大数据(Big Data)”的概念在过去几年里引起了各个行业的充分关注。以信息处理能力作为核心竞争力之一的商业银行，如能引入大数据的理念和相关技术，将有效提升自身的信息化水平，促进信息化银行的建设和发展。因此，有必要基于商业银行经营特点和现有IT架构，对“大数据”的概念加以分析和探讨。本文以商业银行的视角，从大数据的核心思想、数据特点、技术要领、实施要点四个方面切入，以六组问答的形式对商业银行大数据相关的思想、概念、方法、对策等进行辨析和讨论。
大数据的核心在于“大”吗?
体量大、维度高、形态多、价值高但密度低是公认的大数据四大特点(即大数据的“4V”定义)。需要指出的是，这四大特点的概括，是出于理论研究的需要，对“数据”本身特点进行的概括。而对于商业银行的业务应用而言，则应从具体效用的角度来理解大数据思想及技术。
大数据之于商业银行，在于对既有数据分析系统的升级，显著提升数据分析和商业决策的效率。大数据的思想追求数据在商业决策中的“无处不在”，讲求数据分析与具体业务的紧密衔接。从商业智能(BusinessIntelligence， BI)的角度来看，大数据技术是原有BI的升级，将传统的“具体业务—商业数据—BI分析—报表—决策—具体业务”的BI流程进行了再造，压缩了整个流程的信息链条，同时提升了链条各个环节及整体的运转效率。
大数据之于商业银行，在于提供了一种有效的手段，提高商业银行对客户的理解与认知能力。大数据技术支持商业银行对大量日志数据进行统计和建模，从而了解客户的行为习惯、风险偏好、健康情况、消费能力、渠道喜好、信用状况及人口统计学等多方面的信息，进而为客户“贴标签”、“画像”;亦可整合多种信息反馈渠道的数据，帮助商业银行实时关注、理解客户的真正业务需求。
大数据之于商业银行，在于能够低成本、批量地实现较高水准的个性化客户服务，增加客户粘性。如能有效地将大数据分析系统与移动互联网技术、线上线下一体化服务体系进行紧密融合，就可为商业银行的客户提供“千人千面”的个性化服务。例如，对于低净值长尾客户，可用较低的成本，批量化地通过电子渠道提供随身的知心服务，提高产品和服务的覆盖率;对于高净值客户，提供“客户经理+电子渠道”的随身贴心服务，提升客户的业务贡献。
可见，从具体效用的角度来看，衡量一个商业银行是否真正应用了大数据、发挥了大数据的价值，就是要看其大数据系统是否能够显著提升数据分析和商业决策的效率，是否能够提高对客户的理解与认知能力，是否能够低成本、批量地实现较高水准的个性化客户服务。如果商业银行的大数据系统未能实现上述效用，那就需要认真审视自身的大数据战略并加以调整。
大数据就是外部数据吗?
在国内，以阿里、腾讯、百度为代表的互联网企业，以各自的核心业务(例如，阿里的电子商务、腾讯的社交娱乐、百度的网络搜索)为切入点，通过并购、自主开发等方式，不断推出种类繁多的网络服务，在网络空间中搭建了“全业务”的数据平台，收集了海量的客户数据，并以此为基础开发出了一系列客户征信、消费贷款、网络保险等大数据产品，向商业银行的相关产品提出挑战。
与上述互联网企业相比，商业银行在网络空间中缺少类似的“全业务”平台，因此短期内难以依靠自身的电子渠道获取类似的客户信息。对此，商业银行是否应该将大数据的战略重点放在从自身体系之外获取客户数据呢?应从以下三个角度进行分析。
数据价值的角度。京东白条、天猫分期、阿里小贷、支付宝运费险、百分点个人征信、金电联行“企业客观信用”等业务的成功实践已经验证了互联网客户大数据在维度、粒度、活性方面的优势和价值，如果这些数据能与商业银行的既有数据进行融合分析，将有望获得更加精准的数据分析结果。
自身大数据体系的建设。一方面，应以内部数据为重点，做好自身既有数据的价值深钻和分析架构的大数据改造，而不应以引入外部数据作为大数据发展的战略重点;另一方面，要放开眼界，积极引入外部数据，增强商业银行与互联网企业IT架构方面的交流，以期加快自身大数据体系的建设进度，提升其兼容性与可用性。