金融學院畢業(yè)論文

時間：2022-10-09 01:59:36 金融畢業(yè)論文

金融學院畢業(yè)論文

　　寫畢業(yè)論文主要目的是培養(yǎng)學生綜合運用所學知識和技能，理論聯(lián)系實際，獨立分析，解決實際問題的能力，使學生得到從事本專業(yè)工作和進行相關的基本訓練。嫌我們來看一下金融學院的同學們會寫怎樣的論文吧。

金融學院畢業(yè)論文

　　摘要：隨著大數據技術的發(fā)展，擁有海量數據和大數據處理技術的互聯(lián)網金融企業(yè)正在形成對商業(yè)銀行傳統(tǒng)零售業(yè)務的挑戰(zhàn)，零售業(yè)務轉型已成為商業(yè)銀行當前的核心任務之一。本文首先在大數據視角下對互聯(lián)網金融的興起以及商業(yè)銀行零售業(yè)務所受到的影響進行了分析;其次，在大數據視角下分析了商業(yè)銀行零售業(yè)務的轉型現(xiàn)狀;最后，針對大數據時代商業(yè)銀行零售業(yè)務轉型提出了建議和措施。

　　關鍵詞：大數據;互聯(lián)網金融;客戶行為;銀行零售轉型

　　一、引言

　　大數據與互聯(lián)網金融的發(fā)展和融合造成對傳統(tǒng)金融業(yè)最重要的影響就是金融脫媒和降低交易成本。雖然目前對商業(yè)銀行對公業(yè)務和機構業(yè)務影響不大，但是對商業(yè)銀行零售業(yè)務的大眾客戶基礎、業(yè)務領域(支付、存款、中收、零售貸款等)、經營模式以及社會輿論環(huán)境已帶來了巨大的挑戰(zhàn)。因此，面對互聯(lián)網金融對傳統(tǒng)金融業(yè)的沖擊以及大數據應用與發(fā)展的趨勢，商業(yè)銀行零售業(yè)務如何轉型是當前銀行業(yè)繼續(xù)探討的重點和難點問題。

　　二、大數據時代互聯(lián)網金融對商業(yè)銀行零售業(yè)務的影響因素分析

　　隨著互聯(lián)網金融的沖擊，傳統(tǒng)的商業(yè)銀行零售業(yè)務正逐步遭到侵蝕，其影響主要表現(xiàn)在以下三點：一是居民儲蓄存款份額下降;二是居民和小微企業(yè)對商業(yè)銀行信貸依賴性降低;三是商業(yè)銀行貸款結構失衡壓力突出，中長期貸款比例遠遠高于短期貸款[1]。通過上述影響表現(xiàn)可以看出，在互聯(lián)網金融的沖擊下，商業(yè)銀行的客戶、資金和業(yè)務都在流失，從大數據的視角來看，其影響因素主要有以下三個方面。

　　(1)在大數據時代，互聯(lián)網金融顯著降低了交易成本[2]

　　1、大數據的分布式服務處理方式能夠降低交易的時間成本和硬件成本。傳統(tǒng)的數據存儲和處理采用了集中處理的方式，將所有數據存放在一塊硬盤并通過一個服務器進行處理。但隨著數據量膨脹至TB和PB級，傳統(tǒng)的集中處理方式和較低的通信帶寬限制了數據處理的效率，很難得到實時的處理結果。隨著計算機性能的提高和硬件設備價格的下降，以大規(guī)模計算機集群為架構的大數據存儲與處理方式極大地提高了大數據信息服務的效率。如Hadoop平臺的MapReduce模型能夠將復雜的運算模型運行在分布式系統(tǒng)上，極大提高了數據的運算效率，降低了交易的時間成本和硬件成本。

　　2、大數據極大提高了信息處理效率，有助于簡化交易流程，降低中間成本。大數據的4V特征中包括快速化特征(Velocity)，即大數據時代，信息產生的速度近乎實時[3]。信息的實時產生大大地減少信息的不對稱，拓寬信息流通的渠道，削弱市場不確定因素引起的價格波動，并降低信息搜尋與處理費用，這種信息處理方式在精準營銷中得到了廣泛的應用[4]。同時，大數據有利于交易流程的簡化和減少中間環(huán)節(jié)帶來的成本問題。

　　3、大數據為風險管理提供支持，降低了違約成本。傳統(tǒng)的銀行信用風險管理方法對于個人和小微企業(yè)的評估能力正逐步下降，問題的關鍵就是缺乏足夠的數據。初次貸款或有過信用污點的個人很難提供更多的數據供銀行判斷其還款意愿和能力，小微企業(yè)在初創(chuàng)期也很難證明其信用度。大數據的一個重要特征就是數據類型多元化(Variety)，目前，F(xiàn)acebook、微博、視頻和音頻等非結構化數據已經應用于個人信貸的風險評估。如美國ZestFinance公司專門針對無法提供信用證明的人，通過互聯(lián)網上大量的個人碎片化信息和ZestFinance風險評估模型重組個人信用視圖。該公司目前首次還貸違約率低于競爭者，投資回報率達到150%，其背后依托的是強大的大數據挖掘能力。

　　(2)在大數據時代，互聯(lián)網金融導致客戶行為發(fā)生變化

　　1、客戶具有更多的選擇權。截至2015年6月末全國正常運營網貸平臺為2028家，全國眾籌平臺達211家。相比于形式單一的傳統(tǒng)銀行零售和營銷，新鮮血液的加入增強了金融市場的活力，為客戶提供更多的選擇空間。如余額寶可以讓客戶將零錢用于理財，且隨存隨取，期限固定，這對于客戶來說是更靈活的理財方式。P2P平臺在列出利率和投資金額之外，還會列出資金投資去向，并且會向客戶提供貸款公司的信用程度和公司業(yè)績指標，這也為客戶提供更多的參考，讓客戶有更多的選擇性。

　　2、客戶的信息來源和決策依據更為廣泛。首先，在傳統(tǒng)銀行零售時代，客戶通過有限的資源來獲取銀行零售產品信息，而在大數據時代，當客戶有需求時，他們首先會選擇通過互聯(lián)網來收集相關信息，了解該商品的信息。在大數據環(huán)境下，客戶更容易獲得金融市場行情，從而可以通過比較購買到滿足其需求的商品。其次，在大數據時代隨著社交媒體的發(fā)展，客戶會直接在微博或其他社交媒體上發(fā)表自己的看法，這種評價信息往往會被商業(yè)企業(yè)或數據服務公司收集，成為對商品評價的輿情數據，如百度口碑、微博統(tǒng)計以及電商網站的購買評論等。在大數據時代，這種評價模式對客戶決策的影響更加廣泛。再次，隨著基于大數據的精準營銷的發(fā)展，企業(yè)往往更加注重客戶的黏性，對客戶的服務和產品推薦也是客戶決策的一個重要因素。

　　3、科技化、網絡化讓消費行為趨向便捷化和多元化。據中國互聯(lián)網絡信息中心數據顯示，截至2015年6月，我國的手機網民總數為5、94億，使用手機支付的用戶數量達到2、76億，國內移動支付市場交易規(guī)模達到8、24萬億。移動支付最初涉及的是線上業(yè)務，但隨著業(yè)務拓展和科技的發(fā)展，移動支付已從線上拓展至便利店、餐飲店、出租車和醫(yī)院等線下場景。其中，支付寶的出現(xiàn)極大地推動了中國移動支付的發(fā)展，改變了客戶的消費行為，也在很大程度上導致了商業(yè)銀行的金融脫媒。如今，支付寶占據了移動支付市場80%的份額，已成為中國最大的在線繳費平臺，支持全國25個省份、361個城市的水電煤繳費等民生服務。用戶可通過支付寶錢包、微博或手機淘寶進入城市服務平臺，直接在手機上完成生活繳費、交通違章查詢、路況及公交查詢、醫(yī)院掛號等事項。

　　(3)在大數據時代，互聯(lián)網金融導致業(yè)務決策模式發(fā)生變化

　　1、事前預測。大數據最大的用途在于根據建立的模型預測未來某一事件的發(fā)生，并可據此進行人為干預，使其向著理想的方向發(fā)展。決策行為將基于數據分析做出，而不是像過去更多憑借經驗和直覺。大數據時代，事前預測的思想發(fā)生了實質性的轉變：首先，對量化數據的需求轉變?yōu)椤安灰S機樣本，而是總體數據”，傳統(tǒng)的數據分析第一步是對總體數據進行抽樣獲得樣本數據，以描述性統(tǒng)計和假設檢驗為主;而在大數據環(huán)境下，隨著硬件設備的存儲容量、處理速度與通信帶寬的提升，對GB甚至TB級的數據處理成為可能。其次，對數據類型的要求轉變?yōu)椤安皇蔷_性，而是混雜性”，在大數據環(huán)境下，只有20%的數據是傳統(tǒng)數據庫能夠處理的結構化數據，其余80%的數據都是網頁日志、微博、文檔、視頻和音頻等半結構化或非結構化數據，通過結合半結構化和非結構化數據構建的大數據模型相比單一的結構化數據模型而言具有更強的魯棒性和泛化能力。再次，對數據與事件的關系轉變?yōu)椤安皇且蚬P系，而是相關關系”，通過大數據關聯(lián)分析反映事物發(fā)展的客觀規(guī)律而不需要知道原因，這種方式降低了從業(yè)門檻，也是很多互聯(lián)網企業(yè)跨界進入金融領域的一個重要因素。

　　2、事中感知。事中感知的含義是大數據可以準確地模擬事件或活動的進展情況，通過把握進展細節(jié)制定行動計劃和政策。大數據之所以能夠對事件進行準確的模擬和精準的把握，主要體現(xiàn)在大數據處理的實時性上。大數據的實時分析和處理能夠及時把控事件的變化，與傳統(tǒng)的銀行零售相比，基于大數據技術的事中感知能夠更準確的刻畫客戶行為，修正營銷策略。

　　3、事后反饋。事后反饋的目的是對依托大數據做出的決策進行驗證與評價，并能夠實時地調整決策結果。事后反饋主要包括兩個層面：一是對大數據決策的結果進行評估，其中包括大數據模型的準確率、提升度等預測效果的評估，通過迭代優(yōu)化直到找到最好的模型;二是將評價結果反饋于銀行經營決策和業(yè)務指標，根據評價結果與商業(yè)目標的契合程度重新修正經營戰(zhàn)略和業(yè)務流程。

　　三、大數據時代商業(yè)銀行零售業(yè)務轉型現(xiàn)狀

　　(1)基礎架構的轉型

　　商業(yè)銀行依托大數據轉型的基礎在于信息體系架構的構建。圖1為2010―2014年間中國銀行業(yè)的IT投資規(guī)模，可以看出，從2013年開始，中國銀行業(yè)IT投資規(guī)模顯著增長，2013和2014兩年投資規(guī)模分別為777、5億和892、4億，漲幅達到16、11%和14、78%，預計2015年將逾千億。

　　商業(yè)銀行主要從以下三個方面投入來完成基礎架構的轉型：

　　1、數據倉庫的建設。隨著商業(yè)銀行的業(yè)務發(fā)展，銀行數據總量已經超過上百TB，傳統(tǒng)的數據庫無法存儲如此龐大規(guī)模的數據，各大商業(yè)銀行都在建立自己的數據倉庫。如工商銀行建立了企業(yè)級數據倉庫，該數據庫統(tǒng)一了全行各部門的數據，存儲結構化數據量達到400TB，數據規(guī)模居國內同業(yè)第一、國際第六，并提供靈活查詢和通用查詢等多種形式的數據服務支持。

　　2、大數據處理平臺的建設。大數據吞吐率和實時處理的能力依托于大數據處理平臺的建設，互聯(lián)網金融在大數據處理方面具有天然的優(yōu)勢，倒逼商業(yè)銀行改革。如農業(yè)銀行大力推進集群架構、虛擬化技術的應用，引入集群數據庫和MPP數據庫，構建更加開放的分布式架構，除了建立企業(yè)級數據倉庫外，還分別建立了信息共享平臺、流式計算平臺和高性能數據處理平臺;交通銀行信用卡中心應用智能語音云對銀行的語音數據進行分析處理，通過大數據技術對海量語音數據進行持續(xù)在線實時處理，提升了經營和服務效率。

　　3、數據質量治理。隨著信息技術和多媒體技術的發(fā)展，商業(yè)銀行除了數據規(guī)模龐大之外，數據來源也從傳統(tǒng)的結構化數據發(fā)展至以網絡日志、社交媒體為主的半結構化數據和非結構化數據。數據量和數據類型的增加為商業(yè)銀行的精準營銷提供基礎，但數據質量是決定營銷模型準確性的關鍵。完善的數據治理可以確保商業(yè)銀行數據的可用性、可獲取性、完整性以及一致性。目前銀行數據倉庫中數據經常存在的問題有標準不統(tǒng)一、存在缺失值、數據異常和更新滯后等，商業(yè)銀行的數據治理方式主要包括建立數據標準體系、定期的數據質量評估和閉環(huán)的數據質量管理模式，從管理上和技術上治理數據源頭[5]。

　　(2)零售渠道的轉型

　　銀行零售渠道的發(fā)展經歷了三個階段，分別是單渠道階段、多渠道階段和全渠道階段，零售渠道不同階段之間的關系如圖2所示。

　　單渠道是指單一的渠道銷售形式，主要是指物理網點;隨著互聯(lián)網和電子商務的發(fā)展，銀行零售由單一的物理網點形式拓展至自助銀行、電話銀行和網上銀行的多渠道階段;2013年前后，隨著大數據、云計算、多媒體和社交網絡的發(fā)展，為了滿足金融消費者任何時間、任何地點、任何方式購買產品和接受服務的需求，商業(yè)銀行采取物理網點渠道、電子商務渠道和移動電子商務渠道整合的方式提供金融產品或服務，為客戶提供無差別服務體驗，這也被稱為全渠道階段[6]。

　　2014年，商業(yè)銀行在全渠道零售方面步伐加快，領域涉及理財、P2P、電商以及手機銀行、移動支付等方面�？v觀全年，其方向主要體現(xiàn)在平臺化和移動化建設，并且線上線下相結合。在電子銀行方面，全面加快網上銀行、手機銀行、電話銀行產品和服務創(chuàng)新，大力發(fā)展短信、微信新型服務方式，我國主要商業(yè)銀行電子銀行業(yè)務替代率基本在80%以上(見圖3);同時，商業(yè)銀行還加大了電商平臺的建設，例如工商銀行投產了融e購電商平臺、融e聯(lián)即時通信平臺和融e行直銷銀行三大互聯(lián)網金融平臺;在網上銀行方面，中信銀行和寧波銀行等已經開始了銀行網上社區(qū)的建設，為中小企業(yè)、個人用戶提供開放的服務平臺;在社交網絡平臺方面，光大銀行與新浪微博合作進行輿情監(jiān)控和開發(fā)繳費應用。

　　(3)客戶管理的轉型

　　零售的關鍵在于對客戶的精準定位，提供快捷高效的服務和精細化管理。商業(yè)銀行在過去對客戶管理普遍應用了“二八理論”，即20%的客戶創(chuàng)造了80%的利潤，只對20%的高價值客戶進行重點維護。但實際上金融客戶群體具有“長尾效應”，80%的低價值客戶創(chuàng)造出來的價值總和同樣不可小覷�；ヂ�(lián)網金融的成功之處在于除了抓住20%的高價值客戶之外，對剩余的中低價值客戶也進行挖掘、發(fā)展和維護，提升客戶的忠誠度[7]�？蛻艄芾淼年P鍵在于用大數據的方法對客戶進行細分并根據客戶的特征提供差異化的服務。商業(yè)銀行經過長期的探索，逐步在分析海量客戶數據的基礎上建立了自己的客戶管理體系。如民生銀行建立了基于大數據的客戶關系管理體系，通過充分引入各類大數據智能商機挖掘模型，實現(xiàn)了智能化的目標客戶推薦和產品推薦，其客戶關系管理體系包含交易鏈智能獲客模型、客戶價值彈性預測模型、產品精準營銷模型、客戶流失預警模型，為全行客戶經理進行精確化的市場營銷提供了有力保障。工商銀行專門針對中高端客戶建立了中高端客戶流失風險預警模型，該模型根據多個指標將客戶分為“維護不到位客戶”、“理財逐利型客戶”、“結算交易戶”、“儲蓄客戶”、“外流型代發(fā)工資客戶”、“高端信用卡客戶”、“電子活躍戶”、“其他客戶”，并結合每類客戶特征，制定有針對性的批量挽留策略。

　　(4)風險管理的轉型

　　銀行零售與風險管理密不可分，強大的風險控制能力成就了互聯(lián)網金融普惠式的金融服務方式。如傳統(tǒng)的信用風險管理方法普遍存在非定量分析和缺乏實時性等，而且很多影響借款人信用的指標并未作為變量反應到模型中[8]。利用大數據挖掘的方法能深入找出影響客戶信用的特征因素，并將這些特征因素都作為變量來預測新的貸款人的信用程度。目前，“大數據+風險定價”已經成為商業(yè)銀行貸款授信的主要方式，招商銀行推出的“閃電貸”是一款支持移動端的純線上信貸產品，“閃電貸”能夠支持更廣的小額貸款用戶，是招商銀行實施零售貸款惠普金融計劃之一�！伴W電貸”根據客戶的風險等級進行差異化定義貸款利率，授信額度和貸款利率將由系統(tǒng)根據客戶過往數據每個月動態(tài)調整一次。

　　四、大數據時代商業(yè)銀行零售業(yè)務轉型建議

　　(1)需遵守市場規(guī)律，符合自身業(yè)務發(fā)展需要和應用場景

　　當前，在社會各界興起了一股重視大數據、應用大數據的熱潮，各商業(yè)銀行都在積極開展大數據戰(zhàn)略的制定和大數據技術的研發(fā)。大數據技術的應用能夠為商業(yè)銀行帶來巨大的經濟效益，我們也要深刻的認識到，商業(yè)銀行大數據建設是一個長期的過程，過早進行大量投入，選擇了不適合自身實際的軟硬件，或者過于保守而無所作為都有可能給商業(yè)銀行發(fā)展帶來不利影響。因此發(fā)展大數據零售業(yè)務要符合市場規(guī)律，尋找符合自身業(yè)務發(fā)展的契機和大數據應用場景，建立近期、中期和長期的目標，不可操之過急。

　　(2)需要增強大數據的核心處理能力

　　首先，大數據的核心基礎是其平臺建設程度及信息整合能力。面對大數據的海量、類型豐富、實時產生和價值密度稀疏等特征，商業(yè)銀行需要對傳統(tǒng)的數據倉庫技術進行改造，建立起大規(guī)模、非結構化、分布式與流計算的大數據倉庫。其次，提升大數據的核心處理能力要進一步加強數據標準的建立和數據質量的治理。目前，來自銀行各部門、各渠道的信息標準往往存在差異，很多信息存在缺失和定義范圍模糊不清的問題，因此要建立統(tǒng)一的信息標準，推動數據治理體系架構和制度的建立，形成統(tǒng)一的、完整的客戶信息視圖。再次，是增強數據挖掘與分析能力，要利用大數據專業(yè)工具，建立統(tǒng)一的大數據挖掘與分析架構和業(yè)務邏輯模型，規(guī)范大數據管理制度，將大數據轉化成商業(yè)銀行零售決策支持信息。

　　(3)需要更加豐富的信息來源與應用方式

　　社交網絡的興起為銀行零售業(yè)務開辟了新渠道，網站、微博、論壇成為商業(yè)銀行新的數據來源。目前，商業(yè)銀行在大數據應用上主要以結構化數據為主，對網絡日志、視頻和語音等半結構化數據和非結構化數據應用尚淺，利用半結構化數據或非結構化數據進行數據分析對于輿情監(jiān)測、風險管理、客戶特征提取有重要意義。因此如何有效融合結構化數據與非結構化數據，建立非結構化數據應用方案是商業(yè)銀行提升零售能力的重要機制。

　　(4)需要加大金融創(chuàng)新力度

　　在云計算、生物識別、硬件智能化、移動互聯(lián)網等高科技驅動下，未來大數據在商業(yè)銀行零售業(yè)務的應用將不僅停留在業(yè)務分析和決策制定層面，而是包含了業(yè)務、管理、科技等若干層面的深度融合。如智慧銀行與生物識別支付是目前大數據與高新科技、金融業(yè)務、管理機制深度融合創(chuàng)新的最具代表性的產物，未來的商業(yè)銀行零售業(yè)務也將不斷的通過大數據創(chuàng)新應用的方式完善業(yè)務流程、降低經營成本和提升客戶體驗。

　　(5)需要加強大數據安全管理

　　大數據能夠在很大程度上緩解信息不對稱問題，為商業(yè)銀行零售提供更有效的手段，如果管理不善，“大數據”本身也可能演化成“大風險”。大數據應用改變了數據安全風險的特征，不僅需要新的管理方法，還必須納入到全面風險管理體系，進行統(tǒng)一監(jiān)控和治理。為了確保大數據的安全，商業(yè)銀行必須抓住以下三個關鍵環(huán)節(jié)：一是協(xié)調大數據鏈條中的所有機構，共同推動數據安全標準，加強產業(yè)自我監(jiān)督和技術分享;二是加強與監(jiān)管機構合作交流，借助監(jiān)管服務的力量，提升自身的大數據安全水準;三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。

　　(6)需要加強行內溝通協(xié)作與行外廣泛聯(lián)合

　　首先要加強行內各部門的團結協(xié)作，共同打造一支復合型的大數據專業(yè)團隊，不僅要掌握數理建模和數據挖掘的技術，還要具備良好的業(yè)務理解力，提升商業(yè)銀行對大數據的理解、分析和應用能力。其次，商業(yè)銀行應充分吸收互聯(lián)網金融的先進經驗，與百度、阿里巴巴、騰訊等大型互聯(lián)網企業(yè)建立合作，共同打造商業(yè)銀行互聯(lián)網金融平臺等零售新模式;同時可與國內國際頂尖的大數據服務商(如IBM、SAS、Teradata等)共同打造商業(yè)銀行的大數據應用聯(lián)合實驗室，建立完備的管理體制和激勵機制，由實驗室統(tǒng)一負責大數據方案的制定、實驗、評價、推廣和升級，促進大數據向價值資產的轉換。

　　(7)要注意信息脫媒帶來的風險

　　這種風險主要來自兩方面，一是經濟金融活動產生的數據快速膨脹，銀行占有和產生的數據占比大幅下降，新數據的產生和保存不再依賴銀行;二是過去通過商業(yè)銀行的數據流和信息流，現(xiàn)在則通過新的渠道和載體直接與信息輸出和接收方進行傳遞，商業(yè)銀行不再是信息交易中的重要一環(huán)。信息脫媒將會帶來信息數據的減少和滯后，缺少數據將會成為商業(yè)銀行零售業(yè)務的屏障，因此，商業(yè)銀行應該展開合作，積極獲取更為廣泛、更為獨立的數據和信息來源。

　　參考文獻：

　　[1]王靜.競爭與融合：金融變局中商業(yè)銀行抉擇[J].海南金融，2015(8)：62-65.

　　[2]鄭志來.互聯(lián)網金融、金融脫媒與中小微企業(yè)融資路徑研究[J].西南金融，2015(3)：52-56.

　　[3]李文蓮，夏健明.基于“大數據”的商業(yè)模式創(chuàng)新[J].中國工業(yè)經濟，2013，(5)：83-95.

　　[4]蔚趙春，凌鴻.商業(yè)銀行大數據應用的理論、實踐與影響[J].上海金融，2013(9)：28-32.

　　[5]操基平.我國反洗錢可疑交易數據質量治理對策分析[J].上海金融，2012(10)：103-106.

　　[6]齊永智，張夢霞.全渠道零售：演化、過程與實施[J].中國流通經濟，2014(12)：115-121.

　　[7]徐雄心.淺談個人中高端客戶的維護與拓展[J].經濟師，2013，(7)：112-112.

　　[8]劉燕云.互聯(lián)網與普惠金融發(fā)展[J].中國金融，2015(9)：85-86.

【金融學院畢業(yè)論文】相關文章：

金融學院畢業(yè)求職信范文10-26

金融學院畢業(yè)生求職信模板10-26