旺旺财经
更新时间：2024-01-11点击：644
银行每天都会产生大量的数据。这些数据若只是不断堆积，而不加以有效地利用，不仅是银行的损失，也会成为银行的包袱。BCG曾有报告指出，银行业每创收100万美元，平均就会产生820GB的数据。
如此多的数据，要存储起来一定会产生很高的成本。如果能有效利用起来，就可以产生很可观的经济效益。目前，在国内外的部分银行，有很多比较成熟的大数据应用案例。
部分案例如下：
未来，随着开放银行战略在越来越多的银行落地，更多标准的API接口向外开放，也必将会有更多的数据产生。
数据金矿还是数据垃圾？
虽然上面的部分银行有了一些成熟的大数据应用，但更多的银行大数据总是面临着“大而不强”的尴尬局面。
随着移动互联网的发展，用户们的金融行为越来越多地在线上发生，数据的获取也更容易。不过，现在来看，更多的数据是堆积起来的，而不能合理地利用起来。
一开始，信息技术采用的数据集成手段是建一个数据库，吸纳各类数据，后来发展成数据湖。不过，并不是所有的数据湖都能产出真正的价值。
商业智能(BI)软件专家，金字塔分析公司的首席技术官Avi Perez曾表示，许多的数据湖正在恶化为数据沼泽——完全无法接近终端用户的大量数据存储库。
“他们更像是在收集灰尘。”Perez说，“也可以说在收集垃圾，一些最终都会被抛弃的垃圾。最后，你为那些东西增加了预算，却什么都不做。”
每天产生的大数据，是垃圾还是金矿？这取决于我们对待大数据的态度和方法。
商业银行要做好大数据应用，首先要解决两个最主要的问题：第一个问题是数据质量的问题，如何有效地整合分割数据；第二个问题是如何解决数据孤岛问题，从内部数据转型，孵化出新的数据，以及跨界、跨业合作。
数据成金的要诀
银行数据量大但使用深度不高，数据应用技术的响应不够快，数据实时性不强，同时还面临IOT、移动端、CRM数据繁杂不统一等问题，都成为了阻拦银行业通过数据驱动业务升级的拦路石。
为了解决这些现实问题，也为了避免数据沼泽的形成。我们需要对大数据进行重构。
其一，数据标准化生产。数据标准化是将数据的相关要素进行归集之前，就对数据进行筛选。郭炜表示，“数据的每一次产生和使用都是确定的，是否要存留是根据我们数据使用者的情况去做的。”
其二、数据分类。在对数据进行标准化规范之后，在对数据进行相应地分类，便于以后提取和整合。以往的数据堆积，很容易造成数据的杂乱。就如浏览器的收藏家，每一次都不分类地往里边丢东西，时间一久，我们会发现里边的东西实在太多了，完全没什么心思去看了。
其三、数据分配。数据分类是将数据在数据湖里的进行分门别类，而数据分配是将需要被提取和利用的数据合理分配到需要的各业务条线上，也就是大数据精准利用。
其四、数据的核验和清洗。当数据被利用完以后，核验其数据价值和实际效果，进而反馈到数据采集的环节，对数据采集环节进行优化和迭代，对无效数据进行清理。如此数据湖的数据才是流动的，才能保持价值流通，一定程度上避免数据湖恶化成数据沼泽。
其五、数据开放。对于银行而言，数据开放大多是危险的。随着开放银行战略不断走向深入，数据开放的问题也势必会被摆上议程，但这需要一系列的制度配套和治理环境。
数据价值是银行的重要风控标志之一，数据并不可以改变风险，但可以把风险量化。数据越精准，风控能力就越强。借助信用科技的力量，银行能够提升银行产品定价、资源配置、数据安全和风险管理能力，更好的发挥数据价值的应用。信用科技是技术驱动的金融创新，遵循金融本质，以数据为基础，以技术为手段，帮助金融行业提升效率与降低信用风险。