隨著移動互聯(lián)網(wǎng)、云計算、物聯(lián)網(wǎng)和社交網(wǎng)絡(luò)的廣泛應(yīng)用，人類社會已經(jīng)邁入一個全新的“大數(shù)據(jù)”信息化時代。而銀行信貸的未來，也離不開大數(shù)據(jù)。

國內(nèi)不少銀行已經(jīng)開始嘗試通過大數(shù)據(jù)來驅(qū)動業(yè)務(wù)運營，如中信銀行信用卡中心使用大數(shù)據(jù)技術(shù)實現(xiàn)了實時營銷，光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫，招商銀行則利用大數(shù)據(jù)發(fā)展小微貸款。從發(fā)展趨勢來看，銀行大數(shù)據(jù)應(yīng)用總的可以分為四大方面：

第一方面：客戶畫像應(yīng)用。

客戶畫像應(yīng)用主要分為個人客戶畫像和企業(yè)客戶畫像。個人客戶畫像包括人口統(tǒng)計學特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風險偏好等；企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運營、財務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。值得注意的是，銀行擁有的客戶信息并不全面，基于自身擁有的數(shù)據(jù)有時難以得出理想的結(jié)果甚至可能得出錯誤的結(jié)論。

比如，如果某位信用卡客戶月均刷卡8次，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。所以銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴展對客戶的了解。包括：

（1）客戶在社交媒體上的行為數(shù)據(jù)（如光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫）。通過打通銀行內(nèi)部數(shù)據(jù)和外部社會化的數(shù)據(jù)可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理；

（2）客戶在電商網(wǎng)站的交易數(shù)據(jù)，如建設(shè)銀行則將自己的電子商務(wù)平臺和信貸業(yè)務(wù)結(jié)合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可；

（3）企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)。如果銀行掌握了企業(yè)所在的產(chǎn)業(yè)鏈上下游的數(shù)據(jù)，可以更好掌握企業(yè)的外部環(huán)境發(fā)展情況，從而可以預測企業(yè)未來的狀況；

（4）其他有利于擴展銀行對客戶興趣愛好的數(shù)據(jù)，如網(wǎng)絡(luò)廣告界目前正在興起的DMP數(shù)據(jù)平臺的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)。

第二方面：精準營銷

在客戶畫像的基礎(chǔ)上銀行可以有效的開展精準營銷，包括：

（1）實時營銷。實時營銷是根據(jù)客戶的實時狀態(tài)來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶采用信用卡采購孕婦用品，可以通過建模推測懷孕的概率并推薦孕婦類喜歡的業(yè)務(wù)）；或者將改變生活狀態(tài)的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；

（2）交叉營銷。即不同業(yè)務(wù)或產(chǎn)品的交叉推薦，如招商銀行可以根據(jù)客戶交易記錄分析，有效地識別小微企業(yè)客戶，然后用遠程銀行來實施交叉銷售；

（3）個性化推薦。銀行可以根據(jù)客戶的喜歡進行服務(wù)或者銀行產(chǎn)品的個性化推薦，如根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務(wù)需求，進而有針對性的營銷推廣；

（4）客戶生命周期管理?？蛻羯芷诠芾戆ㄐ驴蛻臬@取、客戶防流失和客戶贏回等。如招商銀行通過構(gòu)建客戶流失預警模型，對流失率等級前20%的客戶發(fā)售高收益理財產(chǎn)品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。

第三方面：風險管控

包括中小企業(yè)貸款風險評估和欺詐交易識別等手段。

（1）中小企業(yè)貸款風險評估。銀行可通過企業(yè)的產(chǎn)、流通、銷售、財務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進行貸款風險分析，量化企業(yè)的信用額度，更有效的開展中小企業(yè)貸款。

（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式（如轉(zhuǎn)賬）等，結(jié)合智能規(guī)則引擎進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數(shù)據(jù)有效地預防與管理金融犯罪，摩根大通銀行則利用大數(shù)據(jù)技術(shù)追蹤盜取客戶賬號或侵入自動柜員機(ATM)系統(tǒng)的罪犯。

第四方面：運營優(yōu)化。

（1）市場和渠道分析優(yōu)化。通過大數(shù)據(jù)，銀行可以監(jiān)控不同市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進行合作渠道的調(diào)整和優(yōu)化。同時，也可以分析哪些渠道更適合推廣哪類銀行產(chǎn)品或者服務(wù)，從而進行渠道推廣策略的優(yōu)化。

（2）產(chǎn)品和服務(wù)優(yōu)化：銀行可以將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個性特征和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。如興業(yè)銀行目前對大數(shù)據(jù)進行初步分析，通過對還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。

（3）輿情分析：銀行可以通過爬蟲技術(shù)，抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過自然語言處理技術(shù)進行正負面判斷，尤其是及時掌握銀行以及銀行產(chǎn)品和服務(wù)的負面信息，及時發(fā)現(xiàn)和處理問題；對于正面信息，可以加以總結(jié)并繼續(xù)強化。同時，銀行也可以抓取同行業(yè)的銀行正負面信息，及時了解同行做的好的方面，以作為自身業(yè)務(wù)優(yōu)化的借鑒。

銀行是經(jīng)營信用的企業(yè)，數(shù)據(jù)的力量尤為關(guān)鍵和重要。在“大數(shù)據(jù)”時代，以互聯(lián)網(wǎng)為代表的現(xiàn)代信息科技，特別是門戶網(wǎng)站、社區(qū)論壇、微博、微信等新型傳播方式的蓬勃發(fā)展，移動支付、搜索引擎和云計算的廣泛應(yīng)用，構(gòu)建起了全新的虛擬客戶信息體系，并將改變現(xiàn)代金融運營模式。

大數(shù)據(jù)海量化、多樣化、傳輸快速化和價值化等特征，將給商業(yè)銀行市場競爭帶來全新的挑戰(zhàn)和機遇。數(shù)據(jù)時代，智者生存，未來的銀行信貸，是從數(shù)據(jù)中贏得未來，是從風控中獲得安穩(wěn)。