论文部分内容阅读
摘 要：在大数据时代，商业银行的数据信息应用方式会对业务发展起到相当重要的作用。本文通过介绍大数据的概念及起源、大数据的特点以及大数据的企业级应用，对大数据时代商业银行未来信息的应用模式进行概要解析。
关键词：商业银行 大数据 哲学思考 企业级应用
中图分类号：F832.2 文献标识码：A 文章编号：2096-0298（2018）12（a）-015-02
在继物联网、云计算及区块链等颠覆性技术之后，互联网领域出现的大数据正在对现有的社会组织结构、企业管理流程、业务营销方式等进行重新定义，对金融、体育、制造、建筑、服务等在内的各行各业以及人们的社会生活产生着相当重要的影响。著名的管理咨询公司麦肯锡曾预测到：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”
1 大数据的概念及起源
大数据的概念在不断发展，一般来说是指数据量大到用常规方法无法进行处理的蕴含着价值信息的数据集合。随着物联网技术与可穿戴设施的快速发展，数据存储的规模及内容的复杂性呈几何数量增长，由此积聚起来的海量数据的存储及处理运用方式即是大数据所要关注的重要问题。
1.1 大数据的发展历程
第三次信息化浪潮带来的信息科技技术支持创新、数据产生方式变革等推进了大数据的出现。数据的存储运用曾是以数据库应用为重点，而伴随着互联网数据传递的普及，出现了对海量数据的存储及运用的需求，而存储设备容量不断增加、CPU处理能力大幅提升、网络带宽不断增加等技术基础的实现也在客观条件上促成了大数据的出现。大数据发展历程具体包括以下三个阶段：20世纪90年代至21世紀初期，在这期间数据挖掘和数据库技术逐渐完善，商业智能工具和知识管理技术开启实践应用，如数据仓库、专家系统、知识管理系统等；21世纪前10年，Web2.0应用快速发展，非结构化数据大量出现，传统数据处理方式难以应对，大数据解决方案逐渐汇集成并行计算和分布式系统两大重点技术；2010年以后，大数据应用逐渐覆盖到各行各业，以数据支持业务运营，使得社会信息化程度大幅增强。
1.2 大数据的特点
（1）数据体量大。随着全球范围内各类IT设备的普及，互联网领域出现迅速增长的访问数据量，加之监控摄像机或智能电表等物联网设施产生的爆增数据，人类社会产生的数据存储近几年一直以50%速度增长。到2020年，数字存储规模将超出预期，达到40ZB，相当于地球上所有海滩上的沙粒数量的57倍。而尽管信息时代数字存储规模前所未有地持续膨胀，但仅有0.5%的全球数据得到了分析运用。
（2）数据类型多样。大数据的数据类型丰富，包括结构化数据和非结构化数据。其中前者仅占15%左右，均为存储在关系型数据库的数据。后者占85%，主要包括邮件、视频、音频、图片、链接信息、网络记录等。大数据具有异构及多样的特点，很多数据没有明显的结构模式，多类型对数据处理能力提出了更高的要求。
（3）处理速度快。对数据处理的时效性要求高，需要对数据的采集、分析和处理连贯性地进行。在Web2.0应用领域，在1秒内全球会发送2.9百万封电子邮件，苹果能下载4.7万次应用，百度产生90万次搜索记录。而每天Youtube会有2.88万个小时的视频上传，亚马逊上将产生6.3百万笔订单，Google上需要处理24PB的数据。这些都需要以大数据的处理方式快速高效的完成。
（4）价值密度低。大数据的价值密度远低于传统关系型数据库中的数据，随着物联网的广泛应用，信息感知无处不在，很多有价值的信息都是分散在海量数据中的，以住宅监控视频为例，连续不断的数据记录仅在发生盗窃等意外情况时会有查询确认的价值。而怎样通过有效的算法模式快速地提取存储数据的价值，是大数据时代需要重点解决的难题。
2 大数据的哲学思考
大数据的最重要特征是以海量数据来展现客观规律，重视现象间的关联关系，并通过对变量数据的处理找寻其相关性，而不是仅关注事物的内在因果联系。维克托·迈尔·舍恩伯格在《大数据时代：生活、工作与思维的大变革》中就指出，大数据时代思维方式最大的转变是：全样而非抽样、效率而非精确、相关而非因果。
大数据带来哲学思维方式的改变具体包括：（1）数据已经成为重要的新兴资源，具有巨大的经济价值，从而带来了财富价值观的改变。而数据的价值就是要把正确的信息在正确的时间交付给正确的人。那些能够将与公司自身的业务和客户密切相关的数据进行有效采集、存储、分析及处理，并加以运用找出竞争优势的企业在未来将会具有更多的发展空间。（2）云计算等数据分析方法已将传统的数据归纳法发展为大数据归纳法，通过承认世间事物的复杂多样，关联关系的错综复杂，在大数据分析中既关注对结构数据也重视对非结构数据的处理，以数据的相关性来展现规律，避免了以往知识经验及因果联系的局限性。（3）大数据与小数据各有优劣，大数据强调海量数据的全量覆盖运用，以高效处理寻找数据的相关联系，具有处理体量大，重效率而不是精确等特点，小数据的抽样调查也仅能达到局部准确，处理成本较低，却存在抽样不能全面反映状况等问题。（4）大数据时代带来的问题有采集数据归属问题、个人隐私保护问题等，企业级应用采集的客户数据哪些应属企业，哪些应归个人，是否会对个人隐私构成侵犯，企业采集信息的同时是否应通知用户以得到明确的授权，企业之间的用户信息传递是否也要由个人用户知情，这些问题都值得深思探讨。（5）数据共享时代会存在相应的安全保障问题，数据的开放共享不仅能够进行更好客户体验服务，也会出现全方位立体式的网络威胁，现今许多企业都有相应的服务信息安全防控设施，却不具有广泛的适用性，各数据存储防控之间也不存在有效联动，而普及区块链式的信息公开结合律法追责会是更加有效的应对方式。 3 大数据企业级应用
3.1 客户信息应用
通过大数据技术对商业银行客户办理的业务数据进行收集整理，建立起客户信息全方位360度式数据库，以更好的依据顾客需求进行业务营销。客户信息包括个人信息和企业信息。个人信息有办理业务数量、业务频次、投诉情况、信用状况等，企业信息有运营状况、财务情况、销售记录等。仅是以商业银行自身拥有的数据有时难以得出理想结果，还需获取必要的外部数据，以获得丰富完整的客户信息，具体包括：社交媒体行为数据、电商网站交易数据、企业产业链上下游数据等。商业银行营销人员需要结合市场环境等因素，以大数据技术在收集的海量客户数据中快速筛选出有价值的信息，对客户行为模式及潜在价值进行有效的分析处理，以深入了解每个客户的详细需求，从而进行相应投其所好的广告推送，并根据客户的实时状态及不同的兴趣爱好来提供专属个性化的市场营销组合，包括相应的产品组合及价格方案、渠道设计等。
3.2 流程信息應用
通过处理商业银行业务流程各环节的数据信息，发现流程中的限制因素，以更有效的改进业务流程，提高服务质量。以大数据的方式处理市场推广运作及现有产品使用情况等，依据客户信息的个性特征及风险偏好对客户潜在的业务需求进行深入分析，从而以详实的客户需求进行相应新产品的创新研发，以实现有效的产品更新。
3.3 运营信息应用
对复杂市场运作及商业银行运营来说，能够同时采集处理的价值信息越是完整，为银行各层次人员提供的业务信息越是及时，会更有助进行相应的理性决策，以创造更多的商业价值。而商业银行内部数据的流通对管理效率会有相当大的影响，通过对银行内部数据的采集分析处理，能够更好地提高银行内部的管理效率。
3.4 信用信息应用
大数据分析对风险防控有着重要作用，商业银行能够以数据处理方法对企业资产、销售、财务等相关数据进行风险分析，量化企业信用信息，从而以更低风险的方式开展银行业务。另外，银行可以利用客户基本信息、交易历史、行为模式等，结合大数据处理方式进行实时的交易反欺诈分析。
3.5 舆情信息应用
在网络社区及微博微信公众号上，及时获取发布的有关商业银行以及产品服务的相关信息，通过大数据处理方式进行发布信息的正负面判断，其中的正面信息能够用来进行客户营销时的业务宣传，而负面信息则需要在及时发现后进行相应的引导处理。在大数据时代，商业银行的网络媒体形象对客户群体的业务拓展影响还是很重大的。
参考文献
[1] 杨万庆.“互联网+”时代出版行业图书市场营销创新探究[J].出版发行研究，2018（2）.
[2] 伍荣.大数据技术在信息安全领域中的应用[J].通信技术，2017（6）.
[3] 孙洁.互联网时代下市场营销策略创新思考[J].商业经济研究，2017（13）.
[4] 于牧雁.企业大数据营销模式创新与改革[J].智慧商业，2018（7）.
[5] 陈松.大数据审计在银行的应用[J].方法探究，2018（3）.
关键词：商业银行 大数据 哲学思考 企业级应用
中图分类号：F832.2 文献标识码：A 文章编号：2096-0298（2018）12（a）-015-02
在继物联网、云计算及区块链等颠覆性技术之后，互联网领域出现的大数据正在对现有的社会组织结构、企业管理流程、业务营销方式等进行重新定义，对金融、体育、制造、建筑、服务等在内的各行各业以及人们的社会生活产生着相当重要的影响。著名的管理咨询公司麦肯锡曾预测到：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”
1 大数据的概念及起源
大数据的概念在不断发展，一般来说是指数据量大到用常规方法无法进行处理的蕴含着价值信息的数据集合。随着物联网技术与可穿戴设施的快速发展，数据存储的规模及内容的复杂性呈几何数量增长，由此积聚起来的海量数据的存储及处理运用方式即是大数据所要关注的重要问题。
1.1 大数据的发展历程
第三次信息化浪潮带来的信息科技技术支持创新、数据产生方式变革等推进了大数据的出现。数据的存储运用曾是以数据库应用为重点，而伴随着互联网数据传递的普及，出现了对海量数据的存储及运用的需求，而存储设备容量不断增加、CPU处理能力大幅提升、网络带宽不断增加等技术基础的实现也在客观条件上促成了大数据的出现。大数据发展历程具体包括以下三个阶段：20世纪90年代至21世紀初期，在这期间数据挖掘和数据库技术逐渐完善，商业智能工具和知识管理技术开启实践应用，如数据仓库、专家系统、知识管理系统等；21世纪前10年，Web2.0应用快速发展，非结构化数据大量出现，传统数据处理方式难以应对，大数据解决方案逐渐汇集成并行计算和分布式系统两大重点技术；2010年以后，大数据应用逐渐覆盖到各行各业，以数据支持业务运营，使得社会信息化程度大幅增强。
1.2 大数据的特点
（1）数据体量大。随着全球范围内各类IT设备的普及，互联网领域出现迅速增长的访问数据量，加之监控摄像机或智能电表等物联网设施产生的爆增数据，人类社会产生的数据存储近几年一直以50%速度增长。到2020年，数字存储规模将超出预期，达到40ZB，相当于地球上所有海滩上的沙粒数量的57倍。而尽管信息时代数字存储规模前所未有地持续膨胀，但仅有0.5%的全球数据得到了分析运用。
（2）数据类型多样。大数据的数据类型丰富，包括结构化数据和非结构化数据。其中前者仅占15%左右，均为存储在关系型数据库的数据。后者占85%，主要包括邮件、视频、音频、图片、链接信息、网络记录等。大数据具有异构及多样的特点，很多数据没有明显的结构模式，多类型对数据处理能力提出了更高的要求。
（3）处理速度快。对数据处理的时效性要求高，需要对数据的采集、分析和处理连贯性地进行。在Web2.0应用领域，在1秒内全球会发送2.9百万封电子邮件，苹果能下载4.7万次应用，百度产生90万次搜索记录。而每天Youtube会有2.88万个小时的视频上传，亚马逊上将产生6.3百万笔订单，Google上需要处理24PB的数据。这些都需要以大数据的处理方式快速高效的完成。
（4）价值密度低。大数据的价值密度远低于传统关系型数据库中的数据，随着物联网的广泛应用，信息感知无处不在，很多有价值的信息都是分散在海量数据中的，以住宅监控视频为例，连续不断的数据记录仅在发生盗窃等意外情况时会有查询确认的价值。而怎样通过有效的算法模式快速地提取存储数据的价值，是大数据时代需要重点解决的难题。
2 大数据的哲学思考
大数据的最重要特征是以海量数据来展现客观规律，重视现象间的关联关系，并通过对变量数据的处理找寻其相关性，而不是仅关注事物的内在因果联系。维克托·迈尔·舍恩伯格在《大数据时代：生活、工作与思维的大变革》中就指出，大数据时代思维方式最大的转变是：全样而非抽样、效率而非精确、相关而非因果。
大数据带来哲学思维方式的改变具体包括：（1）数据已经成为重要的新兴资源，具有巨大的经济价值，从而带来了财富价值观的改变。而数据的价值就是要把正确的信息在正确的时间交付给正确的人。那些能够将与公司自身的业务和客户密切相关的数据进行有效采集、存储、分析及处理，并加以运用找出竞争优势的企业在未来将会具有更多的发展空间。（2）云计算等数据分析方法已将传统的数据归纳法发展为大数据归纳法，通过承认世间事物的复杂多样，关联关系的错综复杂，在大数据分析中既关注对结构数据也重视对非结构数据的处理，以数据的相关性来展现规律，避免了以往知识经验及因果联系的局限性。（3）大数据与小数据各有优劣，大数据强调海量数据的全量覆盖运用，以高效处理寻找数据的相关联系，具有处理体量大，重效率而不是精确等特点，小数据的抽样调查也仅能达到局部准确，处理成本较低，却存在抽样不能全面反映状况等问题。（4）大数据时代带来的问题有采集数据归属问题、个人隐私保护问题等，企业级应用采集的客户数据哪些应属企业，哪些应归个人，是否会对个人隐私构成侵犯，企业采集信息的同时是否应通知用户以得到明确的授权，企业之间的用户信息传递是否也要由个人用户知情，这些问题都值得深思探讨。（5）数据共享时代会存在相应的安全保障问题，数据的开放共享不仅能够进行更好客户体验服务，也会出现全方位立体式的网络威胁，现今许多企业都有相应的服务信息安全防控设施，却不具有广泛的适用性，各数据存储防控之间也不存在有效联动，而普及区块链式的信息公开结合律法追责会是更加有效的应对方式。 3 大数据企业级应用
3.1 客户信息应用
通过大数据技术对商业银行客户办理的业务数据进行收集整理，建立起客户信息全方位360度式数据库，以更好的依据顾客需求进行业务营销。客户信息包括个人信息和企业信息。个人信息有办理业务数量、业务频次、投诉情况、信用状况等，企业信息有运营状况、财务情况、销售记录等。仅是以商业银行自身拥有的数据有时难以得出理想结果，还需获取必要的外部数据，以获得丰富完整的客户信息，具体包括：社交媒体行为数据、电商网站交易数据、企业产业链上下游数据等。商业银行营销人员需要结合市场环境等因素，以大数据技术在收集的海量客户数据中快速筛选出有价值的信息，对客户行为模式及潜在价值进行有效的分析处理，以深入了解每个客户的详细需求，从而进行相应投其所好的广告推送，并根据客户的实时状态及不同的兴趣爱好来提供专属个性化的市场营销组合，包括相应的产品组合及价格方案、渠道设计等。
3.2 流程信息應用
通过处理商业银行业务流程各环节的数据信息，发现流程中的限制因素，以更有效的改进业务流程，提高服务质量。以大数据的方式处理市场推广运作及现有产品使用情况等，依据客户信息的个性特征及风险偏好对客户潜在的业务需求进行深入分析，从而以详实的客户需求进行相应新产品的创新研发，以实现有效的产品更新。
3.3 运营信息应用
对复杂市场运作及商业银行运营来说，能够同时采集处理的价值信息越是完整，为银行各层次人员提供的业务信息越是及时，会更有助进行相应的理性决策，以创造更多的商业价值。而商业银行内部数据的流通对管理效率会有相当大的影响，通过对银行内部数据的采集分析处理，能够更好地提高银行内部的管理效率。
3.4 信用信息应用
大数据分析对风险防控有着重要作用，商业银行能够以数据处理方法对企业资产、销售、财务等相关数据进行风险分析，量化企业信用信息，从而以更低风险的方式开展银行业务。另外，银行可以利用客户基本信息、交易历史、行为模式等，结合大数据处理方式进行实时的交易反欺诈分析。
3.5 舆情信息应用
在网络社区及微博微信公众号上，及时获取发布的有关商业银行以及产品服务的相关信息，通过大数据处理方式进行发布信息的正负面判断，其中的正面信息能够用来进行客户营销时的业务宣传，而负面信息则需要在及时发现后进行相应的引导处理。在大数据时代，商业银行的网络媒体形象对客户群体的业务拓展影响还是很重大的。
参考文献
[1] 杨万庆.“互联网+”时代出版行业图书市场营销创新探究[J].出版发行研究，2018（2）.
[2] 伍荣.大数据技术在信息安全领域中的应用[J].通信技术，2017（6）.
[3] 孙洁.互联网时代下市场营销策略创新思考[J].商业经济研究，2017（13）.
[4] 于牧雁.企业大数据营销模式创新与改革[J].智慧商业，2018（7）.
[5] 陈松.大数据审计在银行的应用[J].方法探究，2018（3）.