大数据在金融业务每一个价值链环节逐步渗透，创造新的价值。本文以财富管理行业为例，探讨了金融机构在大数据战略层面需要考虑三个问题，以及在实际落地层面上大数据应用面临的挑战。认为财富管理机构应发挥创造力，从多个角度，利用多元而多源的数据对于客户进行准确认识，在业务流程中充分嵌入数据沉淀的可能性，在提升数据质量过程中完善自身经营管理。

经历了数年概念层面的喧嚣热议，大数据在国内金融行业已经进入具体应用的快速发展阶段。这是数据生态与算法技术日益成熟的表现，也是金融行业在数字化时代转型与发展的需求所致。金融行业经历了电子化、网络化的进程，流程的标准化与自动化程度已经今非昔比。例如，网银、手机银行对于交易的替代率超过90%已是银行业中的常态。在这样的基础上，数据的积累在质和量上不断提升，也日益多元，而云技术和高级算法的不断精进使低成本、高效能地从数据中获得洞察成为可能。近几年可以观察到大数据在网络信贷、财富管理、证券交易等金融各个子行业中都得到积极应用，且每一个领域中，大数据又在每一个价值链环节逐步渗透，创造新的价值。例如了解客户（KYC）、精准营销、风险控制、运营优化等。

以财富管理行业为例，在了解客户阶段，应用大数据可以有更精准的客户画像，对客户的投资需要与风险偏好实现更全面更细致的识别，而并非仅仅依赖客户对于标准化问卷的主观输入。在资产配置阶段，应用大数据支持产品与底层资产的尽职调研，并使其成为智能化形成投资组合的基础，基于客户的风险偏好和收益目标在海量金融产品中进行甄选和组合。在投资组合再平衡阶段，应用大数据识别宏观微观中的相关信号，触发资产组合再平衡。在运营服务环节中，比如呼叫中心峰谷管理等以大数据为基础，可优化运营资源配置，通过大数据分析识别交叉销售商机，还能形成“下一个产品”的最佳推荐。

由此可见，大数据的应用有无限的想象空间，但在具体推进过程中，金融机构仍需要应对战略和落地层面的重重挑战，才能让“大数据”的价值最终得以充分释放。

金融机构在大数据战略层面需要考虑三个问题

在战略层面上，任何一家金融机构对于任何新技术的应用都需要回答三个问题：一是这项技术的应用在我的行业里是否有意义？二是在哪些业务中应用这项技术可以取得商业上的成功？值得注意的是，商业上的成功包含了投入和产出两个维度上的衡量。而在新技术的应用上，这种衡量是艰难的。三是这样的应用对于我的商业模式意味着什么？

在应用大数据的讨论中，第一个问题的答案已经相对清晰。而对于第二个问题的讨论，很多金融机构还有待深化。在金融行业里，技术人员往往会自信地说：“技术上都是可行的！ 技术永远不是问题！” 的确大数据可以在金融业务中随处找到应用场景，金融行业中的问题往往也并不需要用高精尖技术实现攻坚。但什么是客户的核心痛点？大数据对于解决这些痛点可以如何发挥作用？这些问题并不是技术可以独立回答的，需要的是战略上的全盘考量和对于业务逻辑的深刻把握。而金融业对第三个问题的探讨更是还在起步阶段，技术往往通过改良和颠覆“双轨”发生作用。而生产力的跨越式提升往往是因为技术在商业模式层面上打破了传统范式形成了突破性的创新，但技术为商业模式带来突破性的创新并非可以从天而降，往往孕育于技术改良业务的过程中，这就需要金融机构在应用的探索中不断分析、质疑，持续提升思考的层面和格局，在整个公司、行业甚至经济社会发展的大背景下去审视自身商业模式，同时用开放和好奇的心态的去研究技术所带来的可能性，这样的碰撞才能务实地实现创新突破。

以财富管理行业为例，中国财富管理服务的深度和广度均有不足。例如在高净值人群财富管理服务领域，目前仅有不到20%的客户被商业银行提供的私人银行服务覆盖；在大众财富管理领域，商业银行一个客户经理往往需要覆盖几百甚至上千个客户，服务深度可想而知。另外财富管理在中国是个年轻的行业，高端财富管理仅有10年历史，大众财富管理也并不悠久。因此整个市场的人才储备薄弱、管理经验年轻，全行业存在服务能力不足的问题。这是全行业的痛点。如何在这种现状下迅速提升服务能力满足客户需求？智能投顾因其可以借助智能手段提升行业服务能力、拓展财富管理的覆盖范围，被寄予了极大的希望。但是要实现人工智能，大数据是其中必不可少的技术，需要借力算法、模型、数据， 很难想象在大数据的初级应用条件都不具备的情况下能够有效推动人工智能的应用。所以，机构对技术之间的关联重合需要特别关注，避免盲目而产生的资源浪费，事倍功半。此外，在财富管理行业中借助技术去创新商业模式不能脱离行业的发展现状。在美国，智能投顾被定义为一种财富管理服务，以交易型开放式指数基金（ETF）为基础为客户提供自动的资产配置，并通过主要为线上的运营模式实现低成本，形成价格优势，显著降低了客户享受投资顾问服务的门槛，同时在资产再平衡的过程中，积极调整风险敞口和配置组合，实现合理避税。比较而言，中国市场上的标准化投资产品还有待丰富，资本利得税尚未落地，相关政策、法律、监管规则等尚有待完善，智能投顾的中国版无疑还需要探索。而技术之于财富管理行业的商业模式如何能够实现突破性创新，还存在开放与合作的问题。

在落地层面上大数据的应用不乏挑战

当谈到大数据的应用时，就难以避免五个话题：数据、算法、应用场景、基础设施及流程治理，其中又以数据和流程治理为主要瓶颈所在。数据是生产要素，这样的认识在金融机构中正在深入人心，金融机构所拥有的数据在质和量上有一定优势，特别是从客户管理中积累的结构性数据的真实性和交易流水中沉淀的数据的实时性都很可贵。但是金融机构的数据在多元性、连续性和一致性上都还存在很多欠缺，而这样的现状无疑会制约数据产能的释放。因为数据的质和量的提升并非技术问题，金融机构数据的生成、质检、应用、维护等都需要一系列的流程和治理规则做支撑，才能够保证数据资产的可持续性发展。

在财富管理行业中，实现良好的大数据应用同样需要多元而多源的数据，例如客户人口特征数据、行为偏好数据、金融产品的基本数据、金融产品历史表现的时间序列数据、宏观经济数据、行业数据等。这些数据的采集、质检、维护和业务流程中的使用权限都需要在业务框架之中进行明确。而通常财富管理在很多金融机构中往往是一个业务条线，与整个机构共用系统和数据的基础设施，在这种情况下定义满足自己业务需求、又能与整个机构的发展现状和目标相容的数据收集与管理规则就并非易事。且财富管理行业的年轻也意味着客户的财富管理经验的相对缺乏，客户数据的高质量采集也因此是很有难度的。很多从业者都有这样的经验：客户对于风险问卷的填写信息和其本人的实际情况往往有出入，这并非客户刻意隐瞒或作假，而是客户对于自身风险与收益偏好的认知还在发展过程中，对问卷做出的判断往往存在偏差。在这种情况下就需要财富管理机构能够发挥创造力，从多个角度，利用多元而多源的数据形成对于客户的准确认识，这并不是简单地通过收集更多数据能够解决的，而是要在业务流程中充分嵌入数据沉淀的可能性，创造让机构和客户认识自己的机会，开拓出新的有效数据源。要解决这样的问题，也绝非单纯从技术角度出发就可以办到，它需要的是不遗余力履行以客户为中心的经营理念，结合技术手段来固化、深化、优化经营实践。数据的沉淀是客户与金融机构之间良性交互的结果，“大数据”之大，在于其可释放的价值并非简单的量的积累。而大数据创造的价值往往是很多细小的价值点的集合，这些价值点在没有大数据技术支持的情况下往往会被忽略，或者因为投入产出不经济而被放弃，而大数据技术使小机会能够得到有效实现，从而实现大价值。 财富管理行业中数据质量的提升将是行业经营管理不断精细发展的结果。

总体而言，数据在金融行业中得到了前所未有的重视，大数据这个名词已经超越了一项技术，成为技术驱动下金融机构发展变革的一个符号。时代给了金融行业激动人心的机会，而技术可以为前行插上翅膀。大数据在金融行业中成为行业创造价值的应用常态并不遥远。那时也许大数据这个名词会淡化，留下的将是人类智慧与技术力量的交融，为“智”赋能，以“能”长智。

（张越为波士顿咨询全球合伙人兼董事总经理。本文编辑/王蕾）