第十一章 银行行业概况及环境（课件）《商业分析实务》（华东师范大学出版社）

第十一章 银行行业概况及环境 1 银行行业概况 银行行业发展趋势 银行业的商业分析环境 商业分析在银行业的应用情况 目录 CONTENT 01 02 03 04 01 银行行业概况 3 国际银行业发展简史 13—15世纪期间 法国大革命和拿破仑战争后 第一次世界大战后 第二次世界大战后 中国银行业发展历程 中国银行业的艰难起步(1897—1948年) 中国银行业体系逐步建立(1948——1978年) 中国银行业大力改革开放，建立起现代银行业体系(1978年至今) 中国银行业发展现状 目前中国银行业包括四大国有商业银行、11家股份制商业银行、众多的城市商业银行和信用合作社，以及已经进入或准备进入中国的外资金融机构。 经过近年来的努力，中国银行业的资产质量已有很大的改进，经营管理和内部控制也有显著的提高，不少银行已初步完成管理决策、IT信息系统上的总行集中化控制。 银行目前的业务主要分为三类：负债业务、资产业务、中间业务。 负债业务是商业银行形成资金来源的主要业务，是商业银行中间业务和资产业务的重要基础。 资产业务是商业银行运用资金的业务，包括贷款业务、证券投资业务、现金资产业务。 中间业务是指不构成商业银行表内资产、表内负债形成银行非利息收入的业务，包括交易业务、清算业务、支付结算业务、银行卡业务、代理业务、托管业务、担保业务、承诺业务、理财业务、电子银行业务。 中国银行业发展现状 我国银行在内部管理、资信评估能力和授信体制、风险控制能力等各方面都还有很多缺陷，员工队伍素质和知识技能结构有待提高，管理信息系统也还远未完善。 我国银行在信贷工作中还往往受到种种外在压力和行政干扰，授信决策并不完全建立在资信因素上，扶持地方经济、帮助国营企业脱困、发展重点产业等等还经常是影响授信决策的重要因素。 由于历史原因，四大国有商业银行的网点和人员队伍过于庞大，造成经营上的巨大压力，在管理运营上也还处于低效迟缓的状态。中国银行的人民币存贷款的利率仍受到控制。 目前银行所面对的许多企业客户的经营不够规范，财务报告不够健全可信，有关个人客户的资信信息也相当匮乏，使得银行很难准确地衡量贷款人的资信水平和还贷能力。这就导致中国贷款市场缺乏层次感：一方面，由于许多企业财务报告上的问题，银行难以准确地评估其资信水平；另一方面，由于利率管制，银行也无法根据客户的资信水平充分调整利率。 02 银行行业发展趋势 银行业的当前热点 （一）金融脱媒 金融脱媒，又称金融去中介化，指资金不经过商业银行的媒介，从资金供给方直接到达需求方，从而造成资金在银行体系外循环，使得商业银行等金融中介在整个金融体系中的重要性有所降低。金融脱媒也给商业银行带来许多机遇： 1、大额存款业务面临发展机遇。 2、新型融资业务将获得发展契机。 3、支付结算业务将获得较大发展机会。 4、咨询类中间业务前景广阔。 5、有利于商业银行更加有效地管理风险。 6、商业银行与非银行金融机构的合作大有可为。 银行业的当前热点 （二）利率市场化 利率市场化是指金融机构在货币市场经营融资的利率水平由市场供求来决定。它包括利率决定、利率传导、利率结构和利率管理的市场化。 利率市场化对商业银行的积极影响： 1、有利于促进银行之间的公平竞争，发挥商业银行经营的自主性。 2、有利于推动银行业务转型和结构调整，扩大理财产品创新和中间业务的范围。 3、有助于优化客户结构，提高商业银行的管理水平。 （三）互联网金融 互联网金融是指以依托于支付、云计算、社交网络以及搜索引擎等互联网工具，实现资金融通、支付和信息中介等业务的一种新兴金融。 互联网金融的出现无疑对传统商业银行带来挑战，具体表现在以下三个方面: 1、商业银行的金融中介角色面临弱化。 2、打破商业银行独占资金支付中介的格局。 3、互联网金融快速发展可能导致传统商业银行信贷模式转变。 （四）社区银行 根据中国银监会的界定，社区支行、小微支行是指定位于服务社区居民和小微企业的简易型银行网点，属于支行的一种特殊类型。与传统银行网点相比，社区支行实行有限牌照经营，功能设置简约、定位特殊区域和客户群体、服务便捷灵活。 社区银行具有以下四大优势： 1、定位差异化 2、信息获取优势 3、布局潜力大 4、便利化服务 银行业的当前热点 银行业的转型之路 Bank1.0指的是完全以银行网点为基础的银行业务形态。 Bank2.0指的是网上银行推出后，客户依赖银行网点的行为被迅速改变。 Bank3.0是一种基于未来消费群体和消费者习惯、企业金融需求、全新的风险管理模式、降低价值产生和传递过程中的金融成本，减少金融交易的中间环节，将金融产品的选择权直接交给客户的一种商业模式。 03 银行业的商业分析环境 IT技术是未来银行业发展的基本支撑 需要快速执行不断变化的政府监管规定 增加新的服务内容来维系客户满意度 提升运营效率 三大挑战 IT技术 1、银行管理能力的提高和运营模式的转变。 2、银行产品的多元化和服务渠道的多样性。 3、银行运营成本的大幅度降低。 银行业数据架构 银行业的数据 1、客户信息数据。可以称为基础数据，主要是指描述客户自身特点的数据。银行业这些信息来源于多个系统，包括客户管理系统、业务处理系统、信贷管理系统等。银行业可以据此对客户进行分类，依据其他的交易数据，进行产品开发和决策支持。 2、交易信息数据。交易信息也可以称为支付信息，主要是指客户通过渠道发生的交易以及现金流信息。这些信息大多存在银行的渠道系统里面，如网上银行、电话银行、ATM、柜台等。银行可以利用这些数据对个人消费者进行消费行为分析，开发产品，提供金融服务，也可以依据交易数据为企业提供贸易融资或设备融资服务。 3、资产信息数据。主要是指客户在银行端资产和负债信息，同时也包含银行自身资产负债信息。资产数据主要来源于核心业务系统和总帐系统。资产数据可以帮助银行进行有效的风险管理，通过资产数据的集中整合，针对每一个企业客户或个人客户，银行可以有效快速对客户进行风险评估和管理，提高客户体验，并结合现金流、交易数据和供应链数据为客户提供定制的理财产品或贷款产品。 数据的四个关注重点 数据管理 元数据管理即阐明数据生产时间、来源以及产生的影响。 数据标准管理即阐明数据应以怎样的标准进行有效存储。 数据架构与模型管理即布局数据存储架构，明确各类型数据的存储位置，使数据的存储合理化。 数据质量管理即对数据每个阶段里可能引发的各类质量问题，进行识别、度量、监控、预警等一系列管理活动，以确保数据的完整性、有效性和时效性。 数据整合管理即将数据进行整理、归纳，使数据变得有价值，在此过程中需要考虑数据之间的关联性。 数据安全和隐私管理即通过信息技术手段保护数据，防止数据毁坏、消亡，及时做好数据备份工作，限定使用权限，以防止数据泄露。 某银行现行的分析环境逻辑架构 该银行计划搭建的数据分析生态环境 04 商业分析在银行业的应用情况 客户画像应用 客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。 目前，商业银行的客户画像应用主要包括以下四个方面： （1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理； （2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可； （3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况； （4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。 精确营销 实现战略转型目标要求银行必须可靠、实时掌握客户的真实需求，全面完整描述客户的真实面貌。大数据的发展为上述需求提供了技术条件，银行切实掌握客户的真实需求，并根据客户需求快速做出应对，实现精准营销和个性化服务。 商业银行可以在客户画像的基础上银行可以有效的开展精准营销，主要包括以下四个方面： （1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销；或者将改变生活状态的事件视为营销机会； （2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售； （3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广； （4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。 风险管控 风险管控是银行的生命线。以往银行在进行信用风险管理时，主要依据客户的会计信息、客户经理的调查、客户的信用记录以及客户抵押担保情况等，通过专家判断进行决策。大数据技术的应用使银行的风险管理能力大幅提高，一方面，通过多种传感器、多个渠道采集数据，使银行更全面、更真实、更准确、更实时地掌握借款人信息，有效降低信息不对称带来的风险。另一方面，利用大数据技术可以找到不同变量间的关联关系，形成新的决策模型，使决策更加准确、统一和合理。银行利用大数据能够创新风险决策模式，赢得新客户，形成利润新增长点。 目前，商业银行风险管控主要包括以下两个方面： （1）中小企业贷款风险评估。银行可通过企业的生产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。 （2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。 运营优化 商业银行可以通过大数据分析来优化自身的业务流程、运行管理等方方面面，从而提高客户满意度，增强客户粘度，增强自身竞争力。 目前，银行业利用大数据进行运营优化，主要包括以下三个方面： （1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。 （2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。 （3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。 思考题 1.银行转型遇到了哪些问题？你认为银行业妥善应对了吗？ 2.思考银行的分析环境框架是否完善，结合教材谈谈你的看法。 3.银行业作为金融行业数据应用的领头羊，了解用户画像和精准营销在该行业的应用。 $$