银行大数据分析，如何将“砒霜”变“蜜糖”?

《大数据时代》作者维克托·迈尔·舍恩伯格在他的另一本书《删除》中提到“大数据的取舍之道，就是把有意义的留下来，把无意义的去掉，只有理解了在大数据中，需要的是什么，以及如何判断这种需要，才能举一反三地明白到底为什么要去掉那些不需要的。”

传统银行在日积月累的交易中产生了大量数据，在分析和处理这些大数据时，银行面临着很多现实的问题，例如“坏账”数据的处理，银行各部门数据私有化以及部门之间的沟通和配合等问题。这里引用上海浦东发展银行信息科技部副总经理陆小勇所分享的浦发银行的例子，分享关于银行的大数据思考和应对之道。

“坏账”数据也能变财富

银行在交易过程中，不可避免地会产生大量“坏账”数据，这些被人们嗤之以鼻的“坏账”数据看似是银行的痛点，但对于银行大数据分析而言，它们可以转变成巨大的财富。银行可以充分利用“坏账”数据训练数据分析模型，测试数据模型分析结果是否达到预期标准。经过“坏账”数据训练和测试的大数据分析模型会更有说服力。

陆小勇表示，进行大数据分析时，数据质量固然重要。但银行不应该把过多精力花在追求“完美”的数据质量上，大数据分析强调“相关性”，允许试错，就好比“沙里淘金”，从大量的“相关性”中总结沉淀出“因果性”，用大量的实践和试错换取数据质量。

他说：“在管理数据质量的时候，治理人员需要思考数据湖、数据水库或是数据沼泽对数据质量的容忍度分别是多少，对其中的数据分别用哪些方法治理。具体到银行产业，交易系统和统计报表强调因果性，要求所有结果可严格回溯到源头(比如总分核对)，防止垃圾进出，特别是参与人、产品、协议、渠道、事件、财务，以及资产、日历、汇费率等公用信息在内的主数据的质量。

数据共享才能共赢

随着大数据被赋予更大的价值，数据逐渐成为企业核心竞争力之一。陆小勇揭示了现在银行面临的最大挑战就是数据私有化，所有的分析部门甚至技术团队都希望将收集到的数据以及分析得到的数据掌握在自己手里，但是大数据价值在于数据的共享和关联。

陆小勇介绍了浦发银行数据共享、实现共赢的实践经验。他说，浦发银行信息中心将公司业务部门的数据分享到零售部门，从这些数据中挖掘出更多的零售商机。当然也会将零售部门的交易数据呈现在公司业务部门面前，揭示零售客户行为背后隐藏的企业经营奥秘，帮助业务部门抓住商机，为银行带来更多利益。

“银行各个部门的角色应该是Data Steward(数据管家)，而不是Data Owner(数据拥有者)，不要让有价值的数据被锁起来。这样的理念对于营造一个良好的大数据应用文化和氛围来说非常重要”。

没有解决业务痛点IT难免沦为鸡肋

陆小勇指出，在实现大数据应用的时候，银行经常碰到的问题是业务和IT部门的互相指责。业务部门认为IT部门常常摆出一副“专业的姿态”;IT部门认为业务部门的想法天马行空。

他认为，问题的关键在于IT部门在与业务部门沟通时，说的都是“专业”的话，并没有说让业务“听得懂”的话，没有谈“业务痛点”的话。技术部门应该成为业务部门的“及时雨”，在业务部门需要帮助的时候，解决他们的痛点问题。

陆小勇说：“即使拥有再先进的技术，如果业务部门不懂得运用技术解决问题的话，技术就成为空洞的投资。众多数据仓库的失败，原因就是在技术方面投入大量资金，结果却是技术都过时了，业务部门还不知道怎么用。各个部门应该停止抱怨，选择敏捷的工作方法，将大数据分析工作做好。”

敏捷工具解决核心痛点

对于银行IT人员的数据业务，帆软银行事业部总监杨扬给了精辟的总结“快、多、累”。目前银行业仍然有大量的数据存在Excel、word等文本文件中，信息存在不准确、缺失问题；加上现有银行业的营销、服务等各方面都受到互联网的影响，数据迅猛增长，业务体系更加复杂多样。此时银行IT部门以及银行高层更应该明确信息技术在整个的定位和地位，把IT部门从服务支撑转变为利用数据科学化引导的角色。基础的业务早就可以寻求“懂业务”的敏捷工具，就比如银行业的报表制作，报表工具FineReport就是一个好的选择。重点精力放在数据分析挖掘和全行信息化系统建设上。

最后，他以国家冰壶队来形容银行大数据团队的建设。他说：“在冰壶比赛中，队员们一旦聚焦目标，不区分谁推谁扫。在银行中可以理解为不严格区分IT和业务部门，大数据团队围绕创造业务价值这个目标，应该做到全面互动协作。要像国家冰壶队一样构建银行的大数据团队。”