Estrategias para que los bancos comerciales apliquen big data
¿Estrategias para que los bancos comerciales apliquen big data
? Con el auge de la web2.0 representado por las redes sociales, la popularidad de los teléfonos inteligentes y la distribución masiva de diversos sistemas de monitoreo y sensores. , la humanidad está entrando en una era de explosión de datos y el concepto de "grandes datos" surgió en un momento histórico. Los macrodatos son aclamados como otro cambio tecnológico disruptivo en la industria de TI después de la computación en la nube y el Internet de las cosas, y han atraído gran atención desde todos los aspectos. La importancia de los big data radica en la identificación y adquisición oportuna de valor de información a partir de cantidades masivas de datos. La industria financiera tiene ventajas sobre otras industrias en términos de infraestructura de TI, control de datos y concentración de talento, y tiene el potencial de "empujar el oro". "en profundidad. Sin embargo, los grandes datos también plantean graves desafíos e impactos a la industria financiera. Los bancos comerciales de China deben establecer el concepto de "gobernanza de datos", aclarar el diseño de alto nivel de la estrategia de grandes datos y fortalecer la construcción de la infraestructura de grandes datos. Implementar estrategias sólidas de seguridad de big data. Sólo entonces podremos dar la bienvenida con calma a la era de big data.
Impactos y desafíos que trae consigo el big data
(1) Las estrategias de desarrollo tradicionales se enfrentan a un impacto. La estrategia de desarrollo de los bancos tradicionales se basa en la predicción de las políticas financieras y el entorno económico futuros, y en el personal bancario existente, las sucursales, los clientes, el capital, la escala de depósitos y préstamos y el estado de ocupación de otros recursos, así como los competidores y la demanda de los clientes. condiciones, para determinar sus objetivos estratégicos y sus vías y métodos de desarrollo. Después de entrar en la era del big data, la posesión de recursos de datos y su capacidad para integrarlos y aplicarlos son factores clave que determinan el éxito de un banco, mientras que los factores tradicionales como los puntos de venta, el personal y el capital tienden a desaparecer. En el futuro, el marketing de clientes de los bancos comerciales dependerá principalmente de dominar diferentes tipos de datos de demanda de los clientes y desarrollar y diseñar productos financieros seguros, convenientes y personalizados. Por lo tanto, esto requiere que los bancos comerciales presten atención a las capacidades de TI y de big data al evaluar la fuerza de los competidores y sus propias ventajas al formular objetivos estratégicos, y deben tener en cuenta la asequibilidad financiera para determinar la inversión en big data, asegurando así la planificación estratégica; es compatible con el soporte de big data 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) Los métodos comerciales tradicionales se enfrentan a cambios importantes. En la era del big data, los servicios financieros e Internet están profundamente integrados y los métodos comerciales de los bancos comerciales cambiarán por completo. En términos de desarrollo y marketing de productos, mediante la recopilación, el análisis y la extracción de datos masivos de transacciones y comportamiento, los modelos de datos construidos científicamente pueden demostrar plenamente las diferentes necesidades financieras de los clientes estratificados y luego desarrollar productos y llevar a cabo marketing en función de las necesidades y necesidades del mercado, realmente desarrollar y diseñar productos con el cliente como centro, y lograr un marketing preciso, en lugar de fabricar y promocionar productos con el banco como centro. En términos de prevención y control de riesgos, aunque muchos bancos comerciales han introducido métodos de análisis cuantitativo en el análisis y evaluación de riesgos, debido a la acumulación insuficiente de datos históricos, el juicio empírico sigue desempeñando un papel destacado en la gestión de riesgos y la toma de decisiones. Al basarse en big data y la implementación de una evaluación multidimensional de los clientes, el modelo de riesgo se acercará más a la realidad del mercado, el valor de la tasa de incumplimiento de los clientes será más preciso y el paradigma comercial a largo plazo de los bancos que manejan negocios basándose en la experiencia mejorarse fundamentalmente. En términos de gestión del desempeño, mediante el uso efectivo de big data y con la ayuda de comunicaciones, video, terminales móviles y otros medios técnicos, podemos realizar evaluaciones más precisas de los métodos de trabajo, frecuencia, desempeño, etc. de la banca comercial. empleados, lo que ayudará a aprovechar al máximo 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 va a implementar un "proyecto de big data", los bancos comerciales deben recopilar datos de redes abiertas, pero los sistemas de TI y los medios técnicos bancarios existentes no son capaces 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 llegado a su fin. Los datos comerciales se generan y circulan en varios nodos de la cadena de negocios financieros, incluidos los negocios. Los datos y los datos de comportamiento del cliente son imposibles de integrar automáticamente en una organización, lo que plantea un serio desafío para la implementación de la "ingeniería de big data".
Respuesta y cambio de la banca comercial
(1) Priorizar el diseño de alto nivel de la estrategia de big data.
La estrategia de big data debe trascender la perspectiva estrecha del departamento de banca electrónica o del departamento de TI, afrontar la situación general y 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, la 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.; el tercero es información sobre el comportamiento del cliente, como datos de comportamiento de todo el banco, datos de comportamiento externos, etc.; el cuarto son datos analíticos del cliente, como el riesgo del cliente, el 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. Pero la realidad no es satisfactoria. La estructura de datos de cada banco está básicamente fragmentada. Para ello, los bancos deben priorizar el diseño y la 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, es necesario formular un plan de trabajo de big data y establecer un mecanismo de promoción del trabajo de big data. El departamento de datos a cargo es responsable de la organización y coordinación, 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 de múltiples métodos; diversos datos internos y externos de los bancos comerciales para formar datos Mecanismo de trabajo eficaz para la gestión, el uso y la promoción de datos.
(2) Planificar y construir científicamente una plataforma de 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. Servicios con redes sociales, electrónicas. Profunda integración de redes empresariales y móviles. Por otro lado, los bancos también pueden considerar la posibilidad de construir sus propias plataformas de big data para captar firmemente la voz central.
(3) Construir activamente un gran almacén de datos. Concéntrese en la extracción y el análisis de big data, el procesamiento continuo en tiempo real de datos masivos y cree proyectos de almacenamiento de datos para brindar soporte para la mejora de la calidad del servicio, la mejora de la eficiencia operativa, la innovación del modelo de servicio y mejorar integralmente los niveles de gestión operativa. Durante la construcción del proyecto, se estableció un sistema de control y gestión de datos y se construyó una plataforma de datos básica clasificando e integrando datos clave para la operación y gestión. 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 a nivel bancario.
(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 se fortalecerán cada vez más. Todos los bancos deben aprovechar la tendencia, seguir de cerca las olas de Internet y de Internet móvil en rápido desarrollo, implementar activamente estrategias de interconexión financiera, intentar construir modelos de negocios financieros electrónicos y centrarse en el desarrollo de bancos de venta directa, bancos comunitarios inteligentes, finanzas por Internet, etc. -comercio 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 el riesgo crediticio tradicional. gestión y reducir los riesgos crediticios. Para ello, cada banco debe profundizar la reforma del sistema de gestión de riesgos, utilizar conceptos de big data para construir un sistema de gestión de riesgos integral centrado en el cliente, enderezar las responsabilidades entre departamentos, diluir los colores departamentales y romper por completo los departamentos. la gestión separada de la información de datos entre instituciones, regiones y productos, y la práctica de identificación descentralizada de riesgos por sucursales, forman una gestión centralizada y unificada de la información de datos y un mecanismo de coordinación eficiente basado en los clientes.
Es necesario promover activamente la combinación de investigación in situ y extracción y análisis de información de datos fuera del sitio, selección de modelos y juicio empírico, centrándose en la verificación de información cualitativa y cuantitativa financiera, operativa y de otro tipo. Información de datos múltiples. Innovación en la gestión de riesgos de contenido. La oficina central debe extraer y analizar una gran cantidad de información de datos para delinear una vista panorámica de los clientes, evaluar de manera más integral el estado de riesgo del cliente y mejorar de manera efectiva el juicio de riesgo previo al préstamo y las capacidades de advertencia de riesgo posterior al préstamo.
Es necesario mejorar aún más el sistema centralizado de revisión y aprobación de riesgos basado en la plataforma de información de big data, utilizar métodos de big data para verificar la información de datos del prestatario y corregir el juicio de riesgo del prestatario mediante los informes. agencia o departamento. Utilice parámetros y modelos razonables para medir la exposición al riesgo máxima aceptable e identifique con precisión y revise dinámicamente todos los negocios financieros del prestatario. Luego, utilice la información de datos habitual, el sentido común y el análisis lógico 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.
Lo anterior es el contenido relevante compartido por el editor sobre las estrategias para aplicar big data en los bancos comerciales. Para obtener más información, puede seguir a Global Ivy para compartir más información útil.