李沁｜文
金融行业的数字化转型早已成为共识，在整个行业升级发展的过程中，数据分析在其中扮演着不可忽视的角色。就数据的角度而言，中国的金融行业在实现数字化转型的过程中存在哪些挑战呢？对此，Cloudera大中华区技术总监刘隶放在接受采访时表示，企业在金融行业实现数字化转型中应该重点考虑对数据的安全管控和应用模式。
Cloudera大中华区技术总监刘隶放
“在数字化转型的过程中，金融行业的挑战显而易见。以前国内外之间没有区别，国有几大行都是以核心客户为主，而核心客户则会带来长尾效应，整个盘子非常大。随着行业发展到一定的程度，银行从前的长尾用户便会被新形式的金融产品所吸引，例如微信、支付宝等。此外，许多中小银行也会推出类似支付宝一样比较诱人的金融商品。”刘隶放认为，目前传统的金融企业无法像从前一样依靠存贷利差获得红利，企业增长到一定的程度后，便会思考“如何在各种新形式金融产品层出不穷的环境下，留住核心客户之外的长尾客户”。在此情况下，了解客户本身、理解其需求、有针对的数据驱动的营销就显得尤为重要。
企业的数据管理与应用问题
传统的金融企业对数据的管理与应用方面存在一定的问题。对金融企业而言，随着企业的成长与积淀，业务方面早已由从前的粗放型模式向着更加复杂的方向发展，形成大量的数据。对此，刘隶放提出了自己的思考：金融企业该如何实现对已有数据的管理？相应的数据问题能否以开放的思维去解决？企业若想对外提供更好的金融服务，必然要联合上下游企业，此时又该如何进行数据管理？此外，一些银行目前在尝试API（应用程度接口）银行让自己更加开放，同时API的接口数据能够更好地对企业的内部数据进行保护。同时，企业又该如何合法合规地获取外部数据也是一个新的课题。
事实上，无论是内部还是外部数据，企业最终的诉求应该是借助数据分析对目标客户进行准确的“定义”。
“以前我们对一个人的定义方式其实很简单，但现在却不一定有效。以申请信用卡为例，目前大多数的银行针对申请信用卡的数据的风险模型相对老旧、死板，企业的风险部门可能会因为打你的固定电话没人接而拒绝向你发放信用卡。这样的风险模型明显无法和互联网的风险模型PK。”刘隶放解释道，互联网的风险模型基本是根据用户的购买习惯进行判断，会依据信用状况授予用户会相关的额度。然而现在的国有信用机构，依然在使用较为传统的、甚至可能是二十年前的风险模型进行评估，经常会错失价值较高的客户。
数据的隐私保护问题
“企业在使用数据的过程中，对‘度’的把握也值得关注。有时对客户数据的过度使用会导致过度营销，造成客户反感便得不偿失了。类似的情况在澳大利亚真实的发生过：有客户通过银行的ATM机进行存款，出门便收到银行的短信，内容是向他推荐该银行利润更高的理财产品。客户对此非常恼火，认为银行的做法触碰到自己的隐私，便把钱取出存到了另一家银行。”这样的大数据应用效果可能是企业始料未及的。刘隶放认为，国内也面临同样的问题，企业既要学会借助数据了解客户需求，也要考虑到客户的隐私保护问题。这一点在技术上目前已经可以实现，例如目前流行的“联邦学习算法”。从前做机器模型的部署，把所有的数据都收集到机器上进行分析，产生利用模型的同时也保存了客户的隐私数据。新的算法部署方式，可以让客户在同意隐私访问策略的基础上，在用户使用的终端使用和验证模型，从而避免客户对自己隐私数据泄露的担忧。
“事实上，我们今天谈大数据，并不意味着要否定以前的数据分析方式。从前的方式存在其历史必然性。想要解决金融企业的数据问题，还需要更多、更可靠、可监管的数据源，并应用新的技术手段。”刘隶放说道。
閱讀更多 經濟觀察報 的文章
