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
在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07