京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据能帮助民营银行做什么
半年前,SAS(赛仕软件)北亚区整合营销管理业务咨询高级总监许慧章才从新加坡回到中国。走访国内一些银行后,她对国内围绕互联网金融及大数据给传统金融业所带来的变革以及创新思维的讨论感到惊讶。
SAS是全球最知名的商业分析软件与服务商之一,它在中国的客户覆盖了金融、电信、制造零售以及政府部门。具体来说,除去传统银行和保险机构之外,连沪深交易所、中国海关和香港统计处等都在使用SAS提供的软件和服务。
在中国,它们的客户群有望进一步扩大,譬如民营银行之一、由均瑶集团作为主要发起股东的华瑞银行。
国内第一批民营银行几乎都将自身的业务锁定在小微企业和个人群体上。在它们之前,已经有P2P公司和各类互联网金融机构打着大数据的概念各显神通。的确,互联网、尤其是移动互联网的发展大大拓展了外界机构所能获得的用户数据的数量和形式。但国内的法律与信用环境发展未臻完善,很多消费者是通过提供虚假和片面的信息来“保护”自己的隐私,当然也有人群是恶意欺骗。
“与线上数据相比,其实银行手中掌握的信息才是更全面和准确的。”许慧章告诉《中国企业家》。因为银行出于监管,法律与保护客户利益的需要,保存客户大量的交易流水,并通过客户对本行持有产品的使用,信贷情况,投资理财表现对客户有较好,多方位的了解。另一个能够掌握真实流水数据的新兴企业是电商,如阿里集团,淘宝平台多年累积的数据和经验,让他们能够掌握从商户到用户整个交易过程的有效且持续的数据信息。其它单纯的依靠互联网信息去构建一个比较完整的、作为机构判断和决策的公司显然要冒非常大的风险,这也是为什么P2P公司既不能有效解决融资成本,又不断曝出违规和跑路事件的原因。
事实上,大数据在国内的发展其实只是处在初始阶段,以前不可搜集的信息变成“可搜集”、且搜集的成本大大降低的阶段,还不能做到完善而真实、甚至能够作为一套可供独立分析数据模型的程度。所以,必须要去寻找第三方、第四方数据去进行补充和匹配,才能够进一步判断这些大数据的准确性。
SAS和其它公司都在寻求这方面技术的突破。语音信息成为SAS在技术上的一个突破点。他们将客户打进来的通话记录转变成结构性或是非结构性数据,再配以情感分析等,既缩短了问题的侦测时间,又节约了售后成本。SAS曾将这方面的应用提供给联想集团,“原来质量问题已经不再仅仅是PC机能否正常工作这样的范畴,它还包括客户如何清楚了解如何使用产品、能够快速获得公司的帮助、外部软件如何与联想的硬件兼容等等方面。”许慧章告诉本刊,“这意味着对质量这一概念的重新定义。”
现在,这一技术也有可能用于民营银行上。民营银行从资金规模和人员数量等方面来看,走的都是轻资产路线。”许慧章告诉本刊。这意味着它们不会铺设太多的网点,业务也会更集中在线上。而且,与背靠互联网巨头的网商银行和微众银行相比,一些民营银行在渠道方面是处于相对弱势的地位的。所以,它更需要能够提供精准分析进行业务定位的工具和服务。因此,研究如何把客户打进来的咨询和投诉电话转变成有效数据,再配以其它分析手段,就将能够更好的帮助它们进行业务和服务定位。
大数据的整合与打通是未来的一个重要趋势。在业务上,民营银行会更多的依靠中间业务和产品创新,赚取手续和服务费用将成为其主要盈利模式。这会使得线上交易频次更高、业务种类更丰富,不同业务乃至机构之间的交叉也会更多。综合来看,各机构手中客户数量会迅速不断扩大,单纯依靠员工进行维护、管理和营销,其运营成本对于企业来说已经产生非常大的压力。出于价值创新,精准营销和降低成本的考量,更多的机构除去需要以数据分析为核心、以客户为中心的经营理念,还希望能够打通线上和线下,以及实现不同业务之间交叉销售的商用解决方案。“譬如酒店业可以依托自己手中的线上和线下数据向旅游业延伸,或与商户,航空公司展开合作。”许慧章说。但这还只是战术性的——许认为,金融集团取得银行、保险、信托、券商等全牌照是大势所趋,企业应该从中制定战略性的发展策略。以客户需求为中心,全面提升企业的核心竞争优势。
一个案例来自于平安集团。几个月前,平安宣布将直通贷款业务、陆金所辖下的P2P小额信用贷款, 以及平安信用保证保险事业部整合在一起,有机结合线上和线下的已有能力及开拓新契机,实现优势互补,利用大数据和数据分析为用户提供更安全和贴心的一站式服务。SAS为其提供相关服务,利用大数据来帮助平安实现业务上的整合直通。
当然,对于民营银行,在积极开拓业务,吸收新客源的同时,最关键、最不可缺少的考量就是风控和反欺诈管理。许慧章认为,由于目前中国机构监管和征信体系建设都有待完善,特别是互联网金融,对客户资金安全管理有许多“短板“,具系统性风险,因此从规模和模式上民营银行要增加抗风险的能力,不仅要依托互联网和大数据技术,还有通过其他信息、如线下相关的征信信息互补予以加强。所以,必须严格把好风控和反欺诈两关。但这已经不止是简单的技术问题,还需要监管法律和安全管理等方面齐头并进。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06