大数据在银行业的应用场景
生活随笔
收集整理的這篇文章主要介紹了
大数据在银行业的应用场景
小編覺得挺不錯的,現在分享給大家,幫大家做個參考.
隨著銀行業務的載體與社交媒體、電子商務的融合越來越緊密,僅對原有15%的結構化數據進行分析已經不能滿足發展的需求。企業需要借助大數據戰略打破數據 邊界,囊括85%的大數據分析,來構建更為全面的企業運營全景視圖。以科技引領業務發展,未來銀行也同樣需要借助由大數據構建的企業經營全景視圖來進行風險管理、產品營銷、業務創新等活動,進而尋找最優的模式支持商業決策。下文闡述了大數據在銀行業應用的幾個場景。
? ?? 1. 客戶管理
? ? 隨著大數據的大量涌現,尤其是在社交網絡的背景下,服務渠道不應僅局限于傳統的銀行渠道,而應整合新的客戶接觸點(即社交媒體網站等),這種趨勢已經變得日益清晰。銀行業發展戰略也逐步從以產品為中心轉向以客戶為中心,客戶成為銀行發展的重要驅動力。銀行不僅僅銷售產品和服務,而且還應為用戶提供完美的多 渠道體驗,成為真正以客戶為中心的組織。了解客戶到底是誰以及客戶最真實的需求成為銀行經營管理者最為關注的問題。
? ? 銀行可以通過大數據分析平臺,接入客戶通過社交網絡、電子商務、終端設備等媒介產生的非結構化數據,構建全面的客戶視圖。根據用戶行為對用戶進行聚類分析,進而可以有效的甄別出優質客戶、潛力客戶以及流失客戶。
? ? 事例一:花旗銀行工作人員可以利用大數據分析獲取銀行客戶信息并且分析客戶的下一步需求,進而向客戶營銷相關金融產品。比如,某人為自己的孩子開辦了一款信用卡,當孩子上大學后,就會分析這位顧客所需要的金融產品。如果之后家長有裝修廚房的計劃,那么花旗銀行的工作人員會向這位家長推薦適合裝修的貸款,滿 足客戶各方面的潛在需求。
? ? 事例2:客戶流失分析。借助大數據平臺搜集到客戶行為記錄,通過對已流失客戶的行為進行分析,找到客戶流失發生時的關鍵路徑,進而能夠利用流失客戶的行為模式有效定位有流失傾向的客戶,以便銀行工作人員能夠在客戶流失前進行挽回工作。
? ?? 2. 營銷管理
? ? 借助大數據分析平臺,通過對形式多樣的用戶數據(用戶消費數據、瀏覽記錄、購買路徑等)進行挖掘、追蹤、分析,將不同客戶群體進行聚類,有助于獲取用戶的消費習慣、風險收益偏好等特征信息。從而根據不同客戶特性打造個性化的產品營銷服務方案,將最適合的產品服務推介給最需要的客戶。以主動營銷和個性化營銷 打破傳統無差異的、被動的產品服務營銷方式。大數據的有效使用,不僅可以提升銀行產品的精準營銷水平,而且可以提升客戶對銀行服務的認可程度以及客戶經理在營銷過程中的專業程度。
? ? 例如,銀行針對不同的客戶分類推薦相應的理財產品,根據客戶的購買習慣和風險偏好進行產品組合營銷;根據客戶的產品清單和瀏覽記錄進行路徑分析,主動推送關聯產品營銷等,真正做到個性化的主動營銷服務。
? ? 在銀行產品同質化較為嚴重的現狀下,誰能首先運用“大數據”進行靈活的營銷管理,誰就有更多的機會在競爭中拔得頭籌。
? ?? 3. 風險管理
? ? 隨著銀行業務的快速發展,銀行經營者必須有效地甄別風險、防范風險和控制風險。風險管理成為銀行穩健發展至關重要的一環。社會化媒體的互動、實時的傳感器數據、電子商務和其他新的數據源,正給銀行經營帶來一系列的挑戰。僅僅借助傳統的解決方案,無法全面進行風險管理。大數據分析幫助銀行了解客戶的自然屬性 和行為屬性,結合客戶行為分析、客戶信用度分析、客戶風險分析以及客戶的資產負債狀況,建立完善的風險防范體系。
? ? 事例:Wonga是英國一家小額貸款公司,他們利用海量數據挖掘算法來做一些貸款業務。Wonga對過去客戶的各種碎片化信息進行數據獲取和整理,用大量 的數據串成了客戶特征的全貌,同時根據不良貸款等風險信號不斷完善調整模型,有效控制風險。如今它已獲得了5億美金的年利潤,其風險管理能力也獲得業界的 認可。
? ?? 四、大數據背景下銀行業的發展趨勢及面臨的挑戰
? ?? 1. 未來銀行業的發展趨勢
? ?? (1)未來銀行業更加傾向于零售營銷
? ? 客戶是驅動零售企業生存發展的核心資源。在銀行業經營戰略轉變以及利率逐步市場化的背景下,銀行依賴存貸款利差創造利潤的盈利方式也必須調整。零售及中間業務在未來銀行經營中會占有越來越大的比重。而絕大部分客戶數據通常是用戶在社交網絡、移動終端設備等媒介留下的海量碎片化數據,如何收集數據并對客戶的 行為屬性進行有效的分析,是支撐以客戶為中心發展模式的重要手段。在日益激烈的行業競爭中,構建以客戶為中心的精確的銀行運營全景視圖就顯得尤為重要。
? ?? (2)未來銀行更加傾向于科技創新
? ? 創新是銀行實現差異化發展的驅動力。目前銀行產品、銀行的經營管理系統都面臨著同質化嚴重的問題,因此需要通過技術創新來不斷增強銀行業的核心競爭力—— 幫助銀行改進金融系統,改善與顧客之間的交互,改進并簡化客戶的銀行業務體驗。大數據時代為銀行業務發展和技術創新帶來了新機遇。
? ?? (3)未來銀行更加傾向于數據分析挖掘
? ? 很多互聯網公司例如亞馬遜、Google、騰訊,更愿意將自己定位為數據企業。因為信息時代,數據成為經營決策的強有力依據,給企業帶來了發展和引領行業 的機遇。銀行也同樣擁有豐富的“數據礦藏”,不僅存儲處理了大量結構化的賬務數據,而且隨著銀行渠道快速滲透到社交網絡、移動終端等媒介,海量的非結構化數據也在等待被收集和分析。對于銀行業來說,大數據意味著巨大的商機,可強化客戶體驗,提高客戶忠誠度。形象地說,“數據的收集能力+數據的分析能力=企 業智商”,這關乎商業決策的迅速和準確,關乎企業的生存和發展。
? ?? 2. 銀行業在大數據背景下面臨的挑戰
? ?? (1)構建銀行業大數據分析平臺
? ? 傳統商業智能、數據倉庫解決方案致力于解決結構化數據的整合分析,由于結構化數據的存儲組織有章可循,相對簡單,因而在BI分析中數據模型的構建也較為簡 單。但是在大數據背景下,傳統商業智能、數據倉庫解決方案已經捉襟見肘。首先,數據源方面,半結構、非結構化數據的大量涌現,使得傳統的數據倉庫存儲組織此類數據變得無能為力;其次,在商業智能分析方面,由于大數據大都是一些類型豐富的碎片化數據,沒有相對固定的模式,而且價值密度相對較低但卻極為重要, 使得在大數據環境下進行數據分析的模式和方法相對復雜。因而構建銀行大數據分析平臺是一項從無到有、富有挑戰且意義深遠的工作。對銀行的創新能力,精細化、專業化經營管理以及高效決策支持都具有重大意義。
? ? 現階段,已被業界廣泛使用的開源的海量數據處理系統(Hive)使得很多公司能夠從零開始快速搭建大數據系統,為銀行構建大數據處理平臺提供了實驗性平臺保障。
? ?? (2)培養銀行業的大數據分析人才
? ? 信息化時代,數據作為一種無處不在的礦藏需要挖掘。大數據的分析與傳統數據分析有很大區別,銀行現有的管理支持類數據分析主要基于報表數據及部分數據模型,很難勾勒出銀行經營的全景視圖。而大數據的進入,使得銀行的數據種類和數據規模快速膨脹。目前對于大數據的分析可能有兩種方式:一種是基于假設的模 型,關注那些我們認為高價值數據,關注相關領域的數據,關注能夠提升效率的數據;一種是機器學習的模型,對大數據而言,它能夠不斷的增加變量,在分析過程中自動調節模型的完備性,以便做出更好的決策。這就需要分析人員具有更高的素質,不僅要有較高的業務理解力,而且要有很強的數據建模、數據挖掘的技術能 力。利用大數據平臺和大數據分析可以將零散的市場數據、用戶數據等迅速高效地轉化成決策支持數據,有助于銀行機構把握市場環境變化,快速靈活做出反映,提升銀行核心競爭力。
? ? 大數據技術的發展帶來企業經營決策模式的轉變,驅動著行業變革,衍生出新的商機和發展契機。駕馭大數據的能力已被證實為領軍企業的核心競爭力,這種能力能夠幫助企業打破數據邊界,繪制企業運營全景視圖,做出最優的商業決策和發展戰略。金融行業在大數據浪潮中,要以大數據平臺建設為基礎,夯實大數據的收集、 存儲、處理能力;重點推進大數據人才的梯隊建設,打造專業、高效、靈活的大數據分析團隊。不斷提升企業智商,挖掘海量數據的商業價值,從而在數據新浪潮的變革中拔得頭籌,贏得先機。
? ?? 1. 客戶管理
? ? 隨著大數據的大量涌現,尤其是在社交網絡的背景下,服務渠道不應僅局限于傳統的銀行渠道,而應整合新的客戶接觸點(即社交媒體網站等),這種趨勢已經變得日益清晰。銀行業發展戰略也逐步從以產品為中心轉向以客戶為中心,客戶成為銀行發展的重要驅動力。銀行不僅僅銷售產品和服務,而且還應為用戶提供完美的多 渠道體驗,成為真正以客戶為中心的組織。了解客戶到底是誰以及客戶最真實的需求成為銀行經營管理者最為關注的問題。
? ? 銀行可以通過大數據分析平臺,接入客戶通過社交網絡、電子商務、終端設備等媒介產生的非結構化數據,構建全面的客戶視圖。根據用戶行為對用戶進行聚類分析,進而可以有效的甄別出優質客戶、潛力客戶以及流失客戶。
? ? 事例一:花旗銀行工作人員可以利用大數據分析獲取銀行客戶信息并且分析客戶的下一步需求,進而向客戶營銷相關金融產品。比如,某人為自己的孩子開辦了一款信用卡,當孩子上大學后,就會分析這位顧客所需要的金融產品。如果之后家長有裝修廚房的計劃,那么花旗銀行的工作人員會向這位家長推薦適合裝修的貸款,滿 足客戶各方面的潛在需求。
? ? 事例2:客戶流失分析。借助大數據平臺搜集到客戶行為記錄,通過對已流失客戶的行為進行分析,找到客戶流失發生時的關鍵路徑,進而能夠利用流失客戶的行為模式有效定位有流失傾向的客戶,以便銀行工作人員能夠在客戶流失前進行挽回工作。
? ?? 2. 營銷管理
? ? 借助大數據分析平臺,通過對形式多樣的用戶數據(用戶消費數據、瀏覽記錄、購買路徑等)進行挖掘、追蹤、分析,將不同客戶群體進行聚類,有助于獲取用戶的消費習慣、風險收益偏好等特征信息。從而根據不同客戶特性打造個性化的產品營銷服務方案,將最適合的產品服務推介給最需要的客戶。以主動營銷和個性化營銷 打破傳統無差異的、被動的產品服務營銷方式。大數據的有效使用,不僅可以提升銀行產品的精準營銷水平,而且可以提升客戶對銀行服務的認可程度以及客戶經理在營銷過程中的專業程度。
? ? 例如,銀行針對不同的客戶分類推薦相應的理財產品,根據客戶的購買習慣和風險偏好進行產品組合營銷;根據客戶的產品清單和瀏覽記錄進行路徑分析,主動推送關聯產品營銷等,真正做到個性化的主動營銷服務。
? ? 在銀行產品同質化較為嚴重的現狀下,誰能首先運用“大數據”進行靈活的營銷管理,誰就有更多的機會在競爭中拔得頭籌。
? ?? 3. 風險管理
? ? 隨著銀行業務的快速發展,銀行經營者必須有效地甄別風險、防范風險和控制風險。風險管理成為銀行穩健發展至關重要的一環。社會化媒體的互動、實時的傳感器數據、電子商務和其他新的數據源,正給銀行經營帶來一系列的挑戰。僅僅借助傳統的解決方案,無法全面進行風險管理。大數據分析幫助銀行了解客戶的自然屬性 和行為屬性,結合客戶行為分析、客戶信用度分析、客戶風險分析以及客戶的資產負債狀況,建立完善的風險防范體系。
? ? 事例:Wonga是英國一家小額貸款公司,他們利用海量數據挖掘算法來做一些貸款業務。Wonga對過去客戶的各種碎片化信息進行數據獲取和整理,用大量 的數據串成了客戶特征的全貌,同時根據不良貸款等風險信號不斷完善調整模型,有效控制風險。如今它已獲得了5億美金的年利潤,其風險管理能力也獲得業界的 認可。
? ?? 四、大數據背景下銀行業的發展趨勢及面臨的挑戰
? ?? 1. 未來銀行業的發展趨勢
? ?? (1)未來銀行業更加傾向于零售營銷
? ? 客戶是驅動零售企業生存發展的核心資源。在銀行業經營戰略轉變以及利率逐步市場化的背景下,銀行依賴存貸款利差創造利潤的盈利方式也必須調整。零售及中間業務在未來銀行經營中會占有越來越大的比重。而絕大部分客戶數據通常是用戶在社交網絡、移動終端設備等媒介留下的海量碎片化數據,如何收集數據并對客戶的 行為屬性進行有效的分析,是支撐以客戶為中心發展模式的重要手段。在日益激烈的行業競爭中,構建以客戶為中心的精確的銀行運營全景視圖就顯得尤為重要。
? ?? (2)未來銀行更加傾向于科技創新
? ? 創新是銀行實現差異化發展的驅動力。目前銀行產品、銀行的經營管理系統都面臨著同質化嚴重的問題,因此需要通過技術創新來不斷增強銀行業的核心競爭力—— 幫助銀行改進金融系統,改善與顧客之間的交互,改進并簡化客戶的銀行業務體驗。大數據時代為銀行業務發展和技術創新帶來了新機遇。
? ?? (3)未來銀行更加傾向于數據分析挖掘
? ? 很多互聯網公司例如亞馬遜、Google、騰訊,更愿意將自己定位為數據企業。因為信息時代,數據成為經營決策的強有力依據,給企業帶來了發展和引領行業 的機遇。銀行也同樣擁有豐富的“數據礦藏”,不僅存儲處理了大量結構化的賬務數據,而且隨著銀行渠道快速滲透到社交網絡、移動終端等媒介,海量的非結構化數據也在等待被收集和分析。對于銀行業來說,大數據意味著巨大的商機,可強化客戶體驗,提高客戶忠誠度。形象地說,“數據的收集能力+數據的分析能力=企 業智商”,這關乎商業決策的迅速和準確,關乎企業的生存和發展。
? ?? 2. 銀行業在大數據背景下面臨的挑戰
? ?? (1)構建銀行業大數據分析平臺
? ? 傳統商業智能、數據倉庫解決方案致力于解決結構化數據的整合分析,由于結構化數據的存儲組織有章可循,相對簡單,因而在BI分析中數據模型的構建也較為簡 單。但是在大數據背景下,傳統商業智能、數據倉庫解決方案已經捉襟見肘。首先,數據源方面,半結構、非結構化數據的大量涌現,使得傳統的數據倉庫存儲組織此類數據變得無能為力;其次,在商業智能分析方面,由于大數據大都是一些類型豐富的碎片化數據,沒有相對固定的模式,而且價值密度相對較低但卻極為重要, 使得在大數據環境下進行數據分析的模式和方法相對復雜。因而構建銀行大數據分析平臺是一項從無到有、富有挑戰且意義深遠的工作。對銀行的創新能力,精細化、專業化經營管理以及高效決策支持都具有重大意義。
? ? 現階段,已被業界廣泛使用的開源的海量數據處理系統(Hive)使得很多公司能夠從零開始快速搭建大數據系統,為銀行構建大數據處理平臺提供了實驗性平臺保障。
? ?? (2)培養銀行業的大數據分析人才
? ? 信息化時代,數據作為一種無處不在的礦藏需要挖掘。大數據的分析與傳統數據分析有很大區別,銀行現有的管理支持類數據分析主要基于報表數據及部分數據模型,很難勾勒出銀行經營的全景視圖。而大數據的進入,使得銀行的數據種類和數據規模快速膨脹。目前對于大數據的分析可能有兩種方式:一種是基于假設的模 型,關注那些我們認為高價值數據,關注相關領域的數據,關注能夠提升效率的數據;一種是機器學習的模型,對大數據而言,它能夠不斷的增加變量,在分析過程中自動調節模型的完備性,以便做出更好的決策。這就需要分析人員具有更高的素質,不僅要有較高的業務理解力,而且要有很強的數據建模、數據挖掘的技術能 力。利用大數據平臺和大數據分析可以將零散的市場數據、用戶數據等迅速高效地轉化成決策支持數據,有助于銀行機構把握市場環境變化,快速靈活做出反映,提升銀行核心競爭力。
? ? 大數據技術的發展帶來企業經營決策模式的轉變,驅動著行業變革,衍生出新的商機和發展契機。駕馭大數據的能力已被證實為領軍企業的核心競爭力,這種能力能夠幫助企業打破數據邊界,繪制企業運營全景視圖,做出最優的商業決策和發展戰略。金融行業在大數據浪潮中,要以大數據平臺建設為基礎,夯實大數據的收集、 存儲、處理能力;重點推進大數據人才的梯隊建設,打造專業、高效、靈活的大數據分析團隊。不斷提升企業智商,挖掘海量數據的商業價值,從而在數據新浪潮的變革中拔得頭籌,贏得先機。
總結
以上是生活随笔為你收集整理的大数据在银行业的应用场景的全部內容,希望文章能夠幫你解決所遇到的問題。
- 上一篇: mybatis整合redis
- 下一篇: Tomcat中的线程池(APR和Thre