随着存储成本的降低，计算能力的提升，大数据等技术得以在各行各业得以应用，或提升生产效率，或创造新业态，一时风光无限。近些年，以建设银行、浦发银行、招商银行、南京银行、中原银行等为代表的商业银行，不断加强大数据等金融科技技术的应用，取得了经营业绩和品牌形象的双提升，成为了行业标杆。#大数据#

那么，大数据在商业银行究竟有哪些应用呢？大致可分为如下几类：基于用户画像的营销体系、基于AI模型的风控体系、基于流程再造的运营体系、基于关联分析的内控体系、基于智能诊断的运维体系、基于数据驱动的决策体系，下面分别介绍。

基于用户画像的营销体系

客户是商业银行的基础，无论是资产端还是负债端，商业银行都需要做好获客、活客、黏客等工作。业务上，可以通过提供富有利率竞争性的存贷款产品、丰富多样的权益活动、贴心专业的客户服务等方式开展客户管理。但这些工作如果没有对客户特征的分析，没有差异化，往往既浪费营销资源，也很难实现业务目标，因此对用户画像的需求应运而生。#用户画像#

用户画像是客户标签的组合，用来刻画用户的典型特征，是对客户的形象描述，如年轻白领、职场精英、有车一族、理财小白、价值养老、旅游达人等。客户标签包括客户的统计类、行为类、挖掘类等不同类型，这些标签的获取以及画像的生成都依赖于丰富的内外部数据以及适用的算法。有了客户标签和用户画像，就可以设计针对性的产品、开展针对性的营销，提升营销的精准性和成功率。

典型模型：潜客挖掘模型、价值提升模型、流失预警模型、智能投顾模型、标签挖掘模型等。

基于AI模型的风控体系

商业银行经营的是风险，因此对于风险的控制能力体现了商业银行的竞争力，也决定了商业银行能否生存。近些年，因风控失效导致的破产、重组、托管事件时有发生，更是给商业银行的风控能力建设施加了紧箍。风控是一个全方位的概念，本文重点阐述信贷资产端的风险控制，即贷款的风险控制。风控工作应是无死角的，覆盖贷款业务的全流程，任一环节的缺失都会带来资产损失，因此商业银行在业务全流程都开展了大数据应用，如贷前准入模型、反欺诈模型、贷中授信模型、定价模型、贷后风险预警模型、催收模型、失联修复模型以及客户评级模型、压力测试模型等，可以说大数据模型已经应用到业务的每一个角落。正是由于这些AI模型的构建和高效运行，商业银行日益智能化、精细化，现在越来越多的银行开始推出线上贷款产品，无论是面向个人的，还是面向小微企业的。当然，这些模型的构建离不开海量的数据，包括行内的业务数据以及行外的司法、税务、征信等数据。#风控#

基于流程再造的运营体系

商业银行的运营重点在于面向客户的高柜、低柜等业务操作，在于客户身份的识别，在于客户信息的校验，在于业务流程的执行。传统上，这些动作都需要柜员手工进行，效率低且容易出错，更有甚者还有操作风险。如今，借助于各种新技术，运营人员的工作效率已大大提升，体现在：人脸识别、活体检测技术实现客户身份的自动识别；OCR等技术实现了客户证照信息的自动录入；流程机器人实现了流程信息的自动采集；关联交易模型的应用实现了贷款发放异常行为的自动识别...有了这些，运营人员可以从繁杂的日常事务中脱离出来，开展更有意义和效率的客户服务和业务处理过程中，同时规避了操作风险，客户体验也大大改善。

基于关联分析的内控体系

内控审计是商业银行风险管理的第三道防线，内审的对象包括业务、机构、人员、设备等方方面面，其中对员工异常行为的排查是内审工作的重要事项，主要目标是发现员工与员工、员工与客户之间是否存在风险事项，如代客理财、截留资金、利益输送、涉D涉H涉D、非法集资、开办企业、在外任职等。传统的排查手段往往是事后的或者是片面的，很难了解员工的行为全貌，现在通过知识图谱等技术，可以构建员工、客户、账户、企业之间的关联关系，通过图算法可自动监测和识别员工的异常行为，大大提高了内审的效率。#知识图谱#

基于智能诊断的运维体系

金融科技在商业银行的应用也对科技运维的有效性和安全性提出了更高的要求，如何保障业务连续性成为每家商业银行的IT部门必须要思考的问题。除了传统的数据备份、容灾、安全防护等措施外，大数据技术近些年也在IT运维领域得到应用，主要包括运维日志的智能分析、信息安全事件的自动识别、数据库操作审计等。举一个例子，通过有监督学习、无监督学习等机器学习算法，对安全设备的日志进行分析，构建安全事件预警模型，实现安全事件的及时预警。

基于数据驱动的决策体系

大数据技术除了应用在营销、风控、运营、内审、运维等具体的部门级工作，还广泛应用到高管的决策支撑领域，助力企业决策由经验驱动转向数据驱动。借助于实时计算、大数据分析等技术和工具，许多行构建了实时高管驾驶舱，实现对关键业务数据的实时展现，方便决策层及时决策。此外，基于人力资源数据、财务数据等构建的人力效能模型、财务健康度模型等业务模型，也有助于高管层了解行内的人员、财务等情况并作出优化决策。#BI#

大数据技术已经成熟，并与人工智能、机器学习、人脸识别、区块链等新技术一起为商业银行赋能，本文从营销、风控、运营、内审、运维、决策等六个维度介绍了大数据在商业银行的应用，这只是诸多应用中的一个侧面，如果想了解更多行业应用，欢迎评论区留言交流。

我是会说科技，关注我，一起聊聊数据、科技、IT、金融那些事。