科技猎文思海辉符海鹏：大数据时代下的金融数据分析变革（PPT附下载）
2016年5月20日周五下午，由上海市大数据联盟牵头，联通小沃科技，华院数据与慧与(中国)共同承办，来自金融服务业、运营商、零售及电商、制造等行业的大数据应用先行者们为各行各业170余位来宾们打开了一扇通向大数据应用落地彼岸的智慧之门。会议由上海大数据联盟副秘书长马慧民与大数据专业媒体—36大数据创始人刘金玲共同主持。上海市科委高新技术处副处长肖菁致欢迎辞。上海市经信委大数据处张敏翀，李强等参加了会议。
活动现场，文思海辉副总裁符海鹏做了 《大数据时代下的金融数据分析变革》主题演讲 ，并与大家分享了中国金融服务业所面临的挑战，“利率市场化加剧市场竞争”的内忧;“传统金融业务遭遇互联网金融冲击”的外患;金融大监管的演进;大数据等新技术的出现，支撑金融转型和新业务开创，提升核心竞争力。谈到技术，海鹏说：“Hadoop已经不只是Hadoop”
符海鹏从实践中感悟给大家的一些建议：“第一、数据技术在供需两侧同时发挥效力，企业将在此领域产生巨量投入，无论是数据来源和采集，还是数据的分析与应用。第二、IT服务商应该考虑其客户的商业数据流，即与最终客户的数据链接，向一线业务前进。第三、数据人才和从IT技术人员到数据科学家体系的转变仍然是重中之重。”
下面是现场演讲速记和PPT图文直播：
符海鹏：我们团队其实是非常优秀的一个团队，我个人2001年、2002年做了上海证券交易所的数据仓项目。我们在做交流的时候，其实大部分人还不知道数据分析，或者数据现在做什么。从那之后我们团队逐步发展，包括我们现在的文思海辉。目前我们在数据分析上已经有1500名员工。这1500名员工在为大概60多家金融机构提供服务，且我们其实是覆盖了整个全金融行业，包括：银行业的四大行、股份制、城商行，以及更小的金融机构，再加上另外一个体系——“保险”大体系，其实我们是做到了金融全覆盖。我们的历史也非常悠久，正因为历史比较悠久，所以我们可以看到整个金融行业从最早2001年、2002年开始做数据分析到现在的发展过程。
中国金融业务发展面临的挑战。内忧，利率市场化加剧市场竞争。外患，传统金融业务遭遇互联网金融冲击。
前不久蚂蚁金服600亿美金总体估值，相当于交通银行。国内除了四大以外，第二梯队第一位的就是交通银行。所以可以想象到新兴的互联网金融，对于整个银行业或者金融机构的冲击是有多大。第三个层面，我讲是“新技术”。从一个高大上角度讲，我们很自豪，我们在金融圈子里混。因为金融IT圈子里面，一般情况下都是业内最好，他们使用的设备、使用的技术，包括他们所用的相关方法和架构都是整个行业最好。现在，他们突然觉得自己是弱势，特别是在几个新兴的领域里面，比如云计算和大数据。他们突然发现，现在好像大家更多是以“云”的方式去做，而原来银行主要的大客户是对公业务。所以从前金融机构对社交化、移动化的需求并不那么旺盛，而现在这个已经成为标配。
相信通过上面这几个大的背景，大家都能感觉到银行现在对于IT投入是非常巨大的。工行大概有一万多的员工是在从事IT技术服务。苏州银行大概有400多人的IT团队是做信息服务，另外再加上我们这样的公司，大概有1400-1500人在给他们提供IT信息服务。在这样的背景下，作为IT服务人员，我觉得我们的市场未来会变得越来越好。
我们看一下具体：监管。中国金融机构最大的领导“一行三会”，大家可以看到在这个领域上有非常大的变化。
（1）从原来简单的数据获取变成了现在需要超量的联系数据。
（2）监管机构会更关注我们在风险领域的诉求。包括：市场风险、操作风险、信用风险等等各方面意识，在整个监管上会加了比较强的诉求。
（3）金融行业间与社会化的影响关联。
08年美国金融风暴产生的时候有一组数据，发生金融危机以后，他们基本上可以在半天的时间内测算出对整个国民经济的影响。中国的监管体系不要说“半天”，我觉得可能半年都比较难出这样一个报告。这也是我们的监管机构想尝试把我们的监管做的更好、做的更完整。
银行体系其实发生了比较大的变化是什么？整个服务体系变化。我们原来讲“逆差”，“逆差”我们讲营业点。任何 一个银行在三四年前，主要的盈利范围一定是对公，一定是企业。至少有7-8成左右相关的收入，一定是来自于企业，只有20%-30%才是对私。 由于这样的一些服务变化，会导致银行思维变化。现在很讲 “供应链金融提供整体服务” 。所以我们不是在为单一客户服务，而是 为一个产业从上到下整条线上所有整体提供服务，这样对于整个数据的要求，包 括：数据关联性的要求会差别非常大。同时站在银行这个体系里，由于这样一些市场总体用户群体的变化，会导致他的产品创新。原来我们可能推出的所谓产品创新，更多来自于对公客户，可能给客户提供更好的微贷服务或者怎么样。但是现在可能 更关注中小企业的实体，包括：个人实体，这两块都是要更加的关注 。同时任何渠道方，比如：原来我们可能更多是柜台排队，现在走进银行已经到这么发达的程度了。再到下一个阶段就是无柜台、无柜面，什么都没有，就是虚拟银行。现在互联网基因银行，基本上做的就是这种模式。针对于这样的一些情况，我们其实有一个所谓的专业服务平台要搭建了。无论是数据类的给大家提供支撑的，还是在银行或者在金融机构做的前端的平台，都需要做相关的改造。
最后要说一点，所有的这些都是要融合在一起。要放在一起，就是要靠数据把它们融合在一起。
我01年刚入行的时候做的是证券。我们现在从证券来看，证券跟银行不太一样。证券是有三大属性的机构：证监会下面会有各大交易中心，再往下才是券商。而对于三个层面来讲，其实我们做的是不一样的事情。对于我们交易所的角度来讲，交易所更多的是要扩大规模，把我们的服务做好，包括：整个关联性做好。举个例子，证监会的层面上，更关注是沪市跟深市等等数据融合问题。而证交所更关注的是黑户是哪些，做仓的股东是哪些，有些什么样的问题等等。而我们券商领域，会更为关注整个市场的营销，怎么去获取更多的客户，为更多的客户提供服务。每个点关注都是不一样的。
我给大家看一下自己本身公司做的图。
其实这些都是我们的客户。可以看到，我们整个在会属机构，延展到交易所再延展到券商。大家也看到，有很大的变化。从最早期做数据平台类的项目，到现在逐步做统一的监测系统，统一的分拣系统。最近我们也做了一些单子，是跟深交所、上交所做合作。类似于这样的一条线路去发展。
数据生态圈。 其实我现在到银行里跟他们谈数据仓库、数据挖掘，不太愿意听了。他们最愿意听的是： “你们在外面跟哪些公司在合作？”为什么？可能自己的数据不够，还要尝试拿外面的数据 。因为银行不知道外面的市场什么样子，我们也在积极跟这样三类公司合作：1.三大运营商。2.BAT。3.在每个细分领域自己独特特色的。比如：九次方、Takingdaata（音）等。
基于这个生态圈，我们可以看到目前金融机构要获取数据如果从几个维度来看。内部结构化、内部非结构化、外部结构化、外部非结构化。目前为止所有的银行除了内部做的可能还相对不错，把自己的数据仓库等做好以外，也不停的往外延展，延展在这个圈子里面的内容。从再具像来看，我们看银行业务上，重点在哪几个领域有变化？银行其实是有百年历史，可能跟通信行业、互联网完全不一样。我不想说我们创造了多少应用，因为光是把国外的一些经验，包括：国内发展的业务学习完，我觉得就已经不容易了。但是，我认为还是要定位成两个方面。
一个方面，把自己的数据用好。另一方面，结合大数据时代背景，下我们相关的信息补充进去做整体融合。希望在金融机构里面大家是齐头并进的，而不只是把大数据作为唯一要发展的目标。
原有业务或新的创新在银行的几个方面：
1.综合营销服务体系的变化。
在综合营销体系里面： （1）构建用户画像。在银行或者金融机构里面，它所有的基础信息是非常广的。从基本信息、财务数据、关联信息、违约信息、评分记录等等，会形成用户画像视图。（2）基于这些客户基本信息，打上新标签。
这个领域银行已经做了很多年了，比如：你们在每个银行可能都有标签，你们是VIP用户。现在社会会发生很大的变化，由于社交变化，现在打标签在银行变了，他是一个飞行达人，他是一个旅游达人，他是一个购物狂等各种属性。现在我们要把标签打的更加符合这个人的本性，而这在未来营销、风险把控，包括：征信等各个领域上，会影响到最终对每个客户的决策。除此之外，还有实时性。以前讲过一个经典的案例，当你在ATM取一笔钱的时候，我就能判断你下个月可能要向我借款，我就马上能推送“信贷服务”。
现在这种东西越来越流行，而且要在这方面做更多的努力。同时，渠道端要做更大的变化。我们要通过无论是手机、终端这种虚拟设备，VR技术，我们要通过各种手段实现在整个全渠道。
2.全方位的风险管理与征信体系。
大家可以看到，很多银行在降息。在上海应该是，我们原来有个说法叫：“北民生，南浦发。”什么意思呢？北边的民生工资待遇最好，南边的浦发最好的是浦发。节流对于银行来讲，最好做的是风险把控，这是它最优势。
3.数据服务体系的全面建设。
以前我们讲，去银行很简单。给我们做三千张报表、两千张报表，我的项目就结束了。下面我提一个案例，民生银行ALD系统，这个系统设计的不是光应用，设计的是在整个数据层面上的数据分析。是有一个规章制度，同时从需求端管控。除此之外是另外一个领域，就是数据挖掘在银行真正应该。过去数据挖掘在银行可能更多是噱头，这两年我团队里面，大概1500人里面，大概有200人是做数据挖掘相关服务的。这两年，他们完全做不到停在一个地方停一会儿的情况。为什么？因为大数据时代，业务部门对于数据的要求越来越高。业务更多的是希望除了我们讲的业务做好以外，我们还要知道这个产品未来会不会赚钱，我这个客户群体未来会不会消失。
4.数据管控在金融业的全面重视。
如果按照现在这种技术发展的趋势，在大数据趋势下，我可以一个条件下找出所有的交易，是有可能的。但是我说另外一个，无论你是否有没有这种模型，你得有标准。无论你说在底层存储角度有没有模型，但是在另外一个角度要有一个标准，你必须要在上面做数据质量监控，要了解数据真实情况怎么样。否则你收集了再多数据，内部加工再多的数据，只是一堆垃圾，并没有把这些东西作为价值。所以在这个领域我强调，特别是在金融领域，要求99.99%的可靠性。我认为还是要非常严谨的看待这个事情，至少要把我们的数据管理好。
5.传统应用新特征，基于集团一体化混业经营机制和协同效应探索。
不管是我们讲的大的银行，还是中型的或者讲集团，类似于安邦、华润这样的。我如果把保险的客户推荐给我的证券，我的证券客户如果把所有的存款放到银行，这就涉及针对于数据联通跟打通的问题。我相信这个会成为未来一两年之内，是市场上非常热点的。
下面，我稍微讲一下应对。
1.整合。如何把数据有效的整合在一起。
2.如何做分析。
3.如何管理好。
其实就是这三件，最后一个最大的就是“人才”，人才的支撑。至少我在金融领域还是有一定的品牌影响力和优势的。
支柱一：大数据整合平台，混合式大数据平台。
也许我们的底层是一个基于Hadoop的大数据平台，但是在更上一层希望大家用一体机架构，或者是哪怕用一些开放式的数据库也OK，但是我们希望是混搭的模式，在应用上更保证我的可靠性。
在Hadoop领域上，技术延展性太强大了。我们认为在这个领域上，Hadoop日新月异。我再稍微讲一个小的故事，大概在四五月前，我问我的一个项目技术员工。我说：我们要做一个数据挖掘项目。原来它的版本只可以跑在单机上。为什么不可以把这个东西放在分布式，像小马拉大车一样跑呢？他们说：“现在做不到，还不提供这种技术。”三个月我再问他，他说：“已经OK了。”所以在这个领域的技术变革是非常快的，我给大家的建议是“多学习”、“多跟踪”。这个领域可能是日新月异，今天觉得足够OK，明天可能就会落伍。
支柱二：数据分析应用。
这个领域上，可能每个行业会有它的不同。我们已经是在银行把“分析应用”这一块，用到相对极致的程度，特别是在数据层面了。
这里特别提两点：1.人才。我觉得这一点，我还是比较自豪的。自豪在哪里？我们本身有1500人在金融行业。文思海辉已经跟一些学校合作，我们自己也有大数据人才学院。在北京是跟中科院，在上海是跟同济。甚至我们已经在贵阳，跟贵州大学也是跟贵阳大学，包括：省政府合作尝试去做“大数据人才学院”。我们大概应该有培养了三四百个实习生，大概有三四百在我们体系内。而且基本上是除了我们以外，在外面在流动。
文思海辉是一个比较大体量的公司，目前为止我们其实是想通过我们在金融行业的一些做法，在数据的一些方法论，包括我们对行业的理解，想把我们延展。目前已经延展到两个大的行业：1.企业。2.政府。在企业里面，我们延展的第一大块是航空。目前深航、厦航、东航已经是我们的客户，制造业已经有海尔这样的集团。政府领域上，我们跟贵阳市政府也签了合资公司。我们也想在这个领域上，通过人才培养，做到把金融的一些本领带给别的一些地方。
最后我想讲几句话：
1.数据技术供需两侧同时发挥效力，企业将在此领域产生巨量投入数据来源和采集，数据的分析与应用。
2.IT服务商应该考虑其客户的商业数据流，即与最终客户的数据链接需要向一线的业务前进。
3.数据人才和从IT技术人员到数据科学家体系的转变仍然是重中之重数据人员。
数据科学家同时要懂业务和相关技术，通过业务理解，用自己的相关技术把这些应用加工成更多的产出，这才是正确的产出。
我今天的演讲就分享到这儿，谢谢大家！
下载完整版演讲课件Pdf： 大数据时代下的金融数据分析变革.pdf
End.
