信托公司如何玩转“大数据”？

互联网金融时代，越来越多的金融机构聚焦大数据的功能与应用。通常来看，大数据具有4V特征，即数量（Volume）、速度（Velocity）、种类（Variety）和价值（Value）。大数据对传统金融机构的重要价值体现在哪些方面？应用前景如何？信托公司作为最为灵活的金融机构，在转型发展中对大数据的需求是什么？如何构建符合信托公司以及信托行业需求的大数据体系？是需要我们重点思考的问题。

要从战略层面分析信托公司对大数据的主要需求，就要明确信托公司在转型时期核心竞争力的构成要素，分别是产品研发、风险管理、财富管理以及运营决策水平。

在产品研发与大数据方面

信托公司的业务领域横跨资本市场、货币市场与实业市场，产品设计非常灵活，产品类型较为丰富，不同类产品之间的组合更具空间。通过大数据手段，可以在三个方面提高信托公司的产品研发水平：

◆ 一是传统业务的专业化。利率的不断下行、优质资产的匮乏使传统信托融资业务面临一定困难，但在信托业的转型过程中，这类业务仍将在一定时期占据相当大的比重。用投资思维做融资类业务，是传统业务的专业化发展方向。这就要求无论在房地产领域，还是在地方基础设施项目上，都要用更专业的眼光进行判断。大数据有利于传统业务沿这一方向的改造升级，如在房地产领域，通过大数据支持，可以对项目所在城市的房价走势、所在地段的未来发展前景、区域人口流动及对房地产的需求、当地物价及收入水平等多因素进行全面分析，得到更科学的结论；在地方基础设施项目方面，利用大数据对地方财政偿债能力、交易对手财务状况等做出综合判断，有利于确定项目的规模、价格等因素，进行科学的产品设计和决策。

◆ 二是提高资本市场的业务能力。信托公司转型的一个重要方向是资本市场，主要业务不仅包括股票、债券等金融产品投资，还包括定向增发、FOF、MOM等多个方向。在传统的金融产品投资方面，通过大数据手段，可以提高对金融市场走势的判断水平，有利于弥补多数信托公司在证券投资能力上的不足。在FOF、MOM等产品组合投资方面，也可以通过大数据分析，对不同基金的投资能力做出更合理的判断。

◆ 三是探索创新业务模式。大数据本身就是资产，通过合理的产品设计，大数据可以产生超出想象的商业价值。在信托公司鼓励业务创新的趋势下，利用大数据的商业价值，可以进行多种新产品和新业务模式的尝试。一个例子是消费信托、小额贷款等“零售业务”，信托公司完全可以利用大数据思维，对“零售业务”的借款主体——通常是个人——的信用情况和消费行为进行全面评估，不仅可以针对其行为特征研发具体产品，而且有利于风险的分散与控制。另一个思路是与其他金融机构的合作与对接，例如通过健康大数据，开发某种保险产品，并与信托进行对接，对特定人群进行细分营销，通过信托的收益投资于保险产品，所得保费也可以再投资信托，从而实现资产的跨领域配置。

在风险管理与大数据方面

在经济下行阶段，信托公司的风险项目时有暴露，对风险管理的要求不断提高。通过大数据手段，可以为风险管理提供更多先进工具。

◆ 一是提高风险管理的全面性。大数据的典型特征就是海量数据资源，一方面可以通过结构化的手段对目标特征进行描述，另一方面，在数据数量和类型足够的情况下，也可以通过非结构化手段对目标特征进行描述，后者的结论很可能超乎预料，从而发现通常可能忽视的问题。因此，通过大数据对交易对手的风险进行分析，对信托公司掌握更多更全面的风险信息将会有一定帮助。

◆ 二是提高风险管理的动态性。加强存续项目的过程管理，是多数信托公司提高风险管理水平的重点。但是，信托公司项目众多，每一个项目的融资方、抵押物、担保方的情况都处于不断变化的过程中。而信托公司负责过程管理的人手十分有限，仅通过相关人员的定期调查回访，很难发现潜在的风险和问题。利用大数据，建立每一个项目的过程管理数据档案，对抵质押物的价值变化进行动态监测，对交易对手、担保方的经营情况、资产负债和现金流等信息进行及时分析，可以提高风险管理的及时性和动态性，提高项目过程管理水平。

◆ 三是提高舆情预警能力。声誉风险也是信托公司必须面对的重要风险。信托公司的舆情监测往往是事后进行，应对措施较为被动。而银行等金融机构利用大数据等手段，对舆情风险进行预警，在这方面的做法已有一定探索。一些领先的大数据服务商通过非结构化手段已研发出先进的舆情预警工具，这些先进手段都有助于提高信托公司的舆情预警能力，使信托公司更为主动地化解声誉风险。

财富管理与大数据方面

尽管信托公司拥有渠道、产品等多方面优势，但是在互联网和泛资管时代，提升财富管理能力成为信托公司面临的共同课题。大数据对包括信托公司在内的金融机构的财富管理业务，将起到重要的推动作用。

◆ 一是助力产品营销。一方面，利用大数据技术，信托公司可以更为精准地细分客户群，根据不同类型的客户，了解其投资与风险偏好，为其提供不同类型的产品，更好地满足客户需求。另一方面，对于产品而言，通过大数据分析，可以对产品进行更为全面的评级，衡量其风险与收益的匹配程度，进而对产品进行合理定价。

◆ 二是助力资产配置。财富管理业务发展到一定阶段，重点将从产品营销转为针对客户需求和偏好的资产配置。利用大数据，不仅可以帮助客户选择收益率适当、风险可控的多样化产品，而且可以更准确了解客户的风险和收益需求，为量身定制资产配置方案提供帮助。

◆ 三是助力客户拓展。信托公司的财富管理业务将来有两个发展趋势，一是围绕更高净值的客户，开展家族信托服务；二是对接互联网，扩大客户范围和数量。对于后者，大数据可以在风险偏好、行为习惯等方面对客户进行更为细致的描述，帮助信托公司更有针对性地开发与维护客户。

在运营决策与大数据方面

尽管与银行、券商等机构相比，信托公司人员规模较小、管理流程较简单，但越来越多的信托公司开始重视系统建设，不断提高运营、管理和决策水平。大数据在这方面也可以发挥一定积极作用。

◆ 一是帮助信托公司及时掌握内部经营管理状况。金融机构在经营管理过程中，本身也会产生大量数据。据BCG研究报告《回归“价值”本源——金融机构如何驾驭大数据？》显示，银行业经营活动产生的数据强度高于其他行业，每100万美元收入带来的实际数据量为820G。尽管信托公司的业务数据量远不如银行，但是运用大数据思维，对经营活动中的数据进行有效利用，可以为管理层和相关部门提供具较强价值和时效性的信息，对公司内部经营管理情况进行及时了解。

◆ 二是帮助信托公司提高决策水平。大数据不仅强调多样化和海量特征，其本身的存在也代表了一定的客观性。用大数据思维和工具对公司经营管理的各方面进行描述，可以为公司的各项决策提供客观依据。此外，大数据的即时性特征可以将相关信息迅速传递给管理层，有利于提高决策效率。

▲ 既懂金融业务、又了解大数据技术的复合型人才，对金融机构搭建大数据体系十分重要。信托公司的业务标准化程度低于银行、券商等其他机构，因此数据的标准化程度低、整合难度大，对大数据管理和分析人员的水平提出了更高的要求

尽管大数据在金融领域属于较为前沿的问题，看上去与信托公司尚有距离，但无论从信托公司自身转型发展的需求来看，还是同业竞争激烈的市场环境来看，未来的专业化发展、精细化管理必然要求信托公司重视大数据、用好大数据。且信托公司构建大数据体系并非无源之水、无本之木，已具备一定的基础和可行性。

◆ 一是大数据资源和技术手段已具备一定基础。随着大数据的应用越来越广泛，一些传统的互联网企业、运营商开始拓展数据服务业务，通过近年来的数据资源积累，积极探索如何为金融机构提供基础的数据服务。除此之外，对大数据应用的技术手段也在不断进步，传统的数据技术主要体现在结构化数据的处理，新兴的技术手段已经突破了结构化数据的限制，可以为客户提供更为全面的数据分析应用。这些数据资源和技术手段尽管仍在不断完善和发展，但在现阶段已经为信托公司构建大数据体系提供了一定的基础。

◆ 二是其他金融机构已提供一定经验借鉴。其他金融机构无论在传统数据仓库的建设、数据的管控与治理、基于数据支撑的营销服务、基于数据分析的全面成本量化和绩效考核等领域都已经有非常成功的模式以及案例，对信托公司来说无疑是非常好的借鉴。此外，与银行相比，信托公司产品设计更为灵活、创新行为更加活跃，对大数据的诉求也更为多样。在业务发展和数据支持的相互结合中，信托公司可以在充分借鉴其他金融机构的经验基础上，创新出适合自己的大数据应用模式。

◆ 三是自身已有一定数据积累。信托业从2009年以来进入了一个快速发展的阶段，目前管理资产规模在16万亿元左右，按照68家信托公司平均来看，每家公司管理资产规模超过2300亿元。信托业务的快速发展为信托公司提供了大量的基础数据资源。此外，信托公司业务更为多样化，其积累的数据资源也具有很强的多样化特征，这些都为信托公司改善数据管理、引进大数据工具提供了资源基础。

目前，银行建设大数据平台主要集中在完善数据仓库、建立数据管控治理体系、探索数据价值应用三个方面，即“存、管、用”。考虑信托公司的业务基础和实际需求，建议信托公司的大数据体系按照“结合实际、分步进行、问题导向、重点突破”的原则，采用“简”存、“适度”管、“试”用的策略进行推进。

◆ 一是“简”存，搭建符合信托公司特点的数据仓库。与银行相比，信托公司的数据规模不大且比较分散，对数据仓库的认识也有一个循序渐进的过程，应尽量采用轻量化的思路，采集并整理公司发展所需要的数据。信托公司的数据仓库应包含四个层次：第一层是公司自身的业务及管理数据，也就是内部数据，这些数据是信托公司大数据体系的核心和关键；第二层是信托行业的数据，包括公司数据、产品数据、风险数据、客户数据等，这些数据可以描述信托行业发展的全面特征，为公司在行业中的竞争提供直接参考；第三层是金融市场数据，不仅包括货币发行量、利率、汇率等宏观金融数据，还包括股票市场、债券市场以及其他金融产品的数据，这些数据可以为信托公司的经营和决策提供重要依据；第四层是涉及宏观经济的非金融数据，包括与信托业务发展相关的宏观经济数据、区域经济数据、特定行业数据、交易对手数据等，这一层数据量大、覆盖面广。四个层次的数据彼此联系，层层支撑，可以构成信托公司大数据体系中的金字塔型数据仓库。

◆ 二是“适度”管，要对现有的内部数据进行完善和梳理。不仅提高内部数据产生的质量，而且要充分发挥系统治理功能，使数据归集整理通过信息系统自动实现，提高数据管理的效率。尤其是信托公司业务多元化，所需数据来源渠道复杂，技术处理要更加规范，适度控制数据质量。特别需要注意的是，信托公司应该明确数据管理的阶段和重点，不能急于求成。从金融机构的实践经验上看，其自身积累的数据价值密度还是高于大数据的价值密度。信托公司在自身数据价值挖掘方面还处于初级阶段，因此对数据的管理应该由内而外，循序渐进。

◆ 三是“试”用。尽管大数据对金融机构具有战略价值，但在信托行业普遍缺乏实践的情况下，构建大数据体系需要信托公司“摸着石头过河”。信托公司首先应该审视自身经营管理中存在的突出问题，以问题为导向，引入大数据技术，设计解决方案。例如信托产品的内部评级问题，对于非标准化的信托产品，大数据可以在风险计量和产品收益等方面发挥重要作用，产品本身所涉及的项目数据、交易对手数据、抵质押物数据等也可以通过外部渠道获取。信托公司可以通过类似产品内部评级等重要课题，摸索大数据与公司经营决策之间恰当的结合方式，尝试发挥大数据的积极作用。

◆ 一是数据整合与管理协同。在银行的数据应用实践中，存在数据量大、加工路径长、支持效率低等问题，这在一定程度上反映出金融机构对数据的整合与管理协同的问题。信托公司未来也可能面临这样的问题。尤其是信托公司业务多样、多数项目非标准化，容易造成数据之间的分割；内部业务团队、前台与中后台等部门之间的信息传递存在一定障碍，数据存储、管理、应用等环节之间也可能会存在脱节。因此，未来信托公司在搭建大数据体系时应该从公司整体出发，实现线上、线下数据打通，内部、外部数据整合。

◆ 二是复合型人才的培养。既懂金融业务、又了解大数据技术的复合型人才，对金融机构搭建大数据体系十分重要。信托公司的业务标准化程度低于银行、券商等其他机构，因此数据的标准化程度低、整合难度大，对大数据管理和分析人员的水平提出了更高的要求。此外，由于一些信托业务具有较强的创新性，在大数据应用过程中，其需求存在较大不确定性，这对相关人员在信托业务方面的经验和能力要求也很高。因此，金融大数据尤其是信托大数据的复合型人才，将是各家机构争抢的对象。

◆ 三是行业的共同参与。信托行业近年来发展速度很快，但内部管理水平总体落后于业务发展速度，造成了信托业粗放型的发展模式，需要转型调整。与银行业相比，信托业对大数据的重视程度需要进一步提高，全行业应该在战略上重视大数据、重视信息系统水平的提升。同时，监管部门应该为信托大数据的发展提供更好的基础条件，比如建立更加规范的信托业务分类体系，便于行业数据的整理；建立行业基础数据库，便于信托公司及时获取行业信息，等等。特别是随着未来信托登记体系的建立，信托的登记和受益权转让将会产生更多更有价值的行业数据，可以为信托业的发展提供更好的支持。