的鼻祖。

　　阿里小贷的发展历程可追溯到 2002 年“诚信通”的成立。在此项业务中，阿里巴巴雇佣第三方对会员进行评估，并把评估结果连同会员在阿里巴巴的交易诚信记录展示在网上，帮助诚信通会员获得采购方的信任。2007 年阿里巴巴与中国建设银行和中国工商银行合作，先后分别推出“e 贷通”及“易融通”贷款产品，阿里巴巴相当于银行的销售渠道及信息提供商，向银行推荐电商企业，帮助他们获得银行贷款。由于电商们大多达不到银行门槛，此项合作并不成功。

　　之后，阿里巴巴于 2010 年及 2011 年先后成立了浙江阿里巴巴小额贷款股份有限公司及重庆市阿里巴巴小额贷款有限公司，注册资本分别为 6 亿元及 10 亿元。和传统小额贷款公司不同，阿里小贷的客户主要是淘宝、阿里巴巴上的店铺。

　　由于这些店铺通过淘宝和阿里巴巴平台经营，所以阿里小贷可以轻易获得客户的历史数据。在这些数据基础上，阿里小贷建立了用于放贷“水文模型”，即按小微企业类目、级别等分别统计一个店铺的相关“水文数据”库。

　　举例来说，某店铺在某段时间内的销售额远高于平时。仅根据这个数据给予授信，很可能做出错误判断。如果把这个店铺放到水文模型中，去观察其不同时间、季节的经营数据及其所处类目同类店铺的数据变化，就可以对这个店铺的状况有更准确地把握。也许和往年高峰期相比或者与同类店铺相比，该店铺这段时间原本较高的销售额实际并不高。

　　实际上，阿里小贷的模型不仅仅只有“水文模型”，而是覆盖贷前、贷中、贷后、反欺诈、市场分析、信用体系、创新研究六大板块。

　　据报道，截至2014年上半年，阿里小贷累计发放贷款超过2000亿元，服务的小微企业达80万家，目前贷款余额为150亿元左右，户均贷款几万元。

　　大数据时代到来

　　数据分析历来重要。林彪就是这方面的代表。他身边有个本子，每次打完仗，就把战果记在上面，不厌其烦。林彪对战报要求很细：俘虏要分清军官和士兵；缴获的枪支要统计出机枪、长枪、短枪等。一天深夜，值班参谋正读着一份遭遇战的战报，林彪听着听着，突然叫“停”。他连提出3个问题：“为什么那儿缴获的短枪与长枪的比例比其他的战斗略高？为什么那儿缴获和击毁的小车与大车的比例比其他的战场略高？为什么那儿俘获和击毙的军官与士兵的比例比一般歼敌略高？”人们还没来得及思索，林彪已指着军用地图说：“我猜想……不，我断定！敌人的野战指挥所就在这儿！”随后，林彪命令全力追击从胡家窝棚逃走的那股敌人。最终活捉廖耀湘，辽沈战役就此尘埃落地。

　　可见，早在大数据时代之前，人们就已经有意识的运用数据分析并取得了良好的成效。大数据有什么特点？归结为4个V：体量(Volume)，即数据规模大、增长速度快，常用的衡量单位从TB(1000GB)级别跃升到PB(1000TB)、EB(1000PB)甚至ZB(1000EB)级别；多样(Variety)，即数据类型繁多，除了传统的结构化数据外，还包括了多种非结构化数据，其中对于结构化数据的处理和分析已经较为成熟，而对于非结构化数据的处理和分析才刚刚起步；价值(Value)，即数据的潜在价值巨大，有可能导致革命性的变化；速度(Velocity)，即数据处理速度快、时效性强。

　　大数据时代是信息技术进步和互联网普及的结果。一方面，计算能力持续提高。不仅单个电脑能够处理越来越多的信息，不同电脑还可以通过网络连接起来同步运算。另一方面，人们越来越频繁的使用互联网，网络购物、网络视频、网络社交等纷纷兴起。如果说以前在互联网上，没有人知道你是一条狗，那么现在互联网不但知道对面是一条狗，还知道这条狗喜欢什么食物、几点出去遛弯、几点回窝睡觉。由于互联网日益渗入日常生活，随着时间推移，海量数据得以积累。这两方面互相配合，共同催生了大数据时代的到来。只有数据处理能力而没有数据，或者只有数据而没有数据处理能力，都是没有用的。

　　在大数据时代，数据资产是产业兴衰、企业存亡的关键因素，公司的价值与其数字资产的规模、活性成正比，与其解释、运用数据的能力成正比。有人将数据比喻为农耕时代的土地和工业时代的石油。他们之间有很多相似之处，但一个核心区别是，石油越用越少，土地保持不变，而数据越用越多。可见，数据比土地和石油更有价值。

　　大数据分析有助于预测未来。比如Target是一家非常大的美国零售公司，在大数据分析方面卓有成效。有一天，一位非常生气的客户打进电话，抱怨公司送给他17岁的女儿尿布折扣券，因为他女儿年龄还小，根本不需要。几天以后，客户自己跑来道歉，原来他女儿真的怀孕了。怀孕的女性会有不同的生活习惯，会买不同的东西，父母有时候都不知道她们已经怀孕了，而Target反而能提前知道。这就是大数据分析的魅力。

　　互联网银行的三大优势

　　微众银行和阿里小贷是互联网企业利用大数据优势分食银行业蛋糕的两个案例，可称其为互联网银行。目前，他们的规模在整个银行业170万亿元资产、86万亿元贷款里面是微不足道的，但他们代表着一种新趋势。假以时日，很可能颠覆传统银行业，正如电商对传统商业的颠覆。

　　与传统银行相比，互联网银行展现了极高的运营效率、极强的竞争优势。阿里小贷负责人胡晓明曾表示，他们单笔信贷操作成本为2.3元，而一般银行的成本在2000元左右。之所以在成本上出现如此巨大的差距，是因为银行获取信息的成本巨大、业务环节繁多、人工和场地费用高昂。借助阿里巴巴的数据，阿里小贷不用像银行一样作为局外人花高成本去获取信息，而是作为交易参与者去发现、提供融资机会。业务操作的自动化也极大的降低了成本。

　　互联网银行不仅成本低，而且速度快。在阿里小贷，绝大部分小微企业3分钟即可获得贷款。由于获得贷款是如此方便，典型的淘宝小商户是没有库存的：当天晚上收齐订单，然后向阿里小贷申请一笔订单贷款，第二天就去批发市场拿货、发送快递。等买家确认收货后销售收入到账，系统自动扣取贷款本息，小商户不需要投入自有资本。

　　而在传统银行，贷款的前、中、后管理很大程度上是分开的。银行是等客户有了潜在信贷需求和意向之后，才会信贷流程，要求企业提供标准化的财务数据资料，包括担保抵押情况等。即便贷前业务岗已经把客户的贷款需求和资料上报至信贷审核部门，中台的审批效率和流程也是因人而异，因行而异。这个信贷链条在各个环节存在一定的时间差，造成整个信贷流程十分漫长。

　　“投向准”是互联网银行的另一个特点。传统银行在进行授信业务审核时，往往需要借款人提供利润表、资产负债表、现金流量表等常规的企业财务资料，以及有效的抵押品。这对大中型企业并不是什么难事，但是小微企业运营时间较短，企业财务制度不完善，缺乏抵押品，很难在传统银行贷到款。互联网银行通过利用大数据，能够在保证赚钱的前提下面向小微企业及个人提供贷款。阿里小贷不良贷款率仅有1%左右，低于银行业平均水平，更远低于传统银行的小微贷款，说明这种模式的风险是可控的。

　　对于这些过去被排除在传统银行服务范围之外的企业和个人来说，互联网银行带来的是革命性的变化。对于整个社会而言，互联网银行有助于改善原有金融结构，更好支持实体经济特别是其中的薄弱环节，具有很强的社会意义。这也是李克强总理会造访微众银行的原因。

　　传统银行的挑战与机遇

　　表面上看，中国银行业非常强大。在2014年《银行家》发布的排行榜上，按照一级资本这个指标，世界前10家银行中有4家来自中国，前20家银行中有5家来自中国。2013年全球1000家大型银行利润达9200亿美元，而中国主要银行的税前利润总额为2920亿美元，占银行业全球利润的32%。在金融危机发生前的2007年，这一数字仅为4%。

　　和国内非金融企业相比，银行业也是占据优势。根据2014年中报，12家上市银行的净利润总计为4824.3亿元，平均每天赚26.6亿元，而在2341家非金融类上市公司中，上半年赚钱的有2020家，亏损的有321家，净利润总额为4663.8亿元，比12家上市银行还要少。

　　实际上，在大数据时代，银行相比互联网公司处于劣势，他们没有互联网公司拥有的那些数据，比如腾讯关于QQ和微信的数据、阿里巴巴关于淘宝商铺的数据。正因为这个战略上的困境，所以传统银行无法像互联网银行那样在放贷方面做到成本低、速度快、投向准。如果传统银行不能适应大数据时代，那就有可能像恐龙一样被淘汰。

　　大数据时代在给银行带来挑战的同时，也带来了机遇。根据麦肯锡的研究，金融业在大数据价值潜力指数中排名第一。首先，银行本身拥有海量数据。银行的数据不仅包括存贷汇核心业务结构化数据，也包含客户电话语音、在线交易记录、网点视频等非结构化数据。其次，银行在信息技术硬件方面已经投入巨资，储备了大量人才，具有充足的预算。这些都是银行拥抱大数据时代的优势。

　　但是目前这些优势还没有充分发挥出来。一方面，银行更多强调事后统计工作(包括监管统计、各类报表等)，大量数据资源没有得到充分挖掘，无法用于预测并支持经营管理。另一方面，银行仅能掌握客户与银行业务相关的金融行为，难以获得客户在社会生活中体现兴趣爱好、生活习惯、消费倾向的情感或行为数据，不能与业务数据形成联动。

　　传统银行蜕变之旅

　　在适应大数据时代方面，不少银行进行了有益尝试。根据大数据分析的对象，可分为客户与员工。银行运用大数据分析客户是为了更好的了解客户需求，进行精准营销，控制与客户有关的信贷风险；银行运用大数据分析员工是为了提高工作效率、降低经营成本。

　　在运用大数据分析员工方面，美国银行做出了典范。他们通过在员工姓名牌中置入感应器，监控员工的行走线路与交谈语气，从而了解员工在工作场所的社交状况。结果表明，那些一起享受工间休息并相互交流的员工有更高的工作效率，因为他们可以分享如何应付“难缠”顾客的小窍门。美国银行决定推行集体工间休息，此后员工表现提升了23%，而员工说话语调所反映出的压力水平则下降了19%。

　　为了运用大数据分析客户，银行需要拥有客户的数据。与微众银行、阿里小贷不同的是，传统银行不拥有互联网企业的数据，不能实时准确了解客户的经营情况。为了突破这个瓶颈，传统银行的做法可分为三类。

　　第一种做法是银行与拥有数据的公司形成战略合作。比如由电商平台向银行推荐有贷款意向的优质企业，银行通过交易流水、买卖双方评价等信息，确定企业资信水平，给予授信额度。2014年1月10日，中信银行联合银联商务在广州共同推出“POS商户网络贷款”业务，这是又一家股份制银行开始尝试利用其它公司的数据实现业务转型，不过他们的合作对手不是电商，而是银联商务。由于获得贷款的前提之一即必须安装银联商务的POS机，成为其合作商户。这一方面使得中信银行能够依托银联数据，实现更快捷有效的线上发放贷款，另一方面也利于银联商务的线下扩张。

　　第二种做法是银行尝试自主搭建电商平台，独立获得数据资源。2012年，建行率先上线“善融商务”，提供B2B和B2C客户操作模式，涵盖商品批发、商品零售、房屋交易等领域，为客户提供信息发布、交易撮合、社区服务、在线财务管理、在线客服等配套服务。不过总起来看，银行自建电商对于网上商铺的吸引力有限，难以撼动主流电商的地位。电商这个行业有其自身的规律，其它行业的企业包括银行在这方面并不一定具有优势。

　　第三种做法是整合和挖掘自身数据。花旗、富国、UBS等银行已经能够整合客户的资产负债、交易支付、流动性状况、纳税和信用记录等，对客户行为进行360度评价，计算动态违约概率和损失率，提高贷款决策的可靠性。西班牙对外银行推出的具有记忆功能的ATM机ABIL，不但能记住客户习惯的取款金额、频率，还能根据其账户情况给出相应的取款建议。

　　培养大数据思维

　　在《大数据时代》一书中，作者舍恩伯格认为大数据思维的三个因素是：分析数据的全体而不是部分；关注效率而不是精确度；重视相关性而不是因果关系。这是比较具体的大数据思维。

　　从更基本的角度看，大数据思维就是对于数据的重视。在大数据时代以前，数据同样需要重视。随着大数据时代的到来，数据的形式变得前所未有的多样，数据的规模变得前所未有的庞大，数据的处理变得前所未有的快捷，数据的作用变得前所未有的重要。因此，对于数据要前所未有重视。

　　在如何利用大数据方面，已知的部分相对狭小，陌生的领域非常广大。任何机构都在探索，没有标准的、一成不变的做法可供模仿。只有不断培养大数据思维，才能持续提高利用大数据的能力。

　　首先，大数据思维要求重视数据的搜集和存储。数据的搜集和存储是分析利用的前提。如果没有数据，再强大的分析利用能力也是“巧妇难为无米之炊”。在搜集和存储数据方面，要有长远的眼光。当前已会分析利用的数据需要搜集，当前还不会分析利用的数据也要搜集。等到新的数据分析利用方式出来之后再开始搜集数据就已悔之晚矣。由于数据的存储需要花费不少成本，搜集、存储一些看似无用的数据需要有坚定的信心和雄厚的财力。如果不具备大数据思维，则可能弃珍宝(数据)如敝履。

　　其次，大数据思维要求提高对于数据的挖掘和分析能力，建立通畅的数据挖掘结果与业务流程的衔接机制，最大化数据挖掘结果的价值。国外先进银行大多建有一个庞大的数据挖掘人才队伍，400人以上的人员配置，且特别注重吸收具备丰富业务知识的人员。这样既保证了数据挖掘的专业性，又使得数据挖掘和业务部门很好的结合，通过数据挖掘满足业务部门的需求，避免为数据挖掘而数据挖掘。

　　最后，大数据思维必须融入到银行每一位员工的毛细血管中，特别是管理层。基层员工需要具备大数据思维，因为他们处在业务最前线，知道哪些数据可以搜集、推进业务需要哪些信息，同时需要他们付出努力提供高质量的数据。高级管理人员需要具备大数据思维，因为他们能够调配资源。只有在高级管理人员的重视下，才能举全公司之力，迅速提高大数据的积累和利用能力。

　　展望未来，互联网银行来势汹汹，传统银行家底雄厚，谁胜谁败尚难预料。可以确定的是，一些善于创新、勇于求变的传统银行，将在大数据时代顺势而上，继续做大做强；另一些因循守旧、步伐缓慢的传统银行，很可能在大数据时代日渐式微，甚至被淘汰出局。

　　未来，掌握在他们自己手中。