银行大数据

随着银行业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有15%的结构化数据进行分析已经不能满足发展的需求。企业需要借助大数据战略打破数据 边界，囊括85%的大数据分析，来构建更为全面的企业运营全景视图。以科技引领业务发展，未来银行也同样需要借助由大数据构建的企业经营全景视图来进行风险管理、产品营销、业务创新等活动，进而寻找最优的模式支持商业决策。下文阐述了大数据在银行业应用的几个场景。
    1.客户管理
    随着大数据的大量涌现，尤其是在社交网络的背景下，服务渠道不应仅局限于传统的银行渠道，而应整合新的客户接触点（即社交媒体网站等），这种趋势已经变得日益清晰。银行业发展战略也逐步从以产品为中心转向以客户为中心，客户成为银行发展的重要驱动力。银行不仅仅销售产品和服务，而且还应为用户提供完美的多 渠道体验，成为真正以客户为中心的组织。了解客户到底是谁以及客户最真实的需求成为银行经营管理者最为关注的问题。
    银行可以通过大数据分析平台，接入客户通过社交网络、电子商务、终端设备等媒介产生的非结构化数据，构建全面的客户视图。根据用户行为对用户进行聚类分析，进而可以有效的甄别出优质客户、潜力客户以及流失客户。
    事例一：花旗银行工作人员可以利用大数据分析获取银行客户信息并且分析客户的下一步需求，进而向客户营销相关金融产品。比如，某人为自己的孩子开办了一款信用卡，当孩子上大学后，就会分析这位顾客所需要的金融产品。如果之后家长有装修厨房的计划，那么花旗银行的工作人员会向这位家长推荐适合装修的贷款，满 足客户各方面的潜在需求。
    事例2：客户流失分析。借助大数据平台搜集到客户行为记录，通过对已流失客户的行为进行分析，找到客户流失发生时的关键路径，进而能够利用流失客户的行为模式有效定位有流失倾向的客户，以便银行工作人员能够在客户流失前进行挽回工作。
    2.营销管理
    借助大数据分析平台，通过对形式多样的用户数据（用户消费数据、浏览记录、购买路径等）进行挖掘、追踪、分析，将不同客户群体进行聚类，有助于获取用户的消费习惯、风险收益偏好等特征信息。从而根据不同客户特性打造个性化的产品营销服务方案，将最适合的产品服务推介给最需要的客户。以主动营销和个性化营销 打破传统无差异的、被动的产品服务营销方式。大数据的有效使用，不仅可以提升银行产品的精准营销水平，而且可以提升客户对银行服务的认可程度以及客户经理在营销过程中的专业程度。
    例如，银行针对不同的客户分类推荐相应的理财产品，根据客户的购买习惯和风险偏好进行产品组合营销；根据客户的产品清单和浏览记录进行路径分析，主动推送关联产品营销等，真正做到个性化的主动营销服务。
    在银行产品同质化较为严重的现状下，谁能首先运用“大数据”进行灵活的营销管理，谁就有更多的机会在竞争中拔得头筹。
    3.风险管理
    随着银行业务的快速发展，银行经营者必须有效地甄别风险、防范风险和控制风险。风险管理成为银行稳健发展至关重要的一环。社会化媒体的互动、实时的传感器数据、电子商务和其他新的数据源，正给银行经营带来一系列的挑战。仅仅借助传统的解决方案，无法全面进行风险管理。大数据分析帮助银行了解客户的自然属性 和行为属性，结合客户行为分析、客户信用度分析、客户风险分析以及客户的资产负债状况，建立完善的风险防范体系。
    事例：Wonga是英国一家小额贷款公司，他们利用海量数据挖掘算法来做一些贷款业务。Wonga对过去客户的各种碎片化信息进行数据获取和整理，用大量 的数据串成了客户特征的全貌，同时根据不良贷款等风险信号不断完善调整模型，有效控制风险。如今它已获得了5亿美金的年利润，其风险管理能力也获得业界的 认可。
    四、大数据背景下银行业的发展趋势及面临的挑战
    1.未来银行业的发展趋势
    （1）未来银行业更加倾向于零售营销
    客户是驱动零售企业生存发展的核心资源。在银行业经营战略转变以及利率逐步市场化的背景下，银行依赖存贷款利差创造利润的盈利方式也必须调整。零售及中间业务在未来银行经营中会占有越来越大的比重。而绝大部分客户数据通常是用户在社交网络、移动终端设备等媒介留下的海量碎片化数据，如何收集数据并对客户的 行为属性进行有效的分析，是支撑以客户为中心发展模式的重要手段。在日益激烈的行业竞争中，构建以客户为中心的精确的银行运营全景视图就显得尤为重要。
    （2）未来银行更加倾向于科技创新
    创新是银行实现差异化发展的驱动力。目前银行产品、银行的经营管理系统都面临着同质化严重的问题，因此需要通过技术创新来不断增强银行业的核心竞争力—— 帮助银行改进金融系统，改善与顾客之间的交互，改进并简化客户的银行业务体验。大数据时代为银行业务发展和技术创新带来了新机遇。
    （3）未来银行更加倾向于数据分析挖掘
    很多互联网公司例如亚马逊、Google、腾讯，更愿意将自己定位为数据企业。因为信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业 的机遇。银行也同样拥有丰富的“数据矿藏”，不仅存储处理了大量结构化的账务数据，而且随着银行渠道快速渗透到社交网络、移动终端等媒介，海量的非结构化数据也在等待被收集和分析。对于银行业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。形象地说，“数据的收集能力+数据的分析能力=企 业智商”，这关乎商业决策的迅速和准确，关乎企业的生存和发展。
    2.银行业在大数据背景下面临的挑战
    （1）构建银行业大数据分析平台
    传统商业智能、数据仓库解决方案致力于解决结构化数据的整合分析，由于结构化数据的存储组织有章可循，相对简单，因而在BI分析中数据模型的构建也较为简 单。但是在大数据背景下，传统商业智能、数据仓库解决方案已经捉襟见肘。首先，数据源方面，半结构、非结构化数据的大量涌现，使得传统的数据仓库存储组织此类数据变得无能为力；其次，在商业智能分析方面，由于大数据大都是一些类型丰富的碎片化数据，没有相对固定的模式，而且价值密度相对较低但却极为重要， 使得在大数据环境下进行数据分析的模式和方法相对复杂。因而构建银行大数据分析平台是一项从无到有、富有挑战且意义深远的工作。对银行的创新能力，精细化、专业化经营管理以及高效决策支持都具有重大意义。
    现阶段，已被业界广泛使用的开源的海量数据处理系统（Hive）使得很多公司能够从零开始快速搭建大数据系统，为银行构建大数据处理平台提供了实验性平台保障。
    （2）培养银行业的大数据分析人才
    信息化时代，数据作为一种无处不在的矿藏需要挖掘。大数据的分析与传统数据分析有很大区别，银行现有的管理支持类数据分析主要基于报表数据及部分数据模型，很难勾勒出银行经营的全景视图。而大数据的进入，使得银行的数据种类和数据规模快速膨胀。目前对于大数据的分析可能有两种方式：一种是基于假设的模 型，关注那些我们认为高价值数据，关注相关领域的数据，关注能够提升效率的数据；一种是机器学习的模型，对大数据而言，它能够不断的增加变量，在分析过程中自动调节模型的完备性，以便做出更好的决策。这就需要分析人员具有更高的素质，不仅要有较高的业务理解力，而且要有很强的数据建模、数据挖掘的技术能 力。利用大数据平台和大数据分析可以将零散的市场数据、用户数据等迅速高效地转化成决策支持数据，有助于银行机构把握市场环境变化，快速灵活做出反映，提升银行核心竞争力。
    大数据技术的发展带来企业经营决策模式的转变，驱动着行业变革，衍生出新的商机和发展契机。驾驭大数据的能力已被证实为领军企业的核心竞争力，这种能力能够帮助企业打破数据边界，绘制企业运营全景视图，做出最优的商业决策和发展战略。金融行业在大数据浪潮中，要以大数据平台建设为基础，夯实大数据的收集、 存储、处理能力；重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队。不断提升企业智商，挖掘海量数据的商业价值，从而在数据新浪潮的变革中拔得头筹，赢得先机。

更多 0

• 上一篇：mybatis整合redis