第12章 數據服務

銀行通過數據治理，保證了數據作為重要資產的價值。數據是重要資產的觀念已經在金融行業成為共識，但要發揮數據資產的作用，還需要一個對數據進行加工處理、分析挖掘的過程。價值并不是簡單地浮現在數據的表面，數據內在的規律、知識才是其最為核心的價值。此外，在大數據時代下，銀行業隨著信息化建設以及互聯網金融沖擊，數據也呈現出了爆發性增長、多樣化演變的趨勢，原有的小系統、結構化數據的抽樣、小規模分析已經不能滿足發展的需求，急需借助大數據戰略打破數據邊界，囊括聲音、影像等非結構化數據的加工處理，來構建更為全面的銀行全景視圖。

與其他行業相比，大數據對銀行更具有潛在價值。麥肯錫公司的研究顯示，金融業在大數據價值潛力指數中排名第一。這主要是因為，一方面，大數據決策模式對銀行更具有針對性。發展模式轉型、金融創新和管理升級等都需要充分利用大數據技術、踐行大數據思維。

另一方面，銀行具備實施大數據的基本條件：一是數據眾多，銀行不僅擁有所有客戶的賬戶和資金收付交易等結構化數據，而且擁有客服音頻、網點視頻、網上銀行記錄、電子商城記錄等非結構化數據；二是銀行擁有處理傳統數據的經驗；三是銀行業較高的薪酬水平能夠吸引實施大數據的人才；四是充分的預算可以利用多項大數據新技術。

因此，銀行應從大數據就是大資產的高度，盡早制定大數據戰略，研究、應用大數據，分享大數據所帶來的利潤。業務發展對大數據在數據服務時效、分析挖掘能力，以及對行內行外、線上線下多樣化海量數據的融合與綜合應用等方面提出更高的要求。因此，夯實大數據基礎是利用大數據推動業務發展的源泉和基石。大數據分析基礎性建設工作，是在一定的數據規范要求下，通過數據質量和數據標準管控，不斷豐富基礎數據的來源，擴展處理數據的類型，將銀行數據整合并納人大數據基礎平臺，依托云服務，提供集成型的數據服務和各類分析挖掘工具，實現業務數據的集成與共享，滿足不同時效性的分析需求。為適應大數據時代海量數據分析挖掘的需求，銀行應從優化數據布局、提升數據集成處理能力、強化數據管控等方面提升對結構化數據和非結構化數據的集成和管理能力，為分析挖掘工作奠定堅實的數據基礎。