目前中国市场大部分企业招聘大数据分析师主要为四个层面服务:
一是为产品经理服务,国内产品经理不懂数据分析,而新产品的竞争情报分析、产品敏捷测试等都需要数据分析师帮助完成,后期产品迭代优化还是需要数据分析师采集用户行为、习惯、评价等数据来完成。
二是为运营服务,产品运营中的用户流量、促销、顾客关系管理等需要数据分析师帮助完成。
三是公司数据制定、标准建设、各部门数据打通,数据化管理等工作需要数据分析师完成。
四是数据情报和数据预测为高层服务。
那么金融行业的数据分析应该怎么做呢?
一、 首先要考虑的是数据来源。
第一部分比如银行业务数据。银行内的数据包括业务数据、运维、网站日志数据等。另外还有一些新兴的数据,比如我们通过移动互联网、微信、微博等等产生的数据。另外是第三方数据,比如通过电商、网络平台等收集到的一些数据,还有一些咨询公司和专门的数据公司收集到的数据。
二、接着就要考虑场景的应用。设定分析的目标。
我们从业务价值的角度来划分可分为4大块。
l 营销支持。
l 产品运营:银行要开发什么样的产品满足客户的需求,产品开发出来之后,客户反馈是怎么样的,符合不符合客户的心理预期,效果怎么样,我们怎么进行优化。
l 风险管控,比如我们发一些贷款,首先要看一下这个人是好人还是坏人,信用度有多高,发多大的额度,会不会存在欺诈。
l 内部管理,特别是大型集团用户,涉及到几万、几十万人的规模,这个时候内部怎么管理员工,比如营销团队怎么管理、风险团队怎么管理、运维团队怎么管理。
三、接下来要考虑的就是数据的应用场景及找出相应的模型了
以Smartbi的金融大数据分析案例作为例子。
某银行数据应用门户建设项目,想通过项目建设,在全行范围内推广数字化分析、数字化营销和数字化风险控制;让大数据应用和分析走进全行员工和管理者工作中,激发各层级人员对于数据的认知、挖掘和运用。
Smartbi为该银行建设数据应用门户使其打造成一个覆盖多用户层级的、灵活自由的、可扩展的、支撑全行各领域的数据查询、数据分析、数据挖掘、数据共享、交互、数据图形化展示的一站式数据工作平台;推动全行各层级用户参与数据分析和运用,在全行范围内营造自主的数据应用氛围和文化,传播数据应用价值。
图:Smartbi某银行应用用户的总体架构
图:Smartbi某银行应用用户的功能架构
其实简单的说,金融行业中数据分析的运用可分为三大类:
一、运营类:历史记录管理、多渠道数据整合分析、产品定位分析、客户洞察分析、客户全生命周期分析等。
二、服务类:个性化坐席分配、个性化产品推荐、个性化权益匹配、个性化产品定价、客户体验优化、客户流失预警与客户挽留等。
三、营销类:互联网获客、产品推广、交叉销售、社会化营销、渠道效果分析、差异化广告投放等。四、数据分析在风险管理领域可应用于实时反欺诈、反洗钱、实时风险识别、在线授信等场景。
大数据技术在这些应用中都可以发挥价值,其核心是通过一系列的技术手段,采集、整合和挖掘用户全方位的数据,为每个用户建立数据档案,也就是常说的“用户画像”。