金融科技创新应用思考

2019年，中国人民银行印发了《金融 科技 （FinTech）发展规划（2019-2021年）》，明确提出了近三年以来金融 科技 工作的指导思想、基本原则、发展目标、重点任务和保障措施。浙江省把数字化改革作为新发展阶段全面深化改革的总抓手，全面推进“数字浙江”建设。2021年以来，浙商银行深入贯彻中央与浙江省委的战略部署，围绕“两最”总目标全面实施平台化服务战略，在云计算、大数据、区块链、人工智能、物联网等前沿技术与金融业务深度融合基础上，进一步深化数字化思维和理念，提升数字化能力和方法，构建数字化体系与机制，积极打造“ 科技 +金融+行业+客户”综合服务平台，更好服务实体经济高质量发展，实现银行经营提质增效。

一、金融 科技 创新基础

近年来，随着新兴 科技 的快速发展，各类数字化技术不断涌现，在政务、金融、产业链等各领域进行了大量应用，逐渐拉开了各行各业乃至全 社会 的数字化转型大幕。银行业作为中国金融体系的重要组成部分，在经历了近三十年来的电子化、信息化建设和迭代后，对 科技 手段的重要性与 科技 引领金融创新具有清晰的认知。

从20世纪80年代至今，我国银行业在技术变革浪潮中持续推动金融 科技 发展与转型升级，电子化取代了原有的手工 *** 作、登记簿记账模式，信息化实现了数据大集中、应用互联互通以及线上业务办理。当前，随着区块链、人工智能、大数据等技术在金融行业的 探索 与应用，银行业对数字化转型发展也有了新的认识与理解。银行通过金融 科技 深化服务实体经济，在推动银行自身数字化转型发展的同时，还推动了各行各业的产业链转型升级，为经济 社会 全面数字化发展做出了重要贡献。

二、金融 科技 创新挑战

尽管银行业开始加快金融 科技 在金融业务中的应用，但在数字化转型进程中还是存在来自内外部的制约与挑战。

第一，技术成熟度制约业务场景落地。 数字化转型浪潮得益于数字化技术的飞速进步，然而技术在各自领域的成熟度存在差异，每种技术均有各自发展时期特定的业务场景产物，技术的不确定性以及局限性制约了应用场景的落地。以人工智能技术为例，其在图像识别、生物识别技术已经进行了较多应用，但在语义识别、逻辑推理等领域仍处于技术发展上升期，尚未形成具有较好效果的示范应用。另外，如区块链在供应链金融等领域进行了较多应用，但在跨链、链上链下一致性以及作为基础设施构建更大范围联盟链等关键技术上仍然需要突破。因此，银行数字化转型需要将金融 科技 作为核心竞争力，通过技术创新创造场景、重塑流程。

第二，安全自主可控尚待内外部能力提升。 我国银行应用的大部分 *** 作系统、服务器等基础设施以及数据库、技术平台等软件较多依赖于国外相关技术厂商，自主创新与研发能力尚待提升。以区块链技术为例，部分银行及厂商基于Hyperledger Fabric等国外开源区块链底层平台进行二次开发，最终应用于金融业务之中，虽然是开源产品并且实现了国密等符合国情与监管要求的特性，但仍可能存在安全后门、制裁使用等问题。对应领域的人才不足也使得国产化进程较为困难，国产基础设施、软件的能力、易用性、生态等也需要时间来检验。

第三，标准化体系建设需要创新与迭代。 区块链、人工智能、大数据等数字化技术通过产学研、迭代开发等机制快速推进，甚至在关键技术的攻关上采用了“揭榜挂帅”“赛马”等方式加快突破，而标准化建设往往需要在技术与应用进入初步推广期之后进行立项，标准制定的周期相对较长，可能无法跟随新技术、新应用的变化，需尽快建立适合数字化转型的标准化体系快速迭代建设机制，为金融 科技 应用提供规范指引。

第四，互联网对银行组织架构、管理模式带来冲击。 头部互联网公司在零售端产品、架构、运营等方面的理念与管理模式独具特色，银行在吸纳融合互联网典型机制的同时，也对自身的组织架构与管理模式形成了冲击。一是在组织架构上，银行因为特有的金融属性需在审慎框架内进行有限尝试，而互联网公司可通过扁平化管理加快决策，其 科技 公司属性允许进行试错；二是在运行模式上，业务部门与信息 科技 部门相互独立，以需求为驱动开展研发工作，难以支撑数字化转型阶段新技术应用的敏捷反应、快速决策、技术储备，而互联网公司通过以客户为中心、以场景为切入点的理念在零售端布局产品占据了大量入口。银行如何平衡两者，推动产品创新与应用推广，需要根据自身情况进行综合考虑。

三、金融 科技 创新对策

银行的数字化转型不仅是新技术与金融场景的融合应用，更是对体制机制的重塑。以浙商银行近年来的实践为例，银行数字化转型之路有四大核心。

第一，加速 科技 前置，引领业务创新 。浙商银行目前已成立研究院，综合运用区块链、人工智能、大数据、物联网等数字化技术落地金融应用，优化经营模式、改造业务流程，加强数据运用，提升各条线业务和系统的数字化、自动化、智能化水平。同时，浙商银行与知名高校以及头部高新技术企业共建联合研究中心、金融 科技 实验室，加强产学研合作， 探索 区块链、物联网、人工智能等前沿数字技术，加强研究成果落地转化，以 科技 引领业务创新。

第二，强化自主可控，加强技术攻坚 。浙商银行坚持关键技术自主可控、核心应用自主研发，近年来在区块链、知识图谱等底层基础技术与应用建设上完全自主可控，积极拥抱鸿蒙、鲲鹏、麒麟、泰山等国产软硬件基础设施生态，并通过多方安全计算、TEE等技术加强对敏感个人信息数据的保护。自主可控离不开关键技术的研究与创新，浙商银行积极参与各项省部级重点课题项目、“揭榜挂帅”项目等，以最大限度激活企业 科技 人员的创新能力和创新效率，攻坚核心关键技术，助力打造国产自主可控的金融 科技 发展模式。

第三，以标准化建设引领，有序推进技术发展 。浙商银行广泛参与区块链、人工智能、物联网等技术的标准制定。目前已参与《信息安全 区块链和分布式记账技术 参考架构》、《信息安全技术 区块链信息服务安全规范》等国家标准制定，参与工信部电子标准院、北京金融 科技 产业联盟等机构主导的具有行业、产业示范意义的标准制定，为金融 科技 技术的标准化建设添砖加瓦。同时，浙商银行积极参与中国人民银行企业标准“领跑者”活动，加强国家标准、行业标准向行内标准的转化和引导，切实做到以标准为指引，推进产品实施，提升各项技术与应用的标准建设。

第四，转变 科技 管理，创新协同机制。 浙商银行全面构建适应于平台化服务等全行战略发展要求的全新金融 科技 组织架构，实施以产品为中心的创新协同机制，推行一体化敏捷研发机制；实施“引进来、输出去”工程，持续加大 科技 投入和高精尖人才引进力度，培养金融 科技 复合型人才，充实金融 科技 队伍，通过金融 科技 产品输出加强服务实体经济，构建生态，形成标准；强化知识产权保护，持续申请区块链、人工智能金融 科技 基础技术相关专利，截至2021年8月末，区块链发明专利授权数9项，位居股份制行第一。

四、金融 科技 创新

一是区块链和物联网技术双引擎驱动业务创新。浙商银行于2017年在同业首创基于自主可控区块链技术的供应链金融服务解决方案，将企业各类资产转化为区块链电子金融工具，帮助供应链核心企业及上下游企业盘活应收账款，有效解决企业“融资难、融资贵”问题，取得良好的经济效益与 社会 效益。同时，为解决物理世界与数字世界数据一致的问题，提升链上数据的真实性、时效性，浙商银行通过采用物联网技术，采集真实、实时的企业经营动态、动产质押数据，建立了“客观信用体系”，通过边缘端统一管控、原生数据上链、多维度交叉验证等机制，提升银行风险管控能力，构建良好的产业链供应链金融生态，目前已在金属加工、养殖、仓储等行业进行了试点与推广。

二是人工智能、大数据等技术综合运用提升风控能力。浙商银行大数据风控平台综合应用了“人工智能+大数据+知识图谱”技术，广泛引入外部相关数据、模型，填补了客户准入、关联关系、授信审批、贷后管理、预警管理、财务分析等系统支持能力的空白。浙商银行充分整合利用内外部数据构建10亿级企业画像知识图谱，结合自然语言处理、深度学习技术实现舆情分析预警自动化处理，根据大数据风控规则或模型形成预警信号或风控结论，进一步深化金融 科技 各项技术的综合运用，实现了全行风险管控的数据化、移动化、智能化。

五、金融 科技 创新展望

第一、纵横驱动，构建金融 科技 应用创新基石 。一是顶层纵向驱动，设立“金融 科技 管理委员会”，创新 科技 体制机制顶层设计，由“一部N中心”向“一部一公司一研究院”转型，实现组织架构变革；二是业务横向驱动，通过金融 科技 支持团队派驻业务条线协同业务创新，由被动接受转为主动提出，主动在业务模式中融入金融 科技 能力，提升数字化能力转化率；三是 科技 横向驱动，加强基础设施平台建设，建立适应数字化转型、实现快速迭代的研发机制，构建适应不同行业技术输出和业务服务于一体的基础性平台。

第二、对标同业，加强新技术综合运用 。通过对标先进同业的产品服务体系、先进的金融 科技 手段，研究先进同业好的理念、好的做法、好的机制； 探索 5G、区块链、物联网、人工智能、大数据等数字化技术的融合交叉解决方案，激发技术创新的活力，形成新一代金融应用技术，从而加速推动银行业金融 科技 创新进程。

第三、场景切入，聚焦服务实体经济 。围绕企业生产经营痛点、难点，以客户需求为导向、以场景服务为切入点，提供“ 科技 金融 行业 客户”综合服务解决方案，加大对民营企业、小微企业、制造业、乡村振兴、“双碳”、绿色产业等重点领域的支持力度，在有效服务实体经济中推进自身金融 科技 的高质量发展。

文章转载自《中国金融》2021年第22期

以下是部分物联网的应有领域

1、工业领域的应用：产品设备管理、能源管理、工业安全生产管理；

2、农业领域的应用：温室环境信息的采集和控制、节水灌溉的控制和管理、环境信息和动植物信息的监测；

3、智能家居领域的应用：家庭智能化、小区智能化和城市智能化三者之间融成一个真正广义的智能控制网络；

4、医疗领域的应用：整合的医疗保健平台、电子健康档案系统；

5、智能交通领域的应用：公交行业无线视频监控平台、智能公交站台、电子票务、车管专家和公交手机“一卡通”；

6、物流领域的应用：供应链网络优化、供应链的可视性；

7、智能校园领域的应用：电子钱包、身份识别和银行圈存。

物联网技术应用前景展望

从整个物联网的发展情况来看，物联网目前仍然处在一个规模成长前夜的阶段。要实现规模化的发展，还面临着一系列的挑战和问题，从长远来看，物联网必须在横向整合、纵向深入以及网络优化三个重要问题上取得突破，才能取得物联网的规模化发展。

公开资料显示，2020年3月，招银云创启动市场化战略转型，明确提出聚焦产业互联网赛道，成为招商银行面向企业数字化服务的载体，聚焦企业资金流数字化，“将先进的金融 科技 应用于产业互联生态中，让金融更好地服务产业，让产业更加智慧化”。进入2022年，招银云创市场化进程提速。公开资料显示，该公司将品牌定位表述为“银企场景化联接平台”，并发布了“成为银企联接的创新者、产融信任的构建者”的品牌愿景。

向外 探索 金融 科技 应用场景，对内协同母行

当产业互联网的大幕徐徐拉开，摆在银行面前的问题不是“要不要做”，而是“如何做”的问题。那么，十年后的银行业，在产业互联网生态体系内，应该处于怎样的位置？很多银行都在进行着自己的思考和布局。

作为一家“金融 科技 银行”，招商银行选择把金融 科技 应用于产业互联生态，通过旗下金融 科技 子公司招银云创向外输出，构建银企场景化联接生态。

值得注意的是，近日，在招商银行2021年年报中，该行首次对外提出构建“投商私科”一体化服务。“从企业经营逻辑出发，把投商行、私人银行、 科技 等分散的优势整合起来，以差异化、有针对性的服务有效覆盖处于不同阶段、不同行业、具备不同特征的客户，形成招行独有的‘投商私科’一体化服务特色。”招商银行在年报中对“投商私科”一体化服务给出了自己的解释。

很明显，聚焦产业互联网、向外输出金融 科技 能力的招银云创，将在招商银行“投商私科”一体化服务体系中扮演协同集团、反哺母行的战略角色。

赋能产业互联网下企业资金流数字化

资金流是企业个体的血脉，也是产业互联网生态机体的血脉。而针对资金流的服务，正是银行天然的优势所在。产业生态最大痛点来自于企业内外协作流程上的断点，进而导致数据流、资金流的信息断点和组织内外协作效率的层层衰减。这并不符合产业互联网的本质。

产业互联网的本质是对产业协作生态内的资金流、信息流、商流、物流的有效整合，进而重塑产业结构新生态，其基础是资金流的数字化和互联畅通。对招银云创来说，解决产业互联网下断点、低效的资金流难题，首先是助力企业客户的资金流数字化管理升级。

事实上，招银云创在资金流数字化领域有着多年的沉淀和低调耕耘。传承招商银行资金管理、跨银行结算等方面十多年的能力和基因，招银云创在成立后曾协同母行，开发运营“跨银行现金结算平台CBS”和“财资管理系统TMS”两大财资管理产品，在场景化 科技 创新和企业客户咨询服务方面积累了丰富的经验，对企业资金流管理有着深刻的场景理解和需求洞察。2021年，招银云创结合卓越司库理念升级打造了“集团企业司库GET”，进一步向企业司库管理领域进军。至此，招银云创形成了“集团企业司库GET”、“场景化费用管理SCO”、“业财融合分析MAP”三大数字化产品体系，成为具备独立产品体系和服务能力的企业资金流数字化服务商。

构建银企数字信任，助力产业互联网银企合作

从产融合作的视角，在传统信用机制下银行因无法了解企业真实的经营状况，单纯根据企业财务报表、资质等主体信用评估其还款能力及意愿，始终面临“资金不敢贷”“风险控不住”的难题。企业旺盛的融资需求无法得到有效满足，银企之间的信任关系脆弱。

“如何让金融服务更好地支持企业发展，让资金精准滴灌至企业场景？”这是一个世界性难题。

企业资金流是企业之间、企业与银行之间合作的核心，尤其是基于高频的费用支出场景资金流，最能反映企业的真实经营状态。在银企之间搭建通畅的资金流数据桥梁，基于实际场景实时、多维地反映企业资金流全景，为银行风控模型和企业业务决策提供强有力支撑，构建银企数字信任机制，最终实现双赢，被认为是解决上述难题的有效路径。

招银云创走的正是这条道路，即成为“银企场景化联接平台”，通过为企业级客户提供资金流管理全链条的数字化解决方案与服务，赋能企业数字化转型，打通产融合作壁垒，构建银企合作新生态，推动行业不断前进。

物联网在生活中的应用包括第二代身份z、ETC自动收费、智能物流等。

1、第二代身份z：

第二代身份z最大的改革就是它的防伪技术，第二代身份z有定向光变色“长城”图案、光变光存储“中国CHINA”字样、防伪膜、等防伪技术，二代身份z采用的是非接触式IC芯片卡和指纹感应，这是典型的物联网基础应用。

2、ETC自动收费系统：

ETC自动收费系统可以让来回的车辆在经过拦车杆时只需要减速行驶，就可以完成认证、计费，在很大程度上节省了人力和物力。但因为要升级收费系统，还需要在车辆上面安装识别芯片，所以很多地方是采用ETC与人工收费两种系统。

3、智能物流：

物联网技术同样运用到运输物流业，将转感器安装在货车和正在运输的各个独立部件上，从一开始中央系统就追踪这些货物直到结束，这样便可以全面实时的追踪这些车辆和货物行程，不仅可以实时更新货物信息，还可以防止货物被盗。

扩展资料：

物联网的运用范围：

物联网将现实世界数字化，应用范围十分广泛。物联网拉近分散的信息，统整物与物的数字信息，物联网的应用领域主要包括以下方面：运输和物流领域、工业制造、健康医疗领域范围、智能环境（家庭、办公、工厂）领域、个人和社会领域等，具有十分广阔的市场和应用前景。

在物联网上，每个人都可以应用电子标签将真实的物体上网联结，在物联网上都可以查出它们的具体位置。通过物联网可以用中心计算机对机器、设备、人员进行集中管理、控制，也可以对家庭设备、汽车进行遥控，以及搜索位置、防止物品被盗等，类似自动化 *** 控系统。

同时透过收集这些小事的数据，最后可以聚集成大数据，包含重新设计道路以减少车祸、都市更新、灾害预测与犯罪防治、流行病控制等等社会的重大改变，实现物和物相联。

参考资料来源：百度百科-物联网

物联网中如何使用大数据
在瞬息万变的世界中，组织很难赶上不断涌现的新概念。但人们需要区分哪些技术和概念是有用的，哪些只是一种炒作。在数据分析领域，正是大数据引发了这个时代的质疑。而如今，当这个概念日益清晰时，一个新的应用浪潮即将到来：人们需要了解在物联网中如何使用大数据。

关于什么是大数据及其可带来的价值的热烈讨论已经开始消退。然而，当专家们开始大量使用大数据和物联网的技术组合时，人们又再一次试图定义物联网与大数据连接的方式。
物联网与大数据的接触点
简而言之，物联网是连接到互联网的设备网络。这些设备具有内置的传感器，可以生成数据并对外发送，从而可以相互通信，并与分析系统进行通信。
即使对物联网设备仍然很陌生，这个概念已经在人们的生活中找到了方向。设想一个智能家庭，它可以通过调节供暖和空调系统的运行模式来调节温度，可以开启和关闭照明系统，可以发出有关漏水或气体泄漏或外人入侵的信号。最重要的是，智能家居可以在没有户主参与的情况下做到这一点。
物联网业务的一个典型例子是机器监控，使用安装在不同机器部件上的多个传感器。这些传感器将有关温度、振动、压力、润滑等读数发送给分析系统，分析系统对其进行处理并识别一些隐藏的模式和相关性。如果系统识别出读数与某种故障模式相匹配，则会向维护团队发送即时警报。
以下将回答物联网如何与大数据相交的棘手问题。当一些技术正在炒作时，物联网可能是其中之一。实际上，物联网数据是大数据的类型之一，这使得大数据技术堆栈在所有阶段处理物联网数据都是一个很好的（但不是唯一的）选项。对于数据摄取，企业可以使用Apache Kafka，因为该技术支持数据流。Apache Hadoop生态系统是数据存储和处理历史数据的理想选择，而Apache Spark则非常适合近实时数据处理。
大数据使用案例中的物联网数据规则
而人们开始了解制造商所提供的用例。同时，也可以在其他行业了解物联网数据，了解物联网大数据用例。
医疗保健：在医疗保健领域，配戴移动应用技术的可穿戴传感器设备可以实现远程健康监测。该方法的工作原理如下：传感器监测特定患者的状态（心跳、体温、血压、呼吸率等），并将这些数据实时传送到云端，然后传送到应用程序。分析系统不断搜索所有患者物联网数据中的隐藏趋势，并试图找出可能引发并发症的模式。如果物联网的大数据分析显示某些令人担忧的症状，系统会立即向患者和医生发送警报。
零售：知名零售商亚马逊公司最近推出了一个新概念 - Amazon Go。这是一家没有收银员的商店，顾客不必排队等待购物。要进入商店只用扫描他们的智能手机即可。事实上，在这里采用的是物联网和大数据分析技术：商店里遍布传感器和摄像头，顾客在商店中购物，摄像头能够区分其中的每一个人，并且跟踪他们放入购物车或返回货架的所有产品。重量传感器提供了一个额外的控制点：他们可以认识到特定的产品已经不在货架。当顾客完成购物时，他们选择的所有产品都显示在真实和虚拟的篮子中，顾客可以离开商店，系统将在稍后收费。
毫无疑问，Amazon Go是一个有远见的概念。然而，零售业表现出更多脚踏实地的想法，例如智能物流技术，可以跟踪和优化路线，并识别每位卡车司机的行为模式。零售商还使用信标激活访问者的应用程序，并在访问者进入商店并通过信标时，推出相关产品优惠和促销活动。访客会因此感到满意，因为他们收到参加促销活动提供的个性化优惠。同时，信标对商店员工也有帮助，因为它们可以识别需要高质量服务的具有价值的客户。
银行业：银行业也从物联网中受益。银行正在努力获取客户全方位的视角，并提供无缝的客户体验。虽然这一切始于智能手机的积极参与，但物联网进一步扩展至可穿戴设备。例如，美国银行与FitPay公司合作进一步推动可穿戴支付技术。通过这种合作，持卡人将能够直接从他们的智能手表和其他可穿戴设备付款。银行将能够识别客户的行为和偏好。
语结
尽管围绕物联网进行了更多的炒作，但它只是大数据源其中之一。毫无疑问，这是一个有价值的领域，而且正在不断发展。如果企业已经实施了一些大数据解决方案，也许已经处理物联网数据，如果企业正计划采用大数据方案，希望以上描述的用例可以激发一些伟大的想法。

随着移动互联网、云计算、物联网和社交网络的广泛应用，人类社会已经迈入一个全新的“大数据”信息化时代。而银行信贷的未来，也离不开大数据。
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行xyk中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。从发展趋势来看，银行大数据应用总的可以分为四大方面：
第一方面：客户画像应用。
客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于自身拥有的数据有时难以得出理想的结果甚至可能得出错误的结论。
比如，如果某位xyk客户月均刷卡8次，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，真实情况是：工资卡和xyk不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；
（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
第二方面：精准营销
在客户画像的基础上银行可以有效的开展精准营销，包括：
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用xyk采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
第三方面：风险管控
包括中小企业贷款风险评估和欺诈交易识别等手段。
（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪**客户账号或侵入自动柜员机(ATM)系统的罪犯。
第四方面：运营优化。
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
银行是经营信用的企业，数据的力量尤为关键和重要。在“大数据”时代，以互联网为代表的现代信息科技，特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展，移动支付、搜索引擎和云计算的广泛应用，构建起了全新的虚拟客户信息体系，并将改变现代金融运营模式。
大数据海量化、多样化、传输快速化和价值化等特征，将给商业银行市场竞争带来全新的挑战和机遇。数据时代，智者生存，未来的银行信贷，是从数据中赢得未来，是从风控中获得安稳。

---