大数据：银行业的机遇与挑战_金融大数据

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+教据的分析能力＝企业智商”。这关乎商塑决策的迅速和准确，关乎企业的生存和发展。

四、大数据背景下银行业的发展及面临的挑战

  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一一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一。

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。

（文章来源：中国金融电脑）

首页上一页 1 2 3