中科院院士鄂维南解读大数据革新银行业

1.银行业面临的挑战

中国科学院院士、北京大数据研究院院长鄂维南认为当前银行业面临三方面挑战：

第一，经济下行，需求不足，对银行业的精细化管理提出了更高的要求。

第二，新技术带来的冲击，互联网加大数据催生了互联网金融、大数据风控等全新的金融业态。

第三，我国个人征信覆盖人群仅3.7亿，大部分中国人没有任何核心的金融履约行为记录。

大数据可以应对以上挑战，具体有几种应用可以借鉴。

2.信贷风控

银行要达到好的风控效果，好的数据源和好的风控模型都很重要。

就数据源而言，分为内部数据源和外围数据源。个人在银行内部的交易数据、理财账户开通数据、存款数据等等可以作为个人金融行为数据的补充，对用户进行更丰富的描摹。互联网社交行为、手机通讯行为、电商平台交易行为等，可以作为对个人信用描摹的外围补充数据。

传统的信用评估只关注信用历史等几个变量，因而那些“金融活动不足者”便难以获得贷款。于是美国一家公司收集了许多看起来微不足道的数据，甚至包括打字速度在内的上千维度的信息，再通过机器学习的方法建立这些信息和违约率之间的联系。结果显示，这种基于大数据和机器学习的评估模型较业内一流信用评分改善了40%。可见，相对外围的个人行为数据，结合大数据新算法，可以化学反应出非常神奇的结果。

3.反欺诈

通过对用户的个人信息、交易偏好、交易习惯等大量信息的分析，可以清楚地描摹每一个用户，甚至可以得出许多借贷人本人都不清楚的习惯。一旦这个账户出现了某些不符合分析结果的异常交易行为，就能够被精准地识别出来。

关联分析和社交网络分析也是数学模型在金融反欺诈中的绝佳应用。比如诈骗团伙常常通过电话、邮编、身份证号、地址等不同类型的信息互相关联，这些不同的关联关系对应着特定类型的图结构，通过大数据建模分析技术，可以构建基于图的典型欺诈团伙模式库，从而识别不同模式的诈骗团伙。

4.企业征信

企业征信的需求愈发强烈，而今天传统征信方法难以应对信息爆炸带i来的复杂问题。在大数据时代，通过互联网爬虫技术，我们可以获取并整合包括工商、法院、税务、互联网舆情、企业招投标、招聘等海量数据，再通过建模分析将之归结为信用历史、运营指标、舆情指标等多维度，最后输出综合评分。其背后的技术则是网页解析技术、图像识别技术、自然语言处理技术和大数据建模分析技术。

5.精准营销

精准营销的基础是描述用户画像，需要基于标签化的用户画像技术。用户画像本质就是从业务角度出发对用户进行分析，了解用户需求，帮助寻找目标客户。以此，银行可深入分析用户的基本信息、消费行为、交易流水等，结合业务场景，将用户细分，业务部门再据此设计产品、制定营销策略。

6.对大数据时代下的银行业的建议

第一，打造核心的风控与反欺诈系统，提高核心竞争力。

第二，将数据分析成果与营销优化的具体方案结合，切实落地。

第三，立足本行数据，结合外部数据源，与专业分析团队合作，有效实现数据共享、信息整合与技术融合。

本文根据鄂维南院士在第九届中国城市商业银行信息化发展创新座谈会上的演讲整理成文。