二、大数据在商业银行中的应用
（一）大数据与商业银行
商业银行在大数据技术的应用中具有独特的优势。这一优势主要来源于 3 个方面：第一，商业银行的业务系统信息化程度高，数据资源充足；第二，商业银行的数据规模庞大，数据种类较为齐全；第三，由于商业银行受到严格的监管，其数据的格式较为规范，数据的准确性也相对较高。因此，大数据在商业银行的客户关系管理、精准营销、信贷管理、风险管理、运营优化等方面有着广泛的应用。
（二）案例——大数据在反洗钱工作中的应用
商业银行是反洗钱职责的主要承担者。在全球经济一体化和信息化不断加快的背景下，
洗钱犯罪的特征也呈现隐蔽、快速的新特点。在大数据时代，随着大数据技术的日益成熟和
完善，商业银行也开始将大数据技术应用到防范和控制洗钱活动中来，从而提升反洗钱工作
的效率，并通过构建统一的反洗钱工作系统，对商业银行所拥有的内部海量数据进行整合和
深入挖掘，进而使反洗钱工作的时效性和准确性得到提高。
1. 大数据在反洗钱工作中的优势
（1）发挥商业银行的数据优势。在商业银行开展业务的过程中，每天都会产生海量数据。这些数据包括商业银行交易系统中所产生的海量交易信息、商业银行业务处理流程中用于作业和授权的影像资料等半结构化数据以及客户的投诉和评价等交互信息。因此，商业银行在对大数据进行应用方面具备天然的优势。利用大数据技术，商业银行可以充分整合银行内部甚至相关三方数据源，构建反洗钱数据资源池，并对其进行分析和挖掘，切实提升对可疑交易和客户身份的识别准确度。
（2）提高反洗钱调查的时效性。商业银行在进行反洗钱调查时，主要依据《金融机构大
额交易和可疑交易报告管理办法》对客户身份的真实性进行识别。只要相关交易的数据特征
符合可疑交易的给定标准，商业银行就会将该交易数据报送至反洗钱监管机构。商业银行在
判别客户交易是否具有可疑性时，必须在客户身份真实性识别的准确度得到提高的前提下，实现其可疑性审查质量的提高。在大数据应用下，商业银行在对客户身份的真实性进行审查
时，可以将可疑交易数据与客户所在地域、工作状况、受教育程度、收入水平等个人身份特征相联系，进而减小可疑性审查出现失真和误报的可能性，提高反洗钱调查的时效性。
（3）提升反洗钱工作的效率。商业银行内部有许多信息系统，这些信息系统是分散且异构的，各个信息系统的技术指标也不尽相同，因而导致每个信息系统都是封闭的“信息孤岛”。正因为如此，基于上述关系型数据库和传统数据挖掘技术所构建出的反洗钱工作系统，会面临大量数据的格式不统一、无法存储、难以处理等技术障碍。由于大数据技术能够对非结构化数据进行处理并允许数据存在不一致，因而利用大数据技术可以解决上述传统反洗钱工作系统中所存在的难题，缩短系统的响应时间，进而使商业银行在反洗钱工作中的效率得以提升。
2. 商业银行基于大数据的反洗钱工作系统
（1）反洗钱工作系统的工作目标。反洗钱工作系统的工作目标主要包括 4 个方面：一是构建基于大数据的数据仓库；二是对数据进行加载、处理、清洗、转换；三是配置反洗钱业
务规则；四是对可疑数据进行展示。
（2）反洗钱工作系统的逻辑分层如表 7-2-1 所示。
表 7-2-1 反洗钱工作系统的逻辑分层
（3）反洗钱工作系统的基本架构。反洗钱工作系统的基本架构如图 7-2-1 所示。
图 7-2-1 反洗钱工作系统的基本架构
（3）反洗钱工作系统的基本架构。反洗钱工作系统的基本架构如图 7-2-1 所示。
图 7-2-1 反洗钱工作系统的基本架构 ① 源系统：属于源数据层的商业银行内部的各个数据系统。
② 数据传输平台：该平台的功能在于将源系统中的数据传输至指定位置。
③ 反洗钱服务端：服务端由批量服务和联机服务两部分组成。其中，批量服务是指系统
自动完成对可疑数据提取的活动，即从源系统获取源数据，并进行清洗和装载；而联机服务
则是指系统用户进入系统完成系统操作的活动。具体来讲，批量服务在源数据的基础上根据
预设的各项指标计算账户和客户的指标值，在各项指标值的基础上根据预设的可疑规则生成
可疑报送数据，同时进行报表生产，属于系统逻辑分层中的数据存储层、数据汇聚层、数据
计算层。而联机服务则主要包括系统管理、参数设定、预警/报告处理、统计报表，属于系统
逻辑分层中的信息管理层。