商业银行利用大数据参与共享经济的探索与实践

简介:

商业银行要在“去中介化”的共享经济形态中维护金融中介的重要地位,核心问题在于充分参与共享经济,发挥大数据应用优势,从共享大数据、共享大数据产品及模型、共享大数据云平台三方面着手,巩固信息中介的地位。

第三次工业革命时代,新的经济范式“共享经济”诞生,其核心是互联网、物联网及其带来的大数据,为人类近乎免费的即时协同提供了可能。如何在“去中介化”的共享经济形态中维护金融中介的重要地位,是商业银行普遍面临的难题。银行作为重要的金融中介,在传统金融中更多发挥了融资中介的作用,而在大数据时代,银行应向信息中介转型。

共享经济挑战商业银行传统的金融中介模式

共享经济(Sharing Economy)或称分享经济,也称为协作型消费(Collaborative Consumption),不仅是经济学问题,更是社会学问题。最早提出共享经济理论的是经济学家马丁·威茨曼(1984),该理论的提出主要为了解决西方长期存在的“滞涨”问题,发挥共享经济对付失业、生产停滞和价格上涨的“自动稳定器”和“自动吸尘器”作用。事实上,共享概念早已有之。传统社会,朋友之间借书或共享一条信息、包括邻里之间互借东西,都是共享的形式。但这种共享受制于空间、关系两大要素,且需要有双方的信任关系才能达成。

移动互联网时代,共享、特别是信用大数据的共享,将会极大地提升整个金融体系的融资效率。

共享经济是一个去中介化的过程。通过大数据共享,信息获得更加充分,金融资源将不再是少数人拥有的特权,大数据对社会的变革将发挥决定性作用。美国社会学家杰里米·里夫金(2014)在《零边际成本社会》中提出,第三次工业革命带来的零边际成本和共享经济,将会在未来终结资本主义的经济形态。物联网将把这个世界上的一切,人、物、生产、物流等“连接”起来,不断为各个节点(商业、家庭、交通工具)提供实时大数据,同时大数据经过分析转化为精确的预测,这种连接将世界变成一个大网络。协同共享带来的创新正孕育着一种新的激励机制,新一代将更在意使用权而不是所有权,它更多地是基于提高人类社会福利的期望,而不那么重视物质回报。可穿戴设备之父彭特兰(Alex Pentland,2014)从社会物理学角度提出,参与能够增加信任并增加关系的价值,这为构建合作行为所需要的社会压力奠定了基础。

货币金融学家米什金(1995)曾经指出,金融中介的存在主要有两个原因:第一,金融中介有规模经济和专门技术,能降低资金融通的交易成本;第二,金融中介有专门的信息处理能力,能够缓解储蓄者和融资者之间的信息不对称以及由此引发的逆向选择和道德风险问题。因此,资金中介和信息中介是商业银行作为金融中介最为基础的两个功能。

在共享经济“去中介化”的时代背景下,作为重要金融中介的商业银行应如何生存,是一个前沿性的课题。对此,工商银行前董事长姜建清认为,互联网技术革命让商业银行进入一个重要的转折点,即从过去的支付和融资中介向综合化信息中介服务转变,信息是银行发展的深层基础和根本,能不能在未来竞争中保持优势,关键在于能不能成为信息掌握的强者,并采取措施通过大数据技术重新发展和铸造新的金融经济关系。

大数据在银行领域应当发挥更加核心的作用

2015年以来,在“互联网+”浪潮和我国顶层制度设计的推动下,大数据技术及服务快速发展,各种网络金融、数据服务公司、第三方征信机构层出不穷。数据已经被认定为国家战略资源,我们要充分认识到数据在共享的时候价值更大。

在金融行业中,数据以往已经发挥了重要的作用。不论发达国家金融市场的证券基金业、发展中国家的传统信贷领域,还是近来谈论的热门——征信行业,数据都为业务发展提供必不可少的基础支撑作用。在大数据行业中,金融领域的大数据应用也一直走在技术和服务的前列。比如美国的Zestfinance、Lending Club等新兴互联网企业,以及中国人民银行授权的8家征信公司。目前从事金融大数据业务的企业主要有四种类型:一是做平台,代表企业主要是阿里、腾讯;二是做产业链,代表企业有金电联行、融360、闪银(Wecash)等;三是主攻征信,主要代表是8家持牌征信公司(芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用管理有限公司和北京华道征信);四是提供数据及其相关服务,代表企业有九次方、百分点、万得、数据堂等。这些企业或多或少都参与了共享经济模式,与平台企业、产业链企业或是其他数据公司分享、互换数据。

……

商业银行利用大数据参与共享经济的探索实践

……

本文原载于《中国银行业》杂志2016年第8期。(作者潘沁系江苏银行风险管理部数据管理团队负责人,管理学博士,高级经济师)

商业银行要在“去中介化”的共享经济形态中维护金融中介的重要地位,核心问题在于充分参与共享经济,发挥大数据应用优势,从共享大数据、共享大数据产品及模型、共享大数据云平台三方面着手,巩固信息中介的地位。

第三次工业革命时代,新的经济范式“共享经济”诞生,其核心是互联网、物联网及其带来的大数据,为人类近乎免费的即时协同提供了可能。如何在“去中介化”的共享经济形态中维护金融中介的重要地位,是商业银行普遍面临的难题。银行作为重要的金融中介,在传统金融中更多发挥了融资中介的作用,而在大数据时代,银行应向信息中介转型。

共享经济挑战商业银行传统的金融中介模式

共享经济(Sharing Economy)或称分享经济,也称为协作型消费(Collaborative Consumption),不仅是经济学问题,更是社会学问题。最早提出共享经济理论的是经济学家马丁·威茨曼(1984),该理论的提出主要为了解决西方长期存在的“滞涨”问题,发挥共享经济对付失业、生产停滞和价格上涨的“自动稳定器”和“自动吸尘器”作用。事实上,共享概念早已有之。传统社会,朋友之间借书或共享一条信息、包括邻里之间互借东西,都是共享的形式。但这种共享受制于空间、关系两大要素,且需要有双方的信任关系才能达成。

移动互联网时代,共享、特别是信用大数据的共享,将会极大地提升整个金融体系的融资效率。

共享经济是一个去中介化的过程。通过大数据共享,信息获得更加充分,金融资源将不再是少数人拥有的特权,大数据对社会的变革将发挥决定性作用。美国社会学家杰里米·里夫金(2014)在《零边际成本社会》中提出,第三次工业革命带来的零边际成本和共享经济,将会在未来终结资本主义的经济形态。物联网将把这个世界上的一切,人、物、生产、物流等“连接”起来,不断为各个节点(商业、家庭、交通工具)提供实时大数据,同时大数据经过分析转化为精确的预测,这种连接将世界变成一个大网络。协同共享带来的创新正孕育着一种新的激励机制,新一代将更在意使用权而不是所有权,它更多地是基于提高人类社会福利的期望,而不那么重视物质回报。可穿戴设备之父彭特兰(Alex Pentland,2014)从社会物理学角度提出,参与能够增加信任并增加关系的价值,这为构建合作行为所需要的社会压力奠定了基础。

货币金融学家米什金(1995)曾经指出,金融中介的存在主要有两个原因:第一,金融中介有规模经济和专门技术,能降低资金融通的交易成本;第二,金融中介有专门的信息处理能力,能够缓解储蓄者和融资者之间的信息不对称以及由此引发的逆向选择和道德风险问题。因此,资金中介和信息中介是商业银行作为金融中介最为基础的两个功能。

在共享经济“去中介化”的时代背景下,作为重要金融中介的商业银行应如何生存,是一个前沿性的课题。对此,工商银行前董事长姜建清认为,互联网技术革命让商业银行进入一个重要的转折点,即从过去的支付和融资中介向综合化信息中介服务转变,信息是银行发展的深层基础和根本,能不能在未来竞争中保持优势,关键在于能不能成为信息掌握的强者,并采取措施通过大数据技术重新发展和铸造新的金融经济关系。

大数据在银行领域应当发挥更加核心的作用

2015年以来,在“互联网+”浪潮和我国顶层制度设计的推动下,大数据技术及服务快速发展,各种网络金融、数据服务公司、第三方征信机构层出不穷。数据已经被认定为国家战略资源,我们要充分认识到数据在共享的时候价值更大。

在金融行业中,数据以往已经发挥了重要的作用。不论发达国家金融市场的证券基金业、发展中国家的传统信贷领域,还是近来谈论的热门——征信行业,数据都为业务发展提供必不可少的基础支撑作用。在大数据行业中,金融领域的大数据应用也一直走在技术和服务的前列。比如美国的Zestfinance、Lending Club等新兴互联网企业,以及中国人民银行授权的8家征信公司。目前从事金融大数据业务的企业主要有四种类型:一是做平台,代表企业主要是阿里、腾讯;二是做产业链,代表企业有金电联行、融360、闪银(Wecash)等;三是主攻征信,主要代表是8家持牌征信公司(芝麻信用、腾讯征信、深圳前海征信、鹏元征信、中诚信征信、中智诚征信、拉卡拉信用管理有限公司和北京华道征信);四是提供数据及其相关服务,代表企业有九次方、百分点、万得、数据堂等。这些企业或多或少都参与了共享经济模式,与平台企业、产业链企业或是其他数据公司分享、互换数据。

……

商业银行利用大数据参与共享经济的探索实践

……

本文原载于《中国银行业》杂志2016年第8期。(作者潘沁系江苏银行风险管理部数据管理团队负责人,管理学博士,高级经济师)

本文转自d1net(转载)

相关实践学习
基于MaxCompute的热门话题分析
Apsara Clouder大数据专项技能认证配套课程:基于MaxCompute的热门话题分析
相关文章
|
7月前
|
存储 数据采集 搜索推荐
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
本篇文章探讨了 Java 大数据在智慧文旅景区中的创新应用,重点分析了如何通过数据采集、情感分析与可视化等技术,挖掘游客情感需求,进而优化景区服务。文章结合实际案例,展示了 Java 在数据处理与智能推荐等方面的强大能力,为文旅行业的智慧化升级提供了可行路径。
Java 大视界 -- Java 大数据在智慧文旅旅游景区游客情感分析与服务改进中的应用实践(226)
|
7月前
|
数据采集 SQL 搜索推荐
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
OneData是阿里巴巴内部实现数据整合与管理的方法体系与工具,旨在解决指标混乱、数据孤岛等问题。通过规范定义、模型设计与工具平台三层架构,实现数据标准化与高效开发,提升数据质量与应用效率。
2358 0
大数据之路:阿里巴巴大数据实践——OneData数据中台体系
|
8月前
|
数据采集 存储 大数据
大数据之路:阿里巴巴大数据实践——日志采集与数据同步
本资料全面介绍大数据处理技术架构,涵盖数据采集、同步、计算与服务全流程。内容包括Web/App端日志采集方案、数据同步工具DataX与TimeTunnel、离线与实时数仓架构、OneData方法论及元数据管理等核心内容,适用于构建企业级数据平台体系。
786 1
|
8月前
|
数据采集 分布式计算 DataWorks
ODPS在某公共数据项目上的实践
本项目基于公共数据定义及ODPS与DataWorks技术,构建一体化智能化数据平台,涵盖数据目录、归集、治理、共享与开放六大目标。通过十大子系统实现全流程管理,强化数据安全与流通,提升业务效率与决策能力,助力数字化改革。
300 4
|
8月前
|
分布式计算 监控 大数据
大数据之路:阿里巴巴大数据实践——离线数据开发
该平台提供一站式大数据开发与治理服务,涵盖数据存储计算、任务调度、质量监控及安全管控。基于MaxCompute实现海量数据处理,结合D2与DataWorks进行任务开发与运维,通过SQLSCAN与DQC保障代码质量与数据准确性。任务调度系统支持定时、周期、手动运行等多种模式,确保高效稳定的数据生产流程。
378 0
大数据之路:阿里巴巴大数据实践——离线数据开发
|
8月前
|
分布式计算 DataWorks 数据处理
在数据浪潮中前行:记录一次我与ODPS的实践、思考与展望
本文详细介绍了在 AI 时代背景下,如何利用阿里云 ODPS 平台(尤其是 MaxCompute)进行分布式多模态数据处理的实践过程。内容涵盖技术架构解析、完整操作流程、实际部署步骤以及未来发展方向,同时结合 CSDN 博文深入探讨了多模态数据处理的技术挑战与创新路径,为企业提供高效、低成本的大规模数据处理方案。
413 3
|
8月前
|
机器学习/深度学习 存储 分布式计算
ODPS驱动电商仓储革命:动态需求预测系统的落地实践
本方案基于ODPS构建“预测-仿真-决策”闭环系统,解决传统仓储中滞销积压与爆款缺货问题。通过动态特征工程、时空融合模型与库存仿真引擎,实现库存周转天数下降42%,缺货率下降65%,年损减少5000万以上,显著提升运营效率与GMV。
812 1
|
7月前
|
存储 SQL 分布式计算
大数据之路:阿里巴巴大数据实践——元数据与计算管理
本内容系统讲解了大数据体系中的元数据管理与计算优化。元数据部分涵盖技术、业务与管理元数据的分类及平台工具,并介绍血缘捕获、智能推荐与冷热分级等技术创新。元数据应用于数据标签、门户管理与建模分析。计算管理方面,深入探讨资源调度失衡、数据倾斜、小文件及长尾任务等问题,提出HBO与CBO优化策略及任务治理方案,全面提升资源利用率与任务执行效率。
599 0
|
5月前
|
人工智能 Cloud Native 算法
拔俗云原生 AI 临床大数据平台:赋能医学科研的开发者实践
AI临床大数据科研平台依托阿里云、腾讯云,打通医疗数据孤岛,提供从数据治理到模型落地的全链路支持。通过联邦学习、弹性算力与安全合规技术,实现跨机构协作与高效训练,助力开发者提升科研效率,推动医学AI创新落地。(238字)
377 7