銀行大數據應用實地探訪：為了科技而科技就是「耍流氓」

【編者按】眼下，大數據非常火熱，但它在落地到具體應用場景的時候，也遇到不少的弊端，本文由數據猿、Data Pipeline、HCR三方組成的調研訪談小組共同完成。文章以現場調查的形式展現，值得借鑒。

本文轉載自數據猿，作者牟蕾；由億歐編輯，供行業內人士參考。

小組成員將在4月1日——5月30日期間，走訪一些列金融領域內相關代表性企業（銀行、保險、證券），對數據項目的真實落地情況、具體實施難點，各企業數據團隊的發展現狀等方面進行深度調研訪談，為行業帶來最一手的有趣、有料的乾貨信息，並撰寫《金融領域數據應用情況—調研白皮書》簡版及完整版分享給業內從業人員。

金融大數據企業實地探訪調研小組再次遇見匿名君——「秋水長」。

秋水長是一名紮根銀行業近20年的技術「老炮兒」，不僅歷經銀行系統多次技術迭代，當過甲方也做過乙方代表，親身見證了IT技術在銀行發展中的歷史變遷，更是在一線崗位推動了金融科技在銀行業的發展與應用。

這次訪談是在一家安靜悠然的咖啡館內進行的。秋水長堅持以一位獨立的行業觀察者身份向調研小組講述自己這些年對銀行業發展和大數據時代變遷的認知和感悟，他望可以跳出熱點追逐的旋渦，以更加理性和客觀的角度看待傳統銀行在大數據、人工智慧以及金融科技熱潮中要如何應對與生存。

在訪談一開始他就告訴筆者，這次是來吐槽大數據的，後來在筆者聽來也確實如此。但正是這些槽點，才能讓我們在狂熱的科技風潮追逐戰中冷靜下來，能夠看清新事物背後的本質究竟是什麼？

槽點一：科技是第一生產力，但是為了科技而科技就是「耍流氓」

20世紀80年代中期，金融信息化建設開始起步。經過30多年發展，銀行信息化基礎設施建設框架已基本完成，目前正在向管理和服務型方向發展。事實上，由於金融機構用戶基數大，對信息精準性要求高等特點，金融業一直都是信息化科技建設的排頭兵。

從銀行信息化建設發展來看，可以將其劃分為四個階段：

第一階段：即千禧年之前，銀行核心信息系統的建設期，這一階段奠定了早期銀行科技的基調，即高精準性和安全性。

銀行核心繫統的主要任務是帳務處理、滿足綜合櫃員制以及提供24小時在線服務。在這一階段，銀行實現了從手工賬到信息賬的轉型，用秋水長的話來說：「哪怕只有一個核心繫統，一家新銀行也可以開門營業。」但也正因如此，導致系統留存的數據種類單一，數據量有限。

第二階段：伴隨銀行業務的多樣發展，產生了對多種業務應用系統的需求。

秋水長介紹說，如今，任何一家城商行幾乎都有幾十甚至百餘種業務應用系統在線運營，因此產生了跨系統數據查詢、數據統計以及不同數據源之間數據一致性處理等問題，並且這些痛點引發了銀行「數據倉庫建設熱」。該階段持續了10年之久。

第三階段：銀行開始顯現數據思維，試圖通過數據尋求決策依據，並且BI管理駕駛倉庫成為銀行系統的建設亮點。

在秋水長看來，第三階段是伴隨銀行業態發展多樣化、銀行客群多樣化、跨區域擴展、網點數量增多、銀行管理系統複雜化等發展而被催生的。從三個階段的發展來看，皆遵循一個發展邏輯，即從業務出發、以技術響應業務需求的良性發展關係。

科技需要非常明確地找到在業務上的落腳點，才能真正實現科技價值。但秋水長認為，第三階段還遠沒有走完，就已經被諸如大數據、金融科技等一系列所謂高大上的科技熱潮催生到第四階段——大數據時代。

秋水長認為，目前大數據在金融體系的應用落地其實是最成熟的，在風控、反欺詐、徵信等領域都初見成效，但在其它層面的很多應用暫時還屬於隔穴撓癢般的探索階段。

究其原因而言，是因為銀行本身的數據積累不足，在新建應用系統的過程中，缺乏數據思維、丟棄信息要素的情形依然在發生，領域建模依然未被重視，這些都極大增加了企業數據使用成本。所以，在他看來，銀行第三階段的信息化發展還遠沒有走完。

然而在第四階段，科技似乎一夜之間走上了神堂，變成無所不能還能點石成金的魔法棒。同業間技術人員見面問候也變成「你們做大數據了嗎？」，好像沒有構建大數據系統的銀行就變成了落後的代名詞。「這樣的現象難道不是本末倒置嗎？難道科技就是銀行的目標？大數據就該是最終目的嗎？」秋水長不禁反問道。

在發展階段，金融機構對於科技人員掌握什麼尖端技術其實並不在乎，更在乎的是新技術到底能為企業帶來什麼商業價值？「你可以迷戀大數據、人工智慧這些新技術，但最終誰都躲不開『使用高科技之後的結果是什麼？』這樣的拷問。」秋水長說。

「作為技術人員，千萬不能只迷戀新技術。大數據技術對金融最大的價值之一是降低成本，但如果不加區分，一味迷信，很容易造成只要有問題就用所謂的大數據技術，哪怕是傳統方法可以解決的問題，進而將造成機會成本被迫增加。」

秋水長舉例講到，以前銀行的業務或數據應用構建時，技術人員對於從上層應用語言、資料庫產品到中間件產品，再到操作系統以及硬體、網路支撐之間的關聯都十分熟悉，一旦系統出現問題，尋找問題很快很容易。但是現在，以開源起家的大數據技術，底層邏輯有時不被使用者熟悉，當技術人員在大數據系統中遇到Bug時，排查問題會花費很多時間，甚至最終依舊找不到答案，長此以往，沉沒成本便在技術人員不理性、只為追求新科技而採用新技術時發生。

在從業近20年的秋水長眼中，用數據驅動企業價值強調的應該是數據思維，從數據中尋找提升銀行效率或金融產品創新的原動力。對於究竟是採用傳統技術還是目前方興未艾的分散式計算技術，這都是操作層考慮的事情，銀行以商業價值優先，按照開發流程評估技術的可行性實現方案即可。

「資本圈追逐熱點故事，科技圈追逐技術領先性，但作為金融業的科技人員，如何找到數據驅動下的金融創新業務或者金融創新場景才是這場科技革命的本質，而非科技人員單純為了趕上『大數據』這班順風車而引進大數據技術。」秋水長堅持說，「不要為了科技而科技。大數據也好、人工智慧也罷，都是科技人員工具包中新增加的強大工具，採用最合適的工具解決最實際的業務問題、不盲目跟風才是金融科技人員需要明白和堅守的真理。如果不是為了解決業務場景出發的科技，那都是耍流氓。」

秋水長特彆強調，他並不否認銀行業科技工作者在大數據領域的積極探索，甚至對此持有深深的敬意。當然，在任何時代，對於能夠「洞見未來」的技術，在其孤掌難鳴的發展階段，「摸著石頭過河」也並非不科學的方法論。

槽點二：項目匆忙上馬，但大數據技術其實並未真的準備好

隨著技術發展，作為信息化建設的「排頭兵」，銀行已經在風險管理、網路銀行、金融審計和稽核、商業智能、決策支持等領域不斷加快投入。在大數據風潮下，不少銀行也已經在大數據精準營銷、大數據徵信、大數據風控、反欺詐、智能投顧以及智能客服等領域做了諸多積極嘗試和創新。

但在秋水長看來，目前，銀行很多新技術的發展距離其能夠在商業活動中發揮預期價值的目標還很遙遠，有些只是技術工具或數據服務商銷售的噱頭，並未以客戶（銀行）角度思考且觸及其行業大數據應用的本質。

對於銀行而言，以前，科技在銀行體系中屬於支撐體系，金融業務主要還是依賴產品體系和業務體系驅動；未來，科技引領業務，銀行將從數據中找到驅動業務的新增長點。這是企業內部驅動機制的巨大轉變，這種轉變將給金融科技人員帶來更大施展空間，但要完成這種轉變，將會對意識、組織結構、人才儲備和培養、原有組織內的利益衝突等多方面提出挑戰。

首先，管理層從認知到決心再到決策需要時間。

一輪新科技的革新帶動著人們思想和認知的進步。秋水長表示，在過去幾年中，無論是管理層還是業務層，在認知上都十分確信數據會帶來價值，但是因為商業企業永遠要計算投入產出比，從認知到決策，需要路徑轉換。如果技術人員不能清晰地解釋明白：「數據驅動將在哪些層面產生價值？」、「需要投入多少成本？」、「是否有成功案例？」、「要從哪些方面開始做起，接下來的行動步驟是什麼？」等一系列問題，作為銀行決策者很難制定決策。

其次，金融大數據的土壤沒有那麼肥沃。

銀行似乎天生是一家擁有數據的機構，經過10餘年數倉建設，使其更像一片可以令大數據施展拳腳的肥沃土壤，然而現實卻很「骨感」。

在過去，銀行數據大部分圍繞交易、賬戶等維度展開，並沒有太關注賬戶背後的人和企業，所以，用於對人和企業進行清晰畫像的數據非常有限，數據要素也很缺乏。這些現實狀況對於挖掘金融大數據的價值以及做出對未來趨勢性的判斷造成了基礎不紮實的困境。

而在銀行獲取體系外部數據或與第三方進行數據價值交換時，事實上，由於金融監管的要求，又限制了銀行獲取外部數據的步伐，審慎性原則、合規合法性原則永遠被放在第一位。

因此，在這方面傳統銀行與互聯網金融企業具有明顯差異性。從某種意義上講，這對於銀行業其實並不公平。

比如，在大數據風控領域。在筆者接觸的傳統銀行體系中，基本仍以央行徵信數據為主，其它渠道數據為輔，在獲取外部數據時持非常謹慎的態度，常常選擇先不涉及核心業務，且不作為核心資源進入運營體系。不過，筆者認為，這對於金融行業而言其實是十分必要的。而互聯網金融企業，大部分以自己構建或與合作的風控企業共同構建多源網路數據為主。

槽點三：數據雖是核心競爭力，但其本質應該是數據敏感度而非數據本身

喬布斯曾經說過他從來不做市場調研，張小龍說他不看數據。但喬布斯從來不做市場調研，卻一直堅持自己親自走訪終端店面，並保持與用戶聊天的習慣，換句話說，他只是用他自己的方式在收集數據，在這一過程中洞察人性，進而洞察能夠驅動用戶消費的因素。

在數據思維大行其道的今天，這一行為啟示我們，數據思維是在傳導一種思維框架和邏輯。我們要基於數據的商業敏感度而構建數據團隊，並不是為了掌握更多大數據才要構建科技項目。有數據敏感度，並能將數據敏感度轉化為商業敏感度的團隊和體系，才是未來企業的核心競爭力。

事實上，在調研訪談小組走訪的企業中，已有不少企業成立了大數據團隊，並且從組織架構歸屬上可以看出其「一把手」的戰略定位。

秋水長表示，設立獨立的數據團隊是銀行邁入「科技驅動業務」時代的入門條件，該部門應該由業務專家、技術專家、數據專家共同組成，不僅要有數據思維，更要懂金融業務，只有兩個方向融合在一起，不斷打磨形成一個具有數據敏感度和業務敏感度的創新發展部門，才能基於金融業本身創新出科技驅動的創新金融產品或金融場景，也才能反推銀行的數據頂層框架設計。

但是，目前行業中更多的現象是銀行抽調科技部、業務部組成臨時小組，或者在科技部下設立二級數據部門。

秋水長認為，這種嘗試性做法成功機率其實很小。如果不設立獨立部門，使其有直接與最高領導溝通企業戰略的權利，一方面很難擺脫原有運轉體系的束縛，另一方面很難全局統籌。此外，在具體落地實施時還時常會碰到業務部門和技術部門「相互扯皮」的事情。

不難看出，未來能夠構築金融發展潛力的人或是來自於互聯網公司、傳統金融產品人員亦或是大數據分析人員，總之，未來的金融科技時代將是一個跨界人才大放異彩的時代。

秋水長最後分享給金融業技術人員一段感悟：「如果你是金融業務領域專家，金融產品型人才，在科技大行其道的時代。千萬不要妄自菲薄，很多時候科技是在模擬難能可貴的商業敏感度；如果你是金融科技風口浪尖的弄潮兒，亦千萬不是狂妄自大，因為大數據商業價值的實現，數據及數據工具並非決定性因素。不要因此，在未來的某一天，金融業嚴肅性的靴子落到你頭上，讓你鼻青臉腫。」