您好, 访客   登录/注册

商业银行经营管理优化策略研究

来源:用户上传      作者:董倩

  【摘  要】随着移动互联网、云计算、大数据挖掘技术的不断发展,大数据在银行业领域的应用日趋深入。论文以大数据时代为背景,对大数据在商业银行中的应用现状和存在的问题进行研究。论文运用SWOT分析法對商业银行目前的优势、劣势、机遇和挑战进行分析,发现现阶段银行业在经营管理上的问题,结合大数据应用,从精准营销、客户关系管理、风险控制和用户信用管理四个方面,提出优化商业银行经营管理的策略。
  【Abstract】With the continuous development of mobile internet, cloud computing and big data mining technology, the application of big data in the banking industry is increasingly in-depth. Taking the big data era as the background, the paper studies the status quo and existing problems of the application of big data in commercial banks. This paper uses SWOT analysis method to analyze the advantages, disadvantages, opportunities and challenges of commercial banks at present, and finds out the problems in the operation and management of the banking industry at this stage. Combined with the application of big data, this paper puts forward strategies to optimize the operation and management in commercial banks from four aspects of precision marketing, customer relationship management, risk control and user credit management.
  【关键词】大数据;商业银行;经营策略
  【Keywords】big data; commercial banks; operation strategies
  【中图分类号】F830.33                               【文献标志码】A                                   【文章编号】1673-1069(2020)04-0031-02
  1 商业银行业大数据应用的特点
  2017年人民银行和银保监会分别在《中国金融业信息技术“十三五”发展规划》中提出,商业银行要引入大数据等新技术,推进大数据基础设施建设,加快推动银行业务创新,加强风险控制能力。大数据已经被提升到了国家战略高度,在银行业运用过程中取得了一定的成果[1]。
  数据容量大。我国商业银行长期的业务开展,使得银行业“天然”拥有海量数据,商业银行的主要数据是围绕柜面业务系统、信贷管理系统和风险控制系统等产生结构化数据。商业银行推出的电子金融服务系统,使得一些非结构化的数据信息开始产生,包括指纹和人脸识别等。数据结构复杂,移动互联的发展促使半结构化、非结构化数据爆发式增长。数据资产化,利用价值大。商业银行在稳健经营中对数据的准确性有很高的要求,利用好银行已有的海量数据,应用在客户识别、风险识别和产品营销等不同场景下,更好地实现数据资产的增值。
  2 基于大数据应用的商业银行经营策略的SWOT分析
  2.1 拥有的优势(Strength)
  成本控制优势。随着信息技术发展,商业银行能够实现现有业务流程的自动化,大大降低了物理网点的工作人员数量,降低了银行的运营成本。随着云计算能力的提高和技术的成熟,云计算系统中的数据均保存在“云”端,减少关于IT基础设施的建设、单位数据存储和处理的成本。
  营销效率优势。商业银行通过本身的海量数据进行深度挖掘,对客户进行静态特征、行为特征、倾向预测三个层次的刻画,构建客户体系,进行营销活动的精确推送。通过分析客户上下游相互关系,了解客户间业务等往来情况,发掘新的潜在客户,确定交叉销售目标,提高了客户服务效率及营销精准度。
  风险管理优势。银行在传统风险控制方面积累了丰富经验,这些为大数据挖掘、传输、存储与安全应用提供了相对成熟的基础环境。将大数据、人工智能等技术作为风控工具应用到风险控制工作,提升风险控制效率和精准度。
  2.2 存在的劣势(Weakness)
  业务同质化。我国商业银行盈利的主要业务是贷款业务,少有针对客户需求设计开发的特色产品。因此,大数据的应用范围可以深入其他能够盈利的业务,如银行业的中间业务。利用大数据优势,找准银行的自身业务定位,打造差异化的竞争模式。
  数据共享程度不高。各家商业银行均拥有自己的系统,出于自身利益考虑,几乎不存在分享机制,导致大数据基础建设效率低、数据利用率低、在整体上缺乏系统性,各银行只能描绘客户在本行的交易画像,不能展示出客户的金融全貌。   2.3 拥有的机会(Opportunity)
  强化优势。商业银行传统所具备的安全、稳定、诚信等优势可以通过大数据应用进一步巩固强化。在风险管理中进一步利用大数据,提高银行自身的安全性。在营销方面,不断完善客户画像,了解客户真实需求,实现精准营销。成本控制方面,随着大数据技术的不断成熟,人力成本、设备成本和运营成本也将不断降低[2]。
  金融产品的创新。在大数据时代,银行业不断进行产品创新,以满足客户个性化需求。这就需要深入了解客户的核心需求,利用大数据建立数据模型,为其定制专属于消费者自己的金融产品,提升用户的体验满意度。
  2.4 面临的威胁(Threat)
  银行业与互联网金融企业的竞争加剧。信息技术的快速发展,促使互联网金融呈现出爆炸式的发展态势。互联网金融模式具有资金配置效率高、交易成本低、支付便捷、普惠性等特点。互联网企业加快布局金融业,对整个银行业的核心业务产生冲击,挤占了原本属于传统银行业的利润空间。
  数据的安全性问题。首先,随着互联网技术的发展,数据量的大幅增加导致了数据的严重失真,大量无序低效的无用信息混进数据库形成垃圾数据,增加信息误读的风险。其次,商业银行运用云平台也伴随着一定的风险:一是网络系统与存储中心可能存在漏洞引起技术安全风险;二是海量客户信息与个人隐私信息的泄露风险。
  3 基于大数据应用的商业银行经营管理优化策略
  3.1 精准营销
  大数据应用更强调相关关系释放出的潜在价值。商业银行拥有海量数据,可利用聚类分析,挖掘出更多数据中含有的潜在特性,帮助商业银行进行市场细分。通过大数据挖掘中的关联分析相关关系,发掘新的潜在客户,确定交叉销售目标。大数据不断推进金融产品创新。商业银行通过大数据挖掘为客户提供差异化服务和定制化价格。根据对海量数据的分析预测,建立相应策略模型,掌握客戶的消费习惯和行为特征,实现创新式的营销、无缝多渠道的销售、个性化的服务[3]。
  3.2 客户关系管理
  商业银行业务同质化严重,客户管理十分重要。在互联网背景下,金融脱媒现象加速,碎片化金融产品抓住了市场需求,提供差异化产品的同时也剥夺了银行的客户资源。因此,运用大数据挖掘方法可以为商业银行提供更精确的客户关系管理。商业银行可以与其他行业或大数据公司形成合作关系,以获取客户出行、交易习惯等数据,进行客户信用评分,当客户提出需求时,商业银行利用人工智能进行判断。商业银行还可利用大数据更精准地预测客户流失概率,并对相应超过客户流失概率阈值的客户实行定制化客户挽留措施[4]。
  3.3 风险控制
  银行业作为高经营风险的行业,风险控制是其生存和发展的基础。通过大数据技术扩容传统商业银行风险管理的数据源并处理半结构化和非结构化的各类数据,构建大数据风险管控平台,全面收集客户的数据。注重内外部数据的融合,整合银行内部积累的金融信息,同时,获取外部数据或公共信息等数据,降低信息不对称程度,增强风险控制能力。建立风险管控模型,可以借鉴国内外同业的做法,设计符合实际要求的模型,根据实际情况开展训练,输入实际的数据进行模型训练和验证,合理地改进模型的配置参数,提高模型的准确度[5]。
  3.4 信用管理
  商业银行信用风险管理对商业银行的贷款决策具有显著影响。商业银行要构建人工和数据相结合的模式,运用大数据挖掘技术,集合内外信息资源,形成覆盖所有机构、所有客户、所有产品的实时监测分析和预警控制网络,提高信用风险预警水平。利用大数据,实现贷款业务的贷前、贷中和贷后全过程管理。强化贷前风险识别,在客户审批阶段,依托行内信用数据库、评级系统及反欺诈平台,提前对客户可能存在的违约风险进行精准判断;强化贷中审批自主化,大数据信贷审批系统以风控评分卡模型的自动审核为主,加以人工审核进行辅助的模式;强化贷后风险监测,商业银行要建立信贷投放、资产质量等多维度的信用风险日常监测指标体系。
  【参考文献】
  【1】韩雪峰,朱青,马文捷.商业银行应用大数据的安全风险防范研究[J].江苏商论,2017(11):88-92.
  【2】齐贵柱,齐苑博.大数据时代商业银行大数据分析研究[J].财经界,2019,500(01):128-129.
  【3】屈波,王玉晨,杨运森.互联网金融冲击下传统商业银行的应对策略研究——基于SWOT分析方法[J].西部金融,2015(1):41-45.
  【4】严文枢.关于商业银行大数据应用的思考和探析[J].福建电脑,2014(7):68-69.
  【5】信怀义.商业银行大数据的应用现状与发展研究[J].中国金融电脑,2016(8):26-28.
转载注明来源:https://www.xzbu.com/4/view-15266207.htm