中小银行重构数据结构是当务之急
面对业界如此火热、备受追捧的“大数据”，笔者借用PS《诗经·关雎》开篇，希望借此表达中小银行在银行业务中应用大数据的向往之情和求索之苦。
向往之情在于，在线下客户越来越少亲临网点，即使是在线上，客户也不再依赖银行的电子渠道。在客户流失的同时，更令银行忧虑的是银行可掌握的客户数据源越来越单一，对客户的了解程度越来越片面。
以前银行经营客户可以通过网点、网上银行\移动银行等银行渠道开展存款、转账、理财、贷款等业务。现在客户可以方便的通过微信、支付宝、淘宝等第三方平台办理支付、转账、理财、小额贷款、缴费、白条等形式多样的金融服务。面对渐行渐远的客户、面对纷繁复杂的金融业务(更多的还有非金融类的社交、消费活动等)，我们迫切需要一双慧眼去看清楚客户身边所发生的一切变化。
“大数据”就是这双慧眼，银行需要通过“大数据”去收集客户的行为数据、交易数据等，需要通过“大数据”去刻画出客户的完整数据画像(不仅仅局限于金融数据画像)，并以此为据去挑选客户、服务客户，根据客户的喜好、特征去优化产品、改进服务。
求索之苦在于，大部分银行的科技实力还停留在“IT”时代，而在如今的“DT”、“AI”时代下，大部分银行的科技实力远远落后于一些领先的互联网企业，即使在研发效率上也是落后于大部分IT公司。银行缺少实践最新金融科技的工具、技术、方法、经验、资源。
既然“自力更生”有短板，那就寻求“他山之石”以“攻玉”吧。可在寻求的道路上，不少银行都经历过诸多坎坷：
内部数据比较零散
这种情况主要是传统的银行数据存储往往是以产品或业务为中心去设计存储结构的。而现在不论是从技术实现到业务推广所提倡的都是“以客户为中心”，所以当真正去实施大数据应用项目时，在进行业务数据梳理、清洗的第一个环节时，经常会遇到很多数据归集、整合问题。
缺少合适外部数据
这种情况经常发生在线上授信业务和零售业务方面。在开展线上授信业务时，由于缺少客户在具体行业、场景中的行为数据、交易数据，多数银行只能采取与外部机构合作，开展联合风控。银行自身的风控能力局限在人行征信风控，缺少对业务场景的一手风控措施。在开展零售业务时，营销目的主要是促进客户理财、支付、消费等交易活跃，但多数情况下能利用的仅有银行内部的交易数据，在这种情况下所刻画出的客户画像比较片面，其被假定为“该客户仅是某银行的单一客户”。如果客户是活跃客户，那据此开展的一些营销措施还是有效的。但当客户是沉默客户时，那据此开展的一些营销措施就收效甚微，因为无法判定客户在银行外部场景是否活跃，是否有其他业务需求。
投入大周期长见效慢
目前银行在实施大数据应用时(如：授信风控、客户画像/营销)，多数是选择与专业技术解决方案供应商合作，而相关的系统软件部署、研发人员投入等费用也是较之往银行传统业务系统的费用投入有很大增幅。同时，这些项目除了投入费用大之外，往往需要经过项目立项、采购招标、研发实施等过程后才能实现业务上线，这个过程至少1年。即使上线后，还需要一段时间去生产环境验证数据、训练模型，前后至少1-2年业务才能算是基本稳定。这个周期明显与不少中小银行的“当年立项、当年见效”的期望不符。
面对上述坎坷，很多中小银行往往无法迈开步子，其中当然是有很多现实的无奈。但是就束手无策了吗?就坐以待毙了吗?我们很多银行的童靴们开启了DIY模式，通过SQL、Python、SAS等编码语言及相关工具在日常工作中自行编写脚本进行业务数据的统计、分析，以解决部分业务需求、提交工作效率。这种精神值得鼓励，但笔者并不提倡，此乃无奈之举，无异于隔靴搔痒。
如果银行在靠自身科技资源无法自建大数据应用，又难以抉择与哪些合适的供应商进行业务合作的情况下，笔者认为可以从三个方面思考，逐步解决大数据应用的难题。
一、重构数据结构：按“以客户为中心”的思想重构业务系统数据结构;
二、丰富数据资源：在合法、合规的前提下，以开放的心态与外部机构开展数据资源共享合作;
三、支持业务创新： 大数据应用项目以及其他金融科技项目往往被看作是传统银行实现自我救赎的灵丹妙药，所以在项目抉择时慎之又慎。但笔者认为，越是新的技术越是需要大胆尝试，越是需要长时间的实践积累。因此，需要在资金、人员、时间上给予业务部门足够的支持。
在上述三个方面的问题当中，笔者认为“重构数据结构”更是当务之急，应当优先解决。
因为目前提倡的是“以客户为中心”，当银行在经营意识、服务方式、产品功能等方面下功夫、花精力，寻求如何“以客户为中心”提升服务能力的时候，往往忽视了一个问题：是否具备以“以客户为中心”去了解客户的资本?
自从进度IT时代，银行认识客户的途径就不再以人的意志为转移(即：凭人为经验累积)，而是通过对相关业务系统存储的客户个人数据、历史交易数据、资产数据等的解读去了解客户。当进入DT时代后，银行可以通过整合内外部数据，拓展认识客户的维度。
但仅仅拥有数据并不能说明银行拥有“以客户为中心”去了解客户的资本，是否建立合适的数据结构和具备有序的数据管理能力才能决定银行是否具备“以客户为中心”去了解客户的资本。因此，不论我们是寻求外部供应商实施大数据应用，还是通过自有科技资源完善大数据基础建设。重构数据结构都是我们必须重视，也是必须尽早实施的基础工作。
在软件行业中有一个编码思想“面向对象程序设计(Object Oriented Programming)”，这种理念与“以客户为中心”有异曲同工之妙，具体落实在数据结构重构方面，笔者觉得可以称之为“面向用户数据设计(User Oriented Database Design)”。传统的银行业务系统往往是以产品为中心或以账户为中心进行业务数据存储的，这种数据存储设计对于单个业务系统的处理效能是比较合适的选择。
但这种数据存储结构使得客户数据之间的关联性不高、逻辑性不强，增加了我们以客户为中心去管理数据、统计数据、分析数据的难度。因此，需要以“面向用户数据设计(User Oriented Database Design)”为指导重构数据结构，以满足大数据相关业务应用落地实施的基本要求。
按照“面向用户数据设计(User Oriented Database Design)”设计思想，可以把数据结构分为三个模块，即：用户模块(User Module)、标签/属性模块(Tag/Attribute Module)、事件模块(Event Module)。
用户模块(User Module)
主要记录用户的标识及基本信息，为了适应内外部数据整合的需要，用户标识应该包含主标识(如：身份证号)以及关联标识(如：手机号、社交平台账号、设备号等)。因为我们认识客户的数据很多来自于外部互联网平台，这些平台的用户大多并非实名用户，补充关联标识将有助于据此关联识别客户在互联网平台的交易行为。
标签/属性模块(Tag/Attribute Module)
主要记录客户的自然属性信息(如：年龄、性别、职业、学历等)以及相关的业务标签(如：资产等级、是否支付活跃客户、是否移动银行沉默客户等)。业务标签的种类、维度、数量是随着业务的发展需要不断优化、完善。
事件模块(Event Module)
主要记录客户在什么时间、什么渠道做了什么交易。交易的业务品种是什么、价格多少、交易对手是谁等等。其中，还需要重点记录的是客户的行为事件，例如：客户登录App的时间、停留的页面、查看的产品、耗费的时间等。过去这些行为事件往往被银行业务部门忽略，以至于在想改善客户体验、识别客户潜在需求时又苦于没有数据支撑。
上述设计思想的实施并不需要依靠特别的技术手段，大多数银行依靠行内自有的科技资源就可以实现。同时，通过与各类大数据供应商进行交流也可以发现，大多数供应商所提供的大数据画像/营销解决方案也是按照类似“用户->标签->事件”这样的实施逻辑去构建其底层的数据结构。在这个层面上大多数供应商的处理方法大同小异，不同供应商的核心竞争力的区别在于后续的数据分析\建模能力，以及配套的营销管理工具的完备程度、易用程度等。
重构数据结构这项工作始终是银行必须首先迈过的坎，只有迈过这道坎，后续的数据建模、营销分析、标签优化、客户促活、决策指引等系统实施/业务运营工作才能有条不紊的持续开展下去。
同时，笔者也希望提供金融科技解决方案的企业可以多从技术赋能、业务赋能的角度去调整产品结构、服务结构。除了面向银行提供一揽子解决方案的同时，也可以按业务板块或功能模块提供相对独立的产品或技术服务，以满足中小银行“小步快跑、逐步迭代”的需要。
那些年银行错失了“余额宝”，流失了存款;那些年银行错失了“红包雨”，流失了支付;那些年银行错失了“场景”，流失了“贷款”。如今银行希望追寻大数据，不再与用户错过。追寻的道路虽坎坷，但只要抛开顾虑，勇敢坚定的走好每一步，就能够真切的拥抱大数据，拥有大未来。
