314
浏览金融机构在与大数据技术融合的过程中面临诸多挑战和风险。
信息技术的进步、金融业的对外开放和监管政策的变化,客观上降低了行业准入门槛,使非金融机构更多地削减金融服务链,并利用自身的技术优势和监管盲区获取竞争优势。传统金融机构局限r原右的组织结构和管理模式,不能充分发挥自己的潜力,在竞争中处于劣势。线上互联网企业由于占据极大的平台优势,垄断从交易发生到交易结算的各个环节以及这其中产生的各项数据信息,使传统金融机构想要介入十分困难。要想在实际过程中重新组建自己的数据平台,从时间方面来看,已经处于劣势,因此,传统金融机构与数据服务商幵展战略合作是比较现实的选择。
在大数据时代,除了传统的会计报表,金融机构也增加了图片、音频和其他非结构化数据,传统的方法已经不能满足数据管理的需求,软件和硬件基础设施建设亟待加强。人数据的主要作用之一就是能够缓解信息不对称问题,为金融机构的风险管理提供更侖效的手段。但如果管理不善,大数据也可能在发展中产生大的风险。大数据应用改变了数据安全风险的特征,它不仅需要新的管理方法,还必须纳入全面风险管理体系中,进行统一监控和治理。为了确保人数据的安全,金融机构必须抓住三个关键环节:一是协调大数据链条中的所有机构,共同推动数据安全标准,加强产业的自我监督和技术分享;二是加强与监管机构的交流合作,借助于监管服务的力量,提升自身的大数据安全水准;三是主动加强客户在数据安全和数据使用方面的沟通,提升客户的数据安全意识,形成大数据风险管理的合力效应。
当前,大数据还处于运行模式的探索和成长期,分析型数据库相对于传统的事务型数据库尚不成熟,对于大数据的分析处理仍缺乏卨延展性支持,而且它主要仍是面向结构化数据,缺乏对非结构化数据的处理能力。在这种情况下,金融机构相关的技术决策有选择错误的风险。
对于我们最熟悉的金融机构银行来说,在通往大数据时代的道路上,同样面临三大挑战,具体如图2-15所示。
这不仅包括金融业内部的数据整合,更重要的是与大数据链条上其他外部数据的整合。目前,来自各行业、各渠道的数据标准存在差异,要尽快统一标准与格式,以便进行规范化的数据融合,形成完整的客户视图。同时,针对大数据所带来的海量数据的要求,还要对传统的数据仓库技术特别是数据传输方式ETL(提取、转换和加载)进行流程再造。要加强对大数据分析结论的解读和提高其应用能力,关键是要打造一支复合型的大数据专业团队。他们不仅要掌握数理建模和数据挖掘技术,还要具备良好的业务理解能力,并能与内部业务条线进行充分的沟通合作。还要加人金融创新力度,建立专业的大数据实验中心,对人数据方案进行统一的制定、实验、评价、推广和升级。
金融业的数据来源要脱离早期呆板滞后的提交、审批、尽职调查等方式,就必须借助于社交网络。要使金融信息的获取渠道能够直接深入金融服务本身,就要利用互联网、社交媒体等新的数据来源,从多渠道获取实时客户信息和市场信息,充分了解目标客户的需求和资质情况,建立更高效的客户关系与更完整的客户视图,并利用社交网络对忠实客户和潜在客户进行精准营销和定制化金融服务。