銀行發展戰略成功的關鍵是培養自己的核心競爭力。什麼是核心競爭力？有人説是IT，有人説是人才，有人説是客戶，總而言之，各有各的理解。“核心競爭力”最關鍵的特點是“不可複製”“不可替代”。一般來説，産品是可以被複製的，客戶是經常有流動的，這些都難以成為銀行的核心競爭力。而大數據能力則不同，由於其特有的性質，正在逐漸成為銀行真正的核心競爭力。銀行大數據能力是建立在銀行自己特有數據基礎上，不是數據多少的問題，而是你我的數據不同，在不同數據基礎上構建的模型、研發的産品才是不可複製的。阿裏、騰訊、百度，這三個中國網際網路的領軍企業，它們有合作有競爭，但是彼此之間都無法複製，一個重要原因就是其數據基礎不同，分別在電商交易數據、社交數據、搜索數據方面佔據了制高點，由此建立起來的競爭力是不可替代的。而且，在自身數據基礎上培養出來的數據分析專家，在特定數據環境下成長起來，也是難以複製的核心競爭力,而其他數據環境可能完全不一樣，也就很難有相同的用武之地。進一步觀察，銀行大數據能力表現在多方面，但大數據思維和數據挖掘能力則是最關鍵、也是最重要的。

一、數據挖掘能力成為商業銀行核心競爭力的關鍵因素，事關銀行轉型成敗

實現大數據價值有一個重要前提，就是要能從紛繁蕪雜的數據中去偽存真、找出規律，發現有價值的資訊，這僅靠專家的經驗和智慧是難以完成的，需要借助各種數據挖掘技術。觀察大型企業在數據運營策略上的態度，我們不難發現，雖然不同公司有不同的數據運營策略，但有一點是共識，即高度重視數據挖掘能力建設，通過不斷、持續、深入的數據挖掘來實現數據價值的最大化。

波特競爭理論表明，企業要在競爭中勝出，必須獲取“差異化”的能力。例如，當行業內的許多企業都提供類似的産品，使用類似的技術，在相同的地點服務同一個客戶群體時（國內大型銀行的競爭基本是這一格局），高效的業務流程就成了最後實現差異化的關鍵。許多先前的競爭基礎都已不復存在了，地理優勢已不再重要，保護性的規定不斷淡出，産品或服務中那些突破性創新看上去也越來越難以實現，而且複雜的産品也會被人迅速複製，這種情況下通過數據深入挖掘形成的差異化市場戰略成為銀行競爭的關鍵要素。就商業銀行而言，好銀行的一個共同特點，就是選擇一種或幾種差異化能力，在此基礎上構建其戰略。也就是説，好銀行能夠對大量的內外部數據進行深入挖掘分析，以此來形成差異化決策。麥肯錫調查了不同行業中運用大數據的企業在過去10年中增長率的差異：線上零售行業，大數據領先企業收入增長24%、稅前利潤增長22%，而其他競爭企業則分別下降1%和15%；信用卡公司，大數據領先企業收入增長14%，稅前利潤增長9%，其他競爭企業分別增長9%、下降1%。數據挖掘和應用能力強的企業表現出明顯競爭優勢。

隨著經濟增速放緩、跨界競爭加劇、利率市場化推進、客戶忠誠度降低，銀行業盈利空間被逐步壓縮，大型銀行面臨一系列嚴峻挑戰。首先，客戶財富在新的業態環境下呈現分散化趨勢，尤其是隨著移動技術發展，便利的網銀和手機銀行可以讓客戶迅速自如地實現資産轉移。其次，優質企業融資的渠道增多，優質客戶呈現“脫媒”趨勢，致使存量信貸資産品質不斷下降，逐步放開的利率市場化導致凈利差收窄，銀行利潤增速放緩。再次，除同業競爭以外，銀行也面臨來自網際網路企業、其他産業資本的跨界競爭，監管機構放寬銀行的準入門檻，新興的民營銀行不斷涌現。因此，傳統銀行必須轉型，而銀行轉型成敗的關鍵是尋找新的利潤增長點。從發達市場銀行發展經驗看，通過深入挖掘分析客戶真實需求、提供更有針對性的服務，就可以大幅提高盈利水準，這是體現數據挖掘價值最直接的地方。比如花旗銀行亞太地區，近年來有25%的利潤來自於數據挖掘；匯豐銀行通過數據挖掘開展交叉銷售，使客戶貸款産品響應率提高了5倍；澳洲聯邦銀行運用大數據分析來提供個性化的交叉銷售，成功將交叉銷售率從9%提高到60% ；VISA把發現信用卡欺詐的時間從1個月縮短到13分鐘，極大地降低了信用卡欺詐帶來的風險。

數據挖掘在客戶挽留、客戶細分等領域有非常好的應用效果，相比于傳統的跑馬圈地、擴張規模的做法，可以起到事半功倍的作用。實際上，在生意比較好做的時候，很多事情銀行不願意做，失去了很多商機。例如，我們有幾億的個人客戶，這些客戶在購買産品、出差時的消費記錄都可以記錄下來，如果我們知道一個客戶購買了機票或火車票去異地出差，就可以為他推薦目的地的酒店，就像藝龍、攜程那樣，不僅可以方便客戶，還會帶來可觀的利潤。利用大數據技術這是可以做到的。大數據會使銀行能夠真正介入客戶日常生活，成為客戶各項活動的“安排者”或夥伴，這會為銀行的經營方式帶來革命性的改變，就像BRETT在BANK3.0中説的，銀行變為一種行為，滲透到客戶的每個日常活動。

再譬如風險管理問題，傳統銀行的風險計量更多的是依靠客戶財務數據，不僅滯後，往往還有很嚴重的數據品質問題，但大數據方法為識別客戶風險提供了全新的思路。例如，使用客戶交易行為數據、輿情數據甚至企業主的行為數據，可以更加及時、準確地發現企業的潛在風險，比起傳統上通過下戶調查、分析財務數據的方法更加有效。可以説，銀行轉型的各個方面都可以從大數據方法中獲益，發達市場商業銀行經驗表明，在很多領域數據挖掘都會産生巨大的價值。

從更宏觀的層次來觀察，2008年全球金融危機之後，各國銀行都在探索轉型路徑，尋找未來銀行的發展方向。經過多方觀察和深入思考，我們發現大部分銀行的轉型都有一個共同的特點，就是轉型的設計方案都是建立在大量數據分析的基礎上，數據已成為當前銀行最突出的各種矛盾、各種潛力、各種機遇的一個集合點。從數據入手，我們有可能找到大型銀行未來轉型的一個事半功倍、“給一個支點就能撬動地球”的著力點。通過數據挖掘，可以準確理解市場發展方向、客戶需求、風險特徵，能夠使我們正確配置資源，實施有效創新。一些先進銀行的經驗已經表明，數據挖掘會創造很可觀的效益，尤其是對數據分析基礎還比較薄弱的銀行，只要稍稍投入就會産生出巨大的效益。進入大數據時代，隨著數據處理技術的進步和數據來源的迅速擴展，銀行業的一切業務活動都被數字化，商業銀行得以在更多領域和更深層次獲得並使用更加全面、完整、系統的數據。這些數據涉及客戶的方方面面，對這些數據的深入分析可以得到過去不可能獲得的知識和無法企及的商機。深入的數據挖掘分析對銀行客戶行銷、産品創新、績效考核以及風險管理等必將發揮日益重要的作用，數據應用能力將成為銀行核心競爭力的重要體現。因此，大數據不是一地一隅的事情，事關銀行戰略轉型全局。

二、數據正成為大型商業銀行的重要戰略資産，未來銀行必將是數據驅動型銀行

長期以來，經濟學將資本、人力、土地稱為企業的生産要素；進入工業時代以後，技術成為獨立的生産要素，離開技術的發展，企業已經很難正常經營。在資訊時代，數據已成為新的關係到産業興衰和企業存亡的關鍵生産要素，其作用就像農耕時代的土地，如果企業擁有完整、全面的數據，將在新的競爭環境中佔據重要優勢。隨著企業管理走向“數據化驅動”，對數據資源的管理和使用將成為企業經營中的核心內容，那些擁有優質數據資源、深度挖掘分析能力的銀行，可以借數據優勢不斷侵襲同業甚至其他行業的領地。銀行價值將與其擁有的數據規模、活性和運用數據的能力成正比，傳統上的資金、人力、渠道等要素需要根據數據資源的情況進行重新優化配置。可以説，數據成為資産已成為銀行業發展的不可逆轉的趨勢。

舉個例子，FACEBOOK公司上市時其賬面資産只有百億美元，主要是電腦、辦公室等，但其估值達到千億美元，投資者主要看中的就是它所擁有的海量用戶數據，據估計，每個活躍用戶的價值達到60美元。阿裏在美國上市當天市值達到2300多億美元，憑什麼？數據平臺是其重要財富，在估值中佔了很大的比例。最近國際上很多機構都在探討如何量化數據等無形資産的價值，例如美國一個聯邦儲備銀行經濟學家估計企業擁有的數據等無形資産的價值超過8萬億美元，相當於德國、法國和義大利的GDP之和。對於現代化的大型銀行而言，資産中有相當重要部分是數據，是尚未被納入核算系統的財産，這是大銀行區別於小銀行，也是現代銀行區別於傳統銀行的關鍵之處，以往這些數據財富往往被忽略了。大型銀行必須認識到數據的價值，把數據作為戰略性資産加以保護和經營。

現在，客戶的每一個行為、資金流轉的每一個細節、每一個決策、每一次交流都成為數據，這些數據一旦得到深入分析使用，會深刻改變銀行創造價值的模式。與其他資産不一樣，數據的價值在被發掘後還能夠不斷産生新的價值，其真實價值就像浮在水面上的冰山，我們發現的只是一角，絕大部分都隱藏在表面以下。未來佔據先機的銀行一定是數據驅動型銀行，其特點是一切經營活動數據化、有良好的大數據分析平臺、有一支高素質數據挖掘和分析團隊、制定開放性的數據共用制度、有戰略性的數據資源儲備。銀行的經營方式將從過去的以産品為中心、以客戶為中心過渡到以數據為中心，數據驅動成為商業銀行發展的不可逆轉的方向。

數據資産甚至決定了大型銀行發展的戰略方向，不同的數據資産會産生不同的戰略選擇和商業模式，並在一定程度上引領著産業的發展方向。將來，擁有獨一無二的數據資産的銀行，將會獲得難以置信的發展速度，發育出令人嘆為觀止的商業模式。

三、大數據價值的實現，關鍵在於挖掘分析能力

數據就像礦石一樣，價值不僅在於多少，更在於如何挖掘。數據資源利用的越深價值就越大，大數據正成為銀行獲得新的認知、創造新的價值的源泉。當數據規模大到一定程度時，就會大幅提高我們認識事物的能力，以前我們認為不可能的事情就會成為可能。谷歌能夠幾近準確地預測流感,FARECAST能夠預測機票價格的波動，都因為存在供其分析的數千億計的數據項，突破了以前數據的局限性。

海量數據是銀行的一個金礦而且是富礦，大型銀行基本都建立了龐大的數據倉庫，但目前數據挖掘深度和廣度還遠遠不夠，還缺乏一批真正的數據挖掘分析專家，數據價值沒有得到充分體現。幾乎銀行管理的每項工作都可以從數據挖掘中獲益。對於經營部門，真正利用好數據挖掘，那麼客戶需求、産品創新就不再是難事，市場響應速度和競爭能力會大幅提升；風險管理部門的政策制定、監測分析、監控預警等問題也都能通過深入數據挖掘得到實質性解決，風險的精確打擊能力也會有較大的提升。例如，通過分析客戶信用卡消費習慣，可以為其推薦最有針對性的活動資訊；分析一個建築企業員工的賬戶行為，可以找到一些“工頭”，進而針對其行銷大量的代發工資業務；一個大型企業財務狀況的變化，會直接影響上游供貨企業的資信行為等。

我們通常意義上説的大數據推動銀行戰略轉型、提升運營管理能力、重塑銀行企業文化等，其實都是通過數據挖掘之後的廣泛、深度應用産生的實際功效。譬如，銀行轉型的關鍵在於創新，大數據技術正是商業銀行深入挖掘既有數據、找準市場定位、明確資源配置方向、推動業務創新的重要工具。再譬如，借助數據挖掘和分析，銀行能夠準確地定位內部管理缺陷，制定有針對性的改進措施，降低管理運營成本；也可能幫助銀行確保財務透明度，提高計劃和預算的準確性，協調日常運營和長期戰略目標，預測市場變化對財務的影響，準確分析利潤推動因素，進而降低成本提高盈利能力。通過數據挖掘，還能幫助銀行獲得更廣闊的業務發展空間、更精準的決策判斷能力和更優秀的經營管理能力。

更深入分析，大數據在三個方面深刻影響著銀行的企業文化、戰略和組織結構。第一，大數據將顛覆傳統的價值鏈，使以前以設計産品、銷售的模式，向資訊時代以客戶為中心的模式轉變。第二，數據驅動的産業鏈合作，使銀行與其他行業進行密切協作、網路化運營成為可能。第三，大數據使企業的疆界變得模糊，員工和客戶的界限逐漸消弭，使企業的組織結構發生倒置，企業文化和戰略應隨之調整。

這裡我們尤其想強調依託數據挖掘技術促進風險經營的精細化專業化。已有理論與實踐表明，大數據技術有助於降低資訊不對稱程度，增強風險控制能力。銀行在原來貸款人提供的財務報表等資訊之外，可以對其資産價格、賬務流水、相關業務活動等更鮮活的數據進行動態和全程的監控分析，從而有效提升客戶資訊透明度。國外先進銀行的經驗表明，數據挖掘技術在提高銀行風險智慧方面具有廣闊用途。包括：（1）通過對行內外的海量數據挖掘分析，打破客戶資訊孤島，構建全方位立體的客戶資訊視圖，有效降低銀企資訊不對稱的風險。（2）提高風險計量的精準度，通過利用更加廣泛的客戶風險數據，提高風險計量模型精度，有效降低風險計量的誤差概率，更精確量化客戶違約可能性。（3）提升風險的實時監控能力，對客戶實施全方位的複合式動態風險評估和深度的相關關係分析，實現風險管理由歷史數據分析向客戶實時行為分析的轉變，及時發現其潛在的風險及變化趨勢。（4）為小微企業風險管理提供了新的思路，通過大數據平臺，銀行可實時監控社交網站、搜索引擎、物聯網和電子商務等客戶動態行為數據，建立小微企業信用數據庫和信貸風險預警機制，為解決小微企業融資中財務數據缺失、抵押品不足等問題提供了思路，能夠有效提高小微企業的信貸獲得率。（5）創新風險管理模式，將風險管理前置，對與銀行有業務往來的客戶的日常交易、資金流、訂單、週期性變化、成交速度和頻率等數據進行跟蹤分析，精準地把握客戶經營和資金需求的走向，及時發現風險並預警。目前，花旗、富國、UBS等先進銀行已經能夠基於大數據，整合客戶的資産負債、交易支付、流動性狀況、納稅和信用記錄等，對客戶行為進行360度評價，計算動態違約概率和損失率，提高貸款決策的可靠性。這方面我們與國際先進銀行的差距還比較大，尤其在對客戶動態行為數據和外部數據的挖掘方面。例如，如果能夠整合客戶資金交易過程中的各種備註文本資訊（包括資金用途等）、客戶所在行業和所在區域的各類外部資訊資訊，結合現有數據倉庫數據，通過數據挖掘技術研究客戶風險行為，識別有風險預警的客戶群體，那麼將會大大提高現有主要依據事後的財務資訊的風險計量模型的有效性。

四、數據挖掘的核心價值是預測，數據挖掘能力建設的關鍵是行動

社會事物往往都具備一定規律，是可以預測的，海量數據的挖掘能力使人類第一次看到預測的曙光。全球複雜網路權威巴拉巴西認為，人類行為93%是可以預測的；2010 年Science上刊登的一篇文章也指出，雖然人們的行為模式有很大不同，但我們大多數人的行為是可以預測的。其實，人們或多或少都具備預測能力。譬如中國古代諺語説“八月十五雲遮月，正月十五雪打燈”，説明大自然有許多規律性的東西，估計現在的科學也沒有辦法解釋幾乎半年跨度內氣象間的相關關係，但是幾千年的觀察和積累，卻發現了它。自然、社會、商業無不服從某些規律，過去囿于技術條件，人們無法記錄下造成某件事情發生的先兆數據，無法去計算其中的相關關係，這些規律要麼被神秘化，要麼被庸俗化。其實，任何行為，皆有前兆，任何事情的發生，都會有蛛絲馬跡的前兆表露出來。人們買賣股票之前會先去關注一支股票的行情走勢，在購買某件商品之前會先去詢問商品的價格，在聚會之前會事先聯絡溝通，透心涼的大雨之前會有悶熱的天氣，關於地震前的種種異象，更是被許多書籍、文章大肆渲染。如果能夠全面記錄各類數據並進行深入挖掘，人們就獲得了未卜先知的能力，不僅可以預測自然、天氣的變化，而且能預測個體未來的行為，甚至預測某些社會事件的發生，使決策不再盲目，讓社會更加高效地運轉。

網際網路、移動互聯、挖聯網技術的發展，使數據記錄的粒度、頻率和範圍大幅擴展，基於數據的預測成為現實。利用網際網路搜索中與“新訂單”等與經濟指標有關的單詞，結合其他相關經濟數據，IBM開發了“經濟指標預測系統”，僅用了6 小時，就計算出了分析師需要花費數日才能得出的預測值，而且預測精度幾乎一樣。在大數據時代，每個人的每項行為都將被如實記錄，將這些記錄數據完整地融合到一起，可以發現隱藏在大量細節背後的規律，理論上我們就能夠根據個體之前的行為軌跡預測其未來行動的可能性。從這個角度看，數據對銀行經營管理影響之深遠，將遠超以前所有的技術。

預測在銀行經營管理領域有著迫切需求，也有基礎，當然也有非常多的成功案例。20世紀90年代中期，大通銀行採納了丹·斯坦伯格的數據挖掘技術，借助其研發的系統來評估、處理大量的銀行按揭貸款，精確預測按揭申請人未來的還款行為，由此極大降低了信貸風險並增加了營利。如果大型商業銀行能夠預測個體資産的風險變化和價值，將形成不可撼動的市場競爭優勢。銀行客戶在日常交易過程中，形成了大量的行為數據，例如刷卡交易行為、轉賬行為、理財行為、網站瀏覽行為、電話銀行記錄等，這些數據為我們預測客戶行為提供了基礎。阿里巴巴在第三方支付、支付寶、小額信貸等領域之所以取得成功，除了其良好的用戶體驗外，最重要的就是它們對客戶行為數據進行挖掘，能夠預測客戶的喜好甚至下一步的行為。這是現在銀行與網際網路公司間最大的差距。

諸如花旗銀行、匯豐銀行、第一金融資本等公司，已經將數據挖掘當成其市場競爭的基礎，長期以來高度關注數據，擁有來自高層主管的支援以及全員的數據應用，取得了良好的效果。詳細剖析這些數據挖掘能力較強的銀行，可以發現它們有幾個共同特徵：一是數據挖掘能夠支援銀行的戰略性差異化能力；二是數據挖掘方法及數據管理遍及整個銀行，是企業級行為（不是由各個業務部門開展數據挖掘，而是從整個銀行的角度管理數據挖掘工作，將數據管理和數據挖掘作為整個銀行的活動，數據也必須是企業共用的）；三是高層管理者倡導使用數據挖掘方法進行決策；四是銀行重要戰略決策都是基於數據挖掘。但是，要在銀行推動數據挖掘和大數據應用，沒有一條快捷的坦途，有許多因素要落實，包括挖掘工具、挖掘方法、數據、業務流程、計算方法、激勵措施、員工技能、企業文化以及管理層的支援，其中改變業務流程和員工的思維習慣是變革中最困難的。從成功企業的經驗來看，數據挖掘能力建設是一個迭代過程，在持續進行一至兩年後，一般就可以有所成效，但關鍵是要下定決心開始行動，制定數據挖掘能力建設路線圖，迅速著手開展工作。數據挖掘能力的關鍵因素包括組織、人力和挖掘技術，開始時要制定清晰的路徑，確定聚焦于哪些數據、如何配置數據挖掘資源、努力實現的目標等，根據挖掘的結果調整優化業務流程，將數據挖掘得到的知識轉化為實際行動。

以數據挖掘為基礎的行動通常要求分析人員和決策者之間建立一種緊密的、相互信賴的關係。在銀行內部，對三類人的數據挖掘技能和數據分析導向要分別考慮。第一是管理隊伍，特別是管理層，負責確定數據文化的基調，制定最重要的決策，並推動數據挖掘能力建設；第二是專業的數據挖掘人員，他們收集分析數據、解釋結果，並將結果報告給管理者；第三是業務數據挖掘/分析人員，這類人數量很多，涉及面廣，他們主要的任務是使用數據挖掘結果來提升工作業績。數據挖掘能力建設中最重要的是管理層的認識，如果管理層不支援以數據為基礎的決策過程，那麼很難集中專業數據挖掘人員。管理層需要非常信任數據挖掘分析，在尊重數據的前提下進行決策，如果管理層對數據挖掘工作不是充滿激情，就不可能激發員工改變行為；管理層還應該對數據挖掘工具和方法有所了解，例如知道哪些工具適用於哪些具體的業務問題，以及工具存在的局限性；應該願意按照數據挖掘結果採取行動，願意支援建立一個專業的數據分析精英人員隊伍。

在確定數據挖掘業務方向時，還面臨一項選擇：是全面發展還是側重於某個重點。調研發現，匯豐銀行、花旗銀行、巴克萊銀行、UBS銀行、渣打銀行等都是基於整體視角，選擇重點領域，以使用數據挖掘解決業務問題為目的，直接切入業務價值目標。在較短的時期內，選擇數據挖掘能夠迅速實現巨大價值的業務領域，獲取業務部門支援並減少阻力。例如匯豐銀行將挖掘重點放在客戶管理，通過整理客戶數據，對客戶行為開展洞察，為産品定價提供支援；花旗銀行更關注行銷優化和交叉銷售，從數據的角度為業務一線提供支援；巴克萊銀行從資本管理視角對銀行現有的資産組合進行分析，解決流動性和資本充足率問題；UBS銀行和渣打銀行則將重點放在合規和內部審計方面。

五、數據資産價值的實現是有條件的，培養大數據思維理念至關重要

除數據規模外，數據資産的價值維度還包括適時、關聯和活性。第一，“適時”是區別傳統數據應用和大數據應用的重要之處。例如，當消費者在商家門口經過時，就能收到所需商品的促銷資訊，這種服務聽起來非常美妙，但如果推薦的不是消費者需要的商品，或者等消費者離開了很久才收到提示，就變成了令人煩惱的垃圾資訊。第二，“關聯”很重要，孤立的數據是沒有價值的。大家在網路上瀏覽網頁、購買商品、遊戲休閒等，都是互不關聯的，尤其是智慧手機的普及，使人們的網路行為更趨向於碎片化。這些碎片化數據如果沒有關聯，是難以進行分析並加以利用的。用戶在網路上的碎片化行為，經由社交網路，就能完整地勾勒出一幅生動的網路生活圖景，真實地反映了用戶的偏好、性格、態度等等特徵，這其中蘊育了大量的商業機會。第三，活性越高價值越大。更新的頻率越高，數據的活性越大；更新的頻率越低，數據的活性越小。一般而言，數據活性更高的數據集，蘊含更豐富的資訊。所以，銀行如果想在大數據領域有所作為的話，需要不斷提高數據的及時性、活性和關聯度。

從同業實踐來看，提升數據的價值創造力要重點關注以下幾個方面：一是創造透明度。僅通過讓用戶更易及時獲得大數據就能創造大量價值。例如讓互相獨立的部門更容易獲得相關數據，可大大減少搜索和處理時間。二是進行實驗，發現需求，展現差異，改善性能。隨著機構創造和存儲更多的交易數據，它們可以收集到更精確和詳細的實時性能數據，借助隨機控制技術可以設計流程，建立受控實驗，利用實驗結果數據來分析性能的差異性，理解差異産生的根本原因，可使領導者更好地管理機構性能。三是客戶分群聚類，量體裁衣。機構借助大數據可以創造更細化的人群分類，以使産品和服務與不同的需求相吻合。這在市場行銷和風險管理等領域可以有開創性作用，例如對消費者進行實時微觀分類，制定相應的促銷和廣告策略。四是用自動演算法代替或支援決策。複雜的分析能大大改善決策，使風險最小化，併發掘所有之前隱藏的有價值的見解。在某些情況下，雖然決策不一定是完全自動化的，但是利用大數據技術分析龐大的完整數據集，取代用電子數據表處理和理解小範圍數據的做法，可以在很大程度上提高決策品質。五是創新商業模式、産品和服務。大數據使銀行能創造新的産品和服務，增強已有的商品和服務，甚至創造全新的商業模式。例如，實時定位數據的誕生已經創造了全新的定位服務，公司可以根據人們開車的地點和方式等數據提供導航、資産定價和事故保險的各類服務。

在大數據時代，必須用大數據思維去發掘大數據的潛在價值。數據挖掘要能夠真正産生業務價值，關鍵還需要商業敏感性，具備將業務與數據緊密結合起來的大數據思維能力。

大數據思維要求我們在日常經營活動中形成主動分析和使用數據的習慣。大數據首先是一種思維方式，必須融入到企業的每一個毛細血管中。只有忠實記錄客戶的每一項行為數據，才能像巫師的水晶球一樣，具備洞察未來的能力。台塑集團的創始人王永慶的故事可以説明大數據思維的重要性。王永慶被全球化工行業奉為經營之神，很多企業家都把他的管理經驗當作最實用的教科書。16歲的王永慶借款200元舊台幣，開始創業經營米店。由於居民一般都有自己常去的店舖，而那些店舖也想盡辦法來留住老客戶，所以剛開始時，王永慶的新店冷冷清清。王永慶在挨家挨戶拜訪時，發現買米的大多是家庭主婦，於是提出送米到府的服務。他總是認真地幫客戶清理米缸，把陳米清理出來，再把新米倒入米缸，這樣保證客戶不會一直積攢陳米。王永慶邊勞動，邊和主婦聊天，留意米缸的大小、家裏的人口、發工資日期等資訊，回到店裏就會細心地把這些數據記錄到小本上，日復一日從不間斷。根據這些數據，他測算出客戶大約在什麼時間需要新購大米，總是在客戶購買之前，到府把新米倒入客戶的米缸。從此，王永慶的銷售額開始大幅增長，從開始一天不足12斗的銷量，到後來可以每天賣出100多鬥。10年的賣米生涯，奠定了他一生事業的基礎。由此可見，數據的積累、挖掘、分析、歸納和整理，是一個優秀的商業機構所必須具備的基本素養。

樹立大數據管理理念，有助於我們更深刻理解現代商業銀行。從業務本質上看，商業銀行是經營風險的企業，這一理念已被廣泛接受。但風險的本質是不確定性，而不確定性主要源於資訊不對稱。現代銀行在資訊不對稱方面已經發生了很大變化：一方面，隨著資訊網路化、電腦技術的發展和徵信體系的日益健全，銀行獲取內外部資訊的能力、掌握資訊的廣度和深度、處理資訊的技術和方法等方面都有質的提升，原先困擾銀行的資訊不對稱問題得到明顯緩解；另一方面，資訊化帶來的海量數據，為銀行更為有效地甄別風險並從中發現市場機會提供了可能。因此，現代銀行風險管理的理念和方法也有了新的變化，已經從被動地承擔風險向積極主動的經營風險轉變，其核心要義不是“控”與“堵”，而是通過對數據資訊的定量採集與分析，尋找發展的機會，平衡風險與收益之間的關係，將積極的風險經營與嚴謹的內部控制相結合。按這種理念，數據資訊的收集與分析對銀行風險管理來説就顯得至關重要：一是可以最大限度地減少資訊不對稱帶來的風險；二是在分析基礎上開展積極主動的風險識別、風險選擇和風險安排，最終實現風險的價值創造；三是銀行在選擇風險時需要考慮整體的投入産出，後續是否有足夠大的市場空間尤為重要，這些選擇都是建立在全面的數據分析和科學判斷基礎之上的，沒有數據，就無法量化風險，上面的選擇也無從談起。