京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”推动银行业务创新
大数据运用在提升效率、降低成本、加强风控、创造价值等方面,对银行业务发展的贡献度正日益显现。近年来,越来越多的以大数据为核心的应用创新业务不断推出,在为客户提供更优质金融服务的同时,也使得银行运转得更为高效和顺畅。
大数据时代的到来,正在深刻地影响着社会经济生活的方方面面。面对大数据给金融竞争格局和商业经营模式带来的巨大影响,商业银行纷纷以互联网金融思维和大数据理念,推动金融产品和服务创新。而在这一轮基于互联网和大数据的创新热潮中,如何深入到数据价值链核心,从中发掘和创造价值,助力各项业务发展,是目前商业银行在实践应用中的关键所在。
记者近日在对光大银行的采访中了解到,大数据运用在提升效率、降低成本、加强风控、创造价值等方面,对银行业务发展的贡献度正日益显现。近年来,越来越多的以大数据为核心的应用创新业务不断推出,在为客户提供更优质金融服务的同时,也使得银行运转得更为高效和顺畅。
2012年年中,光大银行面向全行财富客户和私人银行客户推出了其自主研发的阳光理财·资产配置平台(AAP)。截至今年3月25日,AAP平台直接和间接促成的理财产品、代销基金、代销保险和其他产品的销售总额达到84.28亿元,其中通过AAP平台直接促成的销售额为28.73亿元,基于AAP平台生成的财富管理报告书达成的销售额为30.81亿元,预估通过门户网站达成的销售额为24.75亿元。
两年84.28亿元的销售额,对于零售金融服务的支持平台而言可谓战绩显赫。光大银行AAP平台的研发思路和服务理念,被认为是对大数据思维的一次成功运用,并由此开创了国内银行零售金融服务支持系统的先河。
“基于AAP平台,我们不仅实现了零售业务的交叉销售,最重要地是能够具体分析客户需求,进而为他们提供一站式的综合金融服务。”光大银行零售业务部负责人对记者表示:“AAP平台的推出,实际上帮助我们在转型路上迈进了一大步”。
在记者看来,银行理财业务转型的重要标志之一是从“卖产品”到“做服务”。2008年以后,国内银行理财业务发展迅猛,理财产品日益丰富,但与此同时也面临日趋严重的同质化问题。在国内银行理财市场打拼十年且一直走在同行前列的光大银行,开始转变思路、调整战略,希望从单纯地销售产品转向为客户提供个性化综合金融服务,将阳光理财塑造为“中长期机构投资者”的专业形象。而在这一重要转型过程中,以数据为支撑的AAP平台无疑起到了关键作用。
通常在银行内部,零售金融产品分部门或处室进行管理,多年积累下来的客户数据无法整合形成联动效应;且传统的客服系统仅具有客户数据管理功能,无法对数据进行分析。产品端和客户端的“束缚”使得各家银行局限于产品与客户的一对一销售,这样既无法通过交叉销售提升零售业务的规模效益,更无法满足客户多元化的理财需求。面对这一难题,光大银行决定用大数据理念打破“僵局”。据了解,AAP平台通过对海量、真实的客户信息进行分析,形成15类客户投资偏好;然后在产品端进行跨部门整合,创建了以客户需求为分类导向的产品库,再辅之以客户经理的微调建议,形成了基于客户个性化投资偏好的金融资产最优配置比例建议。目前,AAP平台不仅能够根据客户需求提供合理、个性化的资产配置建议,还能够对客户的持仓资产进行持续跟踪,根据宏观市场环境变化动态调整资产配置方案。光大银行零售业务负责人透露,随着客户投资理念的成熟,未来AAP平台将进一步向客户开放多个端口,包括手机端、iPad端应用等。另据了解,预计到年底,通过AAP平台达成的理财销售额将达到350亿元左右。
理财业务只是银行“大数据”应用的典型案例之一。在光大银行信息科技部总经理杨兵兵眼中,人本身就是一台可以综合运用大数据的“精密仪器”,而当今对于大数据的利用只不过才还原人脑50%的水平。随着对大数据综合运用能力不断提高,未来银行作为一台“精密仪器”也会变得越来越聪明。
他告诉记者,通过对客户数据的发掘和利用,可以发现业务需求、深度服务客户。如该行利用大数据社交媒体技术进行数据分析制作出的“云图”,为业务部门新拓展供应链或拓宽现有供应链网络,主动发现有价值客户提供了全面、准确的数据,同时也为银行根据客户特点订制个性化服务提供了依据。
据不完全统计,光大银行信息科技部门数据服务人员全年须完成人均近1000项业务部门提出的数据服务需求。面对海量业务需求,他们创新性地提出开放式数据服务社区理念,并建设成服务平台,利用“中文语义智能分析”技术,使得数据服务资源共享、知识共享成为可能。此举还曾荣获由中国人民银行颁发的科技发展二等奖,是大数据技术驱动优质服务的最佳实践。此外,通过在总、分行之间进行数据分析与服务的互动、培训,将数据运用能力有效传导至分行,两年内推动实现近350项数据分析业务营销活动,激发了分行业务发展活力。
2013年,光大银行还基于大数据Hadoop技术构建起核心历史数据查询平台,为客户提供联机历史数据查询应用功能,使以往需要3~4天的查询时长缩减到当日即可完成,从而大大提升了运营效率。据介绍,由于该平台采用开放式的大数据应用架构,在软、硬件科技成本投入上较传统技术架构应用节省近80%的费用,大幅降低了投入成本。这也是国内将Hadoop运用于银行在线运营业务的首个成功案例。
大数据时代,对大数据和互联网技术的应用能力,将成为激发商业银行创新的又一驱动力,在助力业务快速发展的同时,也将提升商业银行自身竞争力。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 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 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25 很多数据分析师能熟练地写SQL、做透视表、算描述性统计,但当被问到“如何预测用户流失概率”“如何归因销量下滑的关键因素 ...
2026-08-25平均数是数据分析、数理统计与日常运算中最基础、最常用的统计量,核心作用是浓缩一组数据的整体水平、刻画数据集中趋势。在众多 ...
2026-08-24在MySQL数据库中,InnoDB存储引擎作为主流事务型引擎,默认事务隔离级别为可重复读(Repeatable Read,RR),这与SQL Server、Or ...
2026-08-24 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-08-24 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 ...
2026-08-21在数据分析与数据可视化工作中,直方图是展示数据分布特征、离散程度、集中区间的核心图表,能够直观呈现数值数据的频次分布规律 ...
2026-08-20在数据分析领域有一句核心准则:垃圾数据进,垃圾数据出。数据清洗是数据分析、数据建模、数据可视化之前的必经前置工序,也是保 ...
2026-08-20 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 ...
2026-08-20在Python数据分析与数据清洗工作中,Pandas是最核心的数据处理库,DataFrame是结构化数据的标准存储格式。在实时数据采集、循环 ...
2026-08-19