中国IDC圈4月27日报道，互联网的发展使得大数据引起人们广泛关注。现如今大数据技术早已渗透到金融、通讯等行业以及生物学、物理学等领域。大数据在容量、多样性和高增速方面的爆炸式增长全面考验着现代企业的数据处理和分析能力，与此同时也为各个行业带来了准确洞察市场行为的机会。迄今为止大数据技术与产品有哪些创新，工业大数据应用面临哪些挑战，金融行业大数据应用现状如何等。围绕这一系列问题，4月27日至28日，由工业和信息化部指导、中国信息通信研究院主办的"2016大数据产业峰会"在北京国际会议中心盛大召开。在28日上午大数据推动金融创新分论坛中国建设银行信息技术管理部资深经理林磊明做了主题演讲。

中国建设银行信息技术管理部资深经理林磊明

以下是林磊明演讲实录：

林磊明：谢谢李司，谢谢各位嘉宾，很荣幸今天有这么个机会跟大家交流。大数据确实很热，刚才李司提到了，从这两天的会场也能看出来，大家对这个话题都很感兴趣，有人总结大数据是现在各行各业，不是IT圈也对这个IT名词最熟悉，已经超过了移动互联网、云计算。热归热，但是大数据本身的应用到一线还有一定的距离，我们在这个时机有这样一个讨论，是大家关注的重点。

今天分四方面给大家做简单的汇报。从建设银行来说，对大数据虽然做些事情，但肯定不是做得好的行业，特别是互联网行业比我们走得往前，但是银行业有银行业自身的特点。从十二五走到十三五期间，银行业面临的各方面的压力越来越大，无论是社会经济生活、利率市场化还是互联网的冲击，给我们带来越来越巨大的压力。从我们的年报数字可以看出去年四大行的利润增长基本上趋近于零增长，后面不好说。在这样的情况下，我们怎样通过IT的引领提升传统银行的竞争力，这是摆在我们面前的一个很重要的课题。

最近这些年确实深切感受到IT相关的技术越来越为世人熟悉，不像2010年之前银行在做什么大家不知道，特别是互联网出来之后，像大数据、智能化、移动计云计算，这些都是各行各业耳熟能详的词。很有意思的是这四方面的技术是两类，大数据实际上是为智能提供很好的基础，移动和云，一个后端一个前端配合起来才能真正地发挥移动的贡献，这是很重要的一个特点。在过去的五年当中，我们觉得真正体会到新的技术给我们带来的切实的变化，最重要的是云和端，就是云和移动现在确确实实已经改变了我们的生活，特别是移动。下面会有一些数据来佐证这点。下面要发挥作用的是大数据怎么样能够在智慧银行的方向上起到更大的作用，通过银行的历程佐证这样一个观点。过去十多年期间银行基本上有两个拐点，第一个拐点就是发生在互联网银行慢慢取代柜员，IT支持从支持几万十几万的柜员到支持面向所有的互联网客户，这里面发生了一个根本性的变化，无论是服务的形态还是IT的支撑，都发生了很根本的变化，这是移动和云要在里面发挥作用。

下一个拐点是什么？银行要从原来做的账务性的、交易性的处理转向能够渗透到经济生活的方方面面，这是一个场景化，如果抓不住这个拐点，银行就要被互联网金融颠覆或者管道化。

这几年银行的变化，三大互联网渠道，手机银行现在已经达到1.8亿以上，这都是去年的数字。网上银行我们有2亿多的客户，但是这里面的变化趋势非常明显，移动的使用远远超过了网上银行的使用。微信银行现在也是突飞猛进的数字。我们有智能客服，微信的文本式客服和后台机器人的客服小V，它占的客服服务总量已经超过了传统的客户服务。这意味着我们的渠道、我们场景化的实践已经见到了效果，另外我们做大数据要具备的基础已经存在。看一下我们在数据方面曾经做过什么。

现在我们提大数据的概念，它的背景来源于互联网对于业态的影响。谈数据，无论是要达到的效果、业务服务目标，这都是一样的，对银行来讲怎么样提升对于客户的识别、对于客户的营销，怎么样提升对于风险的防范，无论是用传统的方法，用传统的结构化的数据，用现在互联网形态下面非结构化的数据，要解决的问题都是这些，只不过我们现在有了更丰富的数据源，有了更好的对于数据处理的方法。如果避开你的基础去谈你将来的方向，只谈大数据可能要把我们引入一个误区。对于我们来说，大数据有了很好的应用基础，我们既有相当好的银行，银行是经营数据的企业，再没有像金融类的企业对于数据的积累能这样丰富。无论是前面做数据仓库还是基础的数据应用，我们对于数据挖掘的技术也越来越逐步掌握，对于数据的使用越来越敏感，再加上我们这几年做了一件事情，做整体的新一代。新一代里有一块很重要的事情是梳理了全行所有的业务模型和数据模型，这个东西为我们进一步用好数据奠定了很好的基础。

基于这样的认识，我们行里的管理层对大数据的使用也是非常重视的，我们王鸿章（音）董事长在去年的工作座谈会上提到我们要通过大数据来推动产品创新，重树业务流程，支持科学决策，夯实基础管理，提升核心竞争力，这是行领导充分认识到据在银行经营决策里的非常重要的地位。在他的讲话之前建设银行已经成立了上海大数据分析中心，这不属于技术部门，属于信息管理部门。充分体现了大数据实际上是跨学科、跨领域的，今天大部分是IT产业的专家，我倒倾向于下面我们再办这样的会一定要有更多的业务人员来讲一讲，真正的大数据能帮我们做些什么，现在的确是一个打基础的阶段。我简单讲一下大数据平台的建设思路和取得的简单成果。

从设计目标有这几条，策略上架构先行，我们已经有很好的基础架构。基础能力上我们在做一些基础的大数据分析工具的搭建。另外一个很重要的方面是你有没有很好的业务指向，你想用这些数据做什么。我一直不太同意你先不要管你做什么，先把平台搭起来，我不太清楚有多少人从做数据仓库过来，当时提的很多的概念是垃圾进垃圾出，到了大数据时代没人提这个事情了，好像所有大数据都是质量很高的，都是进来就能发挥作用的。特别是对应用部门来说，这方面要警惕。

功能架构设计，我不细说了，和大家都差不多，从采集、存储、分析、展现到应用。我要强调的是从这个结构来说，这是很完美的一个结构，但是我们将来的方向是大数据真的要能够实时或者及时地反映到你的业务流程当中去，反映到你的营销当中去。不要拘泥于一个结构，而是怎么样能够很快地让数据发挥作用，大家都提DT时代，是怎么用数据直接驱动你的业务，这种架构才是好的架构。

从数据设计本身来说，我们有一个演变过来的整体的结构。这里面我想强调一点，大数据是数据的一部分，结构化的数据是大数据的一部分，这两个东西不要割裂来看，这两个东西要融合到一起为你的业务发挥作用。

我们的大数据平台取得了一些成果，实时的数据仓库上我们能够对客户经理做实时的数据提供和交付，提供无论是并发的访问还是实时服务方面，比如销售价格和对客户的财务安全等各方面，都能够实现相关的数据交付，无论是直接的、实时的还是批量的交付，这是一方面。从数据的应用模式上，我们总结了六类数据应用模式，包括挖掘类、数据实验室、机器查询、仪表盘、固定报表、自动查询等等。模型实验室，现在越来越发挥了更大的作用，我们能够基于结构化和非结构化的数据支持大数据模型的研发，这个模型研发出来我们能够很快地把它部署到生产当中去，能够为一些决策，未风先管理服务。这是简单的举的例子。这是模型实验室的例子。

在非结构化大数据的应用方面，很多类型我们已经在探索了，比如客户行为偏好的数据，录音文本、地理数据的应用、能耗数据的应用、媒体信息、员工行为数据等等。现在网络渠道交易的风险越来越高，道高一尺魔高一丈，反过来我们希望魔高一尺道高一仗。通过位置服务终端识别的新技术新数据的采用，拒绝可疑风险事件，上半年避免1.9万起，避免客户损失1.4亿，这种数据越来越大。在一些文本及语音分析方面，我们做了产品声音360对电话银行录音转成文本之后进行产品的相关分析，我们对于客户投诉意见做频度的分析，能够发现管理当中的一些弱点和服务中的问题，我们还可以在里面进行潜客的分析。另外我们利用大数据的技术做了基础性工作，这方面是历史数据的归档。原来传统的技术是在传统数据库上，我们把它放到Hadoop上，既降低了成本也提高了业务响应能力，量是非常大的。通过这方面的积累，我们能够逐步将这类数据应用到大数据的分析当中去。会计影像，这个数据量也是非常大的，原来是分布到全国各地，我们也是用Hadoop分布式文件系统把它应用起来，提升了响应能力，降低了成本。很多长的数据都是离线采访，现在都能实时在线查询。

无论是结构化的数据还是非结构化的数据，都是银行慢慢的积累和通过银行做的场景化的外延式的服务、善融商务、网络的客户服务积累的数据，外部数据怎么用也是大家关注的焦点。刚才提到一个观点，我们还是希望有一个结合，纯粹的外部数据可能对银行的价值不一定能够直接体现。我们行业的数据、政府的数据等等，希望能够和我们结合起来，它确实能够在小微企业的风险控制、智能运营方面发挥一些作用，这也是我们下面探索的一个方向。

刚才我提到了场景化，我们希望能够把金融数据的服务将来标准化和平台化，平台化之后能够在基础的大数据能力、基础数据的提供甚至一些分析数据的提供，基础应用，客户花香、征信评级的监测，为无论是内部的客户还是外部的客户提供更好的大数据技术，这是从技术方面来看大数据下一步做的工作。我的介绍就到这里，不当之处请各位指正，谢谢。