商业银行零售业务转型升级研究
来源:用户上传
作者:
摘 要：金融脱媒与利率市场化以及近两年互联网金融的快速崛起，对传统商业银行的经营模式产生了颠覆性影响。走以客户为中心、以创新为驱动的转型发展之路，是银行应对挑战的必然选择。零售业务由于其风险分散、收益稳定的特点，在未来银行的发展中将愈加重要，成为银行转型的主战场。应用互联网思维和大数据技术创新零售业务的商业模式、拓展零售业务新型收入来源、提升零售业务的综合贡献度和市场竞争能力，是转型发展的重要趋势，成为商业银行亟待研究的重要课题。
关键词：商业银行；零售业务；大数据
一、引言
随着金融自由化与金融创新的不断深入，全球金融业的发展出现了深刻的变化，国内外商业银行发展理念和经营模式不断调整。在商业银行诸多业务中，零售业务是与个人、家庭联系最为密切的银行业务，由于具有庞大的客户资源以及强大的价值创造能力，越来越受到商业银行的重视，并逐渐成为商业银行最具发展活力的业务领域。
对于国内商业银行来说，当前正处于零售银行业务发展的“黄金时代”。自改革开放以来，中国经济经历了三十多年的高速增长，中国居民财富规模快速扩大。2012年、2013年我国城镇居民可支配收入年均增长率为8.3%，农村居民收入年增长率高达10.3%，中国居民财富持续积累。同时，随着人们投资理财意识的觉醒，不断增长的个人、家庭金融资产多元化需求，为我国商业银行开展零售业务提供了良好的发展机遇和广阔的市场空间。然而，随着各家商业银行竞相拓展零售市场，使得市场竞争白热化，营销手段同质化、产品结构单一化现象严重，导致巨大的成本投入稀释了银行收益。商业银行要想在激烈的市场竞争中抢占先机，必须积极推进零售银行业务的发展创新。随着信息技术与网络技术的不断普及和互联网金融思想逐渐深入，各商业银行应重视运用大数据分析与挖掘技术服务于零售业务的转型升级。
二、大数据推动商业银行零售业务转型升级
（一）大数据概述
大数据的概念最早出现在《大数据：下一个创新、竞争和生产率的前沿》（2011）的研究报告中，在该报告中，麦肯锡指出数据已经逐渐成为每个行业和职能领域内的基础性资源，对于海量数据的挖掘、分析，预示着新的生产率增长浪潮的到来，给未来经济的发展带来极其深远的影响。大数据是一个较为抽象的概念，它是指一般数据库软件难以获取、储存、管理和分析的大容量数据（Manyika，Chui，Brown，Bughin，Dobbs，Roxburgh，Byers，2011）。大数据的特征可以用数量庞大、种类繁多、价值密度低、处理速度快四个方面来概括，他们是大数据区别于传统数据最显著的特征。而大数据分析技术，则是企业管理者通过对管理或经营目标的关联数据、信息进行采集和分析，从而有针对性地采取措施的一种技术，它是大数据处理流程中最重要的环节，可以挖掘出数据潜藏的价值并将其应用于企业经营管理。
（二）大数据推动零售业务转型的深度分析
商业银行同业竞争的日趋激烈以及互联网金融的巨大冲击“倒逼”传统银行加速转型，零售转型成为银行转型的核心任务。彭颖捷和李翔（2012）认为打造零售业务市场的首选路径应该是构建零售业务核心竞争力的“钻石体系”及评价模型。徐小飞（2008）认为产品创新才是商业银行零售业务转型的关键。国内各大商业银行积极探索零售业务的转型之路，并逐渐向“智能化+社区化”方向发展。2014年3月，平安银行首家“智能旗舰店”开始营业，综合运用生命周期墙、智能理财规划桌等新技术打造智能化网点，推动零售业务转型。而在大数据时代，大数据体量巨大、种类繁多、价值密度低以及处理速度快的特点与银行零售业务的发展高度契合。因此，作为未来银行竞争核心的零售业务，其转型升级的关键在于大数据分析与挖掘技术的深度应用。在商业银行各类零售业务中，无论是零售负债业务、零售资产业务，还是零售中间业务，实现其创新升级的本质就是将大数据技术与业务模式相结合，从方法上实现零售业务的转型路径。
1、大数据推动零售负债业务转型
零售负债业务是商业银行最主要的资金来源之一，是其赖以生存的基础。储蓄存款则是零售负债业务中最重要的组成部分。然而，随着利率市场化的不断推进，央行逐渐放宽存款利率上限，各大商业银行争相提高存款利率，零售负债市场竞争愈加激烈，商业银行传统的零售负债业务面临着巨大的转型压力。
储蓄存款业务从本质上来说就是对客户数据库系统的分析与应用。业务人员只有在全面了解客户的家庭、收入、兴趣偏好以及风险偏好等信息之后，才能准确地把握住客户的存款需求。传统的储蓄存款业务由于信息处理技术落后，数据分析的准确性受限于抽样样本的随机性，导致分析结果出现偏差，无法准确了解客户的真实情况。而大数据分析技术不仅能对20%的结构化数据进行精确分析，还能有效运用80%的非结构化数据，提高数据分析的准确度。大数据不仅可以从内部掌握客户的属性数据、账户信息以及交易信息，还能通过外部网络了解客户的行为数据和渠道偏好等社会化数据，掌握客户的真实需求，并在此基础上设定产品，激发客户的存款兴趣。同时，通过多种渠道对产品的市场推广度、受众覆盖率、盈利能力以及用户的反应情况进行深度挖掘并进行产品的优化升级，发掘新的价值增长点。因此，深入应用大数据技术可以加深和拓宽零售负债业务转型的深度和广度。
2、大数据推动零售资产业务转型
零售资产业务是商业银行资金运用的主要方式，也是商业银行利润的主要来源之一。当前国内银行业零售资产业务以个人贷款为主，近年来表现出规模增长迅速、产品结构多元化的发展态势。以招商银行为例，截至2014年上半年，招商银行个人贷款余额为8630.54亿元，比上年末增长7.85%。然而，国内各大银行零售资产业务，尤其是个人贷款产品同质化现象比较严重，风险管理不到位，导致银行缺乏核心竞争力。在互联网金融的大环境下，商业银行运用大数据分析技术可以推动零售资产业务转型。 在个人贷款业务中，运用大数据可以实现个人贷款业务全周期各阶段的转型升级。在产品设计阶段，通过大数据综合分析客户的属性数据与行为特征。通过分析客户账户信息，了解客户家庭、经济、信用情况，再综合考虑多种渠道信息，如微博动态等社交网络信息，洞悉客户的消费行为偏好，制定差异化的贷款产品。在贷款申请阶段，大数据分析超越传统信用评分通过历史违约样本等本地化数据分析，形成了大数据信用评级分析法，银行利用大数据分析在极短的时间内对客户的消费、收入、职业、信用状况等信息进行整理，并迅速预测出其信用变动及未来行为状况，以支持信贷审批。在贷后预警的风险管理阶段，银行收集客户的交易记录，并且综合分析该客户的微博微信、邮件、视频、语音等非直接交易数据，进行数据的“二次挖掘”，并与历史信息进行对比分析，筛选出异常信息，加强对异常信息的关注度，实现实时监测。
3、大数据推动零售中间业务转型
中间业务是指不构成银行表内资产和表内负债的业务，它能够为银行带来丰厚的非利息收入。在利率市场化的大趋势下，商业银行依赖传统的利差收入难以维持长久稳定的发展。银行为了实现利润最大化的最优目标，必须大力发展中间业务。
根据帕累托“二八定律”，银行可以从关键的20%的客户中实现80%的利润。因此，有选择地甄别出这20%的核心客户，对提高银行的经营效率至关重要。在传统的客户关系管理中，商业银行缺乏对客户信息的整合，个人消费贷款、信用卡以及个人理财业务被分散到各个不同专业管理部门，客户信息存在片面性，无法对客户进行有效的分类，缺乏差别化服务，直接导致客户忠诚度的下降。而运用大数据，银行可以全面了解客户情况，而将客户的属性数据、账户信息、行为偏好以及生活场景结合起来进行分析，形成更加清晰准确的客户画像，并通过深度学习，从海量的客户数据中找寻复杂的规律，运用大数据的“聚类”功能进行客户的精细化分类，并从中识别出真正能给银行带来收益的优质客户。如在财富管理业务中，商业银行从财富、消费、年龄、教育、职业五个维度研究客户的金融偏好，建立零售业务数据仓库，为其提供针对性的服务，提高客户满意度和忠诚度，维护客户关系以防止客户流失风险。
三、构建银行零售业务大数据策略研究
在未来的银行业竞争中，对于数据的分析和挖掘将成为决定银行经营成败的关键。零售业务由于其本身拥有庞大的数据量，更能体现大数据分析的优势。在当前“新常态”经济背景下，随着互联网金融理念的不断深入，构建商业银行零售业务大数据模式对推动银行业的转型升级意义重大。
（一）搭建商业银行大数据平台，实现零售业务数字化管理
在大数据背景下，传统的数据库已无法满足大量半结构化，甚至非结构化数据的处理要求。因此，必须加快建立零售业务的大数据分析平台，整合银行内部自然数据，协同外部社会化数据，完善大数据环境下的银行数据分析，提高银行决策效率。
1、全面整合银行内部数据
商业银行在与客户联系的过程中，积累了大量的信息数据。这些数据几乎包含了市场和客户信息的方方面面。从现有客户的属性资料、账户信息，包括客户的性别、年龄、职业、收入和资产状况，到客户的交易信息、渠道信息和行为信息，包括交易时间、交易类型以及消费偏好。这些信息伴随着客户交易不断更新与积累，并储存到银行内部的数据库系统中，形成庞杂的分散化数据体。商业银行必须以内部信息技术系统为基础，整合银行内部各业务单位的客户关系信息，将各类渠道所有交易中的客户信息、记录综合起来，建立一个统一的数据分析平台，为银行经营决策奠定数据基础。
2、综合运用银行外部数据
商业银行必须重视加强对各类数据的收集和积累，打破传统数据边界，注重加强与社交网络、电商企业等大数据平台的交流与合作。商业银行在完善自身数据的基础上，积极建立与网络媒体的数据共享机制，通过多渠道获取更多的消费者数据信息。一方面，充分利用社交网络、论坛、微博、微信平台等新媒体工具整合现代化客户交流渠道，增强与客户的互动联系，打造人性化的银行品牌形象，维护良好的客户关系。另一方面，加强与互联网金融企业的合作。在众多网络交易的支付结算中，银行往往处于支付链末端，难以获取有效信息。因此，商业银行必须与电信、电商等互联网企业合作，加强数据信息共享互利，以形成更加完整的客户图像，促进客户管理的精细化与销售的精准化，实现零售业务数字化管理。
（二）基于大数据洞悉客户需求，提升银行经营决策效率
近年来，随着各外资银行进入中国市场，国内商业银行面临更加激烈的市场竞争，各大银行纷纷进入转型经营的深水区，普遍确立以客户为中心的服务理念，致力于拓展客户规模、增强客户粘度。然而与国外发达银行相比，国内银行业产品服务同质化现象依旧严重，缺乏对客户群的深度了解，造成客户依存度不足，客户流失概率大，严重影响了银行的日常经营。
因此，在大数据时代，商业银行的经营决策重点必须转向对客户需求和客户体验关注，提高客户粘度。通过大数据平台整合内外部数据资源，预测发现市场热点和发展趋势，树立“以需求为导向”的经营理念。深入分析客户行为和生活形态，勾勒客户整个生命周期的价值曲线，洞悉客户在金融产品、信贷、消费等方面的需求与客户流失的原因。充分运用微博、微信等社交网络平台的非结构化社会信息，建立新型的数据化投资策略模型。例如，根据微博中客户的情绪判断客户对银行产品的满意度，并以此为基础进行产品升级，有针对性的制定全流程的客户经营策略，并应用数据分析提升客户经营策略的持续优化能力。
（三）研究互联网金融时代的渠道经营策略，创新业务销售模式
商业银行通过销售渠道创新可以吸引客户，抢占市场先机。在互联网思维和大数据分析技术的时代背景下，银行应积极探索适应互联网金融时代线上线下相结合的渠道经营策略。线上根据大数据分析结论创新移动金融产品并依托预测模型开展精准营销。线下研究智能化、社区型银行网点的布局和服务方式，实现基于身份识别的定制化信息推送、远程智能开卡以及视频服务等。 此外，银行还应积极打造基于大数据的金融服务平台，应用多元化的产品销售模式。一是拓宽渠道，综合利用网上银行、手机银行、电商平台、短信微信推送以及第三方平台扩大受众群体。二是建立机构投资者和大客户的客户信息网络，实时跟踪客户投资偏好的变化，有针对性的进行产品服务的实时推送，加快转变传统 “跑马圈地”的粗放经营模式，实现“精准营销”的集约化方式的创新升级。三是关注市场动态，准确预测市场变化，基于大数据分析与挖掘，充分利用信息平台优势、结合产品市场动向，及时反馈市场变化，以辅助银行后台进行有效的流动性管理。
（四）借助大数据完善信贷审批模型，提升风险识别与计量水平
平衡收益与风险是银行维持长久发展的根本保障。随着利率市场化程度的不断加深，外部市场环境日益复杂，商业银行经营业务面临的流动性问题愈加严峻。面临不断提高的风险管理要求，商业银行应引入大数据思维，树立“用数据防风险”的新型风险管理理念。在大量的金融及非金融数据中，通过机器学习不断总结数据之间的内在关系，运用大数据相关关系分析法，结合机器算法模型找出隐藏在海量数据中的客户与风险之间的量化关系。充分利用银行内部历史数据以及阿里巴巴B2B、人人贷、淘宝等电商平台上积累的海量客户信用信息与行为数据，通过互联网数据模型和在线资信调查，确认客户信息，进行信用评级，并根据客户的信用等级实行差异化的贷款定价。数据规模的优势可以弥补数据质量的不足，并在极短的时间内对海量原始数据进行分析，更精确地评估客户的信用风险。同时，依托大数据，搭建风险计量与欺诈防范模型，实行现场跟踪调查与非现场信息分析相结合、数据定量判断与经验定性判断相结合，研究对授信客户从贷前到贷后全生命周期的风险监测手段，建立综合式的风险监控中心。由大数据系统根据客户的历史数据对其贷款额度和贷款利率进行每月动态调整，以大数据思维构建全面风险管理体系，淡化部门色彩，推行全银行风险管理，深度挖掘客户信息，真实展现授信客户的信用状况。注重贷后持续的风险监测，实时跟踪客户交易，若出现交易、存款等大幅度变动的异常情况，及时进行现场审查，以确保贷款安全。
（五）加强银行业大数据人才队伍建设，营造银行大数据文化氛围
随着海量数据信息的爆炸式增长，商业银行内部数据不再仅限于客户的基本自然数据，其数据的种类与规模快速膨胀，传统的数据管理系统已很难做出准确的客户分析。对于当前的大数据分析而言，需要分析人员具有更强的数据分析解读能力和应变能力。他们不仅需要精通数据建模和信息挖掘，还需要具备良好的银行业务知识，能够将大数据分析技术与银行业务完美地结合起来，其关键在于打造一支属于银行的专业化复合型大数据分析团队。
因此，各商业银行应积极实施人才战略，重点推进大数据人才队伍建设。重视人力资源管理，完善员工收入分配制度，激发员工工作的积极性与创造性。加强对银行员工的大数据分析培训及文化培训，增强团队凝聚力，打造专业化的大数据分析团队。完善银行岗位设置，在培养自己的大数据分析人才的同时，注重引进外界优秀的大数据人才，全面提高银行整体的素质，营造良好的商业银行互联网金融文化氛围。
四、结论
“新常态”经济背景下，随着利率市场化以及金融脱媒的不断深入，我国商业银行的发展面临着巨大的转型压力。零售业务作为未来银行竞争的焦点，是商业银行创造核心竞争力的关键领域，推动零售业务的转型升级对商业银行的未来发展至关重要。而随着信息技术与网络技术的不断普及，大数据金融思想逐渐深入人心。大数据由于其经济性、时效性的特点，逐渐应用于各类零售银行业务中，掀起了商业银行生产率增长的新浪潮，成为零售业务创新升级的关键。基于对互联网金融的深入了解，商业银行逐渐明确大数据时代的发展方向。基于大数据理念构建银行大数据分析平台，洞悉客户需求，提升价值创造能力，重塑零售业务销售与收入模式，完善银行信贷审批机制，加强大数据人才队伍建设，提高银行经营管理水平。
参考文献
[1] James Manyika， Michael Chui， Brad Brown， Jacques Bughin， Richard Dobbs， Charles Roxburgh and Angela Hung Byers.
Big data： The next frontier for innovation， competition， and productivity [R]. McKinsey Global Insti-tute， 2011.5。
[2]方方.“大数据”趋势下商业银行应对策略研究[J].新金融，2012，（12）：25-28。
[3]胡少华.美国消费信贷快速发展对我国商业银行的警示―基于风险控制的视角[J].金融理论与实践，2008，（8）：107-111。
[4]林国沣，方溪源.中国零售银行业的创新机遇：应对新机遇，捕捉新洞见[M].上海：上海交通大学出版社，2014。
[5]韦雪琼，杨晔，史超.大数据发展下的金融市场新生态[J].时代金融，2012，（7）：173-174。
The Study on the Transformation and Upgrading of the
Retail Business of Commercial Banks
――Based on the Analysis on the Big Data
LU Minfeng 1 YU Pengfei 2
（1 Bank of Jiangsu， Nanjing Jiangsu 210005；
2 School of Finance of Nanjing University of Finance and Economics， Nanjing Jiangsu 210046） Abstract： The financial disintermediation， interest rate liberalization and the rapid development of the internet finance in recent two years have a disruptive influence on the traditional business model of commercial banks. The transformation centered around customers and driven by innovations is the inevitable choice for banks to respond to the challenge. Due to the characteristics of the dispersed risk and stable income， the retail business will become more important in the future development of banks and become a key battleground in the transformation of banks. Using the internet and big data technology to make innovations on the business mode of retail business， to expand the new-type income source of retail business and to rise the integrated contribution and market competition ability are the important transformation development trend， which becomes the important task for commercial banks to study.
Keywords： commercial bank； retail business； big data
责任编辑、校对：张宏亮
转载注明来源:https://www.xzbu.com/2/view-11992952.htm
