大数据技术应用于
零售银行转型与创新研究
第 1 期：大数据技术在零售银行业务中应用现状及发展思路
前 言
随着信息和互联网技术的普及应用，大数据时代已经到来。大数据是动态发展的非
结构化数据，同时兼具时效性与经济性的特征。大数据的应用将重新构建社会信息和关
系网络，而作为长期的社会信息和信用中心，商业银行势必受到外部的冲击。当然挑战
也伴随着基于，本期报告将着眼于零售银行业务，通过分析国外银行模式和国内银行相
关案例，展现大数据在零售银行业务的应用现状，并对未来发展思路进行探讨。
大数据与一般数据的主要区别在于，其包含大量非结构化数据。在非结构化数据的
收集和处理方面，互联网企业具备一定先发优势，同时凭借丰富的客户和流量资源向银
行发起挑战。不过，有效利用大数据同样给银行带来了诸多好处，多维度的数据分析和
应用使银行零售业务在服务创新、客户评价和精准营销等方面均有明显提升，在这一领
域海外银行有不少成功经验值得借鉴。
反观国内银行业，虽然对大数据的概念并未过早提及，但是实际业务中也积累了不
少成功案例，其中最早应用于信用卡领域，并已成为全行业发展的方向。而在小微业务
方面，阿里小贷是大数据应用的典范，阿里完备的数据体系使其能够在线快速提供小额
融资服务。当然，国内银行业在大数据应用方面仍存在不少问题，本期报告也进行了必
要的分析。
身处大数据时代，银行业挑战与机遇并存。银行业必须正视来自外部的冲击，通过
大数据重塑商业模式，提升经营管理水平。当然，海量数据的席卷而来，海量机遇也随
之而来，这为银行业务转型和产品创新创造了条件，我们相信未来银行业服务及管理模
式都将发生根本性改变。
通过对当前发展现状的了解，以及对海外银行成熟模式的分析，我们尝试提出大数
据在零售业务应用的发展思路。本期报告探讨了银行基本发展策略，包括与同业竞争和
合作关系，以及目前业务能力的欠缺，并提出未来大数据应用的三个具体方向。
正文目录
一、商业银行处于大数据时代变革之中 ......................................................................................................1
（一）大数据的三个主要特征 ......................................................................................................................1
1、动态发展 ............................................................................................................................................1
2、时效性、经济性 ................................................................................................................................1
3、非结构化数据 ....................................................................................................................................2
（二）银行、信息与关系网络 ......................................................................................................................2
1、银行占据社会信息中心 ....................................................................................................................2
2、计算机应用强化银行竞争优势 ........................................................................................................2
3、互联网冲击银行信息中心地位 ........................................................................................................3
（三）国外银行模式分析与借鉴 ..................................................................................................................3
1、扩大数据分析范围、提升信用评估能力 ........................................................................................3
2、提供深度分析服务、打造消费信息中心 ........................................................................................4
3、进行非账务性线索排查的有力手段 ................................................................................................5
4、强化市场营销、优化商业模式 ........................................................................................................5
二、大数据在我国零售银行中的应用 ..........................................................................................................6
（一）信用卡 1——招商银行微信银行 .......................................................................................................7
1、为什么选择微信 ................................................................................................................................7
2、微信平台对招行的价值 ....................................................................................................................8
3、微信平台的功能拓展 ......................................................................................................................11
（二）信用卡 2——中信银行秒极营销 .....................................................................................................12
1、需求：快速处理灵活分析大数据 ..................................................................................................12
2、实效：实现秒级营销运营效率全面提升 ......................................................................................13
3、Greenplum：省钱的先进技术 ........................................................................................................14
（三）小微金融——阿里小贷经营模式分析 ............................................................................................16
1、淘宝数据来源 ..................................................................................................................................16
2、阿里数据体系 ..................................................................................................................................17
3、大数据的应用 ..................................................................................................................................20
（四）商业银行大数据应用存在的问题 ....................................................................................................24
1、无法对接客户需求 ..........................................................................................................................24
2、存在严重数据短板 ..........................................................................................................................24
3、深陷大数据争夺战 ..........................................................................................................................25
三、大数据时代银行的机遇和挑战 ............................................................................................................26
（一）大数据给银行带来的影响和机遇 ....................................................................................................26
1、大数据提供了全新的沟通渠道和营销手段 ..................................................................................26
2、大数据滋生了新型金融业态参与市场竞争 ..................................................................................27
3、利用数据的能力日益成为银行竞争的关键 ..................................................................................27
4、从长远看大数据将全面颠覆金融服务型态 ..................................................................................28
（二）大数据时代银行面临的挑战 ............................................................................................................28
1、数据驾驭能力受到考验 ..................................................................................................................28
2、生存发展能力受到挑战 ..................................................................................................................28
3、商业运营模式面临变革 ..................................................................................................................28
（三）SWOT 分析 .......................................................................................................................................29
1、优势分析 ..........................................................................................................................................29
2、劣势分析 ..........................................................................................................................................29
3、机会分析 ..........................................................................................................................................30
4、威胁分析 ..........................................................................................................................................30
四、大数据时代零售银行发展战略分析 ....................................................................................................31
（一）大数据应用场景描述 ........................................................................................................................31
1、客户管理 ..........................................................................................................................................32
2、市场营销 ..........................................................................................................................................33
3、风险管理 ..........................................................................................................................................33
（二）大数据应用发展思路 ........................................................................................................................34
1、促进金融服务与社交网络的融合 ..................................................................................................34
2、布局与大数据金融的竞争和合作 ..................................................................................................35
3、培养面对大数据时代的核心能力 ..................................................................................................36
4、零售银行应用大数据的三个方向 ..................................................................................................37
图表目录
图表 1：招商银行 2012 年各月账户交易笔数、交易量、流通户数与来电量 .................................7
图表 2：招商银行智能客服平台闭环服务模式 ...................................................................................9
图表 3：招商银行微信平台部分智能识别功能 .................................................................................10
图表 4：招商银行通过智能交互实现营销推荐 .................................................................................11
图表 5：中信银行信用卡中心数据仓库逻辑架构 .............................................................................14
图表 6：阿里金融大数据体系 .............................................................................................................17
图表 7：阿里金融数据应用流程图 .....................................................................................................19
图表 8：阿里小贷风险管理体系 .........................................................................................................20
图表 9：阿里小贷业务流程图 .............................................................................................................21
图表 10：商业银行大数据时代的 SWOT 分析..................................................................................30
图表 11：零售银行大数据应用场景 ...................................................................................................30
大数据技术在零售银行业务中的应用现状及发
展思路
一、商业银行处于大数据时代变革之中
2012 年 3 月奥巴马政府公布了大数据(Big Data)研发计划，旨在提高和改进人们从
海量和复杂的数据中获取知识的能力，这是时隔近 20 年美国政府宣布信息高速公路计
划后的又一重大科技发展部署。1993 年诞生的信息高速公路计划改变了全世界信息的生
产和传输方式，推动了全球化的 Internet 的发展，掀起了世界性的互联网革命。
作为信息革命的第二个高潮，可以预见大数据即将对未来的世界产生重大影响。当
前银行业服务及管理模式都发生了根本的改变。统计显示以 ATM、网上银行、手机银
行为代表的电子银行在我国当前已经成为主要交易渠道，对传统银行渠道的替代率超过
了 60%。接下来的大数据革命可能对银行的一些观念和经营模式再次加以颠覆，银行业
应如何主动变革、变挑战为机遇是一个值得探讨和深刻思考的问题。
（一）大数据的三个主要特征
自 1980 年以来，世界上的数据以每 40 个月翻一番的速度增长，现在每一天约有
字节的新数据产生；商业公司数据产生量更迅速，每翻一番的时间大概为 14 个月。但
大数据绝不能简单等同于海量数据，大数据主要有三个主要特征：
1、动态发展
根据麦肯锡公司的定义：大数据往往是指传统手段和工具无法处理的数据。这是一
个比较主观的定义旨在强调大数据是动态的，会随时间和技术而扩展。另外大数据也随
着行业的不同而变化，视该行业所使用的软件以及一般数据集大小而定义，当前对一般
行业来说落在几十个 T(1T=1024G)与几个 P(1P=1024T)之间的数据量就会感到难以处理，
对它们来说就是大数据。
2、时效性、经济性
大数据是传统技术无法处理的数据，严格地说只要时间足够长没有无法处理的数据。
而大数据是难以在业务容忍时间内使用传统软件捕获、管理和处理的大尺度数据集，因
此大数据的尺度是随任务时间变动的。除了技术，经济性是应对大数据挑战需要考虑的
另一个重要因素。当世界上的数据量以年 40%的速度增长的时候，信息科技(IT)投入的
增长率仅有 5%。技术和经济两方面决定无法使用传统方法应对大数据时代的到来。
3、非结构化数据
大数据一个具有很多非结构化的异构数据种类的数据集，这些异构数据种类包括社
交网络文本、射频认证、相机照片、手机信号、传感器网络信息等，随着技术的进步这
类数据增长率更快，数量更巨大，世界上有 90%的数字内容是非结构化的。银行中的数
据具有典型的异构化特征数，包括传统业务数据、办公信息、开发测试数据、业务运行
日志、与客户进行沟通的邮件和短信、电话银行和服务的语音记录等。
（二）银行、信息与关系网络
近年来大数据的概念被反复提及，一个主要原因是电子商务活动的全面兴起，无论
是 B2B 还是 B2C，在线交易规模的迅速扩大带来了数据信息的爆发式增长。最引人关
注的是，记录客户行为的大量非结构化数据开始影响到金融领域。作为社会信用的中心，
商业银行始终占据着最关键的社会信息资源，然而非结构化数据的普及应用使得互联网
企业不断冲击银行的核心地位。大数据的有效利用，帮助互联网企业迅速拓展关系网络，
其搭建的各类公共平台正试图成为社会关系的核心，可谓是银行业的巨大威胁。
1、银行占据社会信息中心
商品经济的发展，要求信用在全社会进行放大，与之适应构造了这样一种社会关系：
银行对其他行业企业单向提供信用，处在支配地位，成为信用社会信用中心；企业为了
获取更多信用主动向银行提供自己的信息，银行也自然成为社会经济信息收集中心行业。
这种关系的形成的缘由是只有作为信息收集中心，银行才可能使用信息对信用进行社会
性放大。这时以银行为中心，企业间信用和信息构成雪花和网状的混合结构，企业之间
能够进行更大更广的信用连接，形成更复杂社会关系。
2、计算机应用强化银行竞争优势
信息的具体存储使用形式，是限制社会信用进行有效扩展的一个重要因素，计算机
技术的普及应用极大的提升了银行收集和处理信息的能力。社会信用状况处于不断变化
之中，因此也需要对持续变化的信息进行判断。计算机技术发展的初期，银行的标准化
需求是直接推动力之一。这种标准化一方面是指将单据等信息进行数字化标准化，另一
方面是指将企业的经营活动用标准化指标表示，银行是这种规则的构建者，企业只能屈
从建立所谓规范化的制度。一个典型的例子是由于反映了关系网络因此关系型数据库成
为信息行业的重要产品和标准。
使用计算机技术银行强化了它的经济信息收集中心地位，同时可以更深度地探测分
析它的借款人关系网络。基于对客户信息更深刻和正确的探测，银行能够进行信用更有
效的放大，结果是以银行为中心筛选出适应社会发展的最良好的企业关系群体，优化、
加速了整个社会资源配置。银行还通过信息技术如 POS 机、ATM 不断扩大优化以它为
中心的信息和信用关系网络。
3、互联网冲击银行信息中心地位
广泛意义的网络出现后，银行业的主要竞争优势体现在信息中心，能够高效的探测
集合到各种行业以及企业的信息，这是其他行业做不到的，银行业主要任务是对客户信
息进行去伪存真。
然而，当前各种传统业务正在向互联网迁移，当然也包括银行业。但是银行在互联
网上发展业务仅仅是借助这一渠道，它依然使用传统的数据关系。不过，互联网构建的
原则是形成一种联网机构相对平等的关系，没有唯一的核心行业，于是银行在互联网上
不再是经济关系的信息中心。银行成为了被动的服务者，除了去伪存真，银行业必须主
动吸引客户；这个时代银行只有遵循网络规则，除此之外别无它途。
以往面对处于支配地位的银行，企业愿意主动提供信息并配合进行标准化，但在全
新的网络环境下，银行是服务方，信息不可能按照银行的意愿标准化并主动推送。银行
必须采用新的能够检测非标准化的企业信息/数据的装置和手段，并不断改善其对社会关
系探测灵敏度。
（三）国外银行模式分析与借鉴
互联网冲击着银行信息中心的地位，而商业银行也在利用信用和资源优势巩固自己
的领地。为了得到客户真实关系网的信息，国外一些银行开始研究如何通过获取、整合
各种网络大数据对客户真实社会网络关系加以映射和应用。在具体实践中，主要有四种
表现形式。
1、扩大数据分析范围、提升信用评估能力
在美国由个人消费信用评估公司(FICO)开发的 FICO 信用积分指标大概包含 15~20
个变量，大多数美国银行对个人信用评估也建立在该基础上，再添加本行的其他一些侧
重指标。这造成了一个问题，这个标准简单划一，不注重细节。这与我们了解的客观世
界的复杂性不相符，人不是机器，不可能存在任何时候都是非好即坏的绝对情况，同样
的人不同的环境会形成不一样的结果，人的信用也如此。在此意义下 FICO 信用积分显
得过于主观，究其原因是银行过去信用评定者由于缺乏先进的技术，要判断每个人的信
用所形成的环境只能使用客户经理人为判断，成本十分高昂。
ZestCash 是这样一家公司，它的客户群体主要瞄准了信用记录不好或者没有信用卡
历史的人。ZestCash 的创始人是 Google 的前首席信息官，Google 是大数据研究的开拓
者之一，其 MapReduce 技术是被认为当前研究大数据最常用的有效技术。ZestCash 使
用 MapReduce 进行大数据分析，考察贷款人的数千个信息线索(对比 FICO 的几十个指
标)，从而造就了它独特的竞争力。例如对于一个无法进行某次还款的客户不论他是否
主动解释，传统银行都认为他是高风险的，但 ZestCash 发现如果这种顾客主动解释其原
因，他们更有可能全额还款；ZestCash 还会探测客户在 ZestCash 网站上停留的时间(这
反映了真实世界人们对信用申请的谨慎程度与还款诚意)作为信用评价的考量因素，这
些都是过去 FICO 信用评分系统所无法想象的。
ZestCash 的分析技术的核心就是把握客户的差异化行为，理解网络对真实世界的反
映。如果仅仅分析一个数据可能是噪音，但如果将多方面展示客户的数据收集起来，并
理解它们的关系，则可能出现不同的效果。而这些数据不可能是规规矩矩的，需要我们
使用不同的探测方法加以寻找，更敏锐的分析能力会令我们发现更多商业机会。例如对
我们周边那些太忙碌或者一时糊涂遗忘了信用卡还款时间的人，这样一种技术使得我们
不会轻易丢失一个优质客户。
2、提供深度分析服务、打造消费信息中心
国内的一些银行已经尝试根据顾客购买产品的历史，分析他们的兴趣使用各种手段
主动营销，但这仅仅是数据初步应用，还没有做到将线下的购买行为与客户浏览行为结
合起来进行更进一步分析。尤其是当今经济热点切换频率快，各种产品收益轮动，客户
对银行产品的兴趣会紧随这种波动，这种分析能力国内银行尚欠缺。
国外银行现在已经开始根据大数据的分析尝试提供超越银行领域的产品和服务。新
加坡花旗银行基于消费者的信用卡交易记录，有针对性地给他们提供商家和餐馆优惠，
并且根据反馈不断学习提升推荐准确度。服饰零售商 Gap 为了提高吸引力，与 Visa 卡
合作，由 Visa 采集数据，如果客户在 Gap 店附近进行刷卡的就会得到折扣优惠，形成
龙卷风效应。
这种看似与银行主业风马牛不相及的行为目的何在？传统银行的优势在于它是经
济信息中心，客户对银行的信任依赖是建立在这种信息收集处理能力的认可上。因此花
旗和 Visa 这种行为还是一种信息中心的争夺，不过银行处在服务方，并且变为消费信
息中心。客户不关注服务的目标从银行本身转移到客户，他们只是亲身感受到银行信息
获取和处理能力的强大，进而认为银行是可依赖和安全的，这就大大提高了客户的认同
度。
3、进行非账务性线索排查的有力手段
以反洗钱为例，洗钱疑犯虽然与银行发生了直接关系，但他绝非像普通交易那样有
意无意的将银行作为他的信息中心。对银行来说洗钱疑犯如此讨厌，使用标准的方法和
工具去判断这些伪装起来的异常客户不是传统银行的强项，将大大增加银行工作量。银
行的目标是行为可预测的合法借贷客户，在一定程度上客户的行为以及与银行契约关系
是标准的。就此《经济学人》举例说“对照顾客姓名看其是否处在制裁黑名单之上这件
事情并不容易，因为一家银行可能会有数千位顾客和这些制裁黑名单上的顾客重名，如
果稍有不慎，就可能毁掉一份顾客关系。”
对此花旗银行引入了Watson，能从各种不同数据源获取信息，“通过搜集顾客的国籍、
地址、家庭成员的姓名，以及他们是否曾经在某些国家旅游或者从这些地方收到过汇款
等记录，来确定这个顾客是否正是制裁黑名单上的那位。”Watson 这种杰出的处理非结构
化数据的能力——像专家那样观察真实客观世界对细节加以洞察得到特殊结论，使它的
领域又扩展到反欺诈、零售业务分析等领域。必须承认，银行的结构化的数据在某些方
面是有局限性的，因此即使非刻意增加与客观世界更相符的非结构数据，也必须明确大
数据是对付我们常规业务之外挑战的有效武器。
4、强化市场营销、优化商业模式
大数据比银行传统处理的数据复杂，是否意味着运用大数据的银行业务会比传统银
行更复杂？其实不然，以美国最大的网上 ING Direct 为例，该行成立于 2000 年，2011
年其存款规模达 820 亿美元，客户数量已经达到 700 万。该行的独特运营模式就是：简
单并且对追求高回报的客户具有吸引力。为此该行只提供网上银行服务；只向客户提供
最基本的金融服务，如普通储蓄存款账户、定期存单、简单住房按揭贷款、普通基金理
财服务等；该行自成立以来没有发放过一张信用卡；该行对支票账户会支付平均 4％的
高额利息，保证了客户从自己的存款中得到最高的回报。但是这种简单的运营模式完全
是建立在基于对复杂大数据的分析基础上，ING Direct 所以能够提供如此高额的回报在
于他们已经计算到：相对传统银行办理业务所需要的材料费和人工费 ING Direct 能大量
节省成本。
基于所有的可获取的各种异构数据分析基础上，ING Direct 甚至主动解除不符合它
们发展模式的客户。例如给呼叫中心太多电话的客户，可能是恶意的，至少与 ING Direct
简单以到达节省成本的企业经营模式不匹配；甚至对 ING Direct 网站浏览太多时间的客
户，ING Direct 也会质疑客户没有必要花费这么多时间(同时也增加了银行的维护成本)
来理解这些简单易懂的产品。为此 ING Direct 每年要主动解除成千上万与其公司经营理
念不符的客户，节省上百万美元成本。在 ING Direct 这种看似简单的经营理念下我们看
到它的基础是能够实现对大量异质数据进行复杂分析从而抽取出反映真实世界的简单
有效的网络关系，貌似简单实则复杂。
大道至简的 ING Direct 和上文提到的化腐朽为神奇的 ZestCash 看似两个极端，但是
他们都取得了成功，原因不外乎：不管经营模式有多么不同，它们都有足够的分析真实
社会关系的能力，能够通过数据分析出与自己的经营模式最匹配的社会关系，从而有针
对性的筛选同质的客户。反观我国大多数银行或者没有明确经营模式，或者实施过程中
执行力较弱，至少数据全方位分析能力的缺乏是一个很重要的因素。
二、大数据在我国零售银行中的应用
当前一种观点认为，我国商业银行对互联网的了解和应用以及对大数据概念的认识
都是不足的。这种看法有失偏颇，一直以来我国银行业十分重视对科技建设的投入，甚
至在互联网企业出现以前，就建立了自己的全国性计算机网络。随着信息和互联网技术
的不断进步，我国银行业正在快速向经营管理的信息化和数据化发展，已经建立起了以
数据仓库为核心的经营管理数据体系，数据分析技术已经大量应用在客户评级、风险识
别等方面，电子银行业务替代率超过 70%，各种在线远程业务渠道和相关产品日趋丰富。
不过，大数据时代我国银行也确实需要继续更新观念，跟踪学习新技术、新方法。
目前来看，银行在互联网应用和 IT 系统建设方面仍存在一些问题。如非结构化数据采
集和处理能力不足，数据应用在行为预测、市场营销方面有所欠缺，业务联动亟待提升，
如线上线下业务联动、支付融资联动、资金流和信息流结合等。
在零售银行业务中，大数据技术最先应用在信用卡领域，不少银行利用数据分析技
术，通过系统换代升级已经初步实现了智能服务，大幅提升了客户体验和服务效率。而
在小微金融领域，阿里小贷是大数据应用的典范，凭借建立的一套完备的数据体系，阿
里完全实现了对商家融资服务的在线办理。
（一）信用卡 1——招商银行微信银行
借助先进的 IT 和数据处理技术，招行实现了消费金融服务模式的升级。2013 年 4
月，招行信用卡正式在微信上推出招行信用卡智能客服平台，用户将个人信息与微信账
号绑定，就可以办理信用卡申请、账单查询、个人资料修改等业务，接收在招行信用卡
上产生的所有交易信息。
微信成为招行客服的“轻渠道”，是因为招行卡中心看到了它和用户的“强关系”特征
和高成长性。所谓强关系是指个人的社会网络同质性较强，人和人的关系很紧密，有很
强的情感因素维系着人际关系，这与招行和客户之间的“强关系”特征是高度相似的。在
人群结构上，招行的用户群和微信用户群的重合度也很高。
1、为什么选择微信
招商银行近几年来，无论是客户群、还是交易笔数，都在发生快速的增长，但是人
员结构基本上在稳定阶段。这样导致现有的人工客服无法及时应对随流通户、交易笔数
的增长而增长的人工来电量。业务的发展势必给服务带来压力。此外，在我国人口红利
逐渐消失的大背景下，人力成本的增长也意味着服务成本的提高，这也要求招商银行的
客户服务需要拓展新渠道。
图表1：招商银行2012年各月账户交易笔数、交易量、流通户数与来电量
资料来源：银联信整理
也正是业务上需提高人工产能的要求，促使招商银行借助移动版网页、手机 APP、
社交网络等方式构建移动互联“客户自助体验生态”。其中微信和微博又是相当重要的环
节。招商银行将微博作为引导流量来支持业务的媒体，而微信则是以客户服务为主的新
型沟通渠道。通过微信平台，以后台业务的处理系统作为对客户服务的系统，减轻了招
商银行客服呼叫中心的压力。
2、微信平台对招行的价值
招行信用卡中心的微信平台虽然以服务客户为主，但不仅仅是服务。微信平台只是
一个工具，更多的为持卡人个性化服务的内容会逐步整合到平台上来。这个平台应该是
围绕持卡人、围绕招行的各种业务、各种服务以及各种合作伙伴展开的“微生活圈”的概
念。仅就目前而言，微信平台对招行的价值体现在三个方面：
（1）降低服务成本
微信平台能为招行直接节省多少成本，这一数字很难简单进行计算。网上曾有一种
说法，仅短信费用就能节省 5000 万。但实际情况是，短信渠道目前还未能实现明显的
替代，招行目前采用的是短信和微信同步发送的方式。对招行而言，或许更看重的是对
电话的替代。
2012 年招行卡中心客服的人工话务量超过 6000 万通，而每通电话的成本银行业有
个基本标准，大约为 5 元（包含人员工资、通信费、水电、座席硬件设备等）。如微信
的自助和互动服务能节省 10%的话务量，则招行信用卡中心一年节省的费用大概是 6000
万*10%*5 元=3000 万。通过微信对电话服务的协同作用来进行效率提升，还能够形成
很多潜在的收益，如降低话务的等待时间，减少话务每通电话的时长，这些都带来更多
的收益。
但微信对短信的替代是一个趋势，招行信用卡中心也在培养消费者习惯这个渠道。
经过简单测试，客户每刷卡 10 次里面微信和短信提醒一般都能全部到达，而且 3～4 次
还是微信提醒先到，同时微信提供的是每笔刷卡提醒，提醒的方式也图文并茂，更符合
客户视觉体验。
未来客户习惯这种方式时，费用节省的空间更大。短信银行的发送成本 3～5 分/条，
按照招行微信平台积累 1000 万持卡人，每个持卡人一年刷 24 笔超 500 元的消费，则招
行可以节省 1000 万×24× 元=1200 万。如再加上招行通过微信下发的营销活动，以
每个月 1 次下行短信计算，则招行可以节省 1000×12× 元=600 万。所以对电话和短
信的成本替代每年大概可以节省 4800 万元，这就是微信带来的实实在在的收益。
（2）提升客户体验
除了成本节约外，通过微信提高服务效率和改善用户体验是无法用公式计算的。招
行信用卡中心的 90%的服务都可以通过智能机器人来完成，自助查询回复准确率高达
98%。
①客服效率提升
作为一个持卡人，在什么情况下会联系招行信用卡的客服人员？如果按照重要性排
序，一般的选择是 1）查询帐单明细 2）调整额度 3）卡丢失挂失 4）咨询相关的活动，
再往后可能有还款，分期等业务需要咨询客服。
招行之前的服务渠道只有 400 电话座席或者邮件系统。以电话为例，每次我们的交
互体验是先要拨打热线电话进行 IVR 导航，按 1234 选一堆菜单；再输入卡号（身份证
号）；再输入密码；再听一段音乐等待转接；如果输入全部正确，顺利的话也需要至少 1
分钟，如果运气不好，可能时间更长或者重新拨打输入。可见这一服务体验并不完美，
用户只能被动接受，如果再碰上客服人员态度不好，极可能就演化成一次投诉。
而通过微信，招行可以快速地完成相关的业务办理，时间可以缩短至 30 秒，而这 30
秒还是碎片时间，随时随地都可以办理。另一方面因为这个账号是通过人机智能互动技
术来实现的，机器的准确性是一般客服人员无法达到的，因此微信平台更易实现便捷、
快速和准确。
①客户闭环服务
招行的微信平台是一个闭环的呼叫中心系统，简单的问题就由微信机器人做自动应
答，对于一些稍微复杂的问题，引导客户到招商银行的手机应用掌上生活或者手机银行
办理，再复杂一点的问题，比如需要协商还款、需要查询一些疑问交易、需要转人工，
都可以通过微信直接连到网络人工系统，由人工提供服务。通过搭建这样的系统，招行
完成了呼叫中心的变革。
而为了实现闭环服务，让用户“在互联网中开始在互联网结束”，招行微客服平台还
在微信界面提供人工服务入口，当自助服务不能满足用户的需求时，通过人工坐席来和
用户交互。因为招行卡中心后台知识库做到足够强大，每天微客服平台自动回复的业务
超过 10 万笔，而其中需要接入人工坐席的业务不到 2000 笔。
图表2：招商银行智能客服平台闭环服务模式
资料来源：银联信整理
①服务功能优化
目前招行微信客户服务平台上能完成的服务项目为 79 项，包括还款、促销活动、
积分等业务，占招行总服务项目的 71%，其中 90%以上的业务是用户通过自助服务完成，
在这背后，是招行卡中心核心业务系统、语义识别系统、知识库系统、机器人职能引擎、
渠道总控系统等多个技术平台的整合与打通。
招行已经实现了菜单交互、消费微信提醒、账单微信提醒和还款日的提醒，在一百
多万客户绑定情况下现已经达到每天逾四十万笔微信提醒。此外，微信平台智能识别功
能也大大提升了客户体验。如错别字纠错和关联核心业务等，通过后台数据分析准确对
接客户需求。
图表3：招商银行微信平台部分智能识别功能
资料来源：银联信整理
（3）实现社会效益
有了招行信用卡的微信，持卡人与招行的互动明显加强。例如招行在微信上搞了个
“智趣问答大征集”的活动：让客户自己提供交互场景和内容，引发客户的参与，搜集客
户的创意，提升微信智能客服的交互性，这符合目前互联网的让客户创造生产力的模式。
通过这些，招行的微信服务取得了巨大的社会效益，为招行带来了良好的美誉度，同步
提升了招行的品牌形象。
3、微信平台的功能拓展
未来，招行的很多营销类内容也会逐步加入，尤其是合作商户的一些活动。当然，
这些活动的推送不仅仅是每天的消息传递，而是基于客户行为分析、通过实时交互来触
发相关的营销推荐。
例如当客户想喝星巴克咖啡，招行会回复最近的星巴克咖啡店，并进行位置导航，
同时向客户微信推送出二维码优惠券，使其进行移动支付。客户在就近的星巴克只要出
示招行返回的二维码即可享受一杯香浓诱人的咖啡，整个过程中客户的信用卡不会出现。
图表4：招商银行通过智能交互实现营销推荐
资料来源：银联信整理
招行已经打通了微信与 CRM 的关系，利用微信上的这些交互信息，再加上其本身
具备的庞大而先进的信息处理能力，招行信用卡中心的数据挖掘工作可以逐步开展，不
但可以了解持卡人的历史行径、习惯、爱好，甚至还能借助一定的算法预测持卡人的行
为。
（二）信用卡 2——中信银行秒极营销
1、需求：快速处理灵活分析大数据
中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也
是国内最具竞争力的股份制商业银行信用卡中心之一。近年来，中信银行信用卡中心的
发卡量迅速增长。2008 年银行向消费者发卡约 500 万张，而这个数字在 2010 年增加了
一倍。随着业务的迅猛增长，业务数据规模也线性膨胀。中信银行信用卡中心无论在数
据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。
同时，为了应对激烈的市场竞争，中信银行信用卡中心迫切需要一个可扩展、高性
能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据仓
库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，
比如卡、账户、客户、交易等主题的业务统计和 OLAP（联机分析处理）多维分析等，
提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。
此外，中信银行信用卡中心需要一个解决方案来满足由中国人民银行、中国银行业
监督管理委员会和全球监管标准巴塞尔 II 协议提出的风险管理要求。例如，一个要求是
银行保留 5 年的交易历史数据，以及报送最近几个月的状态信息。这些信息需要在规定
日期提交。此前，中信银行信用卡中心使用磁带存储来解决。然而，从磁带中提取数据
过于缓慢，无法银行满足监管机构所规定的时间限制。
2、实效：实现秒级营销运营效率全面提升
从 2010 年 4 月到 2011 年 5 月，中信银行信用卡中心实施了 EMC Greenplum 数据
仓库解决方案。实施 EMC Greenplum 解决方案之后，中信银行信用卡中心实现了近似
实时的商业智能（BI）和秒级营销，运营效率得到全面提升。
（1）商业智能和秒级营销
以中信银行信用卡中心跟汉拿山烤肉的联合促进活动为例，在传统营销模式下，银
行会向城市中所有客户进行一次批量宣传，然后商户苦等客户自行前来。但在实时 BI
的支持下，中信银行信用卡中心选取汉拿山附近商户消费的客户，在第一时间通知客户
此项优惠。例如，客户在来福士购物中心消费一笔，立即接收到一条短信：您刚消费了
108 元，如您再消费一笔超过 91 元，即可在福士购物中心 5 层“汉拿山烤肉”享 5 折优
惠 1 次。看完短信，客户刚刚还在犹豫是否要买的一双新鞋，立即下决心刷卡付款，上 5
楼犒赏自己。整个过程一气呵成，在客户最需要、最接近买单时刻奉上最给力的优惠，
不容迟疑。整个活动客户相应踊跃，大幅提升了客户对中信信用卡的业务、技术领先性
的认可，取得了较好的市场反应和客户口碑。
Greenplum 数据仓库解决方案为中信银行信用卡中心提供了统一的客户视图，借助
客户统一视图，中信银行信用卡中心可以更清楚地了解其客户价值体系，能够为客户提
供更有针对性和相关的营销活动。基于数据仓库，中信银行信用卡中心现在可以从交易、
服务、风险、权益等多个层面分析数据。通过提供全面的客户数据，营销团队可以对客
户按照低、中、高价值来进行分类，根据银行整体经营策略积极地提供相应的个性化服
务。
2011 年，中信银行信用卡中心通过其数据库营销平台进行了 1286 个宣传活动，每
个营销活动配置平均时间从 2 周缩短到 2-3 天。并且市场活动中答应客户在刷满一定金
额或次数后送给他们的礼品，可以在客户刚好满足条件的那次刷卡后马上获得，实现了
秒级营销，而不必像之前那样等待好几个工作日。2011 年的前三个季度，中信银行信用
卡中心交易量增加 65%，比股份制商业银行的平均水平高 14%，比我国所有银行的平均
值高 4%。
传统的 BI 系统性能得到大幅提高，现在中信银行信用卡中心已经可以结合实时、
历史数据进行全局分析，其足以影响整个业务。例如，风险管理部门可以按账单日调整
持卡人的信用额度。以前的信用额度调整只能在每月或每季度的基础上进行，而通过使
用 Greenplum 数据库解决方案中提供的数据，风险管理部门现在可以每天评估客户的行
为，并决定对客户的信用额度在同一天进行调整。使用从 Greenplum 数据库解决方案提
取的数据，中信银行信用卡中心迄今已为客户进行了 4000 万次的信用额度调整。中信
卡中心催收管理团队使用了基于数据仓库的FICO TRIAD系统后，信用卡不良贷款（NPL）
比率同比减少了 %。
（2）整合资源、提升产能
中信银行信用卡中心电话销售中心将所有外呼营销历史整合到数据仓库，通过对大
量历史数据分析后调整客户提取和营销策略，在上线后的第一个月便实现单位工时创收
提升 33%、笔均贷款额提升 18%，目前银行正在开发针对每个产品的营销响应模型，以
进一步提升产能。
由于所有客户信息现在均可以通过分中心 CRM（客户关系管理）系统的专用 PAD
移动设备实时获取和使用。分中心的营销人员除了单纯的发卡工作外，还参与到客户服
务、风险管理、增值产品/消费金融产品营销等工作，分中心团队正在由单纯的发卡团队
变为一支强有力的客户经理团队。这在中信银行内部称之为“客户经理制”转型。
中信银行信用卡中心内部 80%以上业务分析用户依赖的 Cognos 系统与数据仓库系
统集成后，整体性能显著提高。Cognos 系统模型刷新效率提升 50%。同时因为 Cognos
系统可以分析更广范围的业务数据，更多用户都来使用系统，银行业务人员 2011 年内
日访问量增加了 40%。高级数据挖掘分析师的工作效率得到了极大的提高，之前需要自
己在分析工具清洗、转换数据然后再建立模型，通常需要至少 3 个多月的时间，现在一
个中等规模的模型通常只需要 1 个月即可完成，并且现在可以通过便捷的工具来生成、
管理模型，可以让更多的用户参与到该工作中来。
3、Greenplum：省钱的先进技术
中信银行信用卡中心实施 Greenplum 方案，是我国股份制商业银行信用卡中心中的
第一个企业级的数据仓库系统，也是我国首个第三代技术的银行数据仓库系统。
Greenplum 解决方案的一个核心的、独特的功能是，它采用了“无共享”的开放平台
的 MPP 架构，此架构是为 BI 和海量数据分析处理而设计。目前，最普遍的关系数据库
管理系统（如 Oracle 或 Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处
理，会牺牲单个查询性能和并行性能。而使用 Greenplum 数据库提供的 MPP 架构，数
据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的
通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。
Greenplum 数据库提供的 MPP 架构为磁盘的每一个环节提供了一个专门的、独立的高带
宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段
之间有效地移动数据。因此，相比普通的数据库系统，该系统提供了更高的可扩展性。
图表5：中信银行信用卡中心数据仓库逻辑架构
资料来源：银联信整理
中信银行信用卡中心通过概念证明（POC）比较了多个数据仓库解决方案的可行性
和成本效益。POC 结果证实，与其它产品相比，Greenplum 解决方案可以给中信银行信
用卡中心提供最高级别的性能。同时，该解决方案与银行所使用的硬件、应用程序和数
据源实现了有效集成。基于 Greenplum 解决方案提供的水平扩展功能，中信银行信用卡
中心可以在需要的时候比较容易地添加模块化设备集群，以确保现有资源的优化，从而
降低初始成本支出。据估算，Greenplum 解决方案使中信银行信用卡中心在初始成本支
出方面节省了上千万元。
此外，Greenplum 解决方案通过把数据集中在一个统一的平台，极大地减少了系统
维护的工作量。以前中信银行信用卡中心使用数据集市的方案，而不是完整的数据仓库
解决方案，需要两名工作人员来维护该系统。现在通过使用新的 Greenplum 解决方案，
只需要一个工作人员花他一半的时间来维护系统。基于 Greenplum 解决方案在系统维护
的便捷简单，中信银行信用卡中心每年减少了大约 500 万元的数据库维护成本，有助于
减少解决方案的总拥有成本。
（三）小微金融——阿里小贷经营模式分析
在阿里金融模式发展初期，阿里巴巴曾提出实现长期可持续发展必须解决的三个问
题，首先如何真实了解客户及其盈利模式；其次是贷款风险的控制能力；第三是如何尽
快实现规模效应降低成本。实际上，这也是其他小贷公司以及商业银行在小微金融领域
难以解决的问题。
面对这三个问题，阿里做出了比较乐观的判断。在全国超过 4000 万小微企业中，
至少三分之一已经开始利用网络进行经营，这给阿里小贷的规模化运作奠定良好基础。
借助阿里云计算的大规模数据处理能力，小贷业务的先期投入大幅减少，同时为流水化
运作提供了有力支撑。经过多年的积累，阿里已经建立起庞大的信用数据库，通过引入
先进的风控技术，结合自身对国内小微企业特质的理解，阿里自主研发出一套风险决策
系统。借助稳定的交易平台和互联网技术，阿里打造出真正信贷工厂，贷款的批量化生
产得以实现。可以看出，大数据的应用和风险管理体系是阿里小贷成功的关键。
1、淘宝数据来源
早在 2008 年，阿里巴巴公司的“大淘宝战略”伴随着阿里妈妈并入淘宝网而正式启
动，包括了被喻为电子商务“水、电、媒”的支付、信用和物流环节，也将线上线下、纸
媒电视等多种与消费者接触的渠道囊括在内。“大淘宝”不仅将以这种方式为越来越多不
同规模层次的淘宝卖家提供从营销推广到销售配送的多种选择和整体方案，也将打通这
些传统行业中固有的价值传递链条，实现参与各方价值的最大化。同时，淘宝这个单纯
的交易平台也将在无形中升级为承载整个“生态圈”的基础服务提供商。
而这一切的基础，就是大数据：在成为开放平台与服务提供商，面向全球开放数据、
打造全新盈利模式的过程当中，淘宝利用大数据改变了电商的运作模式，并充分利用自
身平台的这些海量数据构建起一个大数据王国。
图表1：淘宝网的数据产生来源
广告点击 页面、视频、弹窗等
搜索引擎 百度、谷歌、搜搜等
SNS 推荐 人人网、新浪微博等
来自淘宝外部的引导
性数据
关联软件操作 美丽说、蘑菇街等
内部搜索 淘宝网、淘宝商城等搜索框
站内广告 直通车、淘宝客、钻石展位品牌广告等
站内 SNS
淘资讯、淘江湖、帮派、淘心得、社区、打听、嗨淘、淘女郎、
海报等
淘宝页面 首页、产品类目、垂直频道、店铺首页、产品页面等
会员及用户 我的淘宝、会员中心、收藏夹等
购买与交易
购物车、确认收货、支付、购买成功、交易评价、投诉与建议、
退换货等
即时通讯工具 阿里旺旺
来自淘宝网站内部的
数据
后台管理数据 淘宝网站后台管理、卖家后台操作等
来自直接访问的数据 网址收入、软件操作、浏览器收藏等
资料来源：银联信整理
通过对这些数据的存储、运算、管理以及分析，除了用以优化自身的界面、服务、
管理和产品之外，淘宝还可以对外提供至少三类具备极大商业价值的数据与信息。第一
类是针对消费者，方便其购物与消费的数据信息，包括各类商品及店铺信息、促销信息
等；第二类是针对店铺以及卖方，可有效提升其店铺管理及商品销售效果的数据信息，
包括消费者的消费行为、网络使用行为、媒体接触及使用行为，市场发展及行业竞争数
据与信息等；第三类是可以提供给社会及第三方机构帮助其了解电商企业以及淘宝相关
的数据集信息，包括销售数据、购买数据、交易数据、消费者行为数据等。
2、阿里数据体系
（1）阿里数据闭环一——数据-信用
对于海量的碎片数据如何运用的问题，阿里小贷给出了一个很好的示范。在过去，
因为无法采信足够的数据，在企业贷款时银行要求提供房产、购车证明，用资产做抵押。
但现在，基于采集到的海量企业数据，阿里小贷可以借助技术手段，把碎片化的信息还
原成对企业的信用认识。比如某个小企业有一个小工厂，用电量一直在持续的攀升，可
以认为他业务很好，信誉就可以调高。银行依然用的是上门调研的方式，人力、时间成
本太高，并且也不可能长期跟踪。有时候碎片数据可以反映全局，而这种数据在模型中
的权重就会比较高。
事实上，阿里内部对数据的运用不仅仅体现在商业产品上，数据也在大大缩短、简
化内部的业务流程。不要将数据的价值局限于“变现”，数据最终的指向是积累的信用，
包括个人信用也包括企业信用。所做的一切都是在为这个目标服务，首先将数据变成信
用，良好的信用又可以取得贷款、获得更好的服务，增加客户的财富，这是一个良性循
环，也就是数据价值的“闭环”。
而未来支付宝对个人最根本的绑定，可能是在个人信用方面——消费者的信用历史。
在未来，很有可能有一天银行要对某个人发放贷款的时候，需要支付宝出具这个人的信
用证明。事实上支付宝也可以专门就此开发一个个人信用软件，它可以给一个人的信用
显示分数。信用分数好的人将很乐意在自己的微博、微信上显示这一指标。它将帮助具
有相同信用指数的人认识自己。相反，当你看到一个支付宝信用指数极低或者不高的人
时，你甚至不愿意与之交朋友——如果这最终成为事实，那么毫不夸张地说，所有姑娘
或者小伙在找对象的时候必须审查的一项，将是支付宝信用指数。这不是危言耸听，2013
年 3 月 12 日，支付宝已经推出了基于个人信用记录的“信用支付”。
（2）阿里数据闭环二——线上-线下
B2B 电商平台目前发展为三代：第一代以信息撮合机制为主，通过互联网特性有效
的汇聚买卖双方信息；第二代以在线交易为主，信息展现模式、在线交易工具、配套服
务产品的发展使得各平台都在想方设法解决在线交易问题；第三代即资源集聚为主，所
谓资源集聚正是突出两个核心要素：数据穿针引线，服务本质所需。
大数据给予平台服务提供了信息支持，而服务落地也有利于有效数据不断被采集，
形成数据循环，即“雪球效应”。可以说大数据不是电商平台的某一个产品组成或业务领
域，而是整个电商未来发展的基础资源与优势体现，目前很多企业都在尝试大数据的开
发与应用，针对 B2B 综合电子商务平台的实施方案，即“生命树”体系。
图表6：阿里金融大数据体系
资料来源：银联信整理
从数据采集来源上讲，传统互联网思维模式是极力将用户搬到线上，通过线上行为
获取用户的相关信息及操作轨迹。过去因为技术、方法、行业特性所限，互联网通过线
上所吸纳的海量数据的确给电商企业带来了短期的处理空间，而直接从线下模式获取数
据来源的成本及模式尚不成熟。但市场最大的数据源永远都是在线下，电子商务的本质
是通过电子化手段来服务传统商务流程，帮助其降低成本提升效率。所以要直接建立起
线下数据的采集接口渠道，而不再仅仅依靠纯线上数据作为来源是一个关键环节。同时，
线上线下数据采集汇聚到数据中心，产生的分析型数据将会反哺线上，带来更精准的使
用价值。互联网电商平台的产品展现仍旧是电子化特性，但数据来源的落地化将是巨大
促进。京东的“亚洲一号”、阿里的菜鸟、慧聪的电器城、中国网库的电商谷等已在实施
的落地战略，其背后所隐藏的目的之一也在于此。
举例说明，比如某 B 类企业习惯在电商平台上寻找合适的采购资源，电商平台的确
满足企业的信息获取需求，但由于合同、发票、信用等环节的制约，一般很少有企业会
直接通过平台在线付款，尤其是大额款项，那么这一笔交易的发生仅利用线上平台很难
判别。企业实际交易发生时所牵扯到的银行或第三方支付、物流配送等环节是实实在在
获取到这些信息的。假如电商与顺丰战略合作，建立数据库接口，那么某企业在顺丰发
生的某笔物流交易的货物属性、目的地、数量等数据标签，与线上该企业的页面浏览、
点击轨迹等分析匹配，即可得到这笔交易的真实数据。不用平台的在线支付，也可知道
企业实际发生的真实交易数据甚至更多内容，这就是线上与线下数据结合的魅力所在。
当然除了物流，在金融、支付、认证、软件等方面获取的信息将充实该企业的数据
模型，得到更加精准的数据，也有助于通过实际发生的线下交易趋势来调整线上产品，
达到无缝对接。
3、大数据的应用
（1）业务流程分析
长期以来，银行对小微企业真实经营状况的了解弱于抵押物的评估，原因在于银行
没有更好的信贷技术。在阿里小贷业务中，数据是贯穿始终的核心要素。依托稳定的交
易平台，支付宝沉淀了庞大的后台数据，可以为信贷业务提供强大支持。阿里不但掌握
网商的资金流动数据，还了解它们的整个运营细节，包括企业订单数量、销售增长、仓
储周转，以及投诉情况等数据信息，这让阿里比任何一个金融机构更了解小微企业客户。
图表7：阿里金融数据应用流程图
资料来源：银联信整理
①经营情况分析
客户评级采用 360 度调查模式，这是阿里金融最核心的技术。通过小微企业主在阿
里巴巴平台上的行为表现，对其历史交易流水进行分析和定量，反映其真实信用状况。
随后，评级系统会分析小微企业主的阿里巴巴平台认证与注册信息、留下的痕迹、贸易
平台表现，如登录管理、广告投放、社区行为等。接下来，还要进行客户交互行为分析，
如顾客的收藏、反馈、评价情况等。所有信息最终都会进入数据库进行定量，并将数值
输入网络行为评分模型，从而对小微客户进行评级。
①客户主体评价
除分析交易数据外，阿里引进心理测试系统，对小企业主人品进行分析，判读其性
格特质，并将得到的结果进行定量，通过模型测评小企业主对假设情景的掩饰程度和撒
谎程度。除此之外，客户评级还采用外部信息抓取技术，将客户在外部互联网上留下的
数据痕迹和身份信息过滤出来，同时结合客户软信息、上下游评价等，再将行业与政策
数据作为调整因素，从而完成对小微企业客户的全方位综合评价。
①贷后风险监测
一笔贷款发放之前，阿里可以通过客户的信用和资金流转记录确定其信用水平，发
放之后，又可以通过支付宝等渠道监控其现金流，是否出现与贷款目的不符的资金运用
一目了然，企业每笔交易的收益也尽收眼底。强大的数据后台让阿里对企业的真实财务
数据了如指掌；另一方面，商户通过支付宝进行交易，一旦出现违约风险，阿里可以通
过支付宝随时掐住商户的现金流，保障贷款的安全性。
（2）风险管理分析
通过评级系统对小微企业进行分层，筛选出符合条件的贷款对象，完成贷前调查流
水线作业后，贷款进入审批程序，确定额度和利率，并由财务部门放款。贷款随即进入
系统实时监控状态，整个过程中，阿里独特的风控系统都在发挥作用。
①全流程防控机制
阿里小贷建立了多层次风险预警和管理体系，实现了贷款前、中、后三个环节的紧
密结合，利用数据采集和模型分析等手段，根据客户积累的信用及行为数据，对企业的
还款能力及还款意愿进行评估。同时结合贷后监控和网络店铺（账号）关停机制，提高
了客户违约成本，可以有效地控制贷款风险。
图表8：阿里小贷风险管理体系
资料来源：银联信整理
①贷款调查
通过阿里巴巴 B2B、淘宝、支付宝等电子商务平台的无缝连接，客户积累的信用数
据及行为数据都被引入网络数据模型和在线视频资信调查模式，通过交叉检验技术辅以
第三方验证确认客户信息的真实性，将客户在电子商务网络平台上的行为数据映射为企
业和个人的信用评价。
在阿里构建的小微金融生态系统中，基于社交概念的风险控制系统“人际爬虫”正在
发挥功效。通过对某个人行为数据的海量计算和分析追踪，将其核心人际关系网络图谱
展示出来，并由系统给出基于模型的综合评级结果。“人际爬虫”构建了一个庞大的网络
“熟人社会”，通过逐条规则的设立及其相互关联性的分析得到相应的评判数值，再将数
值输入模型组合进行计算，得到的结论与评级系统进行交叉验证，构成风险控制的“双
保险”。
①贷后监测
一笔贷款放款后，阿里的计算机系统 24 小时监控小微企业贷款使用是否发生偏离，
如果贷款真正投入到生产经营中去，其店铺流量会变化，平台广告投放可能增加，营业
额一定上涨，利润将增加。如果评估结果变差，阿里将提前预警并收贷。
阿里小贷的贷后监测环节已十分智能。整个风控体系中嵌入了几千条规则在运行，
相当于给每位客户装一个听诊器，预警信息会从系统直接弹出，一旦亮红灯必须处理，
有些是亮黄灯则继续累加，到一定程度后再收贷，系统会通过客户表现来决定贷款额度
的增减。
在互联网上，风险行为升级与传播非常迅速，阿里特别注意风险的扩散与渗透。通
过分析企业之间的相互关系，当一家企业出现风险时，其周边相关企业变量会被系统自
动更改或加以屏蔽，相反，好企业同样可以被发掘出来进行重点营销。阿里的监控屏幕
上会实时显示小额贷款投放的企业总数、申请数、满足数与满足率等风控指标，甚至可
以调出每个市、县的数据。
（3）阿里信贷工厂
小企业贷款，特别是 500 万以下的小微企业贷款对银行缺少吸引力，很大原因是成
本无法覆盖。利用互联网技术，阿里正在打造一条信贷流水线，建成真正的信贷工厂，
实现贷款的批量化生产。
图表9：阿里小贷业务流程图
资料来源：银联信整理
在阿里的业务系统中，可以看到生产线上每个环节客户的滞留情况、风险状况，以
及推进速度。通过模拟工业化作业流程，实施各模块专业控制手段。一般来说，银行每
位客户经理能够管理 100 家小微企业已经是极限，阿里力争实现每人管理 1000 家以上。
将申贷和审贷流程尽量简化，从客户申请贷款到贷前调查、审核、发放和还款采用
全流程网络化、无纸化操作。例如淘宝商户，凭着订单，按照流程进行简单操作即可获
取贷款，整个过程最短只需 3 分钟。
视频调查是阿里的核心技术之一。在工作平台上，上百位信贷调查员通过互联网，
与小微企业客户进行面对面交流。利用这种技术，信贷员足不出户，就可以帮助小微企
业主们恢复或重新编制财务报表，要求他们在线提供个人银行流水、水电费单等。通过
在线调查方式来判断企业的财务状况与运营能力，大大提升了信贷员的工作效率。
在信贷产品创新方面，阿里开发了贷款团购，通过系统筛选出符合条件的小微客户，
在规定时间内同时发起贷款，利率更优惠，运作成本也更低。
（四）商业银行大数据应用存在的问题
相比于阿里大数据已经形成了一套较为科学而完善的体系，银行对于大数据的处理
仍然处于较为基础的层面，同时，目前银行在处理大数据的时候仍然面临了以下几个待
解的难题。
1、无法对接客户需求
银行目前在大数据时代面临一个很尴尬的局面，就是不知道客户的真实想法。国内
传统银行有一套完整的数据仓库或者 BI 架构做数据分析，把内部企业数据进行整合之
后，把数据装到数据仓库里，基于这些数据来建设满足银行各种管理需要的应用。但是，
随着最近几年这种传统技术面临诸多问题，很多问题到了很难解决的地步。
总结下来有几方面，首先是庞大的数据量。世界上任何银行都无法跟我国的银行比
数据量和交易量，包括客户数、账户数、交易次数都是绝无仅有的。数据的快速增长，
导致了数据加工成本高，银行的设备要不停更新换代。很多大银行可能有上百个系统，
而且数据种类庞多，随着银行流程改造，越来越多非结构化数据和半结构化数据要纳入
管理和分析。随着互联网行业的发展，客户的行为数据以及物联网里传感器产生的数据
都会成为分析的对象，这就导致传统架构无法满足新的数据形式。
与此同时，新的经济形势下要求银行对很多业务需求作出更快的响应，也需要更高
的时效性。而传统技术是批量处理的方式，无法满足高时效性要求，并且数据分析结果
在传统模式下不能融合到业务流程里。
最严重的还是业务层面的问题，银行长期以来是封闭的系统，银行不了解客户的真
实需求。传统银行是为客户提供服务，客户的参与度非常低。以往银行的分析系统都是
基于对内部数据的基础进行分析，而对真正的客户行为数据在银行里是没有的。
2、存在严重数据短板
以银行零售业务转型的例子来看，银行有产品开发部门，并建立了很完善的数据仓
库和商业智能系统。在传统数据仓库分析模式下，银行把内部数据进行整合之后，传给
数据仓库，进行传统的数据分析，找出有商机的目标客户群，根据金融产品匹配用户，
最后通过各种渠道进行营销，一直到现在银行都在做主动营销。
但这种营销模式的问题在于，银行是从主观上认为客户应该会喜欢什么样的金融产
品，而并非客户的真实偏好，这导致主动销售的成功率非常低，而且会因为银行的主动
销售造成很多产品理解上的纠纷。
可见，在互联网时代，银行正在“生产”着庞大的数据，且越积越多，这些内部数据
量巨大而复杂，传统的设备与数据分析软件已无法满足新的数据形式。在这样的背景之
下，银行仍用着传统的营销方式推销金融产品，没有精准的数据营销，没有合适的产品，
大大降低了成交量。
随着银行自身数据的增多，大数据有利于其优化资源，这些问题恰好可以通过大数
据提供很好的解决方案。从表象来看，数据来源变了，以往分析基础都是企业内部的数
据，经营活动或者管理活动过程中产生的数据。但是未来，互联网数据、物联网时代的
机器数据，传感器产生的机器数据已成为主要的分析对象。
因此，在互联网时代进行数据分析的时候，除了银行的内部数据以外，还需要纳入
互联网数据，互联网数据记录了银行客户的痕迹和行为，可以从中分析出客户的风险喜
好、投资偏好、个性特征等，从中分析出客户可能会喜欢什么样的产品，并为客户量身
定制产品开发，这样的产品才是客户真正需要的。最大的不同在于，一个是银行认为客
户需要什么，另一个是真正基于客户想要什么分析出来的结果。这样的零售业务创新转
型未来可能会越来越多地出现。
3、深陷大数据争夺战
如果想尽快实现转型，银行势必要跟一些互联网企业在客户数据方面进行合作。大
数据时代银行要创新转型，最容易做的可能是在客户服务和主动营销方面。在这方面银
行面临一个问题，银行的客户数据只是客户的基本信息、持有金融产品的信息以及客户
的交易信息三个方面的数据。而银行却缺少最重要的信息，就是客户的行为数据，但客
户的行为数据和客户喜好、客户习惯等数据却掌握在互联网企业手中。与此形成鲜明对
比的是，阿里巴巴等 IT 企业，正是依靠手中掌握的客户行为数据，悄然布局金融业。
在阿里巴巴的倒逼之下，相关银行正寻求突围。目前银行突围的路径主要有两个，
第一种方式是采取跟电商或者互联网账户系统进行合作，以借助外力来补缺数据短板。
如果银行跟一家电商合作的话，银行可以在网银上，通过自己的渠道帮电商做推广。电
商也可以更好地把银行的服务纳入到电商的商务环节里，这是互补的。在这方面，股份
制银行走在最前面的，比国有大行领先。我国目前有两个大的账号系统，一个是新浪，
一个是腾讯，价值不可估量。阿里 2013 年投资入驻新浪微博就是基于此类考量。如果
银行真正要进行用户行为分析，真正基于客户进行转型，最终还是要选择跟这些企业合
作。银行客户服务模式要转型，必须要有客户的行为数据，必须要真正了解客户的真实
需求。
另一种方式是，有些银行通过自己进入电商领域，以积累客户的行为数据。至此，
传统银行业未来的业务会分成两种模式：线上和线下，线上延伸到互联网，线下就是智
能柜台。比如建设银行在 2012 年 6 月 28 日推出了名为“善融商务”的网上商城。这对于
建行来说这是一项极不同寻常的战略决策，凸显出我国银行业的两种新情况：首先，在
政府过度保护之下的我国银行业，突然发现自己处于一个竞争激烈的环境之中。其次，
围绕“大数据”控制权的争夺战正在我国升温，银行希望尽可能多地收集客户信息。
值得注意的是，在此之前，建行与阿里巴巴有过四年的“甜蜜期”。在建行支持下，
阿里巴巴在 2007 年推出一个专注于小微企业的贷款计划——“阿里贷”。阿里巴巴拥有
大量用户信息，并汇集了他们详细的信用记录，而建行坐拥巨额资金，希望贷款给无信
用历史的小企业。2011 年，双方合作到期后，没有续约。但却推动了建行电商业务的起
步和发展。
三、大数据时代银行的机遇和挑战
大数据时代，互联网企业意图在金融领域分得一杯羹，凭借客户和流量资源，逐步
向支付、融资等业务渗透，确实对银行造成了一定影响。但与此同时，大数据的高速发
展，使银行业的客户数据、交易数据、管理数据等均呈现爆炸式增长。海量数据席卷而
来，海量机遇也随之而来，为银行业务转型和产品创新创造了条件，银行业服务及管理
模式都将发生根本性改变。
（一）大数据给银行带来的影响和机遇
1、大数据提供了全新的沟通渠道和营销手段
一方面，社交媒体的兴起给银行提供了全新的与客户接触的渠道。已经有多家银行
开通了官方微博，通过建立社会化的形象，拉近与客户之间的距离，利用社交媒体的力
量，往往能够取得意想不到的效果。光大银行在 2011 年 4 月份通过其官方微博发起了
“95595 酒窝哦酒窝——光大电子银行酒窝传递活动”，向网民征集酒窝照片，并由参与
者向好友进行传递，征集的照片会组成一个笑容墙展示，一个月的时间里有超过 740000
人参与了活动，使得光大银行的客服电话号码一夜走红。
另一方面，通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼
图，从而进行更为精准的营销和管理。银行本身拥有客户的大量数据，通过对数据的分
析可以获得很多信息，从而成为进行管理和营销的依据。但由于银行拥有的客户信息并
不全面，这种分析有时候难以得出理想的结果甚至有可能得出错误的结论。比如说，如
果某位信用卡客户月均刷卡 6 次，平均每次刷卡金额 500 元，平均每年打 3 次客服电话，
从未有过投诉，按照传统的数据分析，该客户是一位满意度较高、流失风险较低的客户。
但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款
不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。
2、大数据滋生了新型金融业态参与市场竞争
大量的数据来源和强大的数据分析工具正催生出很多新的金融业态来直接瓜分银
行的信贷市场。在英国，一家叫做 Wonga 的公司利用海量数据挖掘算法来做贷款业务，
他们大量使用社交媒体和其他网络工具，将客户的信息碎片关联起来，预测客户的违约
风险，为其信贷业务提供依据。在我国，阿里巴巴旗下的阿里信贷自 2012 年 8 月起全
面向普通会员开放，提供无抵押、无担保的低额贷款。而其依仗的正是掌握在手中的海
量客户经营数据，有了这些数据，阿里巴巴可以说是对客户的资信状况了如指掌，从而
最大程度的降低了信贷业务的风险。如果说象 Wonga 这种尚需要去网络上搜集数据来
进行放贷的公司尚不足为惧，那么象阿里巴巴这种本身拥有雄厚客户基础和海量数据资
产的公司介入信贷行业，将对行业格局产生深远的影响。有专家预测，“网络融资”可能
成为 20 年后的主流，甚至可能发展到资金供需信息直接在网上发布并匹配，供需双方
直接完成资金融通。
3、利用数据的能力日益成为银行竞争的关键
麦肯锡在一份研报中分析了不同行业从大数据浪潮中获利的可能，金融行业拔得头
筹。作为金融行业的主要组成部分，银行业利用数据来提升竞争能力具有得天独厚的条
件。第一，银行业天然拥有大量的客户数据和交易数据，这是一笔巨大的财富。第二，
银行业面临的客户群体足够大，能够得出具有指导意义的统计结论。第三，在“小数据”
时代，银行业已经在以信用评级模型和市场营销模型为代表的数据分析上积累了大量的
实战经验，具备向“大数据”分析跨越的基础。随着“大数据”时代的来临，银行运用科学
分析手段对海量数据进行分析和挖掘，可以更好的了解客户的消费习惯和行为特征，分
析优化运营流程，提高风险模型的精确度，研究和预测市场营销和公关活动的效果，从
每一个经营环节中挖掘数据的价值，从而进入全新的科学分析和决策时代。在这种情况
之下，利用大数据的能力将成为决定银行竞争力的关键因素。
4、从长远看大数据将全面颠覆金融服务型态
从长远来看，随着数据化和网络化的全面深入发展，金融服务将向虚拟化方向发展，
从而全面颠覆金融服务形态。一是产品的虚拟化，资金流将越来越多的体现为数据信号
的交换，电子货币等数字化金融产品的发展空间巨大。二是服务的虚拟化，通过移动互
联网、全息仿真技术等科技手段，银行完全可以通过完全虚拟的渠道向客户提供业务服
务，现有的实体柜面可能趋于消亡。三是流程的虚拟化，银行业务流程中各类单据、凭
证等将以数字文件的形式出现，通过网络进行处理，从而提高处理的便利性和效率。在
这样的服务形态下，银行的整体运作就是一个数据的洪流，“数字金融”得以全面实现，
银行的管理理念和运营方式也随之得以全面颠覆。
（二）大数据时代银行面临的挑战
1、数据驾驭能力受到考验
大数据时代首先对银行的数据驾驭能力提出了全新的挑战。在数据收集方面，银行
不仅要收集来自网点、信贷等传统渠道的结构化数据，还有收集来自物联网、互联网、
机构系统的各类非结构化数据，甚至还要与历史数据对照，非结构化数据收集模式将彻
底颠覆银行数据收集理念。在数据存储方面，要达到低成本、低能耗、高可靠性目标，
通常要用到冗余配置、分布化和云计算技术，但这正是银行所欠缺的。在数据处理方面，
有的数据涉及上百个参数，难以用传统的方法描述与度量，处理的复杂度相当大，如客
服录音数据等。利用“大数据”的能力将成为决定银行竞争力的关键因素。
2、生存发展能力受到挑战
大量的数据来源和强大的数据分析工具正催生出很多新的金融业态来直接瓜分银
行的信贷市场。与传统银行相比，互联网金融在信息收集、信息处理、产品交付以及风
险防范等方面都具有优势，其提供的金融服务已经从简单支付渗透到了转账汇款、小额
信贷、现金管理、资产管理、供应链金融、基金和保险代销等银行核心业务领域。预计
到 2015 年，我国第三方支付交易规模将达到 万亿元。在金融脱媒的背景下，这种
渗透显得尤为令人担忧，意味着金融业和互联网企业的转型方向出现了战略重叠，均朝
着“金融服务方案提供者”这条高附加值的路线进军。
3、商业运营模式面临变革
随着数据化和网络化的全面深入发展，金融服务虚拟化将成为大势所趋。一是产品
虚拟化，金融 IC 卡的推广应用，正在逐步提升银行的电子化发展进度，银行资金将越
来越多地呈现为各类数据信号的交换，电子货币将与实物货币并驾齐驱。二是服务虚拟
化，“善融商务”“交博汇”以及网络金融商城等银行电子商务平台不断发展，鼠标银行、电
子银行成为未来趋势。三是管理虚拟化，银行业务中的各种单据、凭证等将以数字文件
的形式出现，网络成为重要的管理通道，电子化、数据化的管理模式更加方便快捷。传
统的商业银行运营模式将逐渐消融在数据化的洪流里，借助“大数据”手段，实现跨越发
展，成为未来商业银行可持续发展的唯一选择。
（三）SWOT 分析
1、优势分析
（1）商业银行拥有广大的客户群体
商业银行在多年发展中，积累了大量的客户数据，包括客户个人资料、客户存贷款
信息等。大数据时代下，商业银行的客户资料将成为商业银行的重要信息资产之一，通
过云计算等技术手段，将加快客户信息的验证和调用速度，提高业务办理效率。
（2）商业银行资本雄厚，有能力建立大数据库
商业银行具有雄厚的资本，盈利能力较强，为其建立大数据服务器提供资金保障。
由于建立数据库、云计算服务器等设备需要大量的资金支持，一般中小企业难以承受，
商业银行凭借其较强的资本实力可以轻易构架起数据设备，以应对未来数以 ZB 计的数
据量。
（3）商业银行拥有专业的客户服务人才
商业银行发展过程中，培养了许多专业的客户服务人才。这些客户服务人才在大数
据时代下，可以利用更加详细的客户信息，更加丰富的客户行为，从各个角度分析客户
需求，为客户提供全面的金融服务方案。
2、劣势分析
（1）客户信息不全面
①缺乏个人客户基本信息
商业银行虽然拥有大量的客户信息，但是对于单个客户的资料仅限于身份证信息和
银行卡流水信息，对于客户其他方面的信息知之甚少。如客户的家庭情况、生活习惯、
性格特征、兴趣爱好等。这些信息在大数据时代显得尤为重要，依据这些信息，客户经
理可以为客户量体裁衣，提供满足客户各种需求的服务。
①缺少小微企业客户信息
小微企业不仅数量众多，金融需求总量也十分巨大。尽管商业银行一直在开拓小微
企业金融业务，但非常缺乏小微企业的相关数据，一方面小微企业不愿透漏更多的信息，
另一方面，为小微企业搭建贸易平台的电商企业掌握着众多的小微企业信息，而这些信
息作为其核心资产，银行很难获得。
①缺少产业链客户的信息
很多商业银行的产业链金融业务由于涉及信息较多，收集和维护产业链相关企业数
据较为不易。大数据时代下，银行可以观察核心企业的资金流水和交易记录，找到核心
企业的供销商，更加高效便捷的发展产业链金融。
（2）缺乏专业的数据分析人才
尽管银行拥有丰富的金融专业人才，但其数据分析人员较为匮乏。数据分析人才是
指能够针对客户信息（如客户消费习惯、客户社交特点）等数据做出分析的人才。大数
据时代下，需要金融专业人才和数据分析人才相互配合，才能为客户指定更加具体的、
深入的金融服务方案。
3、机会分析
（1）先入为主的机会
刚刚进入大数据时代，各种软硬件设施还未健全，商业银行应当把握住这个机会，
率先构架大数据战略体系，赢得先机。
（2）降低成本、提高效率
短期来看，商业银行需要一定资金投入来架构大数据服务器，但长期看来，商业银
行可以利用云计算实现公有云共享客户信息（云计算公认的一种分类方法，包括公有云、
私有云、混合云。公有云通常指第三方提供商为用户提供的能够使用的云，公有云一般
可通过 Internet 使用，可能是免费或成本低廉的。私有云是为一个客户单独使用而构建
的，因而提供对数据、安全性和服务质量的最有效控制。混合云可视为两种云的结合），
节约了时间成本和人力成本。另一方面，这些数据可以实现高效的交换和运转，将提高
商业银行的办公效率。
4、威胁分析
（1）网商的竞争
马云曾说，“如果银行不改变阿里，阿里将改变银行”，互联网金融正在颠覆着传统
的商业银行。2012 年 11 月 11 日，天猫加淘宝销售额达到 191 亿元，超过 1 亿笔订单完
成支付。其中，支付宝交易笔数占到所有交易的 %，支付宝提前充值带来的余额支
付占 31%，而传统网银支付，所有银行渠道相加只占到 %。面对来自互联网金融
（如阿里金融、人人贷等）、移动互联网金融（如拉卡拉、手机钱包等）的竞争，商业
银行将更加重视大数据战略。
此外，网商还拥有众多未获得营业执照的网店经营者，他们具有活跃的交易记录和
巨大的金融需求，但商业银行很难开发到这些客户。
（2）大数据存在的风险
未来，银行在架构存储数据终端时，将会广泛使用云计算技术，这种技术将实现共
享数据资源的同时，也伴随着一定的风险。因为，云计算将数据存入云端，云端往往是
由第三方服务器实现存取的，如果第三方将数据泄露，将会对银行交易记录、客户信息
造成极大威胁。
图表10：商业银行大数据时代的SWOT分析
优势（S）：
1.广大的客户群体
2.雄厚的资本
3.专业的客服人
劣势（W）：
1.客户信息不全面
2.缺乏专业的数据分析人才
机会（O）：
1.抢占市场先机
2.降低成本、提高效率
利用资本优势、人才优势建立大数据
库；构架云计算服务器；提高运行效
率
完善客户信息，各银行间建立公有云
共享信息；培养数据分析人才
威胁（T）：
1.网商的竞争
2.大数据存在风险
与网商合作，共享客户信息，分享利
润；建立大数据的风险防范制度和体
系；建立私有云
进一步调查研究大数据时代的各种
风险，谨慎介入
资料来源：银联信整理
四、大数据时代零售银行发展战略分析
（一）大数据应用场景描述
随着银行业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有 15%的结
构化数据进行分析已经不能满足发展的需求。以科技引领业务发展，未来银行也同样需
要借助由大数据构建的企业经营全景视图来进行风险管理、产品营销、业务创新等活动，
进而寻找最优的模式支持商业决策。在零售银行业务中，大数据在客户管理、市场营销
和风险管理三个方面有着不同的应用。
图表11：零售银行大数据应用场景
资料来源：银联信整理
1、客户管理
随着大数据的大量涌现，尤其是在社交网络的背景下，服务渠道不应仅局限于传统
的银行渠道，而应整合新的客户接触点（即社交媒体网站等），这种趋势已经变得日益
清晰。银行业发展战略也逐步从以产品为中心转向以客户为中心，客户成为银行发展的
重要驱动力。银行不仅仅销售产品和服务，而且还应为用户提供完美的多渠道体验，成
为真正以客户为中心的组织。了解客户到底是谁以及客户最真实的需求成为银行经营管
理者最为关注的问题。
银行可以通过大数据分析平台，接入客户通过社交网络、电子商务、终端设备等媒
介产生的非结构化数据，构建全面的客户视图。根据用户行为对用户进行聚类分析，进
而可以有效的甄别出优质客户、潜力客户以及流失客户。
例如某人为自己的孩子开办了一款信用卡，当孩子上大学后，就会分析这位顾客所
需要的金融产品。如果之后家长有装修厨房的计划，那么花旗银行的工作人员会向这位
家长推荐适合装修的贷款，满足客户各方面的潜在需求。
2、市场营销
借助大数据分析平台，通过对形式多样的用户数据（用户消费数据、浏览记录、购
买路径等）进行挖掘、追踪、分析，将不同客户群体进行聚类，有助于获取用户的消费
习惯、风险收益偏好等特征信息，从而根据不同客户特性打造个性化的产品营销服务方
案，将最适合的产品服务推介给最需要的客户，以主动营销和个性化营销打破传统无差
异的、被动的产品服务营销方式。
例如一些智能手机的应用程序可以收集用户的位置信息，比如大众点评 app，它让
用户在最喜爱的地方“签到”，通过忠诚度计划、酒店推荐和“签到”地点附近的其他推荐
而获得好处。银行不妨通过与这类 LBS App 开发方合作，为客户提供位置相关的促销
信息。在客户购买产品时提供定制化的信用产品，发送银行与商户协议的优惠券或特殊
折扣，或者预测该行为所表现的客户需求，从而进一步提供切合客户实际的金融产品等。
这样不仅能大大提升客户的满意度，增加客户黏度，而且能够极大地提高金融产品的销
售和中间业务收入。
大数据的有效使用，不仅可以提升银行产品的精准营销水平，而且可以提升客户对
银行服务的认可程度以及客户经理在营销过程中的专业程度。
3、风险管理
风险管理是银行稳健发展至关重要的一环。社会化媒体的互动、实时的传感器数据、
电子商务和其他新的数据源，正给银行经营带来一系列的挑战。仅仅借助传统的解决方
案，无法全面进行风险管理。大数据分析帮助银行了解客户的自然属性和行为属性，结
合客户行为分析、客户信用度分析、客户风险分析以及客户的资产负债状况，建立完善
的风险防范体系。在这方面，国内银行业成功案例不多，我们需将视线更多的投到海外。
例如摩根大通银行利用大数据分析追踪欺诈犯。该行利用大数据技术追踪盗取客户
账号或侵入自动柜员机(ATM)系统的罪犯，并针对 25 万员工使用该技术。摩根大通聘
用了从事情报技术的硅谷公司 PalantirTechnologies 的硅谷公司，来作为对公司业务有重
大影响的“几十个项目”的相关庞大数据库进行分析的一步。
（二）大数据应用发展思路
尽管大数据对零售银行的影响目前而言还比较小，但从发展趋势看，要充分认识大
数据的颠覆性影响。具有远见和雄心的商业银行都应当未雨绸缪，早做布局。
1、促进金融服务与社交网络的融合
（1）加强数据收集与分析
商业银行要打破传统数据源的边界，更加注重社交媒体等新型数据来源，通过各种
渠道获取尽可能多的客户信息，并从这些数据中挖掘出更多的价值。
一是整合新的客户接触渠道，充分利用社交网络的作用，增强对客户的了解和互动，
树立良好的品牌形象。
二是注重新媒体客服的发展，利用论坛、聊天工具、微博、博客等网络工具将其打
造成为与电话客服并行的重要服务渠道。
三是将银行内部数据和外部社交数据互联，获得更加完整的客户视图，从而进行更
为高效的客户关系管理。
四是创造性利用社交网络数据和移动数据等进行产品创新和精准营销。比如，当银
行通过客户的移动定位信息知道该客户正在某商场购物，便自动发送位于该商场的某餐
馆的刷卡促销活动的短信；设计新产品的时候在网络上征求客户意见，激发客户参与的
热情，在了解客户需求的同时达到良好的宣传效果。
五是注重新媒体渠道的舆情监测，在风险事件爆发之前就进行及时有效的处置，将
负面影响降至最低。
（2）实现与社交网络的融合
实现金融服务与社交网络的融合存在一些现实的困难，只能通过不断摸索的方式前
进。
首先，银行难以得知客户在社交网络上的用户名，也就难以进行数据整合。可以考
虑进行一些针对性的市场活动来收集客户的用户名，或者在将来的客户申请表上添加社
交网络用户名的选项。也可以考虑和社交网络进行直接的合作，在实名制的社交网络上，
可以利用客户的官方证件号码来实现客户信息的对接。
其次，目前尚缺乏成熟有效的非结构化数据的处理工具。在初期可以采取半人工的
方式进行处理。IT 业投入在非结构化数据处理工具的研发力量非常强，相信不久的将来
就能够有相对成熟的分析工具问世。
第三，目前在银行庞大的客户群体中，热衷于新媒体的毕竟只是一部分。如果凭借
对他们的分析来制定针对全体客户的策略，由于统计样本的偏差可能到导致策略的失效。
因此暂时只能用于制定一些针对特定客户群体的策略。随着出生在网络年代的年青一代
的成长，这样的偏差会越来越小，最终将能覆盖几乎全部的客户群体。
第四，金融服务对系统安全性和稳定性的要求都远高于社交平台，在实现服务对接
的时候可能会影响用户体验。最后，诸如客户的定位信息之类的数据是否属于隐私，如
何使用方面还存在许多法律上的空白。这些问题都有待各行业协调解决。
2、布局与大数据金融的竞争和合作
这里所说的“大数据金融”特指类似于阿里信贷这种基于大数据的金融服务商。随着
大数据金融的发展，银行与他们的竞争和合作不可避免。
一方面，银行可以通过发展自己的大数据平台与其开展直接竞争。在当前的各大电
商平台上，每天都有大量的交易发生，但是这些交易的支付结算大多被第三方支付机构
垄断，银行处于支付链条的末端，获取的价值非常小。大数据金融的核心竞争力在于其
拥有的大量客户经营数据，银行在其产业链中的影响很小，这也是阿里巴巴可以终止与
建行的合作自行开展信贷业务的原因。为应对这种局面，银行可以考虑自行搭建大数据
平台，获取属于自己的大数据，将核心话语权牢牢掌握在自己的手中。事实上，已经有
不少银行开始了这方面的布局。2012 年 6 月 28 日，建行的电子商务平台“善融商务”正
式上线，包括 B2B 和 B2C，业务范围包括电子商务服务、金融服务、营运管理服务、
企业社区服务及企业和个人商城。这可以看作是建行对于阿里巴巴终止合作的直接应对。
交行打造的电子商务平台“交博汇”也开始向客户开放。在为客户提供增值服务的同时获
得客户的动态经营信息，成为银行共同的驱动力。
另一方面，银行需要与大数据金融企业加强合作互利。完整和综合的大数据注定难
以被某一家企业、机构或政府部门所独自掌控，因此任何想垄断大数据的想法和行为都
是不现实的，企业之间的合作互赢是发展的潮流。在认同大数据巨大价值的共识下，银
行可与电信、电商、社交网络等大数据平台开展合作，进行数据和信息的共享和利用，
全面整合客户有效信息，将金融服务与移动网络、电子商务、社交网络等完美融合。建
行与阿里巴巴的信贷合作可以说是在这方面进行了非常有益的探索，可惜由于阿里巴巴
要求在信贷利息中分利被拒绝而导致合作终止。但由此可见建立银行与电信运营商、电
商、社交网络等参与方的合理的利润分配模式是合作能否成功的关键因素。
3、培养面对大数据时代的核心能力
（1）数据整合的能力
不仅仅是银行内部数据的整合，更重要的是和大数据链条上其他外部数据整合的能
力。大数据时代，有能力整合和管理数据的企业才能够主导产业链，作为大数据链条中
的一环，银行应当以更加积极的姿态与链条上的其他企业进行数据和信息的交换，越是
完整的数据，能够产生的作用就越大。由于各行业的数据标准和格式存在差异，如何逐
渐统一数据标准以便进行更方便的数据交换和融合是面临的巨大挑战。
（2）数据分析的能力
这里要注意区分传统的商业智能和大数据时代的数据分析能力。首先，传统的商业
智能所处理的数据大多都是银行自身数据库当中的标准化、结构化的数据，而在大数据
时代，更多需要处理的是大量的半结构化和非结构化的数据。
其次，大数据时代处理的数据量与现在完全不在一个量级，现有的很多数据处理方
法已经不能满足需求。最后，当前银行中常用的数据分析比如信用评级和市场营销模型，
都是在建模后再进行系统实施，持续的时间较长。而在大数据时代，对于数据处理的实
时性有很高的要求。这些本质上的区别不仅要求银行使用专门的数据储存技术和设备，
更要求专门的数据分析方法和使用体系。不得不说的是，中资银行在对数据分析的重视
程度和能力上与国际先进银行有着巨大的差距，很多中资银行在“小数据”时代的数据分
析能力都亟需加强。
（3）行动实施的能力
任何对大数据的分析只有转换为实际的商业行动才能够真正为银行创造价值。大数
据时代的行动实施具有两个鲜明的特点：精准和快速。精准取决于大数据时代对客户的
全面深刻了解，制定的行动方案都非常具有针对性，因此方案将会更加差异化。现在给
全体客户统一版本发送的一条促销短信在将来可能需要发送上万个不同的版本。快速取
决于大数据时代很多分析和策略都是系统自动完成的特性，更多的营销活动都将由客户
的某项行为触发，然后由系统自动执行相应的行动。这些特性对银行的系统和人员都提
出了更高的能力要求。
为培养这三方面的能力，银行需要从理念、系统、人才、管理等各个方面进行准备。
理念方面，需要充分认识大数据的影响，树立并强化用数据分析指导经营和管理的理念。
系统方面，在建设新一代信息系统的时候应对大数据的储存、管理、分析和使用方面有
所考虑。人才方面，积极招募和培养精通数据管理和分析的高级人才。管理方面，需要
对现有管理架构、组织体系、资源配置和权力结构进行重组，让数据管理与分析部门处
于公司整体的上游位置，比如说设立首席数据官（Chief Data Officer, CDO）的职位，进
入公司核心决策层。
4、零售银行应用大数据的三个方向
（1）关注“集群”属性推进“区域化”营销
大数据营销一个非常重要的特征是通过企业内部数据、社交媒体数据、外部公共数
据整合分析多维度描述客户特征，为每个客户“贴标签”，然后针对每个人的特征和需要
进行精准营销。考虑到银行内部用户行为数据管理不健全，外部组织数据难以获取的实
际情况，可以考虑采用一种折中的方式，即将同样生活、工作圈内的客户作为一个“集
群”，这些客户往往具有某些相同的属性，分析这些集群客户的规律与偏好，针对不同
集群的特征进行差异化营销。
这种以地理区域为单位进行划分与营销的方式，将分行、分公司业务发展重点和区
域业务优势相结合，有助于优化资源配置，做到快速反应、深入拓展、贴近客户，从而
将公司的各种资源优势转化为把控市场的能力优势，提高市场竞争力。这非常适合信用
卡中心的区域化特惠商户与营销活动的选择。具体操作方式有以下四个步骤：合理划分
区域从效率的角度考虑，可以将一个城市的区域划分为不同的“圈子”，如商务圈、生活
圈、娱乐圈等，每一个圈子类别还可以进一步细分。然后将全部客户划分进这些圈子中。
例如提取客户住址、工作单位、住宅电话等数据，有条件的情况下还可根据客户的手机
定位信息、客户撰写微博位置信息等外部数据进行分析，确定归属。
区域客户画像针对典型圈子的客户特征、业务特征、消费行为进行分析，做到知已
知彼。例如对客户性别、年龄、收入、信用额度、存款总额、月均刷卡额、刷卡次数、
消费地点、购物种类、业务种类、持卡时间、营销活动参与情况等行为数据与业务数据
进行分析，全面掌握客户的特征。
行为偏好分析要形成客户的深度认知与判断。这个环节是非常重要的一步，也是有
效实现差异化营销最关键的一步。市场调研中通过资深研究人员的洞察实现，数据挖掘
中通过建模与多维数据检核实现。这个分析的目的是通过市场调研或数据挖掘掌握圈子
中客户的特征和喜好，从而为后续的营销提供决策支持。
遴选营销活动以上几个步骤完成后，合作商户的遴选与营销活动的确定就比较顺畅
了。特别要提示的是，营销活动的推动渠道与时机也要根据客户的特征尽量做到有针对
性。例如，针对商务圈白领的营销方式优选短信、电邮等，可选择下午下班之前 2 小时
发送，作为工作调剂的活泼形式，更容易被他们关注。而针对小生意人、家庭主妇等工
作日白天的电话推荐，仍然是最容易促成销售的方式。这些渠道与时机的偏好也是在上
一步对于客户深度理解的基础上，通过以往不同营销形式的响应率、参与率等数据跟踪
分析形成的知识。
以区域的客户分析为研究重心，以数据信息对营销各环节的有力支撑为基础，有助
于提高营销投入产出比。
（2）整合运营信息跟踪客户“健康度”
发现数据中存在的关系和规则，挖掘数据背后隐藏的知识，预测未来的发展趋势，
这是大数据应用的最终目的和方向，也是能够为企业带来实际效益的手段。对于银行而
言，预测客户的信用风险与流失风险无疑是最重要的工作之一。
现阶段，在银行开展一些类似的工作并非不可实现，至少可以利用业务数据进行尝
试。或者在第三方调研中增加与内部数据的整合分析。具体来看，这项工作的开展需要
经历如下几个步骤：
量化评估指标客户的思想与行为往往是保持一致的，注销卡片也常常会有一些先兆。
例如，取款频率提高，工资定期转移，刷卡率降低，定期存款快到期等等。确定哪些可
以反映客户流失的指标就显得至关重要。一般而言，这些指标包括四类：业务信息类：
包括客户级别，持卡时间，办理业务种类，办理时间，存款额，信用额度等；消费信息
类：如存取款笔数与金额，刷卡次数与金额，业务申请或取消，活动参与次数，转账到
本人他行账户次数与金额等；捆绑业务类，包括贷款、分期到期日，是否工资卡客户，
是否公积金账户，是否社保账户，渠道使用次数与种类等；客户维系类：如客户经理拜
访次数，客户持有他行卡数量，近期赠送增值服务情况，拨打客服电话次数、拨打客服
电话转人工比率、主动沟通次数、投诉次数等。
构建诊断模型模型构建的过程是一个筛选指标、确定权重、梳理关系的过程。可以
采用主成分分析法搭配层次分析两种方法互补使用。主成分研究是用较少的指标去描述
多指标或进行指标重要程度的排队，通过主成分的载荷矩阵和主成分的贡献率确定指标
权重。而层次分析法是对一些较为复杂、较为模糊的问题作出决策的简易方法。通过对
非定量事件的定量对比分析，制定出一套较为可行的确定权重或直接比较的方法。模型
的构建需要进行不断的验证、调试，以便确保评估结果的精准性、有效性。
指导日常工作通过模型进行客户的健康度评估，针对每个客户给出“健康诊断报告”
后，针对不同健康等级采取不同的应对策略，才能使数据挖掘的结果转化为效益。与此
同时，记录客户经理的工作轨迹，或者客户回馈活动的响应情况，还可以通过对于不同
行为的客户响应率与挽留率对于活动的有效性进行评估，优化后续保有策略。
（3）应用内部数据做好“承诺”管控
一个企业的内部运转有一系列的规章制度，如对于流程的要求、时间的要求、准确
率的要求等等。而验证这些规章制度落实率的各种“数据”往往分散于不同的系统、业务
单元中。上述提到的两个方向主要运用客户行为与交易数据识别客户特征保有或营销，
下面介绍的这个方向，则是运用以往未被关注的内部数据检测管理运营效率与服务承诺
落实情况。
以电话客服为例，一个传统的服务评估可能通过客户满意度回访，咨询解答后请客
户打分的方式实现。能够获得一个整体水平，但在后续的改进提升上缺少有力的方向指
引与问题呈现。如果将这些评估内容扩展，结合内部数据，则有助于获得更有针对性的
结果。这个过程一般需要经历如下三个环节：
一是内外承诺梳理。在这个实例中首先需要确认的是电话咨询过程中对客户而言比
较重要的是哪些环节，即有哪些“触点”。例如快速接通、容易找到人工服务、准确快速
解决问题、服务水平优良等。这些环节无疑是银行对于外部客户的“承诺”。同时，银行
希望电话客服实现哪些目的也要作为重点考察内容。比如一次性解决问题，挽留销卡客
户等，我们可以称之为内部“承诺”。这些承诺的梳理是确定后续工作开展方向的关键。
二是界定评估标准。承诺梳理好后，需要确定具体的评估标准及“达标线”。例如，
对于人工快速接通的评估标准可以是 20 秒内接通电话的比率；而根据某银行内部规定
标准通数/来电转人工总通数需要大于 85%，这里 85%就是一个“达标线”。同样，销卡
客户挽留也可以通过挽留率来评估，即“要求注销被挽留的持卡人数/（注销的持卡人数+
要求注销被挽留的持卡人数）”，而挽留率要达到 20%还是 30%等则根据银行的实际情况
自行确定“达标线”。这些数据可能通过银行的话务报表、信息单、注销挽留报表等提取
获得，也可能通过外部调研获得。
三是定期检核改进。针对不同的评估标准，通过何种途径、方法获得，适宜何样的
频率是这一阶段要考虑的重点。内部数据提取、客户满意度调查、神秘人测试、专家体
验等均可能成为不同指标的检核方法。而检核频率也需要综合考虑整个评估目的系统性
地设计，阶段性地推进，并且有必要根据行业发展状况与客户需求的变化，建立评估标
准定期优化、升级机制。如此将内部数据的提取与外部调研结合，整合成系统的评估体
系，可对电话服务水平进行更加精细的评估，同样对于改进方向也有更加明确的指向。
总 结
大数据时代，商业银行面临着来自外部竞争对手的冲击，以及内部升级转型的压力。
互联网企业正在冲击银行社会信息中心的地位，而互联网金融的迅速发展也在向传统金
融领域渗透。另一方面，商业银行并非坐以待毙，国外银行已有相当的发展经验。如
Google 的前首席信息官创新的 ZestCash 公司，通过考察贷款人的差异化行为，大大提
升客户分析的精确度；新加坡花旗银行基于消费者的信用卡交易记录，有针对性地给他
们提供商家和餐馆优惠，实现了客户精准营销；ING Direct 在数据分析的基础上，细分
客户群，优化市场定位，大大降低了业务成本。
在国内零售银行业，招商银行是大数据领域的先行者。该行今年推出的微信银行，
借助微信智能服务平台，为信用卡客户提供优质服务。微信银行不仅为招行降低了服务
成本，还实现了服务效率的提升和服务功能的优化，未来还将融入营销内容，扩张业务
覆盖范围。作为银行业的主要竞争对手，阿里小贷充分利用了大数据技术。借助电商开
放平台，阿里建立起完备的大数据体系，并以此作为客户分析、贷后监测及风险管理的
核心工具，并实现了信贷工厂化的批量作业。
对于银行业来说，大数据在零售业务中应用存在三方面的问题，一是无法有效对接
客户需求，缺乏对客户行为数据的收集；二是存在严重的数据短板，数据来源不足；三
是必须与互联网企业争夺大数据，这方面后者拥有先发优势。我们认为，大数据对于零
售银行业务机遇大于挑战，大数据提供了全新的沟通渠道和营销手段、大数据技术的普
及应用将有效提升银行经营管理水平，并为业务创新提供了条件。当然，银行业也必须
提升数据分析能力、主动变革运营模式，积极应对外部挑战。
未来零售银行业务如何变革，我们认为大数据技术在客户管理、市场营销和风险管
理三个方面有着不同的应用模式，需要区别对待，逐步建立适合的分析模型。总体发展
思路上，银行要促进金融服务与社会网络的融合，迅速布局互联网金融，在竞争与合作
的二元关系内建立起自己的大数据应用体系。同时，银行务必培养面对大数据时代的核
心能力、包括数据整合能力、数据分析能力以及行动实施能力。我们提出，未来零售银
行应可优先考虑三个方向应用大数据技术，一是关注“集群”属性推进“区域化”营销；二
是整合运营信息跟踪客户“健康度”；三是应用内部数据做好流程管理。
免责声明
本报告采用公开、合法的信息，由北京银联信信息咨询中心（简称银联信）的研究
人员运用相应的研究方法，对所研究的对象做出相应的评判，代表银联信观点，仅供用
户参考，并不构成任何投资建议。投资者须根据情况自行判断，银联信对投资者的投资
行为不负任何责任。
银联信力求信息的完整和准确，但是并不保证信息的完整性和准确性；报告中提供
的包括但不限于数据、观点、文字等信息不构成任何法律证据。如果报告中的研究对象
发生变化，我们将不另行通知。
未获得银联信的书面授权，任何人不得对本报告进行任何形式的发布、复制。如引
用、刊发，需注明出处为“北京银联信信息咨询中心”，且不得对本报告进行有悖原意的
删节和修改。
