产品、渠道、客户、服务、技术、风险管理是银行竞争力集中表现，这六者缺一不可，并且相辅相成。在银行3.0时代，这六个方面在离不开数据，因此在继续银行3.0时代有关银行商业模式和竞争力的讨论前，将先会讨论数据，这里的数据不是指简单的数字，简单的量化，简单的统计。而是特指能够体现某些相关性的数据，具有商业价值的数据。业已认为，在银行3.0时代，数据将成为企业包括银行的核心竞争力之一。
银行的3.0时代数据成为基础架构在讨论数据成为银行基础架构之前，先分享一下民生银行直销的案例：
直销银行已成为银行转型中的亮点
民生银行直销银行上线两个半月之后，其客户数已经达到35万户，资产规模超过140多亿元，这一成绩超出预期。民生银行直销银行2月28日正式上线，截至5月14日，民生银行直销银行有效客户数已达35万户，资产规模达140多亿。数据的构成或能更为直观地看到民生银行直销银行带来的突破。35万客户中，其中14万客户来自民生银行原有渠道，包括传统营业网点、手机银行等，在直销银行上线的第一个月，原有客户几乎占了全部；另有3万客户来自民生银行信用卡客户，16万客户来自中国电信翼支付客户，还有1万客户来自盛付通。要相对直观地衡量这一成绩，可以将其与一个支行网点对比。一个支行网点一年忙下来可能的增量也只有几万户。新增“外来户”占比正在逐步提高，5月13日一天，新增部分中仅有六分之一来自民生银行原有客户，其余全部为“外来客户”。这35万客户带来了140多亿元的资产，其中类余额宝产品“如意宝”占139亿元，活期存款1个多亿元，“随心存”3000多万元。140多亿元的资产中，仅有15亿元来自民生银行原有客户，其他均为“外来”客户，可见直销银行的强大竞争力。
数据证明了直销银行的竞争力，为民生银行直销银行发展提供数据支持银行拥有大量的客户和交易数据，每天客户都在利用自己的资金进行交易，每个企业和客户商业行为，社会行为，个体行为在发过程中不可避免涉及金融交易，简单地说人们在价值创造和价值传递的过程中，金融需要是必不可少的。因此金融交易数据将会出现在大量社会场景中。银行掌握了这些数据，在未来的发展中，这些数据将发挥巨大的作用，利用这些数据可以分析其相关性、因果概率、风险定价、精准营销、客户管理，开发产品、拓展渠道、发现规律、建立模型等等。海量的数据分析将导致数据从量变到质变，基于商业需求，帮助银行提升竞争力和商业价值。
在阐述具体的数据分析理论先提出几个案例假设，来介绍数据为何可以创造价值，为何是银行未来发展的基础架构。
信用卡精准营销
如果一个人在下午５点左右来加油，其可能有较大的概率在周围用餐，并且依据个人的过去的消费习惯，每次用餐费用不超过200元人民币，银行是否可以将周边符合客户消费习惯的餐馆推荐给他。并向商家收取部分费用，或者交换数据等等（来自于《大数据时代》维克托迈尔－舍恩伯格,肯尼思库克耶）
贷款风险管理如果银行依据数据发现，某个行业的人在35岁左右，收入将会大幅度提升，但是在55岁左右会大幅度下降，并且在32岁左右,大部分人需要贷款买房，并在３８岁左右形成消费高峰，否银行可以依据此数据为此部分客人提供二十年期的住房贷贷款和消费贷款。
企业融资需求基于数据，一个企业每年都可以从一些大型企业收到货款，并且逐年增加，但是该企业帐面上的现金却逐渐减少，是否意味着这个企业正在扩张，但缺少资金支持，是否可以提高企业信用额度，并提供信用贷款等。
季节消费信息一些客户在每年某个月都会出去旅游，一些客户在某个月需要付钱给教育或培训机构，一些客户每年一段时间会支付一些费用给医疗机构。今年客户支付给学龄前教育机构的交易笔数相对去年有较大增长，今年客户支付到海滩旅游的交易笔数比去年有较大增长，客户买车的消费在过去几年一直在逐步增加等等这些都是具有商业价值的信息，无论对企业和银行，通过数据预知客户需要和消费趋势都是至关重要的。
行业发展信息用于房屋建设用的水泥、钢材、大型设备租赁等行业现金收入逐步减少是否意味着房地产行业出现了危机，是否要提高这个行业的风险等级。某一个市场份额占有巨大的公司将取消某个产品，未来主要生产另外一个产品，是否意味着旧产品的供应链厂商风险评级变换，现金流回出现变化，新产品的供应商是否可以提高风险评级，提供设备融资服务等。
以上的几个例子说明的数据如果加以利用，找出数据背后的价值，将会对银行的发展起到重要的作用。下面谈谈银行3.0时代如何进行数据价值挖掘和使用。由于本文仅仅用于阐述银行3.0，对大数据技术中基本概念不再介绍，重点阐述银行未来如何进行实践。
一、数据治理
一句经典的话，GarbageinGarbageout，数据质量没有保证。而保证数据质量，数据治理是必须的手段。数据如果需要体现价值则必须对数据进行统一定义，统一归口标准化，数据来源统一，汇总统一，数据覆盖全面。这里引用《DAMA数据管理知识体系指南》一书给出的定义：数据治理是对数据资产管理行使权力和控制的活动集合（规划、监控和执行）。数据治理职能指导其他数据管理职能如何执行。在有关数据的战略、组织、制度进行统一管理，将数据管理协同在一起，让银行的数据通过统一的视图展现。
二、数据分类
据分类属于数据治理范畴但是对其对数据挖掘十分重要，因此重点阐述，这里大部分采用数据治理专家。州利为软件合伙人，刘辰的分类方法。对于银行用户最重要的数据应分为基础数据（主数据），交易数据，参考数据，统计数据。元数据（metadata）由于太专业因此不再这里进行详细介绍
基础数据（主数据）主要是指客户管理相关数据，记录了客户和企业的基本信息，包含个人企业识别信息，行业归类信息，客户主要特征信息，主要关注的是“人”和“物”，主数据管理（MDM）目的是建立统一视图，让客观世界里本是同一个人或物，在数据世界里也能做到唯一识别。
交易数据主要是指银行系统或渠道中产生的交易行为，关注的是发生的事件，时间，地点、金额等，交易数据时BI分析的基础，
参考数据主要是指交易行为发生原因，目的，金额、选择等是更细粒度的数据，是对“人”“事”“物”的某些属性进行规范性描述的，对参考数据的管理一般会与主数据管理同时进行，或与BI数据质量管理同时进行，因为指标维度和维值直接影响到BI数据质量；
元数据一个包罗万象的概念，其本质是为数据提供描述，所以任何数据都有元数据。
统计分析数据（指标）主要是在实施相关数据分析后产生的具有商业价值的数据，其来源主数据、交易数据、参考数据的商业化分析，体现为各种指标和报表的计算和展示。概率论，统计论很多知识用于此指标展示。
三、银行3.0时代数据特征
1.数据足够大并且覆盖范围广
银行3.0时代的数据分析中的数据来源因应覆盖各个纬度，数据来源的全面性将会对数据分析结果的覆盖范围和有效时间产生影响，数据来源可以基于客户，基于产品，基于交易时间，基于行业，基于交易类型等。样本空间足够大，数据充分，具有说服力。
2.数据隐私应受到保护海量数据经过处理后可以体现商业价值，但是也是一把双刃剑，如果处理不好，将会造成客户隐私泄露，因此保护客户隐私成为重中之重。3.数据用于相关性分析和战略支持
数据提供了具有价值的信息，但是绝对不能成为数据控，让数据来决定一切。数据只能作为一个产品或战略的辅助工具，来进行规律和趋势分析，起到辅助作用。产品开发、战略决策、风险管等等，都应该有具有经验和能力的金融专家来决定。千万不要让数据来决定，应为很多参考因素是不能被绝对量化的，需要人类的智慧来判断。数据分析虽然重要但是其仅仅是用于相关性分析，辅助因果分析的。银行3.0时代强调数据的重要，强调数据的价值，但是也更强调专业人才重要性。战略决策应由具有能力和胆识的银行专业人士决定，而不是数据。千万不要掉入数据统治的陷阱。
3.数据分析工具不同
银行3.0时代区别于以前的时代，面临的数据是海量的，非机构化的，相关性弱的数据。并且数据来源不仅仅来源于自身核心系统和产品渠道系统，还来源于移行互联网例如手机APP，客户LBS，客户社交行为，客户反馈，客户需求，以及外部购买的分析数据，外部提供的数据等等。面对如此复杂的数据，只能采用大数据的技术工具进行分析和计算。银行员工的大数据知识和思维至关重要。
既然谈到了大数据，就谈谈大数据时代典型了三种公司类型。
1）拥有大数据并且可以利用大数据的公司。例如Mastercard和亚马逊
2）大数据技术提供公司例如埃森哲,IBM
3）大数据思维公司例如goolge和Salefore
对于银行来讲在3.0时代，其是大数据掌控公司，但是必须借助于大数据技术公司的技术和产品，以及大数据思维来实现数据创造价值。银行业务人员和科技人员的产品的了解、商业逻辑、市场判断、风险管理专业知识、大数据思维都至关重要。
最后对本文进行一个总结
1.数据是未来银行的重要基础架构因为其可以帮助银行开发产品，提高风险管理能力，提升客户体验，降低成本，提升效率，进行决策支持。
2.数据应该覆盖全面，需要进行数分类和数据治理
3.在利用数据的同时，客户隐私的保护也同样重要
4.应具有大数据思维，采用专业数据公司的产品和技术，进行数据挖掘
5.数据的来源不局限于银行系统，还应来源于客户社交数据
6.认清数据的重要性，但是不让数据统治一切，其仅提供决策支持
7.数据主要用于规律，趋势等相关性分析，因果分析应取决于专业人士
本人并不是金融行业的专家和学者，完全是利用自己的一些金融常识，从业经验及互联网知识，基于自身爱好来进行创作。可以说是半个外行人士看内行发展。部分观点可能仅看到了一个点，没有系统地阐述，缺少扎实的金融知识作为支撑，只是从表面上来进行讨论，没有涉及到一些专业、本质的问题。欢迎阅读的人士提供宝贵的意见，我将查阅资料进行学习和提高。
本文网址：
