文章大数据时代银行企业文化面临的挑战与对策 一、引言 人类已经逐渐步入到大数据时代。大数据是用来描述数据规模巨大、数据类型复杂的数据集。每个人所说的“大数据”含义不尽相同，但其中存在基本共识：第一，如果不依赖某些可视化软件的帮助，人类不可能理解如此大的数据量，用散点图寻找规律或异常情况的传统办法，在这里毫无作用；第二，数据从产生到被利用往往只有很短的时间，至少对一些人如此，比如手机运营商能够实时获悉你手机所在位置；第三，数据可实现高度互联。理论上，谷歌可掌握所有用户的电子邮箱和安卓手机位置信息，知道你在谷歌社交网络上有哪些好友，并了解你的搜索记录；第四，数据是杂乱无章的，它包括各种类型，比如你储存在手机上的视频属于“大数据”，但它与整齐有序的分类数据库（按照生日、就业、性别、收入等分类）还相去甚远。 大数据给各行各业都带来了翻天覆地的影响和变化，当然给银行带来的影响也不可小觑：一是大数据不仅分散了人们的注意力，甚至是“危险”的，因为海量数据意味着决策制定将更加“集权化”，而科学本身是应当以人为本，包含深刻的自主自在性的，它完全按照程序既定的“规则”办事，可以过滤掉我们通常所说的“非理性”成分，例如：一名客户在银行申请贷款，一开始他与银行客户经理面对面聊天，对方认为他完全符合贷款条件，可当把他的所有信息输入电脑之后，电脑却拒绝了他的贷款申请，而他至今不知道自己为什么被拒。二是大数据与银行员工自身的智慧发挥产生了矛盾：大数据往往意味着人们将不必急于运用自己的智慧去试图解决那些“应该”解决的问题。三是如何利用大数据造福客户，一名银行高管称：我们并非反对数据，只是反对大而无当的数据，数据本身当然非常重要，但其前提条件是获得恰当的应用。人类已经产生并将继续产生日益庞大的数据，或许不论我们接受与否，大数据时代都已到来。在这个背景下，如何利用它造福客户，就成为银行业最为关键的问题。 伴随着传统的商业智能系统向纵深应用的拓展，银行决策已经越来越依赖于客观数据而非直觉经验。然而，传统的数据仓库对于数据分析通常是建立在关系模型的基础之上，面向结构化数据处理，各分析主体之间的关系在系统内已经被创立，而且用以分析的数据也大都是自身信息系统中产生的运营数据，这些数据大都是标准化、结构化的。 事实上，这些数据仅仅占到了银行所能获取的数据中的15％。所以，采集、存储并应用数量快速激增的数据已成...
