胡文捷
摘要：大数据方法的应用有利于商业银行资产管理业务进行客户管理，通过数据分析来实现业务发展定位，确定业务的目标客户人群，找准客户具体业务需求，从差别化角度为客户提供更好的专业资产管理服务，提升客户体验并增加客户黏性。但在近十年的发展历程中，大量的资产管理业务数据因为层级和系统的原因，以非结构化的数据形式散落在商业银行各个层级，存在较大的数据采集以及数据集中的问题，据此，提出“小蜜蜂工作法”将有利于解决这一问题，通过扩大数据采集范围，提高数据采集的效率，加强数据集中度，为大数据在商业银行的运用提供有效的基础保障。
关键词：大数据；资产管理业务；客户管理
中图分类号：F23文献标识码：Adoi：10.19311/j.cnki.16723198.2018.04.055
1资产管理业务中大数据方法应用
1.1挖掘客户需求、提供有针对性产品
在当前混业经营的背景下，资产管理业务跨界经营，业务范围在分业领域不断交叉拓展，产品竞争日趋激烈。银行业机构在这场混战中，谁能准确的获取客户需求，创新出有针对性的客户产品，谁就能成为资产管理业务发展前进的佼佼者。大数据方法的应用正是贴近客户需求，根据客户详细信息和购买金融产品行为习惯为客户提供针对性服务的有力武器。商业银行可以通过将客户行为的信息流进行分析，得出客户投资行为模式及风险偏好，从而有针对性的为潜在客户设计符合客户需求的资产管理产品，以最大化满足客户的业务需求，提升本行产品的差异化程度，从而在混战中脱颖而出。
1.2有利于银行细分客户，实现精准营销
“大资管”时代，全民理财成为一种趋势。如何将客户进行细分，实现精准营销，为客户提供其满意的投资产品，是当前同质化营销背景下的唯一突破口。我国商业银行积攒了大量的客户数据，可以通过基础数据的分析，对客户进行分层管理，同时，以客户需求和客户体验为中心，设计符合客户需求的投资产品，通过精准的需求服务，将被动营销转化主动营销，打破同质化竞争的怪圈，通过差异化营销来提高银行的业务拓展能力。
1.3甄别资产管理资产端风险，优化资产配置
在当前经济形势下，资产管理业务资产端的复杂性进一步扩大，为满足客户对收益率的要求，银行需要不断扩大投资范围，在整个产品设计以及投资交易等方面的风险也日趋增大。对资产管理业务资产端而言，不断优化风险管理流程和提升风险评估能力，创新风险管理工具和手段，提前发现资产风险苗头，采取有效的防范措施，防止发生风险等方面的能力建设就显得尤为重要。大数据的应用恰恰在风险防范方面给了商业银行有力的支撑，能通过对历史数据的风险有效预测风险，为商业银行提前研判风险提供信息支持。
2资产管理业务大数据客户分析中数据采集存在的问题
基础数据是大数据分析方法的基础支撑，因此，商业银行客户的基础数据采集是运用大数据分析方法的先决条件。目前，数据的非电子化和零散性是商业银行数据采集面临的两大难题，目前在大数据产业链整体发展过程中也存在着基础数据缺失等问题，仍然缺乏数据采集等前端环节的产品和服务。
2.1资产管理业务数据存在大量非结构化的信息
目前，资产管理业务经历近十年的发展，累计了大量业务数据，但这些数据还是以纸质化的形式存在着，特别是合同文本等信息。这些非电子化的业务数据是商业银行资产管理业务数据采集面临的重大挑战。此外，还存在大量的企业软信息，因为不符合商业银行的IT系统要求，基层客户经理无法将这些软信息录入系统或传递到决策层，容易造成软信息数据的大量流失，在业务判断过程中产生较高的沟通成本，甚至影响项目的判断决策。因此，软信息的量化分析也是商业银行资产管理业务大数据分析亟需解决的问题之一。
2.2资产管理业务数据存在分散度较广的问题
当前，数据的集中也是商业银行面临的一个主要問题，将数据集中在一个统一平台上，有大量的前期工作需要进行。而且目前大量的数据分散在商业银行总行、分行、二级分行等不同的层级中，并不完全集中在总行层面。数据不集中直接影响对数据背后规模发现的程度。此外，数据在集中的过程中，数据格式不统一也是需要攻克的难题。要做到数据标准和格式的统一化并非易事。
3“小蜜蜂工作法”在商业银行数据采集过程中的运用
3.1“小蜜蜂工作法”的提出
面对以上难题，作为商业银行，本身拥有遍布全国的网点和客户经理，使其在数据采集方面具有天然优势。因此，在非电子化和分散度较广的难题下，本文提出的“小蜜蜂”工作法将是解决数据采集难题的优势办法之一，能较好的解决数据集中的问题。“小蜜蜂”工作法是以全部银行员工为基础，形象的将每一个员工比作小蜜蜂，面对面对客户进行信息收集。好比小蜜蜂的采蜜工作，第一阶段，小蜜蜂采集花粉。第二阶段，小蜜蜂会将采到的花粉送到蜂巢。第三阶段，进行酿蜜，从而完成整个采蜜工作。对比银行客户经理对客户信息的收集工作，信息收集工作同样可以分为三个阶段。第一阶段，银行客户经理通过收集客户信息，包括结构化信息与非机构化信息。第二阶段，通过银行数据端口上传至行内大数据仓库。第三阶段，数据中心运用大数据工具对数据进行挖掘，得到用于指导工作的信息，为银行管理层出正确的决策与经营方案。
3.2“小蜜蜂工作法”是对现有商业银行客户经理工作模式系统化的总结
在大数据时代，各层级客户经理在以前的信息收集模式上，对收集信息的范围进行了无限扩大，以前不能上传系统，无法进行量化的信息，通过大数据手段也可上传至银行大数据仓库。“小蜜蜂工作法”是对以前客户经理工作模式的高度总结，其扩宽了信息收集的内容，也拓宽了信息源的范围，从基层客户经理到省行乃至总行客户经理都能上传数据信息，构建了以各级客户经理为前台、大数据清洗、挖掘为中台、大数据分析为后台，领导决策为最终目的，降低经营风险，提高客户服务能力的系统化工作模式。endprint
3.3资产管理业务中“小蜜蜂工作法”信息搜集內容的建议
3.3.1资产端客户信息收集的建议
在资产管理业务中，资产端信息在商业银行现有信息收集体系中，主要包括硬信息和软信息的收集。其中硬信息便于收集，较为直观，易于量化；软信息则具有隐形相关性，需要更多的主观判断，不容易量化，往往不被银行所重视。而在大数据“一切皆可量化”的理念下，软信息的使用将极大地提升银行对于客户的分析能力，能较大的提升风险防控的能力。其中，硬信息主要包括企业相关财务数据，例如资产负债表、现金流量表与损益表的数据以及工商、税务部门留存的企业相关信息文件和客户在银行办理其他业务的相关资料； 软信息则主要包括企业经营的潜在性信息，例如企业的用水量、用电量、工人的出勤率、机器运转时期估算和维修保养周期数据、存货数据、往来结算信息等。企业经营负责人的个人相关信息，例如企业经营负责人的健康状况、人品等，个人社会评价、是否有不良嗜好、个性特点、知识结构与水平、家庭情况等。
但总体而言，单一的信息可能存在缺陷和隐忧，在硬信息方面，例如公司资本不足、公司财务数据不真实、存在虚开票据和担保等问题。而软信息方面，也存在银行客户经理对于企业的判断过于主观，没有结合行业基本面和企业相关数据来统筹考虑。因此，银行在资产管理业务的客户风险管理过程中，需要综合评判“硬信息”和“软信息”，通过建立企业级的数据仓库以及统一的数据处理平台来对信息进行归集和规范化处理，从数据中获取对业务发展有用的相关信息，从而促进资产管理业务的发展和建立有效的风险防控体系。
3.3.2负债端客户信息收集建议
负债端主要收集信息的内容包括商业银行行内和行外数据。首先，银行内部数据的整合就涉及银行内部各业务条线的数据进行归集和共享，此外，通过银行外部，例如互联网平台公司和其他行业的银行客户信息和行为数据都需要进行共享与整合，从而达到对客户进行详细的客户画像，归纳和预测客户行为，最终达到精准化营销的目的，银行也能准确地知道客户需要什么样的产品服务，做到有的放矢地精准营销。
参考文献
[1]童丽.企业流动资产管理问题研究[J].现代商贸工业，2016，（29）.
[2]蔡强松.NS银行个人客户管理现状及问题分析[J].现代商贸工业，2016，（24）.endprint
