毋庸置疑，互联网技术使许多行业的运营模式发生了革命性的变化。跨入新世纪第二个10年，随着信息技术的进一步发展，海量数据的处理和应用成为许多行业无法回避的重要课题，邓白氏认为：对大数据的理解和处理技术，必将使许多行业发生翻天覆地的变化。中国的银行业在国内金融改革和国际金融危机的内“忧”外“患”之下，也与互联网大数据浪潮不期而遇。是静观其变，稳守现状？还是迎上潮头，借势大数据，创新业务模式，重塑竞争力？
中国银行业之“囧”局
2008年金融危机之后，国际银行业盈利能力急剧下降，中国银行业由于高利差的保护，仍然维持着高额的利润，但是业界普遍认为，这种因国家金融政策造成的盈利是不可能持续的。邓白氏金融研究部门认为，当前中国银行业主要存在以下问题：
利润高速增长不可持续
随着中国金融改革呼声日益高涨，中国必将改变其高利差的银行运营模式。在中国金融“十二五”规划中，金融改革内容已经包括利率汇率市场化的内容。
可以预见，随着金融市场的发展，政策红利的消失殆尽，存贷款利差逐步缩小，将直接压缩银行的利润空间，中国银行业的利润高速增长不可持续。开拓新的业务模式，寻找新的利润增长点，成了中国银行业的当务之急。
存款去哪儿了？
但这还不是最可怕的，相比于存款的流失，现有客户金融习惯的改变，传统领地被侵蚀才是银行最难以承受之痛。
贷款该去哪儿了？
但在现有的信息数据管理机制下，银行并不知道这些经营良好又有融资需求的小微企业在哪？——客户是谁？客户在哪？成了银行服务小微企业的难题之一。
风险怎么控？
小微企业是银行未来市场开发的重要方向，但是如何更好的控制小微企业业务风险，也一直是困扰银行业发展的核心问题。邓白氏认为，当前中国银行业的风险控制机制，已经无法满足在小微企业市场领域的市场拓展的需求。
在现有银行风险管控模式下，众多经营良好的中小微企业，由于无法满足银行固定资产抵押要求，不能获得急需的银行贷款。但与此同时，很多互联网民营金融机构，却通过引入全新的审核机制和审核条件，积极拓展优质的中小微企业客户，阿里的小额贷款及京东的供应链金融，都依托于自己平台中的大数据信用记录，开发创建了全新的客户模型，小微企业无需提供抵押品或第三方担保，就能获得贷款。
不难看出，当前中国银行业之“囧”局，实际上是在互联网环境下，银行商业模式因循守旧造成的。
大数据如何解“囧”
1.何为大数据
提到大数据，大家首先想到的一定是其“4V”的基本特性：数据量(Volume)、时效性(Velocity)、多变性(Variety)、可疑性(Veracity)，但就其定义来说可谓百家争鸣，各有不同的见解。微码邓白氏经过多年坚持研究数据，应用数据，在长期积累过程中深刻体会当今面对的数据资源是如何的复杂多变。然后目前多数研究与产品均集中在对大数据处理所需要的基础设施与企业的管理架构应该如何改变与升级，但真正在某个行业中已经形成标准的大数据应用还比较少，尤其是如何发挥大数据的商业价值，是企业的管理者真正最关心的问题。
我们希望与大家共同探讨如何实现大数据条件下的银行业务模式变革，如何利用大数据服务银行企业的创新业务，为银行企业带来新的商业价值。
2.谁在用大数据
大数据分析管理技术在开拓业务、创造新市场、获取新客户、提高客户忠诚度，商机挖掘等环节都有着具体的应用。
目前大数据管理技术已经帮助很多行业的客户突破了原先企业在经营过程中的瓶颈；例如：金融证券行业的高频交易和量化交易，电信行业的客户支持系统，能源行业的电厂电网监控、用电信息采集分析，政府行业的智慧城市、智能交通管理等。
更具体的应用案例，在电子商务领域的京东和亚马逊通过对所销产品的归类与标签化，以及客户的浏览行为分析，精准的把最有可能引起客户购买欲望的或可能购买的产品推荐给潜在客户。在此基础上，未来还有可能通过对该客户的购买能力，支付情况的数据分析，逐步开发在信用评级，分期支付、小额购物贷款等方面的增值服务。
3.国外的金融领域对大数据的应用
资本市场：JPMorgen的市场各类交易都是高度依赖基于大数据分析管理交易系统平台的，通过对大数据系统分析，提供各类用于交易的参考信息及指标，以此进行收益分析与风险控制。
风险管理：美国农业类保险公司利用大数据分析判断一个地区未来天气的变化趋势，以此基础制定相对应的保险产品提供给农场主。
商业信用贷款：富国银行把从FACEBOOK获得的数据作为小企业主信用风险评判的依据之一；通过分析数据来做评判。
商业保险：通过大数据对顾客在消费市场的各类行为分析不断优化现有保险产品或者推出更有针对性的保险产品。英国的英杰华集团（Aviva）就运用手机APP追踪客户的驾车习惯，并以此作为定价依据。
客户行为：美国的CapitalOne公司通过大数据实现实时动态跟踪客户行为，以此掌握客户精准的行为习惯与偏好，并且基于这些信息实现客户的价值管理与风险监测。
4.大数据如何解营销、风控之囧
银行信息化的迅速发展，产生了大量的业务数据，这就需要从海量数据中提取出有价值的信息，为银行的商业决策来服务（提供科学的决策依据和技术支持）；目前银行业对于大数据应用主要体现在基于可收集到的商业数据所做的客户数据应用和风险信用控制这两个维度。
维度一，客户数据应用
维度二，风险数据应用
微码邓白氏治“囧“之道
增加市场活动效果
赢得潜在客户
减少客户流失
重点客户的针对性服务
忠诚价值评估：通过收集多渠道的信息收集，可以更完整得了解到客户的合作银行的信息，结合原有的历史合作信息更全面的判断客户的忠诚价值。
成长弹性价值：客户的成长空间不仅仅取决于其成长的速度，不同阶段的成长幅度对于一个公司的成长性也有着重要的影响。再例如“我的世界”这样通过收购以后快速成长的公司之后的可持续快速增长的风险性就相对较大。而一旦能找到有这样爆发性成长可能性的中小微公司对于银行来说是个不可错失的投资机会。
2、客户风险控制
小微企业风险综合评价模型
在确定参数以后，建立评价体系，分为三层对客户进行综合评价（第四层为补充），再对各指标加以不同权重，最后使用银行风险的评语进行评价总结。例如通过对某一小微企业的各平台的销售状况，各社交平台的互通反馈，企业老板个人信用状况等方面进行分析,专家打分的结果如下（没有抵押记录）：
根据上述打分结果，最后可以得到A=(x1x2x3x4),如果按照4级风险评语来判断，根据最大隶属度原则,就可用于综合评估该小微企业的经营风险。这一应用不仅简单直接，也弥补了我们对于小微企业价值判断的漏洞缺失。
引入海量数据以及多维度全面分析的大数据分析应用不仅是对传统业务的补充和修正，更重要的是帮助我们拓展了业务开展的各种限制，并且有效的帮助我们在整个过程中都能良好的掌控各项业务的风险状况。当我们不断受到互联网思维给我们带来的冲击时，我们也应该意识到通过最有效的工具去提升我们的传统和非传统的业务能力将是大家不得不面对也是唯一的解决方案，而大数据正给我们带来这样的工具！