金融學(xué)院畢業(yè)論文

　　寫(xiě)畢業(yè)論文主要目的是培養學(xué)生綜合運用所學(xué)知識和技能，理論聯(lián)系實(shí)際，獨立分析，解決實(shí)際問(wèn)題的能力，使學(xué)生得到從事本專(zhuān)業(yè)工作和進(jìn)行相關(guān)的基本訓練。嫌我們來(lái)看一下金融學(xué)院的同學(xué)們會(huì )寫(xiě)怎樣的論文吧。

　　摘要：隨著(zhù)大數據技術(shù)的發(fā)展，擁有海量數據和大數據處理技術(shù)的互聯(lián)網(wǎng)金融企業(yè)正在形成對商業(yè)銀行傳統零售業(yè)務(wù)的挑戰，零售業(yè)務(wù)轉型已成為商業(yè)銀行當前的核心任務(wù)之一。本文首先在大數據視角下對互聯(lián)網(wǎng)金融的興起以及商業(yè)銀行零售業(yè)務(wù)所受到的影響進(jìn)行了分析;其次，在大數據視角下分析了商業(yè)銀行零售業(yè)務(wù)的轉型現狀;最后，針對大數據時(shí)代商業(yè)銀行零售業(yè)務(wù)轉型提出了建議和措施。

　　關(guān)鍵詞：大數據;互聯(lián)網(wǎng)金融;客戶(hù)行為;銀行零售轉型

　　一、引言

　　大數據與互聯(lián)網(wǎng)金融的發(fā)展和融合造成對傳統金融業(yè)最重要的影響就是金融脫媒和降低交易成本。雖然目前對商業(yè)銀行對公業(yè)務(wù)和機構業(yè)務(wù)影響不大，但是對商業(yè)銀行零售業(yè)務(wù)的大眾客戶(hù)基礎、業(yè)務(wù)領(lǐng)域(支付、存款、中收、零售貸款等)、經(jīng)營(yíng)模式以及社會(huì )輿論環(huán)境已帶來(lái)了巨大的挑戰。因此，面對互聯(lián)網(wǎng)金融對傳統金融業(yè)的沖擊以及大數據應用與發(fā)展的趨勢，商業(yè)銀行零售業(yè)務(wù)如何轉型是當前銀行業(yè)繼續探討的重點(diǎn)和難點(diǎn)問(wèn)題。

　　二、大數據時(shí)代互聯(lián)網(wǎng)金融對商業(yè)銀行零售業(yè)務(wù)的影響因素分析

　　隨著(zhù)互聯(lián)網(wǎng)金融的沖擊，傳統的商業(yè)銀行零售業(yè)務(wù)正逐步遭到侵蝕，其影響主要表現在以下三點(diǎn)：一是居民儲蓄存款份額下降;二是居民和小微企業(yè)對商業(yè)銀行信貸依賴(lài)性降低;三是商業(yè)銀行貸款結構失衡壓力突出，中長(cháng)期貸款比例遠遠高于短期貸款[1]。通過(guò)上述影響表現可以看出，在互聯(lián)網(wǎng)金融的沖擊下，商業(yè)銀行的客戶(hù)、資金和業(yè)務(wù)都在流失，從大數據的視角來(lái)看，其影響因素主要有以下三個(gè)方面。

　　(1)在大數據時(shí)代，互聯(lián)網(wǎng)金融顯著(zhù)降低了交易成本[2]

　　1、大數據的分布式服務(wù)處理方式能夠降低交易的時(shí)間成本和硬件成本。傳統的數據存儲和處理采用了集中處理的方式，將所有數據存放在一塊硬盤(pán)并通過(guò)一個(gè)服務(wù)器進(jìn)行處理。但隨著(zhù)數據量膨脹至TB和PB級，傳統的集中處理方式和較低的通信帶寬限制了數據處理的效率，很難得到實(shí)時(shí)的處理結果。隨著(zhù)計算機性能的提高和硬件設備價(jià)格的下降，以大規模計算機集群為架構的大數據存儲與處理方式極大地提高了大數據信息服務(wù)的效率。如Hadoop平臺的MapReduce模型能夠將復雜的運算模型運行在分布式系統上，極大提高了數據的運算效率，降低了交易的時(shí)間成本和硬件成本。

　　2、大數據極大提高了信息處理效率，有助于簡(jiǎn)化交易流程，降低中間成本。大數據的4V特征中包括快速化特征(Velocity)，即大數據時(shí)代，信息產(chǎn)生的速度近乎實(shí)時(shí)[3]。信息的實(shí)時(shí)產(chǎn)生大大地減少信息的不對稱(chēng)，拓寬信息流通的渠道，削弱市場(chǎng)不確定因素引起的價(jià)格波動(dòng)，并降低信息搜尋與處理費用，這種信息處理方式在精準營(yíng)銷(xiāo)中得到了廣泛的應用[4]。同時(shí)，大數據有利于交易流程的簡(jiǎn)化和減少中間環(huán)節帶來(lái)的成本問(wèn)題。

　　3、大數據為風(fēng)險管理提供支持，降低了違約成本。傳統的銀行信用風(fēng)險管理方法對于個(gè)人和小微企業(yè)的評估能力正逐步下降，問(wèn)題的關(guān)鍵就是缺乏足夠的數據。初次貸款或有過(guò)信用污點(diǎn)的個(gè)人很難提供更多的數據供銀行判斷其還款意愿和能力，小微企業(yè)在初創(chuàng )期也很難證明其信用度。大數據的一個(gè)重要特征就是數據類(lèi)型多元化(Variety)，目前，Facebook、微博、視頻和音頻等非結構化數據已經(jīng)應用于個(gè)人信貸的風(fēng)險評估。如美國ZestFinance公司專(zhuān)門(mén)針對無(wú)法提供信用證明的人，通過(guò)互聯(lián)網(wǎng)上大量的個(gè)人碎片化信息和ZestFinance風(fēng)險評估模型重組個(gè)人信用視圖。該公司目前首次還貸違約率低于競爭者，投資回報率達到150%，其背后依托的是強大的大數據挖掘能力。

　　(2)在大數據時(shí)代，互聯(lián)網(wǎng)金融導致客戶(hù)行為發(fā)生變化

　　1、客戶(hù)具有更多的選擇權。截至2015年6月末全國正常運營(yíng)網(wǎng)貸平臺為2028家，全國眾籌平臺達211家。相比于形式單一的傳統銀行零售和營(yíng)銷(xiāo)，新鮮血液的加入增強了金融市場(chǎng)的活力，為客戶(hù)提供更多的選擇空間。如余額寶可以讓客戶(hù)將零錢(qián)用于理財，且隨存隨取，期限固定，這對于客戶(hù)來(lái)說(shuō)是更靈活的理財方式。P2P平臺在列出利率和投資金額之外，還會(huì )列出資金投資去向，并且會(huì )向客戶(hù)提供貸款公司的信用程度和公司業(yè)績(jì)指標，這也為客戶(hù)提供更多的參考，讓客戶(hù)有更多的選擇性。

　　2、客戶(hù)的信息來(lái)源和決策依據更為廣泛。首先，在傳統銀行零售時(shí)代，客戶(hù)通過(guò)有限的資源來(lái)獲取銀行零售產(chǎn)品信息，而在大數據時(shí)代，當客戶(hù)有需求時(shí)，他們首先會(huì )選擇通過(guò)互聯(lián)網(wǎng)來(lái)收集相關(guān)信息，了解該商品的信息。在大數據環(huán)境下，客戶(hù)更容易獲得金融市場(chǎng)行情，從而可以通過(guò)比較購買(mǎi)到滿(mǎn)足其需求的商品。其次，在大數據時(shí)代隨著(zhù)社交媒體的發(fā)展，客戶(hù)會(huì )直接在微博或其他社交媒體上發(fā)表自己的看法，這種評價(jià)信息往往會(huì )被商業(yè)企業(yè)或數據服務(wù)公司收集，成為對商品評價(jià)的輿情數據，如百度口碑、微博統計以及電商網(wǎng)站的購買(mǎi)評論等。在大數據時(shí)代，這種評價(jià)模式對客戶(hù)決策的影響更加廣泛。再次，隨著(zhù)基于大數據的精準營(yíng)銷(xiāo)的發(fā)展，企業(yè)往往更加注重客戶(hù)的黏性，對客戶(hù)的服務(wù)和產(chǎn)品推薦也是客戶(hù)決策的一個(gè)重要因素。

　　3、科技化、網(wǎng)絡(luò )化讓消費行為趨向便捷化和多元化。據中國互聯(lián)網(wǎng)絡(luò )信息中心數據顯示，截至2015年6月，我國的手機網(wǎng)民總數為5、94億，使用手機支付的用戶(hù)數量達到2、76億，國內移動(dòng)支付市場(chǎng)交易規模達到8、24萬(wàn)億。移動(dòng)支付最初涉及的是線(xiàn)上業(yè)務(wù)，但隨著(zhù)業(yè)務(wù)拓展和科技的發(fā)展，移動(dòng)支付已從線(xiàn)上拓展至便利店、餐飲店、出租車(chē)和醫院等線(xiàn)下場(chǎng)景。其中，支付寶的出現極大地推動(dòng)了中國移動(dòng)支付的發(fā)展，改變了客戶(hù)的消費行為，也在很大程度上導致了商業(yè)銀行的金融脫媒。如今，支付寶占據了移動(dòng)支付市場(chǎng)80%的份額，已成為中國最大的在線(xiàn)繳費平臺，支持全國25個(gè)省份、361個(gè)城市的水電煤繳費等民生服務(wù)。用戶(hù)可通過(guò)支付寶錢(qián)包、微博或手機淘寶進(jìn)入城市服務(wù)平臺，直接在手機上完成生活繳費、交通違章查詢(xún)、路況及公交查詢(xún)、醫院掛號等事項。

　　(3)在大數據時(shí)代，互聯(lián)網(wǎng)金融導致業(yè)務(wù)決策模式發(fā)生變化

　　1、事前預測。大數據最大的用途在于根據建立的模型預測未來(lái)某一事件的發(fā)生，并可據此進(jìn)行人為干預，使其向著(zhù)理想的方向發(fā)展。決策行為將基于數據分析做出，而不是像過(guò)去更多憑借經(jīng)驗和直覺(jué)。大數據時(shí)代，事前預測的思想發(fā)生了實(shí)質(zhì)性的轉變：首先，對量化數據的需求轉變?yōu)椤安灰�隨機樣本，而是總體數據”，傳統的數據分析第一步是對總體數據進(jìn)行抽樣獲得樣本數據，以描述性統計和假設檢驗為主;而在大數據環(huán)境下，隨著(zhù)硬件設備的存儲容量、處理速度與通信帶寬的提升，對GB甚至TB級的數據處理成為可能。其次，對數據類(lèi)型的要求轉變?yōu)椤安皇蔷�確性，而是混雜性”，在大數據環(huán)境下，只有20%的數據是傳統數據庫能夠處理的結構化數據，其余80%的數據都是網(wǎng)頁(yè)日志、微博、文檔、視頻和音頻等半結構化或非結構化數據，通過(guò)結合半結構化和非結構化數據構建的大數據模型相比單一的結構化數據模型而言具有更強的魯棒性和泛化能力。再次，對數據與事件的關(guān)系轉變?yōu)椤安皇且蚬�關(guān)系，而是相關(guān)關(guān)系”，通過(guò)大數據關(guān)聯(lián)分析反映事物發(fā)展的客觀(guān)規律而不需要知道原因，這種方式降低了從業(yè)門(mén)檻，也是很多互聯(lián)網(wǎng)企業(yè)跨界進(jìn)入金融領(lǐng)域的一個(gè)重要因素。

　　2、事中感知。事中感知的含義是大數據可以準確地模擬事件或活動(dòng)的進(jìn)展情況，通過(guò)把握進(jìn)展細節制定行動(dòng)計劃和政策。大數據之所以能夠對事件進(jìn)行準確的模擬和精準的把握，主要體現在大數據處理的實(shí)時(shí)性上。大數據的實(shí)時(shí)分析和處理能夠及時(shí)把控事件的變化，與傳統的銀行零售相比，基于大數據技術(shù)的事中感知能夠更準確的刻畫(huà)客戶(hù)行為，修正營(yíng)銷(xiāo)策略。

　　3、事后反饋。事后反饋的目的是對依托大數據做出的決策進(jìn)行驗證與評價(jià)，并能夠實(shí)時(shí)地調整決策結果。事后反饋主要包括兩個(gè)層面：一是對大數據決策的結果進(jìn)行評估，其中包括大數據模型的準確率、提升度等預測效果的評估，通過(guò)迭代優(yōu)化直到找到最好的模型;二是將評價(jià)結果反饋于銀行經(jīng)營(yíng)決策和業(yè)務(wù)指標，根據評價(jià)結果與商業(yè)目標的契合程度重新修正經(jīng)營(yíng)戰略和業(yè)務(wù)流程。

　　三、大數據時(shí)代商業(yè)銀行零售業(yè)務(wù)轉型現狀

　　(1)基礎架構的轉型

　　商業(yè)銀行依托大數據轉型的基礎在于信息體系架構的構建。圖1為2010―2014年間中國銀行業(yè)的IT投資規模，可以看出，從2013年開(kāi)始，中國銀行業(yè)IT投資規模顯著(zhù)增長(cháng)，2013和2014兩年投資規模分別為777、5億和892、4億，漲幅達到16、11%和14、78%，預計2015年將逾千億。

　　商業(yè)銀行主要從以下三個(gè)方面投入來(lái)完成基礎架構的轉型：

　　1、數據倉庫的建設。隨著(zhù)商業(yè)銀行的業(yè)務(wù)發(fā)展，銀行數據總量已經(jīng)超過(guò)上百TB，傳統的數據庫無(wú)法存儲如此龐大規模的數據，各大商業(yè)銀行都在建立自己的數據倉庫。如工商銀行建立了企業(yè)級數據倉庫，該數據庫統一了全行各部門(mén)的數據，存儲結構化數據量達到400TB，數據規模居國內同業(yè)第一、國際第六，并提供靈活查詢(xún)和通用查詢(xún)等多種形式的數據服務(wù)支持。

　　2、大數據處理平臺的建設。大數據吞吐率和實(shí)時(shí)處理的能力依托于大數據處理平臺的建設，互聯(lián)網(wǎng)金融在大數據處理方面具有天然的優(yōu)勢，倒逼商業(yè)銀行改革。如農業(yè)銀行大力推進(jìn)集群架構、虛擬化技術(shù)的應用，引入集群數據庫和MPP數據庫，構建更加開(kāi)放的分布式架構，除了建立企業(yè)級數據倉庫外，還分別建立了信息共享平臺、流式計算平臺和高性能數據處理平臺;交通銀行信用卡中心應用智能語(yǔ)音云對銀行的語(yǔ)音數據進(jìn)行分析處理，通過(guò)大數據技術(shù)對海量語(yǔ)音數據進(jìn)行持續在線(xiàn)實(shí)時(shí)處理，提升了經(jīng)營(yíng)和服務(wù)效率。

　　3、數據質(zhì)量治理。隨著(zhù)信息技術(shù)和多媒體技術(shù)的發(fā)展，商業(yè)銀行除了數據規模龐大之外，數據來(lái)源也從傳統的結構化數據發(fā)展至以網(wǎng)絡(luò )日志、社交媒體為主的半結構化數據和非結構化數據。數據量和數據類(lèi)型的增加為商業(yè)銀行的精準營(yíng)銷(xiāo)提供基礎，但數據質(zhì)量是決定營(yíng)銷(xiāo)模型準確性的關(guān)鍵。完善的數據治理可以確保商業(yè)銀行數據的可用性、可獲取性、完整性以及一致性。目前銀行數據倉庫中數據經(jīng)常存在的問(wèn)題有標準不統一、存在缺失值、數據異常和更新滯后等，商業(yè)銀行的數據治理方式主要包括建立數據標準體系、定期的數據質(zhì)量評估和閉環(huán)的數據質(zhì)量管理模式，從管理上和技術(shù)上治理數據源頭[5]。

　　(2)零售渠道的轉型

　　銀行零售渠道的發(fā)展經(jīng)歷了三個(gè)階段，分別是單渠道階段、多渠道階段和全渠道階段，零售渠道不同階段之間的關(guān)系如圖2所示。

　　單渠道是指單一的渠道銷(xiāo)售形式，主要是指物理網(wǎng)點(diǎn);隨著(zhù)互聯(lián)網(wǎng)和電子商務(wù)的發(fā)展，銀行零售由單一的物理網(wǎng)點(diǎn)形式拓展至自助銀行、電話(huà)銀行和網(wǎng)上銀行的多渠道階段;2013年前后，隨著(zhù)大數據、云計算、多媒體和社交網(wǎng)絡(luò )的發(fā)展，為了滿(mǎn)足金融消費者任何時(shí)間、任何地點(diǎn)、任何方式購買(mǎi)產(chǎn)品和接受服務(wù)的需求，商業(yè)銀行采取物理網(wǎng)點(diǎn)渠道、電子商務(wù)渠道和移動(dòng)電子商務(wù)渠道整合的方式提供金融產(chǎn)品或服務(wù)，為客戶(hù)提供無(wú)差別服務(wù)體驗，這也被稱(chēng)為全渠道階段[6]。

　　2014年，商業(yè)銀行在全渠道零售方面步伐加快，領(lǐng)域涉及理財、P2P、電商以及手機銀行、移動(dòng)支付等方面�？v觀(guān)全年，其方向主要體現在平臺化和移動(dòng)化建設，并且線(xiàn)上線(xiàn)下相結合。在電子銀行方面，全面加快網(wǎng)上銀行、手機銀行、電話(huà)銀行產(chǎn)品和服務(wù)創(chuàng )新，大力發(fā)展短信、微信新型服務(wù)方式，我國主要商業(yè)銀行電子銀行業(yè)務(wù)替代率基本在80%以上(見(jiàn)圖3);同時(shí)，商業(yè)銀行還加大了電商平臺的建設，例如工商銀行投產(chǎn)了融e購電商平臺、融e聯(lián)即時(shí)通信平臺和融e行直銷(xiāo)銀行三大互聯(lián)網(wǎng)金融平臺;在網(wǎng)上銀行方面，中信銀行和寧波銀行等已經(jīng)開(kāi)始了銀行網(wǎng)上社區的建設，為中小企業(yè)、個(gè)人用戶(hù)提供開(kāi)放的服務(wù)平臺;在社交網(wǎng)絡(luò )平臺方面，光大銀行與新浪微博合作進(jìn)行輿情監控和開(kāi)發(fā)繳費應用。

　　(3)客戶(hù)管理的轉型

　　零售的關(guān)鍵在于對客戶(hù)的精準定位，提供快捷高效的服務(wù)和精細化管理。商業(yè)銀行在過(guò)去對客戶(hù)管理普遍應用了“二八理論”，即20%的客戶(hù)創(chuàng )造了80%的利潤，只對20%的高價(jià)值客戶(hù)進(jìn)行重點(diǎn)維護。但實(shí)際上金融客戶(hù)群體具有“長(cháng)尾效應”，80%的低價(jià)值客戶(hù)創(chuàng )造出來(lái)的價(jià)值總和同樣不可小覷�；ヂ�(lián)網(wǎng)金融的成功之處在于除了抓住20%的高價(jià)值客戶(hù)之外，對剩余的中低價(jià)值客戶(hù)也進(jìn)行挖掘、發(fā)展和維護，提升客戶(hù)的忠誠度[7]�？蛻�(hù)管理的關(guān)鍵在于用大數據的方法對客戶(hù)進(jìn)行細分并根據客戶(hù)的特征提供差異化的服務(wù)。商業(yè)銀行經(jīng)過(guò)長(cháng)期的探索，逐步在分析海量客戶(hù)數據的基礎上建立了自己的客戶(hù)管理體系。如民生銀行建立了基于大數據的客戶(hù)關(guān)系管理體系，通過(guò)充分引入各類(lèi)大數據智能商機挖掘模型，實(shí)現了智能化的目標客戶(hù)推薦和產(chǎn)品推薦，其客戶(hù)關(guān)系管理體系包含交易鏈智能獲客模型、客戶(hù)價(jià)值彈性預測模型、產(chǎn)品精準營(yíng)銷(xiāo)模型、客戶(hù)流失預警模型，為全行客戶(hù)經(jīng)理進(jìn)行精確化的市場(chǎng)營(yíng)銷(xiāo)提供了有力保障。工商銀行專(zhuān)門(mén)針對中高端客戶(hù)建立了中高端客戶(hù)流失風(fēng)險預警模型，該模型根據多個(gè)指標將客戶(hù)分為“維護不到位客戶(hù)”、“理財逐利型客戶(hù)”、“結算交易戶(hù)”、“儲蓄客戶(hù)”、“外流型代發(fā)工資客戶(hù)”、“高端信用卡客戶(hù)”、“電子活躍戶(hù)”、“其他客戶(hù)”，并結合每類(lèi)客戶(hù)特征，制定有針對性的批量挽留策略。

　　(4)風(fēng)險管理的轉型

　　銀行零售與風(fēng)險管理密不可分，強大的風(fēng)險控制能力成就了互聯(lián)網(wǎng)金融普惠式的金融服務(wù)方式。如傳統的信用風(fēng)險管理方法普遍存在非定量分析和缺乏實(shí)時(shí)性等，而且很多影響借款人信用的指標并未作為變量反應到模型中[8]。利用大數據挖掘的方法能深入找出影響客戶(hù)信用的特征因素，并將這些特征因素都作為變量來(lái)預測新的貸款人的信用程度。目前，“大數據+風(fēng)險定價(jià)”已經(jīng)成為商業(yè)銀行貸款授信的主要方式，招商銀行推出的“閃電貸”是一款支持移動(dòng)端的純線(xiàn)上信貸產(chǎn)品，“閃電貸”能夠支持更廣的小額貸款用戶(hù)，是招商銀行實(shí)施零售貸款惠普金融計劃之一�！伴W電貸”根據客戶(hù)的風(fēng)險等級進(jìn)行差異化定義貸款利率，授信額度和貸款利率將由系統根據客戶(hù)過(guò)往數據每個(gè)月動(dòng)態(tài)調整一次。

　　四、大數據時(shí)代商業(yè)銀行零售業(yè)務(wù)轉型建議

　　(1)需遵守市場(chǎng)規律，符合自身業(yè)務(wù)發(fā)展需要和應用場(chǎng)景

　　當前，在社會(huì )各界興起了一股重視大數據、應用大數據的熱潮，各商業(yè)銀行都在積極開(kāi)展大數據戰略的制定和大數據技術(shù)的研發(fā)。大數據技術(shù)的應用能夠為商業(yè)銀行帶來(lái)巨大的經(jīng)濟效益，我們也要深刻的認識到，商業(yè)銀行大數據建設是一個(gè)長(cháng)期的過(guò)程，過(guò)早進(jìn)行大量投入，選擇了不適合自身實(shí)際的軟硬件，或者過(guò)于保守而無(wú)所作為都有可能給商業(yè)銀行發(fā)展帶來(lái)不利影響。因此發(fā)展大數據零售業(yè)務(wù)要符合市場(chǎng)規律，尋找符合自身業(yè)務(wù)發(fā)展的契機和大數據應用場(chǎng)景，建立近期、中期和長(cháng)期的目標，不可操之過(guò)急。

　　(2)需要增強大數據的核心處理能力

　　首先，大數據的核心基礎是其平臺建設程度及信息整合能力。面對大數據的海量、類(lèi)型豐富、實(shí)時(shí)產(chǎn)生和價(jià)值密度稀疏等特征，商業(yè)銀行需要對傳統的數據倉庫技術(shù)進(jìn)行改造，建立起大規模、非結構化、分布式與流計算的大數據倉庫。其次，提升大數據的核心處理能力要進(jìn)一步加強數據標準的建立和數據質(zhì)量的治理。目前，來(lái)自銀行各部門(mén)、各渠道的信息標準往往存在差異，很多信息存在缺失和定義范圍模糊不清的問(wèn)題，因此要建立統一的信息標準，推動(dòng)數據治理體系架構和制度的建立，形成統一的、完整的客戶(hù)信息視圖。再次，是增強數據挖掘與分析能力，要利用大數據專(zhuān)業(yè)工具，建立統一的大數據挖掘與分析架構和業(yè)務(wù)邏輯模型，規范大數據管理制度，將大數據轉化成商業(yè)銀行零售決策支持信息。

　　(3)需要更加豐富的信息來(lái)源與應用方式

　　社交網(wǎng)絡(luò )的興起為銀行零售業(yè)務(wù)開(kāi)辟了新渠道，網(wǎng)站、微博、論壇成為商業(yè)銀行新的數據來(lái)源。目前，商業(yè)銀行在大數據應用上主要以結構化數據為主，對網(wǎng)絡(luò )日志、視頻和語(yǔ)音等半結構化數據和非結構化數據應用尚淺，利用半結構化數據或非結構化數據進(jìn)行數據分析對于輿情監測、風(fēng)險管理、客戶(hù)特征提取有重要意義。因此如何有效融合結構化數據與非結構化數據，建立非結構化數據應用方案是商業(yè)銀行提升零售能力的重要機制。

　　(4)需要加大金融創(chuàng )新力度

　　在云計算、生物識別、硬件智能化、移動(dòng)互聯(lián)網(wǎng)等高科技驅動(dòng)下，未來(lái)大數據在商業(yè)銀行零售業(yè)務(wù)的應用將不僅停留在業(yè)務(wù)分析和決策制定層面，而是包含了業(yè)務(wù)、管理、科技等若干層面的深度融合。如智慧銀行與生物識別支付是目前大數據與高新科技、金融業(yè)務(wù)、管理機制深度融合創(chuàng )新的最具代表性的產(chǎn)物，未來(lái)的商業(yè)銀行零售業(yè)務(wù)也將不斷的通過(guò)大數據創(chuàng )新應用的方式完善業(yè)務(wù)流程、降低經(jīng)營(yíng)成本和提升客戶(hù)體驗。

　　(5)需要加強大數據安全管理

　　大數據能夠在很大程度上緩解信息不對稱(chēng)問(wèn)題，為商業(yè)銀行零售提供更有效的手段，如果管理不善，“大數據”本身也可能演化成“大風(fēng)險”。大數據應用改變了數據安全風(fēng)險的特征，不僅需要新的管理方法，還必須納入到全面風(fēng)險管理體系，進(jìn)行統一監控和治理。為了確保大數據的安全，商業(yè)銀行必須抓住以下三個(gè)關(guān)鍵環(huán)節：一是協(xié)調大數據鏈條中的所有機構，共同推動(dòng)數據安全標準，加強產(chǎn)業(yè)自我監督和技術(shù)分享;二是加強與監管機構合作交流，借助監管服務(wù)的力量，提升自身的大數據安全水準;三是主動(dòng)與客戶(hù)在數據安全和數據使用方面加強溝通，提升客戶(hù)的數據安全意識，形成大數據風(fēng)險管理的合力效應。

　　(6)需要加強行內溝通協(xié)作與行外廣泛聯(lián)合

　　首先要加強行內各部門(mén)的團結協(xié)作，共同打造一支復合型的大數據專(zhuān)業(yè)團隊，不僅要掌握數理建模和數據挖掘的技術(shù)，還要具備良好的業(yè)務(wù)理解力，提升商業(yè)銀行對大數據的理解、分析和應用能力。其次，商業(yè)銀行應充分吸收互聯(lián)網(wǎng)金融的先進(jìn)經(jīng)驗，與百度、阿里巴巴、騰訊等大型互聯(lián)網(wǎng)企業(yè)建立合作，共同打造商業(yè)銀行互聯(lián)網(wǎng)金融平臺等零售新模式;同時(shí)可與國內國際頂尖的大數據服務(wù)商(如IBM、SAS、Teradata等)共同打造商業(yè)銀行的大數據應用聯(lián)合實(shí)驗室，建立完備的管理體制和激勵機制，由實(shí)驗室統一負責大數據方案的制定、實(shí)驗、評價(jià)、推廣和升級，促進(jìn)大數據向價(jià)值資產(chǎn)的轉換。

　　(7)要注意信息脫媒帶來(lái)的風(fēng)險

　　這種風(fēng)險主要來(lái)自?xún)煞矫�，一是�?jīng)濟金融活動(dòng)產(chǎn)生的數據快速膨脹，銀行占有和產(chǎn)生的數據占比大幅下降，新數據的產(chǎn)生和保存不再依賴(lài)銀行;二是過(guò)去通過(guò)商業(yè)銀行的數據流和信息流，現在則通過(guò)新的渠道和載體直接與信息輸出和接收方進(jìn)行傳遞，商業(yè)銀行不再是信息交易中的重要一環(huán)。信息脫媒將會(huì )帶來(lái)信息數據的減少和滯后，缺少數據將會(huì )成為商業(yè)銀行零售業(yè)務(wù)的屏障，因此，商業(yè)銀行應該展開(kāi)合作，積極獲取更為廣泛、更為獨立的數據和信息來(lái)源。

　　參考文獻：

　　[1]王靜.競爭與融合：金融變局中商業(yè)銀行抉擇[J].海南金融，2015(8)：62-65.

　　[2]鄭志來(lái).互聯(lián)網(wǎng)金融、金融脫媒與中小微企業(yè)融資路徑研究[J].西南金融，2015(3)：52-56.

　　[3]李文蓮，夏健明.基于“大數據”的商業(yè)模式創(chuàng )新[J].中國工業(yè)經(jīng)濟，2013，(5)：83-95.

　　[4]蔚趙春，凌鴻.商業(yè)銀行大數據應用的理論、實(shí)踐與影響[J].上海金融，2013(9)：28-32.

　　[5]操基平.我國反洗錢(qián)可疑交易數據質(zhì)量治理對策分析[J].上海金融，2012(10)：103-106.

　　[6]齊永智，張夢(mèng)霞.全渠道零售：演化、過(guò)程與實(shí)施[J].中國流通經(jīng)濟，2014(12)：115-121.

　　[7]徐雄心.淺談個(gè)人中高端客戶(hù)的維護與拓展[J].經(jīng)濟師，2013，(7)：112-112.

　　[8]劉燕云.互聯(lián)網(wǎng)與普惠金融發(fā)展[J].中國金融，2015(9)：85-86.

【金融學(xué)院畢業(yè)論文】相關(guān)文章：

建筑畢業(yè)論文12-15

碩士畢業(yè)論文09-27

碩士畢業(yè)論文10-19

藥學(xué)畢業(yè)論文05-28

本科的畢業(yè)論文05-31

（經(jīng)典）藥學(xué)畢業(yè)論文07-04

藥學(xué)畢業(yè)論文12-22

大專(zhuān)畢業(yè)論文11-27

數控畢業(yè)論文04-07

護理畢業(yè)論文12-03