Estrategias para que los bancos comerciales apliquen big data
Aplicación de big data en bancos comerciales
?Con el auge de la web 2.0 representado por las redes sociales, la popularidad de los teléfonos inteligentes y la distribución masiva de diversos sistemas y sensores de monitoreo, los humanos seres Estamos entrando en una era de explosión de datos y ha surgido el concepto de "grandes datos". Surgió el concepto de "grandes datos". Se considera que los grandes datos son otro cambio tecnológico disruptivo en la industria de TI después de la computación en la nube y el Internet de las cosas, que ha atraído gran atención en todos los aspectos. Descubrimiento oportuno a partir de datos masivos y obtención de valor de la información, y la industria financiera tiene ventajas sobre otras industrias en términos de infraestructura de TI, gestión y control de datos y agregación de talentos, y tiene el potencial de "empujar" profundamente. Sin embargo, los big data también aportan. Los graves desafíos y el impacto de la industria financiera, los bancos comerciales de mi país deben establecer el concepto de "gobernanza de datos", aclarar el diseño de alto nivel de la estrategia de big data, fortalecer la construcción de la infraestructura de big data e implementar una seguridad prudente de big data. estrategias para afrontar con calma la era del big data.
Impactos y desafíos que trae el big data
(1) Las estrategias de desarrollo tradicionales se enfrentan a impactos Las estrategias tradicionales de desarrollo bancario se basan en. La situación actual del banco se basa en la premisa de predecir las políticas financieras y el entorno económico futuros. Después de entrar en la era del big data, la posesión de recursos de datos y sus capacidades de integración y aplicación son la clave para determinar sus propios objetivos estratégicos y caminos y métodos de desarrollo. de su personal, puntos de venta, clientes, fondos, escala de depósitos y préstamos y otros recursos, así como de las necesidades de los competidores y clientes. Los factores clave que determinan el éxito o el fracaso de un banco, mientras que los factores tradicionales como puntos de venta, personal, y los fondos tienden a minimizarse en el futuro, el marketing de clientes de los bancos comerciales dependerá del dominio de diferentes tipos de datos sobre la demanda de los clientes, así como del desarrollo y diseño de productos financieros seguros, convenientes y personalizados. requiere que los bancos comerciales presten atención a las capacidades de TI y big data al juzgar la fuerza de los competidores y sus propias ventajas al formular objetivos estratégicos, deben determinar su inversión en big data en función de sus propias capacidades financieras para garantizar que la planificación estratégica y big data; datos Al determinar el camino de implementación de los objetivos estratégicos, las finanzas de Internet, los canales electrónicos y la recopilación y extracción de datos deben usarse como formas y medios importantes para brindar servicios a los clientes.
(2) Métodos comerciales tradicionales. una transformación importante en la era del big data, la profunda integración de los servicios financieros e Internet cambiará fundamentalmente la forma en que operan los bancos comerciales en términos de desarrollo y marketing de productos, a través de la recopilación, el análisis y la extracción de datos masivos de transacciones y comportamiento. El modelo de datos puede mostrar completamente las diferentes necesidades financieras de los clientes estratificados y luego realizar investigación, desarrollo y marketing de productos en función de las necesidades del cliente y del mercado. Realmente puede desarrollar y diseñar productos con los clientes como centro y lograr un marketing de precisión, en lugar de hacerlo. fabricación y comercialización con el banco como centro. Comercialización de productos En términos de prevención y control de riesgos, muchos bancos comerciales han introducido el análisis cuantitativo en el análisis y evaluación de riesgos. Sin embargo, debido a la acumulación insuficiente de datos históricos, el juicio empírico aún domina la gestión de riesgos. y la toma de decisiones de los clientes a través de una evaluación multidimensional, su modelo de riesgo se acercará más a la realidad del mercado y el valor de la tasa de incumplimiento de los clientes será más preciso. El paradigma de operación comercial basado en la experiencia a largo plazo del banco mejorará fundamentalmente. en términos de gestión del desempeño mediante el uso efectivo de big data, con la ayuda de comunicación, video, terminales móviles y otros medios técnicos, se realizará una evaluación más precisa de los métodos de trabajo, frecuencia, desempeño, etc. de los empleados de los bancos comerciales. propicio para aprovechar plenamente el efecto motivador positivo de la evaluación del desempeño.
(3) La construcción de infraestructura de datos enfrenta graves desafíos. Al entrar en la era del big data, la diversificación de las fuentes de datos se refleja principalmente en dos niveles: primero, fuera de la cadena de negocios financieros. Los dispositivos de redes móviles y las redes sociales en línea generan datos extremadamente ricos sobre el comportamiento de los clientes en tiempo real. En este entorno, los datos de preferencias de comportamiento de los clientes a menudo están ocultos en las redes sociales. Si se van a implementar "proyectos de big data", los bancos comerciales deben recopilar datos de redes abiertas, pero los sistemas de TI y los medios técnicos bancarios existentes aún no tienen la capacidad de recopilar, analizar y utilizar big data. El segundo está dentro de la cadena de negocios financieros. A medida que la tendencia a la segmentación profesional y la subcontratación financiera se vuelve cada vez más clara, la era en la que uno o unos pocos bancos controlan los datos comerciales clave ha terminado. Los datos comerciales se generan y fluyen a través de varios nodos de la cadena comercial financiera. integrarse automáticamente en En una organización, esta es la implementación de la "ingeniería de big data".
En el proceso de implementación del "proyecto de big data", los datos comerciales de bancos, seguros, valores, fondos, fideicomisos y otras instituciones financieras se integrarán en el "proyecto de big data".
Respuesta y reforma de la banca comercial
(1) Priorizar el diseño de alto nivel de la estrategia de big data. La estrategia de big data debe salir de la perspectiva estrecha del departamento de banca electrónica o del departamento de TI, afrontar la situación general, afrontar el futuro y establecer su propia arquitectura de big data basada en las necesidades de los clientes y la demanda del mercado. Los datos completos del cliente deben ser multidimensionales e incluir al menos los siguientes aspectos: primero, información básica del cliente, como información crediticia, información de relaciones sociales, etc., segundo, información sobre las preferencias del cliente, como preferencias de productos financieros, preferencias de servicios financieros, etc.; tercero, información sobre el comportamiento del cliente, como datos de comportamiento de todo el banco, datos de comportamiento externo, etc., cuarto, datos de análisis del cliente, como el nivel de riesgo del cliente, el nivel de valor del cliente, etc. Para que estas diferentes dimensiones de la información de datos tengan valor analítico, primero debemos tener una estructura de datos razonable. Sin embargo, la realidad no es satisfactoria y la estructura de datos de cada banco está básicamente fragmentada. Para ello, los bancos deben dar prioridad al diseño y reforma de mecanismos de alto nivel, romper gradualmente las fronteras comerciales, reorganizar los procesos comerciales y garantizar la flexibilidad de los datos.
A nivel de la oficina central, debemos formular rápidamente un plan de trabajo de big data y establecer un mecanismo de promoción del trabajo de big data. El departamento de datos es responsable de organizar y coordinar la planificación general y la gestión centralizada del trabajo de big data; el departamento de negocios es responsable de la recopilación, clasificación, almacenamiento, análisis y aplicación de big data, la recopilación integral y la integración multimodal de varios internos; y datos externos de bancos comerciales para formar la gestión de datos, mecanismo de trabajo eficaz para el uso y promoción de datos.
(2) Planificación científica y construcción de plataforma big data. Por un lado, los bancos deben llevar a cabo activamente una cooperación estratégica con plataformas de big data como las redes sociales, el comercio electrónico y las telecomunicaciones, establecer mecanismos de intercambio e intercambio de información de datos, clasificar e integrar de manera integral todo tipo de información de los clientes e integrar las finanzas. Los servicios con redes sociales, comercio electrónico, redes móviles, etc. están profundamente integrados. Por otro lado, los bancos también pueden considerar la posibilidad de construir sus propias plataformas de big data para controlar firmemente la voz central.
(3) Construir activamente un gran almacén de datos. Centrándonos en la extracción y el análisis de big data, continuaremos procesando datos masivos en tiempo real y construyendo proyectos de almacenamiento de datos para brindar soporte para mejorar la calidad del servicio, mejorar la eficiencia operativa e innovar modelos de servicio, y mejorar integralmente el nivel de operación y gestión. Durante la construcción del proyecto, mediante la clasificación e integración de datos clave para la operación y gestión, se estableció un sistema de control y gestión de datos y se construyó una plataforma de datos básica. Mediante la construcción de un almacén de datos, utilice la extracción y el análisis de datos para ajustar integralmente el modelo de gestión, la estructura del producto, el modelo de marketing y la estrategia de información, mejorar fundamentalmente el nivel de gestión de riesgos, gestión del desempeño de costos, gestión de activos y pasivos y gestión de relaciones con los clientes. y realizar datos multisistema La lógica empresarial se integra para formar datos de clientes, productos y otros temas de todo el banco.
(4) Impulsar la estrategia financiera de Internet con pensamiento big data. Al entrar en la era del big data, la industria financiera y la tecnología de la información lograrán una integración profunda, y la profundidad y amplitud de la electrónica financiera aumentarán cada vez más. Los bancos deben seguir la tendencia de rápido desarrollo de Internet e Internet móvil, implementar activamente estrategias de interconexión financiera, esforzarse por construir un modelo de negocio financiero electrónico y centrarse en el desarrollo de la banca directa, la banca comunitaria inteligente, las finanzas por Internet, el comercio electrónico y otros negocios. . Esto requiere que los bancos consideren la Internet financiera como el principal canal para proporcionar servicios financieros y mejorar la competitividad central en el futuro desde la perspectiva de la estrategia de desarrollo.
(5) Confiar en la tecnología de big data para lograr una gestión de riesgos refinada. En la era del big data, los bancos comerciales pueden eliminar las islas de información, integrar completamente los datos de transacciones multicanal de los clientes, otorgar crédito a través de las finanzas personales, el consumo, el comportamiento y otra información de los operadores, y resolver eficazmente el problema de la asimetría de la información en la gestión tradicional del riesgo crediticio. y reducir los riesgos crediticios. Para ello, los bancos deben profundizar la reforma de los sistemas de gestión de riesgos, utilizar el concepto de big data para construir un sistema integral de gestión de riesgos centrado en los clientes, aclarar las responsabilidades entre departamentos, restar importancia al color de los departamentos y romper por completo con los datos pequeños. Formado por departamentos, instituciones, regiones y productos en el pasado, el modelo, la gestión de aislamiento de información de datos y las prácticas de identificación de riesgos descentralizadas de sucursales forman un mecanismo de coordinación eficiente para la gestión centralizada y unificada de la información de datos por parte del cliente.
Sobre esta base, el banco también ha formado una gestión centralizada y unificada de la información de datos y un mecanismo de coordinación eficiente por parte del cliente.
El banco implementará activamente innovaciones en la gestión de riesgos que combinen la investigación in situ con la extracción y el análisis de información de datos fuera del sitio, la selección de modelos con juicio empírico y la verificación de información cualitativa con datos cuantitativos financieros, comerciales y de otro tipo. -información de datos. A través de la extracción y el análisis de grandes cantidades de información de datos, la oficina central tendrá una comprensión panorámica de los clientes, evaluará de manera más integral su estado de riesgo y mejorará de manera efectiva el juicio de riesgo previo al préstamo y las capacidades de advertencia de riesgo posterior al préstamo.
Para mejorar aún más el sistema centralizado de revisión y aprobación de riesgos basado en la plataforma de información de big data, se utilizan métodos de big data para verificar la información de datos del prestatario y corregir el juicio de riesgo del prestatario por parte de la agencia informadora. o departamento. Utilice parámetros y modelos razonables para calcular la exposición máxima al riesgo aceptable, identificar con precisión y revisar dinámicamente cada negocio de financiación del prestatario. Luego, utilice la información de datos habitual y el análisis lógico de sentido común para emitir juicios más profesionales, haciendo que la identificación, prevención y toma de decisiones de riesgos sean más confiables y más cercanas a la realidad.
La anterior es la política que he compartido con ustedes sobre la aplicación de big data en los bancos comerciales. Para obtener más información, puede seguir a Global Green Ivy para compartir más información útil.