登录没有账号？
&登录超时，稍后再试
免注册 快速登录
商业银行数据应用新思维
　　于忠义
　　数据应用与银行管理体系是相伴而生的，在宏观管理体系建立和优化过程中将数据应用视为执行操作的抓手，作为落地工具，通过有效驾驭和应用数据，实现商业银行经营管理的全流程畅通。本文以全新思维剖析银行数据应用体系，并对银行数据应用所涉及领域和方法进行深入浅出的探讨，旨在全面透彻展示现代商业银行数据应用的全貌。
　　数据应用体系发展历程
　　通过对国内外金融史料的解读，会发现早期的银行管理并没有比较清晰的前、中、后台界定。基于市场化的金融交易与自身财务管理是银行日常经营管理的主要内容，银行中后台的管理大多以会计视角出发，结合财务数据进行绩效考核、简易预算、报表应用等，这是银行数据应用最早期初态雏形。
　　20世纪以来，伴随管理会计理论研究的发展，丰富了银行财务管理的内容，中后台管理内容慢慢丰富，不断发展为独立于前台营销和交易的中后台管理体系。管理会计理论思想改变了人们长期以来的会计认知，并在银行业慢慢被普遍接受，特别是在信息化大潮中，银行管理理论模型通过数据应用实现，使得理论化最终落地。可以说银行数据应用和银行管理体系是相伴而生、相伴成长的。
　　进入21世纪，国际银行业流行的平衡计分卡、经济增加值、作业成本法、标杆管理、巴塞尔协议等先进的管理工具和监管方法开始在国内银行得到应用，使得银行经营管理内容变得更加丰富，银行数据应用延展到市场营销、产品定价、全面预算管理、成本管控、风险管理、资产负债管理、绩效考核、审计管理等领域。银行业数据应用内容进入了与国际先进同业趋同和本土化发展相适应的繁荣期。最近几年大数据分析更加引人瞩目，借助大数据应用从数据中获得洞察力，攫取价值，通过数据应用将理论转化为生产力，驱动银行经营决策的效率和质量，商业银行数据应用体系已经进入趋于稳健和崭新阶段。
　　数据应用的本质与内涵
　　正如前文所言，数据应用与银行管理体系是相伴而生的，数据应用的本质是银行管理手段的信息化呈现。银行管理涵盖了负债业务、资产业务、中间业务，以及资本管理、风险管理和营销管理等诸多内容，数据应用可以准确描述银行经营概况与考核评价全貌。
　　伴随经济的发展与银行业的深入改革，银行管理内容开始充分融合相关国际或国内法规，系统地夯实银行管理的基本知识，并透彻刻画商业银行经营现状、问题暴露和未来预期等，充分反映银行业改革与发展的实践及其发展趋势，而这所有的一切均是通过数据应用的结果信息呈现的。换句话说，银行数据应用的最终目的是使管理人员通过数据解读，掌握银行过去经营结果、及时了解现状、把控将来的发展路径。
　　我国经济正处于“三期叠加”的特定阶段（即经济增长速度进入换挡期、结构调整阵痛期和前期刺激政策消化期），经济发展步入新常态、外加利率市场化的大背景，银行传统的经营模式、风险管控方法和数据应用方式已经不能适应复杂、多样、多变的经营环境、竞争环境和监管环境。所以银行业经营管理者应与时俱进，思考新常态下银行数据应用体系建设策略。
　　主要矛盾以及必要性
　　商业银行在经营管理、市场准入等方面的市场化程度迅速加大，竞争程度进一步加剧，银行要想在激烈的市场竞争中立于不败之地，必须加快数据应用建设，提升银行的核心竞争力。
　　商业银行经营管理的能力高低取决于决策的正确与否，而决策很大程度是取决于数据应用系统的支持。数据应用系统作为提供、处理和传播信息的载体，其功能定位至关重要。银行必须加快数据应用体系的建设，全面提高在管理领域的应用水平，增强核心竞争力，更好地促进商业银行经营管理的健康发展。
　　虽然管理信息系统的决策支持作用在银行的经营管理中发挥着越来越重要的作用，但由于管理信息系统建设工作缺乏科学方法，造成管理信息未能有效地提供经营管理的决策支持作用。主要不足体现在，数据应用体系缺乏总体规划、数据应用系统建设缺乏认知高度、数据应用缺乏统一的标准和规范、数据应用的源数据质量差、数据应用缺乏配套的技术手段，以及信息系统的孤岛现象突出。这些不足问题亟需通过系统化的建设和实施来解决，这些问题如果不能在认知上引起注意，很有可能让商业银行在竞争中处于劣势，这也从侧面再一次提醒银行管理者，银行数据应用体系建设具有紧迫性。
　　信息技术的迅猛发展，商业银行金融电子化步伐的加快，建立以决策支持为核心的管理信息系统，高效地处理和利用数据，提高信息化水平，增强银行的核心竞争力是银行面临的重要问题，而数据应用体系的健全是重中之重。
　　银行数据应用领域
　　商业银行管理类信息系统建设过程中着力推进信息一体化进程，可以将银行数据战略与经营战略相结合，打通管理与技术两条主线。制定数据应用规划，建设数据应用的组织架构与工作机制，完善数据应用的制度、流程与操作细则。在统一全行数据源标准、规范和质量的基础上，实现全行统一账下的数据集中管理，统一挖掘和利用内外部数据资源，为经营管理层、各业务单元提供准确及时的信息，进而提高商业银行信息化服务水平。自上而下打开管理视野、拓宽数据应用范围。银行数据应用领域约略归纳有以下几个方面。
　　市场营销
　　银行市场营销管理方面利用数据应用技术，实现市场营销、销售、服务等活动信息化，使银行能更高效地为客户提供满意、周到的服务，以提高客户满意度、忠诚度为目的的一种管理经营方式。客户关系管理既是一种管理理念，又是一种数据应用技术，以客户为中心的管理理念是市场营销类数据应用系统实施的基础。市场营销类数据应用全方面获取银行所有客户和交易对手的基本信息、消费信息、交易信息和行为偏好等，实现客户信息数据的集中整合。将新老客户营销的每一个环节与产品策划、推广、人力资源等多部门业务对接，通过营销类数据应用来优化各业务环节，减少各环节客户流失和成本消耗，满足交叉销售和精准营销等业务需求。
　　产品定价
　　越来越多的商业银行开始将大数据与内部管理数据结合，基于数据分析理论，综合制定和优化金融产品定价方法，更准确把握降低成本与提高收入的动因，找到合适的价格定位点，可以说在定价领域将数据价值充分发挥到了极致。
　　银行借助数据分析构建以价值经营为导向的定价机制，以客户、地域、行业、市场份额等差异化细分为基础，统筹表内、表外全盘项目，使用数据分析出各维度的综合创收能力，同时兼顾成本消耗等诸多因素，对金融产品进行差异化定价，重新优化利润的分布，促进整体利润增长。让数据分析结果第一时间对业务指导，不会在变化中因为被动等待，而失去了决策的最佳时机。
　　管理会计
　　管理会计系统的目标是，构建基于管理会计基础的利润贡献度分析和绩效管理，按照这样的功能定位，管理会计需要采集核心、信贷、资金业务等系统的数据，为满足管理会计的分析需要，数据采集应基于较细的粒度进行，抽取银行系统交易层或账户层的数据，抽取后的数据按照一定规则进行数据的清洗、转换和加载处理，进入核心数据模型进行信息的整合和指标的计算，通过利息收入、利息支出、机会成本、交易笔数、资本金分配等指标的相互运算结果，成为特定分析对象的盈利能力信息。按照产品、客户、机构等维度，基于一定的筛选条件，从数据仓库中复制数据，形成管理会计系统专用的数据基础，在此基础上开展多维度利润贡献度分析，分析的结果可以共享。
　　资产负债管理
　　商业银行资产负债管理从顶层战略出发，深度参与和支撑管理决策全过程。只有将资产负债管理和数据应用紧密相结合，才可以全方位了解银行收入、成本和风险的全貌以及分布状态，清晰资源投入和价值产出的合理配比，知道如何实现银行高效运行最佳状态。
　　目前银行业较为常用的资产负债管理匹配数据应用的方法，例如基础的缺口及敏感性分析风险度量方法、动态前瞻性的度量方法情景分析和压力测试、组合管理技术资金转移定价和风险调整资本收益率等，这些与数据应用密不可分。在实践工作中已经得到了验证，可以辅助银行在制定风险偏好、审查市场风险状况、调节风险敞口等关键事项做出决策。
　　资产负债管理实际工作中，需要处理海量级的表内外业务数据，通过数据还原原始交易场景，来支撑和满足资产负债管理数据需求，这样就以最稳妥的方式在资产负债管理参与的每个经营决策重点环节构建起强有力的信息屏障，借助数据应用实现更多有价值的决策，资产负债管理在银行中后台的影响力会越来越大。
　　全面风险管理
　　银行全面风险管理需要建立一整套体系，包括识别风险种类、确定风险限额、评估风险收益、调节风险敞口、选择业务策略、配置经济资本、考核风险绩效等一系列重点内容。在风险量化方面，从风险识别、计量、预警、建模、验证等各个环节均依赖于数据应用。权威、准确的风险量化结果，对合理制定授信策略至关重要。
　　实践工作中往往通过建立风险专用数据库来从风险视角整合数据，形成统一的风险数据视图，从内外部业务系统等各渠道获取客户、债项、风险缓释等风险敏感信息，并尽可能附带更多交易属性类数据，这样就可以捕获到行业、区域多维度信息，这些数据在应用中将提升银行自身风险管理能力，降低交易双方的成本和违约概率，这正是风险量化最根本的落脚点。
　　全面审计管理
　　银行内部审计的首要职能是监督和确认，审计是作为银行内部的“医士、卫士、谋士”而存在的。协同数据应用，发现和揭示流程障碍、机制缺陷管理漏洞、风险隐患，进一步保证银行安全、健康地运行，发挥审计的“免疫系统”功能。
　　特别是在非现场审计工作中，在多种多样的数据库、海量的业务数据中，借助审计分析数据模型工具，从审计视角对业务数据采集和分析，更准确抓住审计对象存在的问题、疑点和异常情况，评估审计对象的风险状况，为制订审计计划及审计方案提供支撑，有效降低审计风险以及恶性案件的发生，提高审计工作效率。在全面审计报告中，援引更多数据应用分析结果，可以涵盖和展示更多内部管理决策关注的信息。
　　监管报送
　　监管报送工作是商业银行与监管机构沟通和互动的重要内容之一，也是银行数据应用的重点内容之一。银行通过建立监管类数据应用系统，用于监管机构分析、评价银行的风险状况，实现监管机构对银行的非现场监管、现场检查、风险评级和预警分析。
　　随着中国经济的发展和中国金融市场的开放，监管当局逐渐开始加大对银行业的监管。各类监管政策不断出台，各类监管数据报送要求也层出不穷，监管报送数据量越来越大、数据组织形态趋于复杂。对于城市商业银行来说，监管报送是刚性要求，必须在操作层面的数据采集、校验处理、汇总处理、报送文件生成、报表生成等重要环节，优化数据应用方法，减少总分支行统计报送工作人员的工作压力，提高工作效率和质量，快速实现监管当局新的数据收取要求和提高自动化率。符合监管机构提出的“统一规划、统一管理、统一标准、资源共享”建设原则。
　　数据深度应用与展望
　　通过数据的集中整合、共享、挖掘，使银行整个经营决策和战略制定从依赖经验向依据数据转变，海量数据对银行管理决策提供更多的洞察机会，同时提出了挑战。清醒认识银行数据产生与发展的状况，充分理解数据内容，有效管理和应用数据信息、建立精细化分析为基础的科学经营决策体系,将成为信息化时代下银行经营管理的核心竞争能力。
　　从银行数据的实质意义分析，数据来源于信息系统，是业务经营管理行为的信息化反映。在银行不断完善数据应用体系建设、有效支撑银行经营管理和业务发展的进程中，系统所产生的数据内容同步反映了银行生产、处理、分析各类经营管理信息，有效管控各类业务经营活动的整体过程。在过去的十年之内，银行的业务规模井喷式增加，业务产品种类日益复杂，银行数据内容日益庞杂。
　　未来基于数据应用的管理决策发展必然是上升到战略高度，这是大势所趋。另外在数据应用涉及的广度上，所辖范围会不断扩大，风险问题、持续性经营发展问题、集约化经营、合理配置资源等问题的研究和实践热度持续上升。数据应用系统是数据级的银行大脑，其重要性日渐增加。此处援引博士的观点结束本文：未来成功银行一定是数据大行，是数据分析、数据解读的优秀银行，谁能拥有海量数据并从中获取有价值信息的能力，谁就把握了未来。
　　(文章仅为个人观点，不代表供职单位意见。)
　　（作者单位：）
（责任编辑：宋埃米 HT004）
和讯网今天刊登了《商业银行数据应用新思维》一文，关于此事的更多报道，请在和讯财经客户端上阅读。
提 交还可输入500字
你可能会喜欢
热门新闻排行榜
和讯热销金融证券产品
【免责声明】本文仅代表作者本人观点，与和讯网无关。和讯网站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。
违法和不良信息举报电话：010- 传真：010- 邮箱：yhts@ 本站郑重声明：和讯信息科技有限公司系政府批准的证券投资咨询机构[ZX0005]。所载文章、数据仅供参考，投资有风险，选择需谨慎。产品运营中的数据分析该怎么做？
移动互联网产品发展过程是一个证伪的过程，根据设想的用户需求开发产品或服务，只有在市场中才能验证最初的假设是否成立，进而不断的优化和调整，而这一切要依赖于统计分析产生的量化数据。
统计分析的发展也随移动应用的发展走向个性化和精细化，个性化可以满足不同垂直领域的特定需求，更具适用性。而精细化则是加强了分析的深度和细度，能够更微观的看到问题。同时在社交网络大规模发展的今天，社会化的统计变得尤为重要。
移动应用统计分析到底能为开发者解决什么问题呢？首先是让开发者知道宏观数据，然后是细致的App功能分析，更重要的是精准定位用户和了解其需求。让开发者不仅要知道产品运营的基本状况和使用状况，更要了解到用户到底是谁，发现用户深入的需求，进而提供个性化的服务。
1. 移动 App 创业者怎么玩产品数据统计分析？
移动开发者们常问：“统计分析平台,可以帮助我们实现什么?”这是很难一言以蔽之的问题，以使用友盟统计分析平台的经验，在此分享三个最重要的功能和益处：
1.1 快速打造数据运营的框架
其实每一个公司都应该有一个基于自己的数据运营的系统，来帮助相关部门随时查看产品或者业务的进展.由于部门和公司的角色不同，对数据的需求既有区别又有共通。比如一个做移动应用的公司，所有人都会关注新用户的增长，有多少用户是活跃用户等，这些都是跟产品的发展息息相关。借助统计分析平台，开发者可以快速建立一个清晰的基础数据展示。比如新增用户，活跃用户，设备，地域，联网方式等。
1.2 用数据推动产品迭代和市场推广
基础的数据运营框架对公司产品的整体发展状况会有一个很好的展现，但是我们应该关注更加细节的部分。比如谁在用我们的产品？他们是否喜欢？他们是如何使用的？市场推广带来的用户是否充分的使用了我们的产品？哪些渠道带来的用户质量更高…….我们都应该用数据来回答这些问题。产品设计人员可以有针对性的对产品使用情况进行统计分析，了解用户对不同功能的使用，行为特征和使用反馈。这样可以为产品的改进提供很好的方向。市场推广人员也不应该仅仅关注“什么渠道带来了多少用户”，更应该关注的是哪一个渠道带来的用户质量更高一些，ROI更理想。
1.3 产品盈利推手
产品盈利是创业者的最终目的。无论一款产品是否已经探讨出一个成熟的商业模式，我们都应该借助数据让产品的盈利有一个更好进程。在产品货币化的路上，数据可以帮助创业者完成两件事：一，发现产品盈利的关键路径；二，优化现有的盈利模式。
2. 数据分析为什么重要？它能为 App 开发者带来什么？
移动应用统计分析平台能够为开发者提供数据帮助了解用户的使用行为，并根据用户行为优化产品，可以概括为如下几方面：
首先可以让开发者了解到应用的基本数据，如新增用户、活跃用户、启动次数、留存用户等，对用户的规模和质量有一个清晰的认识；
其次是一些详细的用户使用数据，如使用时长、使用频率、使用间隔、页面访问等，帮助开发者了解用户的使用习惯，深入认识用户群体；
再次可以通过自定义事件收集自定义信息，如推广信息点击情况、查看的商品类别、付款行为触发等，来收集开发者所关心的用户行为；
然后还可以获得用户的终端信息，如设备、运营商、联网方式等，对用户的终端有所了解，在适配及排查问题方面为开发者节约成本；
最后通过对各个渠道的数据分析，把控不同渠道的用户质量，为渠道推广提供参考依据。
3. 移动应用运营应重点关注哪些指标？有哪些分类？
移动应用运营可以重点关注如下指标：
3.1 新增用户、活跃用户、启动次数
这些指标是KPI的主要评估标准；关注这些指标的每日趋势，您可以了解到应用每天发展是否正常、是否符合预期。
3.2 留存用户、留存率
留存用户和留存率是评定一个应用用户质量的重要标准，用户留存率越高，说明应用越吸引用户。开发者在查看留存率时，可以关注留存率在一段时间内的变化趋势，并可以通过对比不同应用版本、不同分发渠道的用户留存率来评估版本和渠道质量或定位应用某些指标值下降的原因。
3.3 自定义事件、漏斗模型、页面访问路径
自定义事件是开发者为了达到收集某些数据的目的而设定的，比如推广链接的点击、去购物车结算的行为等，通过统计这些自定义行为的数据，获得更有针对性的信息。
漏斗模型是多个自定义事件按照一定顺序依次触发的流程中的量化转化模型。我们可以通过漏斗对应用中的一些关键路径进行分析，如注册流程、购物流程等，把控应用中的关键行为信息。
页面访问路径展示了用户是按照什么顺序访问了哪些页面，各页面的使用状况如何及页面之间是如何跳转的，能够帮助开发者了解各页面之间的跳转是否合理，主要流程是否容易被用户触发等。
以美丽说为例，美丽说客户端用户的主要使用路径是：打开客户端→ 浏览最热最新→ 查看点击单品→点击去淘宝。利用友盟统计平台的漏斗模型发现，用户在点击查看单品，及点击去淘宝这两步转化率不理想。经过分析发现，美丽说 App 中点击去往淘宝的按钮上的文字是“去购买”，这样的文字让用户压力大，于是尝试将文字改成“查看详情”，暗示用户点击后有更多有利于购买决策的信息，且不一定要购买。修改上线后，点击去淘宝的通过率提升了50%，从10%上升到15%。
3.4 其他指标
在日常运营中，开发者关注以上指标就能获得大部分所需要的信息。但其实还有很多其他指标如使用时长、使用频率、终端属性、地域等，能帮助您获得更多用户使用行为的数据，为您升级版本时的终端适配提供依据、推广时针对不同用户群体的推送提供数据支持等。
注：相关网站建设技巧阅读请移步到频道。
看过本文的人还看过
最新图文推荐
最新专栏文章
大家感兴趣的内容
网友热评的文章