论文部分内容阅读
随着以Facebook和微信为代表的社交网络平台迅速崛起，社交网络已经成为互联网最大的流量入口，第三方支付、基金、众筹和O2O等金融产品的植入，增加了社交网络的金融属性，并催生出社交金融。作为大数据的重要内容，在线社交数据包含了海量的客户行为、社交话题和网络关系，基于对社交数据的挖掘与分析，获取用户的行为偏好、意见诉求和心理活动，可以有效弥补传统金融交易中只保留结果数据而缺少过程数据的不足，并将用户的社交属性与金融机构的信用属性、流动属性、风险管理属性和杠杆属性匹配，促进社交金融不断进化。
社交数据的应用场景
社交网络是一种在信息网络上由社会个体集合及个体之间的连接关系构成的社会性结构，主要包含关系结构、网络群体与网络信息三个核心要素，这三个核心要素也构成社交数据的重要来源。社交数据不仅是微信微博聊天分享工具中的信息，还包括地图、外卖等APP中的信息，从广义数据类型来说，电商、交友、视频、搜索、餐饮和人机交互数据都可定义为社交数据。
互联网企业是融合社交网络与金融功能的先行者，凭借在社交数据分析与应用方面的先发优势，加速数据整合，积极布局金融社交数据集成应用，尤以百度、腾讯和阿里巴巴最值得关注。面对互联网企业来势汹汹的跨界竞争，金融机构已经注意到大数据中蕴含的巨大红利，并寄希望依托社交数据向互联网金融转型。目前，社交网络被国外金融机构视为引流、获客、营销的潜在市场，社交数据也被应用于量化投资、零售、征信、电商等领域，并实现了巨大的市场价值。受此启发，国内商业银行纷纷试水，依托微博、微信或自建平台等方式，开展品牌宣传、在线社交和线上营销活动等提升获客能力，力图用高频在线社交活动带动低频银行交易业务，真正实现业务转型发展。结合国内外商业银行的业务实践，社交数据主要可应用于以下四个领域。
基于社交数据的客户分析
客户画像。主要分为个人客户画像和企业客户画像。基于银行现有的公司、个人客户数据，打通银行内部数据和社交数据，利用客户细分等模型逐步完善客户标签体系，形成全面、深入、动态的客户拼图，有效提升对个人客户的精准营销能力和客户关系管理能力。客户生命阶段洞察。结合客户在社交平台上发布的资料和状态，再结合其他行内外信息，推算客户经理“人生大事”（就业、买房、婚姻）的大致节点，并在合适的时间营销合适的产品。
客户生态圈分析。通过客户社交数据分析挖掘客户间的资金往来、生活交往圈，基于客户关系拓展效应开展同理心销售等针对性的客户营销，达到丰富客户画像的目标，为下一步通过关系圈营销批量拓展客户提供信息基础。
基于社交数据的营销管理
客户获取。利用社交数据挖掘潜在个人客户。例如利用客户在社交平台发布的位置（居住、工作）信息，发现在本行资产较少，但实际消费能力较强、资产较多的潜在高端客户，提升客户在银行的资产水平，提供精准的产品和资产管理服务。
个性化产品推荐。从社交平台抓取客户行为数据，分析个人客户的兴趣爱好、消费习惯、浏览行为等客户特征。通过分析客户的行为特征，结合个人客户画像，挖掘客户的金融需求，为客户提供匹配的产品推荐。可建立个人客户个性化推荐系统，在个人客户使用手机银行、网上银行、自助机具时，由系统自动实现产品的个性化推荐。
公私联动。基于社交数据，挖掘个人客户背后的企业及行业信息，发掘圈內其他潜在公司客户与现有公司客户在产品和业务上可能存在相同的兴趣点，对客户、客户公司以及圈内其他企业开展营销活动。对于银行内部存量企业客户，可将其员工纳入银行个人客户资源池，尤其是高层管理人员、高级雇员，以产品组合式的批量营销为主，大力发展个人业务。
基于社交数据的风险管理
信用评级。社交数据极大丰富了征信模型的变量，以社交数据为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信用历史；另一方面，将社交数据中未经“包装”的关键信息纳入考虑，更加真实全面地反映客户实际情况，如分组标签、地理位置、缴费记录等。
授信审批。结合银行内部数据与社交数据，深度挖掘客户衍生特征（如风险特征、用户偏好、用户意愿、用户属性等），对客户信用情况进行快速分析评估，结合量化模型确定授信额度，实现快速、实时的贷款审批流程。借助包括社交数据在内的大数据授信是对传统授信方法的有益补充。
基于社交数据的舆情监测与处置
社交媒体作为重要的用户情绪发布平台，其数据的引入极大丰富了市场情绪信息的来源渠道。银行可以抓取社交平台上客户对银行以及银行产品和服务的评价信息，并通过技术处理进行正负面判断，及时掌握负面信息并提出应对措施。同时，银行也可以抓取银行同业的舆情信息，了解同行的先进做法，作为自身业务优化的借鉴。从而达到更准确更快地了解客户需求，掌握竞争对手的动态，及时有效地控制银行声誉风险、监测市场舆论和用户行为。
商业银行应用社交数据的难点
如果数据价值变现是大数据应用的最终目标，那么社交数据收集、处理和分析则是社交数据价值挖掘的关键。相较于国内互联网企业在社交领域中的先发优势和极强的客户粘性，商业银行应用社交数据面临数据获取和联通难度大、技术储备不足、数据场景对接、客户隐私保护等一系列问题。特别是面对体量庞大、来源广泛、种类繁多的社交数据，如何从中摘取并应用与设计场景匹配的数据，而不至于迷失在浩繁的数据资源中，需要商业银行进行统筹规划。
难点一：数据获取分析处理难度大
数据的归集、提炼与匹配是困扰社交数据应用的一大难题。尽管每天产生的社交数据体量庞大，但是商业银行要想获取这些数据也并非易事。目前，商业银行获取社交数据的方式主要有两种：一是借助微博、微信等社交平台，如微信银行等；二是自建社交平台，如工银融e联和平安天下通。前者面临数据获取主要依靠合作和购买，需要花费高昂成本。后者虽然摆脱了对第三方平台的依赖，但也面临社交网络开发、管理和运营投入较高的问题。 商业银行还需对数据进行智能化的处理和分析，从中挖掘有价值的信息。由于社交数据存在标准化、准确性、完整性低、利用价值不高的情况，这大大降低了数据的价值。同时，在数据存储环节，存储结构化数据的关系型数据仓库已不适用于类型复杂的社交数据；在数据处理和分析阶段，社交数据包含海量的非结构化数据（文本、图像、音频和视频等），且数据之间又构成了复杂的网络结构，远远超出了传统数据模型的处理能力。
社交数据最终与商业银行现有客户信息的匹配同样复杂。由于商业银行在使用外部社交数据时，难以准确界定用户的身份，从而难以将社交用户与行内客户建立一一对应的关系，无法将社交信息关联至行内客户的资产和交易数据，导致需要依托精准客户画像搭建的应用场景无法最终实现。
难点二：场景应用落地难
基于互联网和大数据的金融创新模式层出不穷，场景和产品同质化竞争加剧，如何突出应用场景的差异化和竞争力，并围绕场景有目的的获取数据、挖掘数据是社交数据应用的重要难题。尽管目前社交数据在诸多领域得到了应用，但是对于商业银行而言，到底应该从哪个领域、哪种客户率先开展社交数据应用场景的搭建仍不是一个简单的决策。简单照搬照抄他行的做法，可能并不契合各行业务发展的实际需要和研发能力，如何依托自身实际，从完善业务体系和经营能力的角度用好社交数据，更考验商业银行的管理和决策水平。
社交数据应用的每个环节都需要依靠专业人员完成。社交数据的应用仍属于新生事物，过去商业银行在该领域并无长期的规划和储备，这导致现阶段社交数据应用缺乏足够的专业人才和知识储备。而且作为一种新型数据，其与传统数据的处理方法并不相同，在传统业务人员只懂得如何处理结构化关系数据的情况下，很难通过培训学习等方式掌握社交数据的新型处理方法，只能通过招募新员工的方式尽快补充社交数据工程师。在这种情况下，容易出现会处理社交数据的人才并不了解银行业务，熟悉银行业务的人才并没完全掌握处理分析社交数据的方法，导致社交数据的使用与实际业务需要相脱离的问题。
难点三：客户隐私缺乏保护
处理客户信息的开放与隐私保护两者的关系也是商业银行应用社交数据的一大难题。一方面，应用社交数据需要是尽可能多的搜集不同类型、不同来源的客户社交数据；另一方面，社交数据中包含了客户的大量私密信息，客户不愿信息被任何个人和企业获取使用。目前，社交数据的应用并无明确使用规范，用户隐私保护也成为无法回避的问题，究竟哪些数据能用、能用多少，如何把握社交数据使用的尺度，并无可参照的行業标准，更多的是由社交平台自行掌握。保护用户隐私是商业银行应用社交数据的前提，也是搭建各种应用场景的最大挑战。如果商业银行和社交平台在合作使用社交数据时没有明确的制度规定，不仅无法有效使用社交数据，反而会引发客户的反感以及对个人隐私泄露的担忧，对商业银行产生不信任感。因此，推动社交数据开放、应用和共享的同时，有效地保护公民、企业隐私，将是商业银行应用社交数据的重大挑战。
商业银行应用社交数据的对策建议
社交数据应用是一项系统工程。用户行为模式的改变，社交数据规模的爆发式增长，以及数据分析方法的完善，都加速了社交数据的商业化应用进程。无论是互联网企业还是商业银行，都在努力尝试应用社交数据分析用户的行为、动机、意愿和情绪，为用户量身定制金融产品与服务。面对社交数据应用中面临的诸多难题，商业银行必然要在充分借鉴国内外互联网企业和金融机构应用社交数据的经验基础上，形成一套清晰完整的社交数据应用模式。
拓展数据积累渠道，打造数据处理平台。在数据获取方面，商业银行应坚持“两条腿”走路，尽可能扩大社交数据来源。一方面，依托商业银行网络终端，增添并完善社交功能和属性，形成完整的社交网络。打通内部各终端的数据联通，实现行内外数据信息资源的统筹管理和集中共享。另一方面，加强与互联网企业的合作。通过与互联网企业签订战略合作协议，共享客户信息资源，提供专业的金融服务，也可以通过直接购买外部数据等方式，获取来自互联网、物联网和电商等渠道的资讯、社交行为、物流和客户电子交易行为信息等丰富的数据资源。
同时，根据社交数据来源的主要渠道、类型和内容，有针对性地建立大数据处理基础平台，强化软硬件处理能力。建立效能高、成本低的大数据处理基础平台，为分析挖掘工作奠定坚实的数据基础。具体可从两方面入手：一是引入低成本、容错性和扩展性强的分布式架构，解决数据集成设备资源瓶颈问题，提高大数据加工处理能力，以及海量数据的存储和分析处理能力。二是借助大内存、系统级复制等新技术，提供高效能的大数据服务能力，实现对于高密度流数据的采集、存储、计算、分发和持久化等的快速处理。
完善社交数据应用策略，形成差异化发展模式。商业银行在社交数据应用领域有所作为，要么成为掌握海量有效社交数据的机构，要么成为拥有强大数据分析能力的机构。因此，商业银行要确立明确的社交数据应用策略，依托业务优势和目标客户群体，拓展数据获取渠道，加强场景改造创新。场景和产品的开发必须立足不同类型机构的竞争优势，在按照价值贡献和行为偏好对客户进行分层的基础上，优先从“小而精”的应用场景入手，逐步探索个性化、差异化的社交数据应用策略。按照业务理解、数据理解、数据获取、数据分析和模型部署等步骤分析和应用社交数据，通过确立社交数据应用场景指导业务数据和社交数据的提取，减少数据损失，实现数据价值最大化。
加强专业人才队伍建设，建立柔性团队组合。在专业人才队伍建设方面，商业银行一方面可以加强与高校和科研院所的合作，建立社交数据专业人才联合培养机制，有规划地建立专门的数据科学家团队，从长远发展的角度，逐步增强大数据专业人才的培养和补充。另一方面，可以通过参股、收购等商业运作，加强与社交平台或专业数据处理公司合作，解决社交数据应用人才的燃眉之急。
建立跨部门的社交数据应用柔性团队，团队中既要有熟悉大数据应用的专业分析师，也要有熟悉各条线业务的专家，充分发挥数据分析师和业务专家的配合作用，实现技术与业务部门的联动协作和共享交流。由柔性团队开展业务探索性需求的研发创新，再将经过实验成熟的模型投入实际应用场景。通过数据探索、原型设计，达到准确实现业务需求，迅速对市场做出响应的目的。
建立社交数据内部使用制度，保护用户信息安全。商业银行应高度重视社交数据的隐私安全及使用规范，将社交数据的采集和使用纳入银行保密管理委员会工作范畴，并针对社交数据使用流程和操作程序，制定严格的规章制度和管理办法，编写社交数据应用规范手册，供社交数据使用者学习遵守。设置严格的社交数据使用权限分级与岗位权限控制，通过完整的授权管理体系确保社交数据的私密性。实施数据分析师的准入管理，进行严格的培训与考核。采取相应的技术手段，确保社交数据在应用前完成权限控制和数据脱敏工作。
（作者单位：中国社会科学院财经战略研究院，中国工商银行博士后科研工作站）
社交数据的应用场景
社交网络是一种在信息网络上由社会个体集合及个体之间的连接关系构成的社会性结构，主要包含关系结构、网络群体与网络信息三个核心要素，这三个核心要素也构成社交数据的重要来源。社交数据不仅是微信微博聊天分享工具中的信息，还包括地图、外卖等APP中的信息，从广义数据类型来说，电商、交友、视频、搜索、餐饮和人机交互数据都可定义为社交数据。
互联网企业是融合社交网络与金融功能的先行者，凭借在社交数据分析与应用方面的先发优势，加速数据整合，积极布局金融社交数据集成应用，尤以百度、腾讯和阿里巴巴最值得关注。面对互联网企业来势汹汹的跨界竞争，金融机构已经注意到大数据中蕴含的巨大红利，并寄希望依托社交数据向互联网金融转型。目前，社交网络被国外金融机构视为引流、获客、营销的潜在市场，社交数据也被应用于量化投资、零售、征信、电商等领域，并实现了巨大的市场价值。受此启发，国内商业银行纷纷试水，依托微博、微信或自建平台等方式，开展品牌宣传、在线社交和线上营销活动等提升获客能力，力图用高频在线社交活动带动低频银行交易业务，真正实现业务转型发展。结合国内外商业银行的业务实践，社交数据主要可应用于以下四个领域。
基于社交数据的客户分析
客户画像。主要分为个人客户画像和企业客户画像。基于银行现有的公司、个人客户数据，打通银行内部数据和社交数据，利用客户细分等模型逐步完善客户标签体系，形成全面、深入、动态的客户拼图，有效提升对个人客户的精准营销能力和客户关系管理能力。客户生命阶段洞察。结合客户在社交平台上发布的资料和状态，再结合其他行内外信息，推算客户经理“人生大事”（就业、买房、婚姻）的大致节点，并在合适的时间营销合适的产品。
客户生态圈分析。通过客户社交数据分析挖掘客户间的资金往来、生活交往圈，基于客户关系拓展效应开展同理心销售等针对性的客户营销，达到丰富客户画像的目标，为下一步通过关系圈营销批量拓展客户提供信息基础。
基于社交数据的营销管理
客户获取。利用社交数据挖掘潜在个人客户。例如利用客户在社交平台发布的位置（居住、工作）信息，发现在本行资产较少，但实际消费能力较强、资产较多的潜在高端客户，提升客户在银行的资产水平，提供精准的产品和资产管理服务。
个性化产品推荐。从社交平台抓取客户行为数据，分析个人客户的兴趣爱好、消费习惯、浏览行为等客户特征。通过分析客户的行为特征，结合个人客户画像，挖掘客户的金融需求，为客户提供匹配的产品推荐。可建立个人客户个性化推荐系统，在个人客户使用手机银行、网上银行、自助机具时，由系统自动实现产品的个性化推荐。
公私联动。基于社交数据，挖掘个人客户背后的企业及行业信息，发掘圈內其他潜在公司客户与现有公司客户在产品和业务上可能存在相同的兴趣点，对客户、客户公司以及圈内其他企业开展营销活动。对于银行内部存量企业客户，可将其员工纳入银行个人客户资源池，尤其是高层管理人员、高级雇员，以产品组合式的批量营销为主，大力发展个人业务。
基于社交数据的风险管理
信用评级。社交数据极大丰富了征信模型的变量，以社交数据为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信用历史；另一方面，将社交数据中未经“包装”的关键信息纳入考虑，更加真实全面地反映客户实际情况，如分组标签、地理位置、缴费记录等。
授信审批。结合银行内部数据与社交数据，深度挖掘客户衍生特征（如风险特征、用户偏好、用户意愿、用户属性等），对客户信用情况进行快速分析评估，结合量化模型确定授信额度，实现快速、实时的贷款审批流程。借助包括社交数据在内的大数据授信是对传统授信方法的有益补充。
基于社交数据的舆情监测与处置
社交媒体作为重要的用户情绪发布平台，其数据的引入极大丰富了市场情绪信息的来源渠道。银行可以抓取社交平台上客户对银行以及银行产品和服务的评价信息，并通过技术处理进行正负面判断，及时掌握负面信息并提出应对措施。同时，银行也可以抓取银行同业的舆情信息，了解同行的先进做法，作为自身业务优化的借鉴。从而达到更准确更快地了解客户需求，掌握竞争对手的动态，及时有效地控制银行声誉风险、监测市场舆论和用户行为。
商业银行应用社交数据的难点
如果数据价值变现是大数据应用的最终目标，那么社交数据收集、处理和分析则是社交数据价值挖掘的关键。相较于国内互联网企业在社交领域中的先发优势和极强的客户粘性，商业银行应用社交数据面临数据获取和联通难度大、技术储备不足、数据场景对接、客户隐私保护等一系列问题。特别是面对体量庞大、来源广泛、种类繁多的社交数据，如何从中摘取并应用与设计场景匹配的数据，而不至于迷失在浩繁的数据资源中，需要商业银行进行统筹规划。
难点一：数据获取分析处理难度大
数据的归集、提炼与匹配是困扰社交数据应用的一大难题。尽管每天产生的社交数据体量庞大，但是商业银行要想获取这些数据也并非易事。目前，商业银行获取社交数据的方式主要有两种：一是借助微博、微信等社交平台，如微信银行等；二是自建社交平台，如工银融e联和平安天下通。前者面临数据获取主要依靠合作和购买，需要花费高昂成本。后者虽然摆脱了对第三方平台的依赖，但也面临社交网络开发、管理和运营投入较高的问题。 商业银行还需对数据进行智能化的处理和分析，从中挖掘有价值的信息。由于社交数据存在标准化、准确性、完整性低、利用价值不高的情况，这大大降低了数据的价值。同时，在数据存储环节，存储结构化数据的关系型数据仓库已不适用于类型复杂的社交数据；在数据处理和分析阶段，社交数据包含海量的非结构化数据（文本、图像、音频和视频等），且数据之间又构成了复杂的网络结构，远远超出了传统数据模型的处理能力。
社交数据最终与商业银行现有客户信息的匹配同样复杂。由于商业银行在使用外部社交数据时，难以准确界定用户的身份，从而难以将社交用户与行内客户建立一一对应的关系，无法将社交信息关联至行内客户的资产和交易数据，导致需要依托精准客户画像搭建的应用场景无法最终实现。
难点二：场景应用落地难
基于互联网和大数据的金融创新模式层出不穷，场景和产品同质化竞争加剧，如何突出应用场景的差异化和竞争力，并围绕场景有目的的获取数据、挖掘数据是社交数据应用的重要难题。尽管目前社交数据在诸多领域得到了应用，但是对于商业银行而言，到底应该从哪个领域、哪种客户率先开展社交数据应用场景的搭建仍不是一个简单的决策。简单照搬照抄他行的做法，可能并不契合各行业务发展的实际需要和研发能力，如何依托自身实际，从完善业务体系和经营能力的角度用好社交数据，更考验商业银行的管理和决策水平。
社交数据应用的每个环节都需要依靠专业人员完成。社交数据的应用仍属于新生事物，过去商业银行在该领域并无长期的规划和储备，这导致现阶段社交数据应用缺乏足够的专业人才和知识储备。而且作为一种新型数据，其与传统数据的处理方法并不相同，在传统业务人员只懂得如何处理结构化关系数据的情况下，很难通过培训学习等方式掌握社交数据的新型处理方法，只能通过招募新员工的方式尽快补充社交数据工程师。在这种情况下，容易出现会处理社交数据的人才并不了解银行业务，熟悉银行业务的人才并没完全掌握处理分析社交数据的方法，导致社交数据的使用与实际业务需要相脱离的问题。
难点三：客户隐私缺乏保护
处理客户信息的开放与隐私保护两者的关系也是商业银行应用社交数据的一大难题。一方面，应用社交数据需要是尽可能多的搜集不同类型、不同来源的客户社交数据；另一方面，社交数据中包含了客户的大量私密信息，客户不愿信息被任何个人和企业获取使用。目前，社交数据的应用并无明确使用规范，用户隐私保护也成为无法回避的问题，究竟哪些数据能用、能用多少，如何把握社交数据使用的尺度，并无可参照的行業标准，更多的是由社交平台自行掌握。保护用户隐私是商业银行应用社交数据的前提，也是搭建各种应用场景的最大挑战。如果商业银行和社交平台在合作使用社交数据时没有明确的制度规定，不仅无法有效使用社交数据，反而会引发客户的反感以及对个人隐私泄露的担忧，对商业银行产生不信任感。因此，推动社交数据开放、应用和共享的同时，有效地保护公民、企业隐私，将是商业银行应用社交数据的重大挑战。
商业银行应用社交数据的对策建议
社交数据应用是一项系统工程。用户行为模式的改变，社交数据规模的爆发式增长，以及数据分析方法的完善，都加速了社交数据的商业化应用进程。无论是互联网企业还是商业银行，都在努力尝试应用社交数据分析用户的行为、动机、意愿和情绪，为用户量身定制金融产品与服务。面对社交数据应用中面临的诸多难题，商业银行必然要在充分借鉴国内外互联网企业和金融机构应用社交数据的经验基础上，形成一套清晰完整的社交数据应用模式。
拓展数据积累渠道，打造数据处理平台。在数据获取方面，商业银行应坚持“两条腿”走路，尽可能扩大社交数据来源。一方面，依托商业银行网络终端，增添并完善社交功能和属性，形成完整的社交网络。打通内部各终端的数据联通，实现行内外数据信息资源的统筹管理和集中共享。另一方面，加强与互联网企业的合作。通过与互联网企业签订战略合作协议，共享客户信息资源，提供专业的金融服务，也可以通过直接购买外部数据等方式，获取来自互联网、物联网和电商等渠道的资讯、社交行为、物流和客户电子交易行为信息等丰富的数据资源。
同时，根据社交数据来源的主要渠道、类型和内容，有针对性地建立大数据处理基础平台，强化软硬件处理能力。建立效能高、成本低的大数据处理基础平台，为分析挖掘工作奠定坚实的数据基础。具体可从两方面入手：一是引入低成本、容错性和扩展性强的分布式架构，解决数据集成设备资源瓶颈问题，提高大数据加工处理能力，以及海量数据的存储和分析处理能力。二是借助大内存、系统级复制等新技术，提供高效能的大数据服务能力，实现对于高密度流数据的采集、存储、计算、分发和持久化等的快速处理。
完善社交数据应用策略，形成差异化发展模式。商业银行在社交数据应用领域有所作为，要么成为掌握海量有效社交数据的机构，要么成为拥有强大数据分析能力的机构。因此，商业银行要确立明确的社交数据应用策略，依托业务优势和目标客户群体，拓展数据获取渠道，加强场景改造创新。场景和产品的开发必须立足不同类型机构的竞争优势，在按照价值贡献和行为偏好对客户进行分层的基础上，优先从“小而精”的应用场景入手，逐步探索个性化、差异化的社交数据应用策略。按照业务理解、数据理解、数据获取、数据分析和模型部署等步骤分析和应用社交数据，通过确立社交数据应用场景指导业务数据和社交数据的提取，减少数据损失，实现数据价值最大化。
加强专业人才队伍建设，建立柔性团队组合。在专业人才队伍建设方面，商业银行一方面可以加强与高校和科研院所的合作，建立社交数据专业人才联合培养机制，有规划地建立专门的数据科学家团队，从长远发展的角度，逐步增强大数据专业人才的培养和补充。另一方面，可以通过参股、收购等商业运作，加强与社交平台或专业数据处理公司合作，解决社交数据应用人才的燃眉之急。
建立跨部门的社交数据应用柔性团队，团队中既要有熟悉大数据应用的专业分析师，也要有熟悉各条线业务的专家，充分发挥数据分析师和业务专家的配合作用，实现技术与业务部门的联动协作和共享交流。由柔性团队开展业务探索性需求的研发创新，再将经过实验成熟的模型投入实际应用场景。通过数据探索、原型设计，达到准确实现业务需求，迅速对市场做出响应的目的。
建立社交数据内部使用制度，保护用户信息安全。商业银行应高度重视社交数据的隐私安全及使用规范，将社交数据的采集和使用纳入银行保密管理委员会工作范畴，并针对社交数据使用流程和操作程序，制定严格的规章制度和管理办法，编写社交数据应用规范手册，供社交数据使用者学习遵守。设置严格的社交数据使用权限分级与岗位权限控制，通过完整的授权管理体系确保社交数据的私密性。实施数据分析师的准入管理，进行严格的培训与考核。采取相应的技术手段，确保社交数据在应用前完成权限控制和数据脱敏工作。
（作者单位：中国社会科学院财经战略研究院，中国工商银行博士后科研工作站）