数字化转型时代，数据如何驱动金融产品创新

根据预测，2020年中国大数据市场产值将突破万亿元，全球数据总量将达到44ZB。一个全新的数字化时代商业体系正在形成，数据成为这个体系中最关键的生产要素、最重要的商业资产。如何抓住数字化时代机遇，用数据及大数据技术驱动金融产品甚至商业模式的创新，创造新的商业价值，成为各大商业银行面临的重要课题。

导言

人类社会已经进入数据时代。移动互联网在短短数年间渗透到生产生活的各个领域，每天，消费、出行、住宿、社交、金融投资、商务贸易等数百万个场景发生在互联网上，带来身份数据、时间数据、位置数据、交易数据、金融数据、传感数据、社交网络数据等丰富的数据，也催生出规模庞大的大数据产业。根据预测，2020年中国大数据市场产值将突破万亿元，全球数据总量将达到44ZB。一个全新的数字化时代商业体系正在形成，数据成为这个体系中最关键的生产要素、最重要的商业资产。商业银行作为深度依赖数据的行业，其一切生产经营活动都围绕数据展开，受到的冲击尤其巨大。如何抓住数字化时代机遇，用数据及大数据技术驱动金融产品甚至商业模式的创新，创造新的商业价值，成为各大商业银行面临的重要课题。

数据驱动下的金融产品创新

毋庸置疑，数据正在以前所未有的速度与力度改变着金融产品创新方式，无论是产品受众、产品形态、还是产品推出渠道、推出速度都发生了巨大的变化。在数据驱动之下，金融产品呈现出精细化发展趋势，面向不同渠道、不同客户、不同细分市场涌现出大批特色金融产品，且整体朝着普惠金融、智慧金融的方向转变。

普惠金融

普惠金融方面，以商业银行最核心的业务——信贷为例，传统银行信贷业务以面向大中型企业及机构的大额信贷为主，信贷业务人员通过看流水、看报表、要抵押、要担保实现授信与放贷。而对于小微企业、农户、贫困人群等普惠金融群体，由于客户基数庞大、经营资产状况等信息获取难度大、缺少有效的抵质押物、担保不足，业务人员很难对其信用风险做出评价，极易形成风险黑洞，带来经营、管理成本的上升，因而成为银行信贷不愿涉足的“禁地”。简言之，“信息不对称”严重掣肘了普惠信贷业务的发展。

近年来，各大商业银行以数据为突破口，通过多渠道、多方位收集小微客户数据，如资产数据、征信数据、工商数据、税务数据、司法数据、舆情数据等第三方可靠数据，实现对客户的资质判断、准入和和授信审批，推出一系列特色小微信贷产品。例如，小微企业信贷方面，建行与国家电网合作，依托小微企业电费缴纳数据推出“云电贷”产品，农行依托企业税务信息推出“纳税e贷”产品，工行依托商户POS交易数据推出“公司逸贷卡”，平安银行依托借款企业与多个买方企业之间的增值税发票数据推出“发票贷”产品。个人信贷方面，也出现了场景贷、现金贷等一大批纯信用贷款产品。

这些创新信贷产品用大数据激活了小微客户“沉睡”的信用信息，有效解决了小微客户融资难的问题，也使商业银行以较低的成本打开了普惠信贷市场，有效控制了小微贷款风险，实现了多方共赢。

智慧金融

智慧金融方面，数据驱动金融产品智能化创新的一个典型案例是智能投顾。简单来说，智能投顾是一种在线财富管理服务，可以根据投资者的风险承受水平、理财目标、风险偏好等需求，通过计算机程序为客户提供资产配置方案（如一组由特定比例的基金构成的投资组合），实现资金的分散投资。

与传统的人工投顾相比，智能投顾能够利用大数据分析、实时数据处理等技术突破人工投顾模式的能力边界，将传统上只为少数高净值人群提供的投资顾问服务低成本、高效率地拓展到长尾客户群体。

智能投顾产品对数据的分析利用主要体现在以下两方面：

客户画像：通过采集分析客户的财务状况、投资历史、年龄段、消费喜好、投资行为等多维度的数据，对客户的风险承受能力、投资偏好等进行评估，提供“千人千面”的个性化资产配置方案；

投资策略研究：投资组合的建仓、调仓涉及到投资标的筛选、资产配置、择时、业绩归因分析等多方面的策略，投资标的筛选需要对市场上成千上万的投资品的基本面、技术面、宏观面、市场舆情、分析师预期等海量数据进行分析，构建资产池。在此基础上，还要参考各类资产的历史表现数据以及影响资产价格的各类指标数据，对资产在一定时期内的表现进行预测评估，从而实现对资产配置比例的动态调整，以更好地控制风险、优化收益。

正是在全面收集客户、市场、行业、产品等各种数据的基础上，智能投顾借助计算机强大的数据处理能力，做到了智能化洞察客户需求、智能化投资决策，使计算机具备了“量体裁衣”式的投顾智慧。

数据如何驱动金融产品创新

数据如何驱动金融产品创新？

什么是好的产品？通过上文案例可以看出，一个好的产品至少应该具备两方面特点：

一是能抓住用户需求痛点，让用户觉得产品能用、好用，甚至是离不开、必须用；

二是能通过拓展客户群体、降低成本、提升效率、规避风险等方式为企业带来正向收益。

那么，对于数据驱动下的产品创新，数据在这中间发挥了什么作用呢？

用数据满足客户需求

随着大数据、云计算、移动互联网等技术在金融领域的应用发展，客户的金融消费习惯也逐渐发生改变，网上银行、手机银行等线上渠道成为客户办理金融业务的首选，各种新兴互联网金融机构不断涌现，互联网上金融产品的种类与数量空前繁多，消费者的注意力被进一步分散，对产品的忠诚度降低，这种情况下，能否挖掘潜在客户需求，建立个性化、特色化的产品服务体系，形成差异竞争优势，提高产品的不可替代性与客户体验，将成为商业银行打造核心竞争力的关键，而数据则在其中扮演着至关重要的角色：

通过记录客户对产品的咨询反馈数据与投诉数据，并运用自然语言处理、情感分析、智能知识库等技术加以分析，有助于掌握客户高频需求，了解产品缺陷，制定针对性的产品研发或改进计划，提升产品的用户体验度。

通过对客户的身份数据、财务数据、交易数据、行为数据、社交媒体数据、信用数据等多维度数据进行整合分析，形成客户精准画像，有助于区分客户群体，提供有针对性的产品营销与差异化的产品服务，提高产品的用户粘性。

通过对产品的销售数据、市场数据、舆情数据、竞品数据进行分析，有助于准确把握市场发展趋势，根据市场需求及时调整产品定位、优化产品设计，使产品更快适应市场，更加具备市场竞争力。

通过对产品历史数据、客户使用习惯等数据进行分析，借助大数据技术寻找关联、预测分析的能力，有助于发现隐藏在数据中的潜在需求，研发出革命性的全新产品。

用数据提质增效

1. 提高风险管理水平
形形色色的金融产品背后，其本质是相似的，即对风险的经营和管理。通过对客户进行有效的风险评价，对金融资产进行合理的风险定价，使客户享受到与其风险匹配的金融服务。客户准入、客户风险评价、风险定价、风险控制等风险管理的关键环节都离不开数据的驱动。

商业银行传统风控手段往往依赖财务状况、征信记录等强特征数据以及复杂的人工审核流程。对于数量庞大的小微企业、中低净值个人客户，受制于此类强特征数据的匮乏，以及缺少针对大量、高频风控定价场景的有效技术手段，传统金融风险定价体系很难满足长尾市场的金融需求。

随着大数据技术的兴起，更多与客户信用相关的弱特征数据被引入分析，如小微企业的工商、税务、海关、司法、质检等数据，个人客户的生活习惯、消费记录、社交情况等数据，在此基础上，借助数据挖掘、图计算、实时流计算等技术，可以建立起更加精准、全面、高效的风控体系，实现对客户信用风险的有效评价、对金融产品的准确定价、对风险行为的快速识别、对风险趋势的预测分析。例如，光大银行数据产品“滤镜”利用大数据技术对企业客户进行过滤，形成高信用违约倾向的企业名单，其“复杂循环担保圈”模型用于发现担保网络中的隐蔽性风险模式，防范群体性违约风险。

可以说，数据为商业银行提高风险精细化管理水平、研发面向长尾客户的普惠金融产品体系、实现利润最大化提供了有效的解决手段。

2. 降低试错成本
产品创新往往意味着试错，频繁创新失败带来的巨大风险是大多数企业都无法承受的，而合理的数据分析可以有效降低试错成本。例如，对于新产品的发布或者产品功能的重大调整，可以先灰度发布到少量用户，通过分析用户的响应反馈数据，如访问时间、访问频率、购买率等，决定是100%发布还是砍掉该功能，或者是将同一功能的不同实现方式分别小范围发布至不同的用户群，通过横向对比反馈数据进行优化筛选，从而实现以较低的成本提高产品创新成功的概率及效率。

如何用数据驱动金融产品创新？

数据积累

“巧妇难为无米之炊”，数据驱动产品创新的第一步，是积累海量、全面、有效的数据。

一是要建立数据采集机制，拓宽数据来源。一方面，商业银行可以通过购买、合作等方式引入外部数据，如央行征信、工商、税务、海关等政府机构数据，金融同业的金融交易数据，电力、电信、医疗等其它行业数据，以及各类互联网平台上高价值的客户行为信息、舆情信息等外部数据。另一方面，要做好行内数据采集，针对不同产品设计并记录完整的产品运行日志及用户反馈数据，在此基础上进行数据的归类、分析、挖掘，基于数据进行产品迭代开发，形成“产品—数据—产品”的创新设计闭环。

二是要规范数据管理机制，夯实数据基础。对于从外部获取的数据，由于数据来自不同的行业、机构，相互之间信息标准往往各不相同，即使是银行内部，不同部门出于自身经营目的，也往往会对同一业务数据设置不同的度量标准。能否建立起统一的数据标准和框架，将不同来源的数据规范化存储在统一的平台上，并做好数据整合、清洗、加工等基础工作，将直接决定数据共享的效率以及对产品创新的支撑能力。

数据使用

把积累的数据用起来，关键是要提高对数据的洞察力，通过对低价值密度的海量原始数据进行深入分析解读，推断出新的数据来支持产品创新决策，实现从数据价值到产品价值的转换。

用好数据，首先要搭建有效的数据分析技术体系。大数据时代最显著的特点是数据体量大、数据类型繁多且要求数据实时在线、随时可用，这就对商业银行的数据处理能力提出了极高的要求：不但要支持结构化数据的处理，还要支持半结构化数据、非结构化数据的处理；不但要支持海量数据的离线分析，还要支持数据的实时处理反馈；不但要支持数据的挖掘分析，还要支持对分析结果的多维度展现。

大数据领域针对不同的数据处理场景衍生出了不同的数据处理技术及工具。例如，反欺诈是金融风控的重中之重，近年来互联网金融黑色产业链日趋完善，造成了洗钱、刷单、套利、骗贷等多种金融风险。黑产行业作案往往以团伙性质的批量攻击为主，图计算在黑产网络深度挖掘方面被广泛应用。通过运用图计算建模技术，对黑产团伙在设备、网络环境、身份、资金流向等维度的数据多层关联，建立起“风险知识图谱”，可以帮助金融机构基于个案“顺藤摸瓜”发掘出整个作案团伙，并完成对黑产攻击的实时线上拦截。

近年来，各商业银行纷纷打造了各自的“数据平台”，旨在通过平台建设实现数据处理、服务能力的完整集成。能否将图计算、多维分析、实时流计算等不同的数据处理技术融入“数据平台”，提高平台处理能力的多样性，将成为这些平台实现能力升级的关键。

在数据技术体系之上，更重要的是对数据的理解。只有读懂数据背后隐藏的业务含义、洞悉数据所反映的客户需求、基于数据做出正确的业务决策，才能用好数据、用活数据，为产品创新提供正确的方向。这是一个极其复杂的课题，本文不再赘述。

数据安全

对数据的采集使用的确有效推动了金融产品的创新，但同时也带来了数据滥用、数据误用等新的问题，如果无法建立有效的应对措施，终将限制大数据技术的发展，甚至导致巨大的金融危机：

一方面，企业对数据的巨大需求很容易导致未经授权的数据采集、数据倒卖，进而引发隐私泄露、骚扰、诈骗等种种问题，造成用户对企业的信任危机。

另一方面，大数据是一种复杂的技术工具，如果使用了虚假数据信息，或者误用了数据算法模型，就会导致错误的决策，引发数据风险。

应对这些问题，既要建立健全制度规范，依靠法律、监管的力量保障数据的审慎使用，还要完善技术手段，通过信息脱敏、区块链等技术实现对用户隐私数据的保护。

总结与展望

数字科技的浪潮将商业银行带入了以开放、兼容、共享为特征的崭新的数字化时代。数据爆炸是这个时代的主要特征，大数据技术的广泛应用则重新定义了数据价值。

借助数据，金融产品的创新机制发生了巨大改变。对客户需求的分析分类使得个性化产品定制成为可能，对信用数据的全面使用开拓了巨大的普惠金融市场，对数据的深度挖掘预测提高了金融产品的智能化程度，对风险的精准度量有效提升了产品创新成功的概率与效率。

能否用好数据这项重要的商业资产，打造出符合时代需求的“刚需”产品，将成为决定商业银行未来市场竞争力的关键所在。这就要求商业银行强化数据意识，投入充足的资源开发企业数据资产，建立完善的数据分析技术体系，实现数据的规范化管理与开放共享，提高对数据的理解力与洞察力。

我们相信，随着技术的进步和大数据产业的不断发展完善，数据必将成为驱动产品创新的革命性能源，带来一个“数据定义”下的全新产品创新生态。

作者：张媛媛、徐小平
原文来源：公众号「我们的开心」