随着数据科学和开源数据技术时代的到来，传统银行逐渐形成了两大类：一类是积极拥抱数据革命，另一类则保持原来的状态。
编译 | 郭敏
这是一个信息爆炸的年代，移动、实时社交和物联网产生了海量的数据，如何使这些数据发挥最大的价值是企业在升级转型过程中必须要考虑的。随着数据科学和开源数据技术时代的到来，传统银行逐渐形成了两大类：一类是积极拥抱数据革命，另一类则保持原来的状态。
渣打银行首席信息官Michael Gorriz就说道：“IT技术日新月异，银行迫切需要变革原有的工作方式，我们渣打银行已将数据资产作为优先关键事项。”
谁拥有这些数据？
目前，全球正逐渐步入数据社会阶段，各个企业和组织也存储了大量数据。在这样的背景之下“数据驱动”的概念产生了，未来谁能更好的由数据驱动企业生产、经营和管理，谁就有可能在残酷的竞争中立于不败之地。
在这个数据驱动的世界，有人提出了关于隐私的问题：当人们开始分享他们的个人信息时，谁是这些数据的拥有者？其实这场辩论自互联网问世以来就已经存在，但一直没有明确的答案。
企业或者组织希望通过对收集来的数据进行分析，从而达到深入了解客户并提高服务质量的目的，而其他组织则鼓励用户重新获得数据主权。收集和存储数据的过程中要遵守日益完善的隐私条款和法规，这为银行创造了一个非常复杂的经营环境。
有些人认为，人工智能（AI）和数据分析结合后可以通过推断已知数据来填补知识缺口，在数年内隐私将不复存在。
有益的还是侵入性的？
一般情况下，如果人们能利用个人数据得到好处，他们是不会拒绝的，但前提是确保人们对其数据有更直接的控制。只要客户可以选择、看到好处并达成保密协议，他们更愿意分享数据。银行和其他服务提供商必须在“有益”和“侵入”之间做一个细微的界定。
大数据是非常强大的。自2008金融危机以来，渣打银行也在探索解决问题的方法来满足中央银行的要求。渣打银行的印度团队已经制定了如何利用数据分析来识别潜在的洗钱隐患，预防金融犯罪；同时也投资建立了“数据湖”，使渣打银行的业务能够快速地拥抱数据革命，脱离功能有限、价格昂贵、效率低下的传统数据仓库，Michael Gorriz表示。
真正理解客户的需求
企业开启大数据模式后取得的成功得益于可以信赖的数据。事实上，数据质量是大数据空间中最为关键的一环，内部和外部数据源的多样性加剧了数据的质量问题。
在统一的模型中理解数据是至关重要的，如果没有这一点，我们最终得到的只是单一的数据而不是相互关联的信息。渣打银行正在研究类似于FIBO（金融业务本体论）等开放标准，旨在帮助银行自身对模型中的数据进行更深层次的理解；同时，渣打银行也在机器学习和人工智能方面加大了使用力度，缩短了不同来源数据模型的融合周期。
尽管使用数据来获取结论的智能算法普遍存在，但渣打银行首席信息官Michael Gorriz认为，离人类完全依靠机器来运行生活仍然有几年的时间。之前有位同事收到了一家讨债公司打来的恐吓电话，经查实后发现这家讨债公司的机器把他和其他同名人的资料相匹配。显然，银行和许多机构仍然需要数据质量治理方面的专家。
大数据是手段，而不是目的本身。虽然不能通过使用海量数据或发明应用程序的数量来衡量是否成功，但在很大程度上，大数据有助于我们更深入地了解客户的真实需求和欲望。随着机器学习的进步，人类仍将是全世界的建筑师。
数据猿超声波
「2017金融科技商业价值探索高峰论坛」
（点击图片，了解详情）
