大數據給整個銀行業帶來了一場革新：方法、工具與手段拔新領異，銀行安危相易、禍福相生，個別革故鼎新的銀行已經名利雙收，多數如夢初醒的銀行奮起直追、倍道兼行。信息時代的到來，給銀行業帶來了前所未有、此起彼伏的強烈沖擊：通訊工具的普及催生了電話銀行，互聯網的浪潮衍生了網上銀行，移動互聯網的興起派生了手機銀行。那么，“大數據時代”的到來又會給銀行帶來怎樣的變化？一是大數據不僅分散了人們的注意力，甚至是“危險”的，因為海量數據意味著決策制定將更加“集權化”。二是大數據與銀行員工自身的智慧發揮產生了矛盾，大數據往往意味著人們將不必急于運用自己的智慧去試圖解決那些“應該”解決的問題。三是利用大數據造福客戶有待研究。一名銀行高管稱，我們并非反對數據，只是反對大而無當的數據，數據本身當然非常重要，但其前提條件是獲得恰當的應用。

伴隨著傳統的商業智能系統向縱深應用的拓展，銀行決策已經越來越依賴于客觀數據而非直覺經驗。然而，傳統的數據倉庫對于數據分析通常是建立在關系模型的基礎之上，面向結構化數據處理，銀行員工之間的關系在內部已經被確立，而且用以分析的數據也大都是自身信息系統中產生的運營數據，這些數據大都是標準化、結構化的。事實上，這些數據僅僅占到了銀行所能獲取的數據中的15%以下，所以，采集、存儲并應用數量快速激增的數據已成為銀行業面對的一個必然趨勢。非結構化數據在數據中的所占比例極高，因此銀行必須迅速轉向使用非結構化數據分析技術，進而據此獲得新的競爭優勢。大數據技術支持銀行提高效率、降低成本的策略，持續激增的數據也將迫使銀行尋求新的方法來采集、整理、管理和分析數據。

在金融領域，美國華爾街的德溫特資本市場公司分析3.4億微博賬戶留言，判斷民眾情緒，依據人們高興時買股票、焦慮時拋售股票的規律，決定公司股票的買入或賣出，獲利情況良好。中國的阿里公司根據在淘寶網上中小企業的交易狀況篩選出財務健康和講究誠信的企業，對他們發放無需擔保的貸款，在已發放300多億元貸款中，不良率僅為0.3%，與銀行同類貸款不良率2%相比，阿里公司在成本、效率、貸款質量方面具有明顯的優勢。

目前，中國的個別銀行形成了一些華而不實的業務模式，主要表現在：內部控制形如虛設、管理簡單粗放、貸款不良率居高不下，等等。從長期來看，這類銀行往往得不償失，眾所周知，焚林而畋、竭澤而漁式的發展是不會長久的。德國的一句諺語說得好：不可對一個微不足道的敵人或者不痛不癢的傷口掉以輕心。不負責的銀行是社會與公眾共同的敵人。

銀行的戰略變革是一個永無止境的過程，變革就是戰略與文化如何協同發展的問題。戰略變革的壓力勢必會帶來巨大的不確定性甚至風險性，由于固有文化安常習故的本性，不同個體對戰略變革的結果接納性及風險意識不同，對戰略變革的態度也就自然不同，有些戰略變革甚至會激起反抗，從而導致戰略變革在執行上的失敗。

未來那些最擅于利用數據分析來引導決策的銀行將獲得許多新的競爭優勢。我們對一家銀行的400名員工進行調查的結果顯示：只有35%的員工稱得上是“消息靈通的懷疑主義者”，他們依賴數據，但并不盲從，既不害怕置疑數據分析的結果，也敢于從他人那里索要反饋；42%的員工對數據堅信不疑；然而還有23%的員工很少相信數據分析，他們喜歡憑直覺做事，至今不相信數據分析是銀行未來成功的關鍵，要說服這些員工也是個不小的挑戰。目前，多數的銀行在判斷時仍在使用探索法，仍在依靠經驗主義或是主觀主義的推斷，這距離大數據時代的要求差距很大。

大數據雖然重要，分析數據的人更重要。計算機及云計算已經強大到可以收集、匯總數以兆兆字節計的信息來回答各種問題，從如何安排員工的薪酬待遇，到某筆抵押貸款債券的風險系數，無所不包。雖然數據不會說謊，但人們使用數據的方式主觀也會帶來危害。殷鑒不遠：量化分析在2007年的金融危機中起到了推波助瀾的作用。如果銀行只是簡單地認為，光靠一屋子擺弄數據的分析師就可以解決問題，那么結果不僅會對他們的資產損益造成損害，同時也會損害他們的企業文化。

大數據對銀行的顛覆主要表現在以下三方面。一是從局部變為全部。收集和使用大量數據，而不是像過去多年里所做的那樣，只滿足于少量的數據或樣本。二是從純凈變為凌亂。拋棄人們對有條理和純凈的數據的偏愛，轉而接受雜亂無章―在越來越多的情形下，少許的不精確是可以容忍的。三是從因果關系變為相關性。這代表著告別總是試圖了解世界運轉方式背后深層原因的態度，而走向僅僅需要弄清現象之間的聯系以及利用這些信息來解決問題。大數據勢必將改變人們生活、工作和思考的方式。建立在強調因果關系基礎上的世界觀正在受到推崇相關性的挑戰。知識的占有曾經意味著對歷史的了解，而現在卻意味著預言未來的能力。解決大數據所帶來的挑戰將不是易事。大數據是一種資源和一種工具，它的目的是告知，而不是解釋；它意在促進理解，但仍然會導致誤解，關鍵在于人們對它的掌握程度。在科技革命的年代，顛覆可能會成為主旋律，勢不可擋，任何人都會分享科技革命的成果，毫無疑問，缺少壯士斷腕勇氣的銀行會走向執迷不悟的窘境。丹麥思想家克爾愷郭爾有句名言，在初始階段，最大的危險就是“不冒風險”。

在大數據時代，企業進行數據分析的背景也發生了變化。要涵蓋數據規模；要能真實精確地挖掘商業價值，實現快速分析響應；要面向豐富多樣的數據類型，包括結構化和非結構化的數據。要破除孤立，孤立式方法是數據分析文化的一個快速殺手。這使得傳統解決方案在新的需求面前束手無策。為了幫助銀行實現經營目標，面對這些問題，大數據技術部門尤其需要加強與其他業務部門的合作。在以銀行客戶為中心的模式下，大數據技術部門孤立無援、單打獨斗的做法肯定是徒勞的，其結果必將是海底撈月式的。例如，花旗銀行在2008年美國金融危機中得到慘痛教訓：花旗銀行在1998年兼并旅行者集團之后，二者的IT部門始終各行其道，同時，兩個IT部門也自以為是、單打獨斗，沒有與其他業務部門形成協同效應，其結果是，銀行執行層一直云煙霧罩、各自為政，對銀行決策上的大是大非問題總是莫衷一是，花旗的股價由最高時100多美元跌為不足1美元。

大數據的應用，有助于減輕信息不對稱，提高交易效率，但也改變了風險的特征，需要新的風險管理手段。面對這些變化，銀行需要更好地把握金融創新和金融穩定的界限，使新的金融組織體系穩健高效運行，更好地服務當前的經濟發展轉型。大數據時代，傳統銀行風險管理的理念與方法面臨被顛覆的挑戰，新的風險文化必將得以重塑。在風險數據收集方面，要對來自網絡和銀行內部信息系統的數據去偽存真，多角度驗證數據的全面性和可信性。在銀行信貸風險面臨新的重大挑戰的當前階段，大數據銀行風險管理方面可以發揮積極作用。