“大數(shù)據(jù)院士”鄂維南：大數(shù)據(jù)在銀行業(yè)面臨的四個挑戰(zhàn)

鄂維南大數(shù)據(jù) 銀行業(yè) 征信

鄂維南 | 2016-04-07 11:19

【數(shù)據(jù)猿導讀】人稱“大數(shù)據(jù)院士”的中國科學院院士的鄂維南在近期的“第九屆中國城市商業(yè)銀行信息化發(fā)展創(chuàng)新座談會”上發(fā)表了“大數(shù)據(jù)在銀行業(yè)如何務實落地”的主題演講。鄂維南表示，大數(shù)據(jù)在銀行業(yè)的信貸風控、反欺詐、營銷優(yōu)化和企業(yè)征信等方面機遇與挑戰(zhàn)并存

“大數(shù)據(jù)院士”鄂維南：大數(shù)據(jù)在銀行業(yè)面臨的四個挑戰(zhàn)

2016年3月24日，“第九屆中國城市商業(yè)銀行信息化發(fā)展創(chuàng)新座談會”召開。可以說，大數(shù)據(jù)已經(jīng)成為金融發(fā)展轉(zhuǎn)型的動力源泉。大會為此專門邀請了國際著名數(shù)學家，人稱“大數(shù)據(jù)院士”的中國科學院院士、北京大數(shù)據(jù)研究院院長、普林科技技術指導委員會主任鄂維南教授就“大數(shù)據(jù)在銀行業(yè)如何務實落地”發(fā)表了主題演講。

1、大數(shù)據(jù)應用發(fā)展與應用鏈條

作為著名學者，鄂院士首先表示這是首次看到整個社會對一項技術產(chǎn)生強烈的興趣，這背后的深刻原因正是中國經(jīng)濟的轉(zhuǎn)型升級。谷歌的Alpha Go戰(zhàn)勝了人類圍棋最強選手，其背后的機理便是大數(shù)據(jù)技術。可以說，這是人類社會一個前所未有的機會，通過大數(shù)據(jù)技術可以幫助我們做出更加智慧的決策。

就整個大數(shù)據(jù)應用產(chǎn)業(yè)鏈條而言，首先隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的發(fā)展，企業(yè)經(jīng)營活動、消費者行為產(chǎn)生了海量數(shù)據(jù);于是數(shù)據(jù)采集、傳輸、存儲技術應運而生，Hadoop、Spark等大數(shù)據(jù)分布式基礎架構風生水起。

隨后在數(shù)據(jù)基礎上進行基本的運算處理，獲得對數(shù)據(jù)的初步認知。

最后便是應用數(shù)據(jù)挖掘技術，找到數(shù)據(jù)背后的規(guī)律，形成新的業(yè)務認知。當完成這最后一步，大數(shù)據(jù)的價值才真正被完全釋放。

在這方面，除了大家熟知的谷歌，美國還有一家專業(yè)從事大數(shù)據(jù)建模分析的公司Palantir，據(jù)傳正是他們協(xié)助美國政府找打了本拉登的藏身之所。

中國也有一家公司普林科技專業(yè)從事這方面的工作，他們幫助央行打造新一代評分模型，幫助證監(jiān)會構建資本市場征信體系等。

2、銀行業(yè)和城商行面臨的挑戰(zhàn)

說回到銀行業(yè)，目前銀行業(yè)主要面臨三方面的挑戰(zhàn)。

首先，經(jīng)濟下行，需求不足，這對銀行業(yè)的精細化管理提出了更好的要求。

其次是新技術的沖擊，互聯(lián)網(wǎng)加大數(shù)據(jù)催生除了互聯(lián)網(wǎng)金融、大數(shù)據(jù)風控等全新的金融業(yè)態(tài)，傳統(tǒng)銀行所秉承的經(jīng)營理念、技術手段遭到了前所未有的挑戰(zhàn)。

最后，相比于美國，可以說我國的銀行業(yè)基礎設施還是不夠健全，個人征信報告的覆蓋人群僅3.7億，這也就意味著大部分中國人沒有任何核心的金融履約行為記錄。

具體到城商行，面對這樣的大形勢，有四方面的問題更為突出。

3、大數(shù)據(jù)在銀行業(yè)的應用：信貸風控

那么，大數(shù)據(jù)技術可以如何幫助城商行應對這些挑戰(zhàn)呢?

首先，我們來看信貸風控。

信貸風控是銀行業(yè)務最核心的一環(huán)。要達到好的風控效果，好的風控模型和好的數(shù)據(jù)源都很重要。

就數(shù)據(jù)源而言，我國有3.7億人在央行有個人征信報告，這種金融履約行為是對一個人進行授信最核心的數(shù)據(jù)源。

其次，個人在銀行內(nèi)部的交易數(shù)據(jù)、理財賬戶開通數(shù)據(jù)、存款數(shù)據(jù)等等可以作為個人金融行為數(shù)據(jù)的補充，對用戶進行更豐富的描摹。

最后，互聯(lián)網(wǎng)社交行為、手機通訊行為、電商平臺交易行為等，可以作為對個人信用描摹的外圍補充數(shù)據(jù)。

這里舉一個例子，大家都知道，我國有征信報告的人總共有3.7億，那么那些沒有任何金融履約行為記錄的人，在申請貸款時該怎么辦呢?

傳統(tǒng)的信用評估方法本質(zhì)上其實一直秉持的是相同的理念，即假定難以得到大量數(shù)據(jù)、存儲大量數(shù)據(jù)成本過于高昂，或者說不可能使用大體量的數(shù)據(jù)。所以基于銀行本身數(shù)據(jù)的、基于經(jīng)驗的審貸方法一直占據(jù)了主流。

但是大數(shù)據(jù)時代改變了這一切。傳統(tǒng)的信用評估只關注信用歷史等幾個變量，因而那些“金融活動不足者”便難以獲得貸款。于是美國一家公司收集了許多看起來微不足道的數(shù)據(jù)，甚至包括打字速度在內(nèi)的上千維度的信息，再通過機器學習的方法建立這些信息和違約率之間的聯(lián)系。結果顯示，這種基于大數(shù)據(jù)和機器學習的評估模型較業(yè)內(nèi)一流信用評分改善了40%。

可見，相對外圍的個人行為數(shù)據(jù)，結合大數(shù)據(jù)新算法，可以化學反應出非常神奇的結果。說回中國，其實現(xiàn)在也有很多互聯(lián)網(wǎng)征信企業(yè)，試圖通過借款人在網(wǎng)上的行為記錄來輔助放貸決策;也有公司試圖通過覆蓋面達到了12.3億人的手機，來“增厚”個人信用報告。

比如普林科技就打通了三大電信運營商，通過一個人的手機消費金額、通話對象、停機次數(shù)等眾多維度手機使用行為信息，來對信貸申請人進行信息核驗和風險評估。

4、大數(shù)據(jù)在銀行業(yè)的應用：反欺詐

我們再來看一下面對金融詐騙、網(wǎng)絡詐騙案件增多的情況，大數(shù)據(jù)可以如何幫助城商行?

基于行為標簽化的行為分析與異常識別是一點。通過對用戶的個人信息、交易偏好、交易習慣等大量信息的分析，可以清楚地描摹每一個用戶，甚至可以得出許多借貸人本人都不清楚的習慣。一旦這個賬戶出現(xiàn)了某些不符合分析結果的異常交易行為，就能夠被精準地識別出來。

關聯(lián)分析和社交網(wǎng)絡分析也是數(shù)學模型在金融反欺詐中的絕佳應用。比如詐騙團伙常常通過電話、郵編、身份證號、地址等不同類型的信息互相關聯(lián)，這些不同的關聯(lián)關系對應著特定類型的圖結構，通過大數(shù)據(jù)建模分析技術，可以構建基于圖的典型欺詐團伙模式庫，從而識別不同模式的詐騙團伙。

此外，在對申請人的信息進行處理時，其背后也用到了自然語言處理技術和中文模糊匹配技術，從而實現(xiàn)精準的分析匹配黑名單。

5、大數(shù)據(jù)在銀行業(yè)的應用：營銷優(yōu)化

城商行目前面臨的第三個問題是，對客戶了解不夠，細分不夠，從而難以進行有效的產(chǎn)品營銷。那么我們?nèi)绾握J識我們的客戶呢?

這時就需要用到基于標簽化的用戶畫像技術。用戶畫像本質(zhì)就是從業(yè)務角度出發(fā)對用戶進行分析，了解用戶需求，幫助尋找目標客戶。這里舉個例子幫助大家理解。

普林科技通過大數(shù)據(jù)分析和用戶畫像，為某商業(yè)銀行深入分析用戶的基本信息、消費行為、交易流水等，結合業(yè)務場景，將用戶細分，業(yè)務部門再據(jù)此設計產(chǎn)品、制定營銷策略，從而節(jié)省了45%的營銷成本。

6、大數(shù)據(jù)在銀行業(yè)的應用：企業(yè)征信

最后，目前銀行內(nèi)部數(shù)據(jù)之間，內(nèi)部和外部眾多數(shù)據(jù)源之間難以進行數(shù)據(jù)整合和共享。我們以對公業(yè)務為例，傳統(tǒng)想要了解一個公司，需要投入大量的人力和精力去獲取各種信息，再根據(jù)經(jīng)驗做出判斷。

而在大數(shù)據(jù)時代，通過互聯(lián)網(wǎng)爬蟲技術，我們可以獲取并整合包括工商、法院、稅務、互聯(lián)網(wǎng)輿情、企業(yè)招投標、招聘等海量數(shù)據(jù)，再通過建模分析將之歸結為信用歷史、運營指標、輿情指標等多維度，最后輸出綜合評分。其背后的技術則是網(wǎng)頁解析技術、圖像識別技術、自然語言處理技術和大數(shù)據(jù)建模分析技術。