大數(shù)據(jù)時(shí)代銀行資產(chǎn)管理業(yè)務(wù)探索

隨著社交網(wǎng)絡(luò)、移動(dòng)互聯(lián)網(wǎng)、云計(jì)算等相繼進(jìn)入人們的日常工作和生活中，全球數(shù)據(jù)信息量呈指數(shù)式爆炸增長(zhǎng)。以數(shù)據(jù)、資金和平臺(tái)為基礎(chǔ)的互聯(lián)網(wǎng)金融在2013年的飛躍式發(fā)展，更是充分證實(shí)了數(shù)據(jù)的價(jià)值，使得數(shù)據(jù)真正成為一種商業(yè)資本、一項(xiàng)重要的經(jīng)濟(jì)投入，并且可以創(chuàng)造新的經(jīng)濟(jì)效益。

通過大數(shù)據(jù)分析客戶行為，有助于企業(yè)在創(chuàng)新經(jīng)營(yíng)模式時(shí)更加貼近、深刻理解客戶需求并做出預(yù)判，從而改善經(jīng)營(yíng)水平、提升經(jīng)營(yíng)效率，這將是今后金融機(jī)構(gòu)核心競(jìng)爭(zhēng)力所在。對(duì)于以投研和銷售為核心的商業(yè)銀行資產(chǎn)管理業(yè)務(wù)，當(dāng)面臨來自互聯(lián)網(wǎng)金融企業(yè)的挑戰(zhàn)時(shí)，如何利用大數(shù)據(jù)思維、挖掘大數(shù)據(jù)技術(shù)帶來的市場(chǎng)潛力是當(dāng)前亟需關(guān)注、思考的問題。

“大數(shù)據(jù)”起源及其內(nèi)涵

互聯(lián)網(wǎng)與傳統(tǒng)行業(yè)的碰撞產(chǎn)生了今天全民關(guān)注的“大數(shù)據(jù)”，而大數(shù)據(jù)概念真正盛行是因?yàn)閵W巴馬政府在2012年高調(diào)宣布了其“大數(shù)據(jù)研究和開發(fā)計(jì)劃”。美國(guó)政府希望利用大數(shù)據(jù)解決一些政府部門面臨的重要的問題，該計(jì)劃由橫跨6個(gè)政府部門的84個(gè)子課題組成。這標(biāo)志著大數(shù)據(jù)真正開始進(jìn)入主流經(jīng)濟(jì)。

雖然大數(shù)據(jù)的概念被廣泛使用，但業(yè)界仍未形成統(tǒng)一的定義。隸屬IBM公司的TDWI（The Data Warehousing Institute）在其研究報(bào)告中首次提出了大數(shù)據(jù)的3V特性，主要是指：一是容量大（Volume），二是數(shù)據(jù)來源的多樣化（Variety），三是數(shù)據(jù)源速度（Velocity）。大數(shù)據(jù)的核心內(nèi)涵包括：一是跨領(lǐng)域數(shù)據(jù)的交叉融合。相同領(lǐng)域數(shù)據(jù)量的增加是加法效應(yīng)，不同領(lǐng)域數(shù)據(jù)的融合是乘法效應(yīng)。例如，對(duì)于消費(fèi)者行為的分析不僅分析對(duì)于某一產(chǎn)品的消費(fèi)，結(jié)合其他產(chǎn)品消費(fèi)分析得到的預(yù)測(cè)性效果會(huì)更好。二是數(shù)據(jù)的流動(dòng)。數(shù)據(jù)必須流動(dòng)，才可能產(chǎn)生價(jià)值。事實(shí)上，在十多年前建立企業(yè)級(jí)數(shù)據(jù)倉庫開始，企業(yè)級(jí)數(shù)據(jù)倉庫的目標(biāo)就是讓不同部門的數(shù)據(jù)流動(dòng)起來；而如果各個(gè)部門數(shù)據(jù)割裂，數(shù)據(jù)價(jià)值便得不到發(fā)揮，對(duì)大數(shù)據(jù)的有效分析才是真正的挑戰(zhàn)。

首先，要分析與某事物相關(guān)的所有數(shù)據(jù)，而不是分析少量的隨機(jī)樣本。利用所有數(shù)據(jù)的分析必然要求較高的處理信息的速度和更為先進(jìn)的技術(shù)。大數(shù)據(jù)分析是基于可以獲得全體數(shù)據(jù)，總體即為樣本。過去由于信息處理技術(shù)的受限，數(shù)據(jù)分析的準(zhǔn)確性依賴于樣本抽樣的隨機(jī)性，但實(shí)現(xiàn)抽樣的絕對(duì)隨機(jī)非常困難，一旦抽樣存在偏見，分析結(jié)果會(huì)相去甚遠(yuǎn)。而有些分析只有使用所有數(shù)據(jù)分析方可得到結(jié)果。例如，信用卡詐騙是通過觀察異常情況來識(shí)別的，只有分析所有數(shù)據(jù)才能做到，這種情況異常值才是最有用的信息，是一個(gè)大數(shù)據(jù)問題；再如，從事跨境匯款業(yè)務(wù)的公司也開始得到了大數(shù)據(jù)分析技術(shù)的支持，因?yàn)榻灰资羌磿r(shí)的，所以數(shù)據(jù)分析也應(yīng)該是即時(shí)的。

其次，大數(shù)據(jù)時(shí)代的數(shù)據(jù)分析允許我們接受數(shù)據(jù)的混雜性，而不再過多關(guān)注其分析數(shù)據(jù)的精確性。只有接受數(shù)據(jù)的混雜性，才可以利用95%的非結(jié)構(gòu)化數(shù)據(jù)。數(shù)據(jù)的混雜性，一是指數(shù)據(jù)量之大，可能會(huì)包容了錯(cuò)誤的數(shù)據(jù)，造成分析結(jié)果的不準(zhǔn)確；二是格式不一致。“小數(shù)據(jù)”分析最基本的要求是在分析之前進(jìn)行數(shù)據(jù)清洗達(dá)到格式一致的要求。因而大數(shù)據(jù)分析也是精確性與數(shù)據(jù)量的權(quán)衡。計(jì)算人員發(fā)現(xiàn)，大數(shù)據(jù)的簡(jiǎn)單算法要比小數(shù)據(jù)的復(fù)雜算法更為有效。但是對(duì)于數(shù)據(jù)混雜性的處理，要求新型數(shù)據(jù)庫的誕生來彌補(bǔ)傳統(tǒng)數(shù)據(jù)庫設(shè)計(jì)要求數(shù)據(jù)嚴(yán)格一致性的缺陷。此外，因?yàn)榇髷?shù)據(jù)儲(chǔ)存在不同的電腦和硬盤中，同步更新記錄不甚現(xiàn)實(shí)，所以對(duì)于精確性要求不高的領(lǐng)域，允許適當(dāng)錯(cuò)誤的大數(shù)據(jù)分析不妨是一種選擇。

最后，建立在相關(guān)關(guān)系分析法基礎(chǔ)上的預(yù)測(cè)是大數(shù)據(jù)的核心。在小數(shù)據(jù)時(shí)代，分析員需要收集和選擇關(guān)聯(lián)物，并且在某些假設(shè)基礎(chǔ)之上進(jìn)行數(shù)據(jù)相關(guān)性的分析。而在大數(shù)據(jù)時(shí)代，較高的計(jì)算能力和互聯(lián)網(wǎng)平臺(tái)不需要人工選擇關(guān)聯(lián)物或建立假設(shè)基礎(chǔ)。大數(shù)據(jù)的相關(guān)關(guān)系分析法更準(zhǔn)確、更快且不易受偏見的影響。例如，德勤公司為中英人壽保險(xiǎn)公司設(shè)計(jì)建立的個(gè)人風(fēng)險(xiǎn)預(yù)測(cè)模型，就利用了大數(shù)據(jù)分析技術(shù)。德勤把信用報(bào)告和顧客市場(chǎng)分析數(shù)據(jù)作為部分申請(qǐng)人的血液尿液分析的關(guān)聯(lián)物，分析找出易患高血壓、糖尿病和抑郁癥的人；其中用來分析的數(shù)據(jù)包括好幾百種生活方式的數(shù)據(jù)，比如個(gè)人愛好、常瀏覽的網(wǎng)站等。

大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用

銀行作為金融中介的本質(zhì)是解決了資金融通過程的信息不對(duì)稱問題，而大數(shù)據(jù)、互聯(lián)網(wǎng)對(duì)于金融的貢獻(xiàn)也在于解決信息不對(duì)稱和降低交易成本，也因此對(duì)傳統(tǒng)金融機(jī)構(gòu)的功能形成挑戰(zhàn)。大數(shù)據(jù)集合海量非結(jié)構(gòu)化數(shù)據(jù)，通過實(shí)時(shí)分析客戶交易和消費(fèi)信息進(jìn)而掌握客戶的消費(fèi)偏好，可以準(zhǔn)確預(yù)測(cè)客戶行為，在營(yíng)銷和風(fēng)控方面做到有的放矢。以下主要以案例形式介紹大數(shù)據(jù)在投資決策、信用評(píng)分、金融服務(wù)平臺(tái)三個(gè)金融領(lǐng)域的應(yīng)用，以及國(guó)內(nèi)銀行業(yè)的戰(zhàn)略舉措。

投資決策——利用微博信息預(yù)判市場(chǎng)走勢(shì)

微博信息一般是以文本、圖片、音頻和視頻形式存在的外部數(shù)據(jù)，具有典型的大數(shù)據(jù)特征。近年來，微博數(shù)據(jù)量迅猛增加，微博在國(guó)內(nèi)出現(xiàn)之后，其信息擴(kuò)散速度之快使其迅速成為信息交流的重要方式。

事實(shí)上，華爾街的金融分析師們已經(jīng)開始使用微博信息進(jìn)行大數(shù)據(jù)分析挖掘，不斷找出互聯(lián)網(wǎng)中金融微博的“數(shù)據(jù)財(cái)富”，如金融微博股民的情感信息，并進(jìn)一步利用廣大股民在互聯(lián)網(wǎng)上的信息預(yù)判市場(chǎng)走勢(shì)，取得了很大收益。這些外部的互聯(lián)網(wǎng)數(shù)據(jù)有：一是金融機(jī)構(gòu)可以根據(jù)微博中民眾的情緒拋售股票；二是對(duì)沖基金根據(jù)購物網(wǎng)站的評(píng)論分析企業(yè)產(chǎn)品的銷售狀況；三是銀行根據(jù)收集、挖掘求職網(wǎng)站上的崗位數(shù)量，推斷就業(yè)率；四是投資機(jī)構(gòu)搜集并經(jīng)過文本挖掘，分析上市企業(yè)聲明，從中尋找破產(chǎn)企業(yè)的蛛絲馬跡。通過這些大數(shù)據(jù)挖掘手段，金融機(jī)構(gòu)把這些大數(shù)據(jù)成功地轉(zhuǎn)化成“財(cái)富”。

IBM估計(jì)，這些微博“大數(shù)據(jù)”的價(jià)值主要是時(shí)間性?？焖僬莆栈ヂ?lián)網(wǎng)信息對(duì)金融機(jī)構(gòu)來說至關(guān)重要。目前，華爾街有一半金融機(jī)構(gòu)已經(jīng)使用了這種技術(shù)。雖然新的大數(shù)據(jù)技術(shù)應(yīng)用與研究在金融領(lǐng)域還處于初級(jí)探索階段，但未來的金融大數(shù)據(jù)將會(huì)包括金融數(shù)據(jù)提供方、金融數(shù)據(jù)監(jiān)管者等因素，并最終成為金融業(yè)重要的基礎(chǔ)設(shè)施之一。

信用評(píng)估應(yīng)用—ZestFinance的探索

ZestFinance從本質(zhì)上來看是一家數(shù)學(xué)企業(yè)，它精通于數(shù)據(jù)計(jì)算、分析和邏輯。其創(chuàng)始人之一梅里爾曾是谷歌前CIO，在麾下65人團(tuán)隊(duì)中，大部分是數(shù)據(jù)科學(xué)家。他們開發(fā)了數(shù)十個(gè)基于學(xué)習(xí)機(jī)器的分析模型，對(duì)每位貸款申請(qǐng)人擁有的上萬條原始信息數(shù)據(jù)進(jìn)行分析，并得出超過幾千個(gè)可對(duì)其行為做出預(yù)測(cè)的指標(biāo)，而這一過程在5秒鐘內(nèi)就能全部完成。與傳統(tǒng)信用評(píng)分模型使用的10～15條數(shù)據(jù)相比，該公司能夠更精準(zhǔn)地評(píng)估借款人的信用風(fēng)險(xiǎn)。

ZestFinance目前是為次級(jí)貸款者提供擔(dān)保服務(wù)的第三方機(jī)構(gòu)，其退出直接借貸業(yè)務(wù)是為了避免和新的合伙人競(jìng)爭(zhēng)。ZestFinance創(chuàng)始人由于在信用評(píng)分和數(shù)據(jù)挖掘方面的豐富經(jīng)驗(yàn)和最近得到的投資資金，ZestFinance在利用和繼續(xù)研發(fā)大數(shù)據(jù)技術(shù)解決信用擔(dān)保問題上具有巨大的優(yōu)勢(shì)。但同時(shí)也面臨著監(jiān)管風(fēng)險(xiǎn)，如危機(jī)后監(jiān)管部門對(duì)次級(jí)貸款的嚴(yán)格監(jiān)管以及利用大數(shù)據(jù)進(jìn)行信用評(píng)估觸及了消費(fèi)者保護(hù)法的紅線等?？梢灶A(yù)見，將機(jī)器算法與人工預(yù)測(cè)相結(jié)合的信用評(píng)分法會(huì)進(jìn)一步應(yīng)用到金融領(lǐng)域其他相關(guān)業(yè)務(wù)的信用風(fēng)險(xiǎn)評(píng)估中。

基于大數(shù)據(jù)的金融服務(wù)平臺(tái)——以Bankrate（銀率網(wǎng)）為例

1976年成立的“Bank Rate Monitor”原是一家金融出版公司，1996年開始在線運(yùn)行。如今Bankrate是一家全球領(lǐng)先的個(gè)人金融產(chǎn)品信息服務(wù)公司，憑借其資深的金融編輯、優(yōu)秀的分析師團(tuán)隊(duì)，Bankr5GIP8cqt02V/1tQqJuPZJA==ate對(duì)全美、加拿大及中國(guó)境內(nèi)約5600多家金融機(jī)構(gòu)的金融產(chǎn)品進(jìn)行實(shí)時(shí)跟蹤調(diào)研，通過其網(wǎng)站“Bankrate”在線向消費(fèi)者提供及時(shí)、客觀、全面的金融產(chǎn)品查詢及190多種個(gè)人理財(cái)計(jì)算器，金融產(chǎn)品數(shù)據(jù)高達(dá)32.6萬多款，內(nèi)容涉及房貸及各類個(gè)人貸款、銀行卡、理財(cái)產(chǎn)品、儲(chǔ)蓄與國(guó)債、黃金、基金、保險(xiǎn)、外匯等多個(gè)專欄。除了提供實(shí)時(shí)更新的金融產(chǎn)品數(shù)據(jù)信息，Bankrate還通過原創(chuàng)的個(gè)人理財(cái)故事幫助消費(fèi)者增強(qiáng)理財(cái)觀念，把握投資方向。Bankrate這種將原創(chuàng)的個(gè)人金融資訊、金融產(chǎn)品查詢及個(gè)人理財(cái)計(jì)算器集合于同一平臺(tái)服務(wù)的形式，不僅時(shí)刻影響消費(fèi)者理財(cái)決策的每個(gè)環(huán)節(jié)，贏得廣大消費(fèi)者的信賴，同時(shí)也為金融機(jī)構(gòu)搭建了直接有效的精準(zhǔn)營(yíng)銷平臺(tái)，使得金融機(jī)構(gòu)能夠在潛在用戶群中有效推廣自身的產(chǎn)品與服務(wù)，并降低營(yíng)銷成本。

Bankrate的成功，一是依托了專業(yè)化的金融研究團(tuán)隊(duì)和獨(dú)特的網(wǎng)絡(luò)平臺(tái)；二是依托平臺(tái)細(xì)分客戶和推送信息的精準(zhǔn)營(yíng)銷模式，獲得了各金融機(jī)構(gòu)和監(jiān)管部門的認(rèn)可，也成為了消費(fèi)者信賴的金融產(chǎn)品超市和金融產(chǎn)品數(shù)據(jù)的信息源。

目前國(guó)內(nèi)金融平臺(tái)模式主要是兩類，一類是只提供搜索和銷售的金融產(chǎn)品銷售平臺(tái)，另一類是以阿里金融為代表的互聯(lián)網(wǎng)企業(yè)，依托購物網(wǎng)集投融資、消費(fèi)、支付系統(tǒng)為一體的互聯(lián)網(wǎng)金融平臺(tái)。該類平臺(tái)服務(wù)人員多數(shù)是互聯(lián)網(wǎng)行業(yè)出身，多數(shù)產(chǎn)品只停留在客戶體驗(yàn)方面；相比金融機(jī)構(gòu)建立的互聯(lián)網(wǎng)金融平臺(tái)，其后臺(tái)風(fēng)控和投研能力有所不足。隨著客戶群體更加專業(yè)化的需求以及利率市場(chǎng)化的深入推進(jìn)，以銀行為主導(dǎo)的電商平臺(tái)或是信用卡服務(wù)平臺(tái)將逐漸凸顯其投研和風(fēng)控優(yōu)勢(shì)。

大數(shù)據(jù)時(shí)代國(guó)內(nèi)銀行業(yè)舉措

大數(shù)據(jù)時(shí)代，信息價(jià)值體現(xiàn)方式及獲取方式都發(fā)生了根本變化，過去以提供信用服務(wù)為主的銀行業(yè)正在面臨信息脫媒的挑戰(zhàn)，也不再是經(jīng)濟(jì)關(guān)系的信息中心。銀行必須提高對(duì)于非結(jié)構(gòu)化數(shù)據(jù)收集、存儲(chǔ)、分析和運(yùn)用的能力和效率，方可適應(yīng)瞬息萬變的金融市場(chǎng)。面對(duì)外部的沖擊和挑戰(zhàn)，目前國(guó)內(nèi)同業(yè)積極發(fā)揮自身優(yōu)勢(shì)，逐步開始實(shí)施適應(yīng)各行優(yōu)勢(shì)業(yè)務(wù)的互聯(lián)網(wǎng)金融與大數(shù)據(jù)金融戰(zhàn)略舉措，并取得了初步的成效。具體市場(chǎng)探索歸納如表1。

隨著大數(shù)據(jù)在金融領(lǐng)域的廣泛應(yīng)用和發(fā)展，未來銀行業(yè)有可能發(fā)展成為智能型銀行。例如，在光大銀行的未來規(guī)劃中將提供具有身份識(shí)別功能的定制化信息推送、視頻客服和自動(dòng)發(fā)卡服務(wù)。而信息化銀行作為工商銀行的重要戰(zhàn)略方向，打造大而全的電商平臺(tái)成為目前重要的舉措之一。工商銀行的電商平臺(tái)將具有融資、消費(fèi)信貸等功能，并將充分發(fā)揮其擁有大量資質(zhì)較高的大企業(yè)和強(qiáng)大信息系統(tǒng)的優(yōu)勢(shì)，成為集供應(yīng)鏈金融與互聯(lián)網(wǎng)金融于一體的電商平臺(tái)。

目前商業(yè)銀行信息庫中主要的數(shù)據(jù)為結(jié)構(gòu)化數(shù)據(jù)，非結(jié)構(gòu)化數(shù)據(jù)通過Hadoop系統(tǒng)應(yīng)用到信息發(fā)布層，而非結(jié)構(gòu)化數(shù)據(jù)的應(yīng)用與整合尚處于規(guī)劃階段。Hadoop是Apache軟件基金會(huì)開發(fā)的開放源代碼并運(yùn)行運(yùn)算編程工具和分布式文件系統(tǒng)，能夠以可靠、高效、可擴(kuò)展和高容錯(cuò)的方式對(duì)大量數(shù)據(jù)進(jìn)行分部處理的軟件框架。它可以維護(hù)多個(gè)工作數(shù)據(jù)的副本，確保能夠?qū)κ〉墓?jié)點(diǎn)重新分部并處理。

由于大數(shù)據(jù)挖掘在銀行業(yè)尚處于起步階段，技術(shù)也并不成熟，因此商業(yè)銀行對(duì)于大數(shù)據(jù)的應(yīng)用普遍采用外購系統(tǒng)。就工商銀行而言，其信息化銀行的建設(shè)將著力于加快建立集團(tuán)信息庫，同時(shí)將社交媒體信息等行內(nèi)外各類非結(jié)構(gòu)化數(shù)據(jù)入庫，并在非結(jié)構(gòu)數(shù)據(jù)挖掘平臺(tái)實(shí)現(xiàn)對(duì)客戶行為、信息等數(shù)據(jù)的分析，屆時(shí)非結(jié)構(gòu)化數(shù)據(jù)有望應(yīng)用到全行的營(yíng)銷、客戶管理和風(fēng)控系統(tǒng)之中。

大數(shù)據(jù)時(shí)代的資產(chǎn)管理業(yè)務(wù)

盡管大數(shù)據(jù)的應(yīng)用在技術(shù)方面仍存在許多挑戰(zhàn)，例如如何探索大數(shù)據(jù)復(fù)雜性和不確定性特征描述方法及大數(shù)據(jù)的系統(tǒng)建模、如何對(duì)數(shù)據(jù)進(jìn)行“二次挖掘”等，應(yīng)用也尚處于摸索階段。但我們?nèi)钥山梃b大數(shù)據(jù)思維方式和新的數(shù)據(jù)挖掘技術(shù)提高商業(yè)銀行資產(chǎn)管理業(yè)務(wù)的產(chǎn)品開發(fā)、銷售和管理能力。

充分利用集團(tuán)信息庫進(jìn)行資產(chǎn)管理業(yè)務(wù)信息挖掘

商業(yè)銀行信息化平臺(tái)的最終目標(biāo)是要建成非結(jié)構(gòu)化信息的統(tǒng)一檢索、集中共享與綜合應(yīng)用的平臺(tái)，面向全行提供信息檢索和挖掘服務(wù)，并與數(shù)據(jù)倉庫中結(jié)構(gòu)化信息相互配合、互為補(bǔ)充，形成面向客戶和應(yīng)用的信息資源整合。因此，資產(chǎn)管理業(yè)務(wù)應(yīng)充分利用集團(tuán)信息庫進(jìn)行信息挖掘。

首先，信息化平臺(tái)打通了銀行內(nèi)部已有的各個(gè)數(shù)據(jù)倉庫，實(shí)現(xiàn)了原有的結(jié)構(gòu)化數(shù)據(jù)的流動(dòng)，進(jìn)而資產(chǎn)管理業(yè)務(wù)可將原有結(jié)構(gòu)化數(shù)據(jù)倉庫及其他部門的研究成果應(yīng)用到投資管理實(shí)踐中；其次，在實(shí)現(xiàn)了非結(jié)構(gòu)化數(shù)據(jù)集中共享之后，可將與資產(chǎn)管理業(yè)務(wù)相關(guān)的各類外部數(shù)據(jù)，如客戶外部信息、微博信息、銷售信息、價(jià)格信息等整合到信息平臺(tái)，利用Hadoop模塊對(duì)于各類非結(jié)構(gòu)數(shù)據(jù)進(jìn)行“數(shù)據(jù)清洗”和“打標(biāo)簽”，為資產(chǎn)管理業(yè)務(wù)的客戶營(yíng)銷、投資管理、風(fēng)險(xiǎn)管理等提供有效支持。

創(chuàng)建多元化理財(cái)產(chǎn)品銷售渠道和營(yíng)銷模式

精準(zhǔn)營(yíng)銷是大數(shù)據(jù)時(shí)代的主要特點(diǎn)之一，對(duì)于資產(chǎn)管理業(yè)務(wù)而言，真正達(dá)到精準(zhǔn)營(yíng)銷需要利用大數(shù)據(jù)技術(shù)打通內(nèi)外部數(shù)據(jù)，分析客戶需求和客戶流失的原因，有的放矢地進(jìn)行銷售和市場(chǎng)預(yù)測(cè)，并及時(shí)調(diào)整產(chǎn)品及銷售戰(zhàn)略。營(yíng)銷的過程始終不會(huì)離開“人”的因素，包括營(yíng)銷的受眾、推動(dòng)和評(píng)估，而互聯(lián)網(wǎng)營(yíng)銷很好將其結(jié)合并凸顯了移動(dòng)化、智能化、感知化和精準(zhǔn)化等特點(diǎn)。

因此，大數(shù)據(jù)背景下資產(chǎn)管理業(yè)務(wù)發(fā)展應(yīng)多元化理財(cái)產(chǎn)品銷售模式：一是拓寬渠道，包括利用電商直銷平臺(tái)、微信銀行、微信推送信息、第三方銷售平臺(tái)等方式擴(kuò)大投資群體，同時(shí)加入客戶評(píng)價(jià)和推薦功能。二是針對(duì)機(jī)構(gòu)投資主體或是大客戶，建立客戶信息庫，及時(shí)跟蹤大客戶和機(jī)構(gòu)客戶在投資和消費(fèi)方面的偏好變化，同時(shí)培養(yǎng)資產(chǎn)管理部門自己的銷售隊(duì)伍。通過針對(duì)性的產(chǎn)品設(shè)計(jì)和營(yíng)銷、實(shí)時(shí)地推送和推薦，減少客戶流失和增加潛在客戶。三是做好市場(chǎng)預(yù)測(cè)。利用大數(shù)據(jù)進(jìn)行預(yù)測(cè)是大數(shù)據(jù)挖掘的核心，營(yíng)銷部門應(yīng)利用信息平臺(tái)優(yōu)勢(shì)、結(jié)合同業(yè)市場(chǎng)產(chǎn)品動(dòng)向，及時(shí)向后臺(tái)反饋銷售變化預(yù)警信息，輔助中后臺(tái)實(shí)現(xiàn)迅速有效的流動(dòng)性管理和風(fēng)險(xiǎn)管理。

探索基于大數(shù)據(jù)挖掘的量化投資策略

資產(chǎn)管理業(yè)務(wù)涉及的投資市場(chǎng)和領(lǐng)域廣泛，涵蓋了國(guó)內(nèi)外市場(chǎng)可以投資的所有金融產(chǎn)品，因此投資策略中對(duì)套期保值和風(fēng)險(xiǎn)管理的要求也日漸增加，量化投資策略的作用也逐漸受到關(guān)注。商業(yè)銀行可以探索將微博的作用加入到量化投資決策中，同時(shí)利用非結(jié)構(gòu)化信息平臺(tái)開發(fā)新型的簡(jiǎn)單易行的投資策略模型。

一般來說，數(shù)據(jù)庫形式的金融數(shù)據(jù)挖掘分為兩類，一是銀行歷史數(shù)據(jù)挖掘，另一類是證券數(shù)據(jù)挖掘。資產(chǎn)管理業(yè)務(wù)的數(shù)據(jù)挖掘既涉及對(duì)融資人的信用評(píng)估，又包括證券市場(chǎng)的數(shù)據(jù)挖掘。以股票投資為例，基于大數(shù)據(jù)挖掘的量化投資方法主要有兩類應(yīng)用，一類是上述案例中利用網(wǎng)絡(luò)信息預(yù)測(cè)金融市場(chǎng)價(jià)格，印第安納大學(xué)的著名學(xué)者約翰·博倫和毛慧娜的實(shí)證研究表明，分析師將Twitter中的情感表現(xiàn)加入神經(jīng)網(wǎng)絡(luò)模型進(jìn)行分析預(yù)測(cè)，發(fā)現(xiàn)預(yù)測(cè)準(zhǔn)確率上升了18.3%，絕對(duì)平均誤差下降了6.5%。二是基于粗糙集（Rough set）的股票價(jià)格預(yù)測(cè)方法。該理論的核心思想是在穩(wěn)定分類能力不變的情況下，通過約簡(jiǎn)得到分類規(guī)則或問題的決策分類，從不完整、不充分的信息中挖掘數(shù)據(jù)中隱含的有價(jià)值的規(guī)律。此外，債券投資也可以對(duì)全體債券樣本進(jìn)行神經(jīng)網(wǎng)絡(luò)分析進(jìn)而得到債券評(píng)級(jí)，為投資決策服務(wù)。

開發(fā)基于大數(shù)據(jù)挖掘的信用風(fēng)險(xiǎn)評(píng)分法

傳統(tǒng)的信用風(fēng)險(xiǎn)評(píng)分法是利用歷史違約樣本通過本地化的數(shù)據(jù)挖掘，結(jié)合定性分析得到信用評(píng)分的代表性指標(biāo)的過程。而宏觀經(jīng)濟(jì)不確定性、客戶需求的多元化正在考驗(yàn)著商業(yè)銀行及資產(chǎn)管理業(yè)務(wù)的風(fēng)險(xiǎn)管理能力，并對(duì)傳統(tǒng)信用評(píng)分法的準(zhǔn)確性提出了更高的要求。在資產(chǎn)管理業(yè)務(wù)中，占有多數(shù)份額的項(xiàng)目融資非標(biāo)資產(chǎn)需要資產(chǎn)管理人員對(duì)融資人進(jìn)行信用評(píng)價(jià)。由于資產(chǎn)管理業(yè)務(wù)是完全不同于商業(yè)銀行信貸業(yè)務(wù)的契約模式，除了可以參照銀行信貸審批系統(tǒng)和信貸標(biāo)準(zhǔn)之外，項(xiàng)目審批人應(yīng)該建立一套有別于傳統(tǒng)信用評(píng)分模式、適合資產(chǎn)管理業(yè)務(wù)特征的項(xiàng)目融資信用評(píng)價(jià)體系。因此，借鑒Zestfinance評(píng)分模式，基于銀行信息平臺(tái)對(duì)融資人進(jìn)行信用風(fēng)險(xiǎn)評(píng)估的大數(shù)據(jù)挖掘方法，如神經(jīng)網(wǎng)絡(luò)信用評(píng)分法與支持向量機(jī)（SVM）信用評(píng)分法，可能將成為未來金融領(lǐng)域信用評(píng)分的新趨勢(shì)。其中，支持向量機(jī)的信用評(píng)分在解決小樣本、非線性及高維模式識(shí)別中具有一定優(yōu)勢(shì)。目前，結(jié)合支持向量機(jī)和模糊系統(tǒng)的機(jī)器學(xué)習(xí)方法正在成為繼神經(jīng)網(wǎng)絡(luò)研究之后新的研究熱點(diǎn)，并逐漸應(yīng)用在系統(tǒng)識(shí)別、生物信息和行為科學(xué)以及金融等領(lǐng)域。Zestfinance便是將機(jī)器學(xué)習(xí)法首先開發(fā)應(yīng)用于貸款違約主體信用評(píng)分體系中的金融機(jī)構(gòu)。

利用數(shù)據(jù)挖掘進(jìn)行流動(dòng)性管理

隨著利率市場(chǎng)化的深入，資產(chǎn)管理業(yè)務(wù)將面臨愈加嚴(yán)峻的流動(dòng)性風(fēng)險(xiǎn)，也要求更高的流動(dòng)性風(fēng)險(xiǎn)管理技術(shù)。區(qū)別于傳統(tǒng)銀行業(yè)的流動(dòng)性風(fēng)險(xiǎn)管理技術(shù)，資產(chǎn)管理業(yè)務(wù)流動(dòng)性管理要求更加準(zhǔn)確的市場(chǎng)預(yù)測(cè)，包括對(duì)政策風(fēng)險(xiǎn)、客戶偏好、銷售業(yè)績(jī)和同業(yè)競(jìng)爭(zhēng)等信息的全面把握和分析預(yù)測(cè)，同時(shí)及時(shí)調(diào)整投融資策略。大數(shù)據(jù)挖掘采用非結(jié)構(gòu)化數(shù)據(jù)的分析技術(shù)，符合了資產(chǎn)管理業(yè)務(wù)流動(dòng)性管理的多樣需求。因此，在資產(chǎn)管理業(yè)務(wù)中，流動(dòng)性管理可以說是大數(shù)據(jù)理念最為簡(jiǎn)單易行的實(shí)踐。阿里金融使用大數(shù)據(jù)分析進(jìn)行流動(dòng)性管理的實(shí)踐為業(yè)內(nèi)提供很好的借鑒，理財(cái)業(yè)務(wù)也應(yīng)充分利用現(xiàn)有的資源和平臺(tái)，發(fā)揮數(shù)據(jù)優(yōu)勢(shì)，開發(fā)建立在全行信息平臺(tái)基礎(chǔ)上的流動(dòng)性管理系統(tǒng)，提高監(jiān)測(cè)和預(yù)警準(zhǔn)確性，進(jìn)一步提升流動(dòng)性管理水平。

隨著信息化銀行的推進(jìn)和大數(shù)據(jù)技術(shù)的蓬勃發(fā)展，資產(chǎn)管理業(yè)務(wù)的發(fā)展既有機(jī)遇也面臨著一定挑戰(zhàn)。正如工商銀行資產(chǎn)業(yè)務(wù)總監(jiān)陳曉燕所強(qiáng)調(diào)：“資產(chǎn)管理業(yè)務(wù)沒有創(chuàng)新，便無法生存?！痹诖髷?shù)據(jù)時(shí)代，資產(chǎn)管理業(yè)務(wù)的創(chuàng)新應(yīng)是全面的創(chuàng)新，包括產(chǎn)品創(chuàng)新、銷售管理創(chuàng)新、投融資方式創(chuàng)新、金融數(shù)據(jù)挖掘方法的創(chuàng)新以及后臺(tái)理財(cái)業(yè)務(wù)流動(dòng)性風(fēng)險(xiǎn)管理、投融資信用風(fēng)險(xiǎn)管理等涵蓋資產(chǎn)管理業(yè)務(wù)前中后臺(tái)各個(gè)方面的創(chuàng)新。這與其說是信息技術(shù)帶來的革命，不如說是一次理念和思維的轉(zhuǎn)變。