数据是未来银行的核心竞争力之一，大数据对银行的数据驾驭能力提出了新的挑战，也为银行获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。
2012年以来，“大数据”一词越来越多地被提及，人们用它来描述和定义信息爆炸时代产生的海量数据，以及与之相关的技术发展和数据应用。随着人们生活信息化程度的提高，特别是伴随物联网、移动互联网、社交网络的快速发展，如何从各种类型的海量数据中快速获得有价值的信息成为数据挖掘和分析的新热点，这也是大数据应用的基本目标。
数据是未来银行的核心竞争力之一，大数据对银行的数据驾驭能力提出了新的挑战，也为银行获得更为深刻、全面的洞察能力提供了前所未有的空间与潜力。目前，互联网、电子商务等新兴企业在产品创新能力、市场敏感度和大数据处理等方面拥有明显的优势，并已涉足金融领域，阿里巴巴已开始利用大数据技术提供金融服务，通过其掌握的电商平台阿里巴巴、淘宝网和支付宝等的各种信息数据，借助大数据分析进行贷款审批。因此，探索大数据背景下的银行数据服务体系的建设方案，已成为商业银行提高自身竞争力需要解决的现实问题。
一、商业银行数据服务体系建设
银行业一贯重视数据的战略价值，各大商业银行对于传统的结构化数据的挖掘和分析仍处于领先水平，在数据仓库和BI应用上已有多年的积累，开发了客户关系管理、运营管理、风险管理、财务管理等领域的各类应用，为企业的生产经营提供了科学依据。虽然现在国内商业银行对大数据的实际应用还比较少，但银行业对在其IT体系中引入大数据处理的必要性是基本认同的；大数据技术已经得到了大多数银行的关注，有部分银行正在进行相关的调研、论证与测试工作。
在大数据时代背景下，商业银行的数据资产中，除了传统的结构化数据库，还应建设包含非结构化数据、半结构化数据的信息库（如图l所示）。传统结构化数据库中包含客户数据、员工数据、交易数据、财务数据等，信息库中既包含机器产生的半结构化数据（如网银/网讯点击流与日志数据、渠道通信数据、网点/ATM传感器数据等），又包含非结构化数据（如社交媒体数据、图像处理、声音/视频存储与处理、资讯类信息、规章制度、业务知识等）。商业银行数据服务体系的建设目标即是整合结构化数据库和非结构化信息库中的数据资源，通过信息价值挖掘、用户行为分析、智能推荐引擎等技术手段，对企业掌握的信息资源进行统一管理和利用，使数据信息产生最大化价值，为管理决策者、专业分析师、营销人员和重要客户提供数据挖掘、数据分析、统一检索、信息定制等综合信息服务，如：
（1）及时推送金融分析、行业热点及舆情分析类信息，为管理人员提供决策支持；
（2）通过统一检索服务为行内各专业的分析师提供快速便捷的信息获取方式，实现全行管理信息的集成与共享；
（3）提供客户行业、来源、类型的业务动态、客户动态和市场信息，帮助营销人员及时发现营销机会并实现主动精准营销；
（4）通过网银、邮件等形式为重要客户定期提供可定制的、高附加值、专业化的信息增值服务，增加客户的忠诚度。
在上述数据服务架构中，银行需要拥有强大的大数据处理能力，才能使数据真正成为核心竞争力。与传统数据库管理工具处理相比，大数据处理在各环节（如获取、存储、检索、共享、分析和可视化）上都面临很多问题。大数据处理的基本框架主要包括数据存储和组织、计算方法、数据分析、用户接口，以及在整个数据管理过程中需重视的数据质量、数据安全、数据监护等（如图2所示）。
首先，大数据处理需要合理地存储与组织各种大数据，不合理的数据存储策略会增加网络和存储I/O开销，降低系统性能；传统的集中式存储策略无法提供良好的I/O访问效率，大数据处理往往采用分布式存储策略，如谷歌公司的GFS和Hadoop项目的HDF等文件系统。
其次，大数据处理需要设计高效的计算方法来管理海量数据，例如分布式计算、数据流技术、新硬件技术、高性能计算等，其中分布式技术是目前的研究热点，如采用MapReduce等设计更简洁的分布式计算架构来管理大数据，降低系统开销。
再次，大数据处理的数据分析层主要采用语义分析和数据挖掘等技术手段，发现隐藏在海量数据背后的知识和规律。用户接口层主要通过海量数据可视化、数据库服务（Daas）和云计算等手段为用户提供操作接口和展示界面。
最后，数据质量、数据安全和数据监护贯穿大数据处理的各个层面。数据质量高低直接影响数据处理的成败，在大数据应用中，数据来源更广，因而数据质量问题也更为严重。数据清洗技术可以提升数据质量，但无法完全解决数据质量问题，因此大数据应用仍需在数据质量较低的情况下进行查询分析，并获得查询分析结果。由于大数据应用往往涉及诸多用户和机构，数据安全的重要性不言而喻，通常在数据存储与组织层，需要考虑以密文方式存储；在计算方法层和数据分析层，需要考虑设计数据存取策略，访问权限分配；在用户接口层，需要制定服务执行的访问策略。数据监护则是指对数据资产的选择、维持、维护、收集和打包的整个过程。
二、商业银行实施大数据战略的注意事项
在大数据时代背景下，银行实施大数据战略，完善数据服务体系是一个长期的、持续的、迭代的过程，在建设大数据服务体系过程中应注意以下几方面。
1． 大数据战略不仅包括数据仓库的建设，还包括数据标准化和数据管控体系的建设
在开发各项数据主题应用功能的同时，同步建立数据标准化体系、数据质量保障体系、信息安全管控体系，才能确保整个大数据开发战略高效率、高质量、可持续发展。商业银行在实施大数据战略过程中要避免走入“重数据应用，轻数据管控”的误区，如果过分看重数据的业务应用，追求“短、平、快”地从海量数据中淘出“金子”，而忽视了数据管控的重要性，将导致整个大数据战略实施过程中缺乏统筹规划、业务应用信息准确性不高、信息安全泄漏等重大问题。
2． 大数据战略的实施需要成立全行级的信息管理委员会，由信息管理委员会统筹规划，协调各部门通力配合，推进项目发展
银行实施大数据战略的主要目的是为了能给银行带来实际效益与应用价值，是为服务银行经营和管理，不应该只是技术部门的“独角戏”。如果各相关业务人员不能一开始全身心地投入进来，大数据开发就无法为他们量身定做适合业务发展需要的应用功能，难以真正地推动业务创新和发展。另外，信息成果作为银行实施大数据战略过程中产生的核心财富，需要在规范、安全的信息管理体系中开发、使用与保存。信息管控涉及信息管理、软件开发、运营管理、财务管理、营销条线等业务部门，需要多部门的共同努力。
3． 在大数据战略的实施过程中，应积极推动传统业务渠道与移动通信、云计算等新兴技术整合，促进信息集中、共享、整合
一方面，要走出去，与移动网络、电子商务、社交网络等大数据平台融合，提高大数据数据挖掘与分析的数据质量；另一方面，要请进来，与数据分析专业厂商合作，对存量大数据进行综合处理与分析，建立完善内容涵盖全面、功能丰富齐全的数据服务体系。
大数据将掀起银行业的精细化管理革命和竞争，商业银行应抓住机遇，构建新型数据服务平台，为改善服务质量、提升经营效率、创新服务模式提供技术支撑，全面提升运营管理水平。
