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
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 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 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21