京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据下的银行是“不作不死
随着新技术的不断引入,银行业新的想象空间也在不断打开。大数据,无疑是去年以来最受热议的技术之一,它与互联网的深度融合,甚至能够让徘徊在银行门口之外的资本有了颠覆传统的豪气。
但有意思的现象是,相对保守的银行却一直甚少表露自己的真实想法。这个领域内对此说得最多的,反而不是做银行的。
有分析人士认为,大数据不可能颠覆现有的零售银行的格局。理由很简单,大数据之所以令新的互联网银行模式兴起,是因为它提升了一个群体的商业价值--以往不被重视的客户。
用长尾理论来解释,这些客户为数众多,但价值贡献却很小。新技术降低了这些客户的开发成本,但也仅此而已,因为最具价值的客户群体依然被银行牢牢掌握。
评论人士认为,银行是“不作不死”,即便市场策略最差的银行也只是没特点,要被新技术彻底颠覆很难,更遑论一百年以来银行的产品已经没有大的创新,所有的改革都在流程和服务方面。
随着银行业务的载体与社交媒体、电子商务的融合越来越紧密,仅对原有15%的结构化数据进行分析已经不能满足发展的需求。北京银行一位高管坦言,大数据应用可能对银行的一些观念和经营模式产生颠覆。
清华大学五道口金融学院一位专业人士表示,互联网时代海量的数据和分析工具,催生出很多新的金融业态,切入传统银行的禁地,“他们比传统银行有更强的数据收集和分析能力”.
梦想很远,现实却很紧迫。“中国国内银行还处在搭建推广手机银行、网上银行阶段,”相对于大数据已经慢了一拍。
银行业对大数据的挖掘创新似乎并不如互联网企业那么热衷,这其中既有传统行业理念的保守,也有制度上的掣肘。
“银行进行大数据挖掘,必然牵扯多方面,譬如观念转变、制度建设、流程优化、系统开发以及人才储备,等等。”一位股份制银行的信息管理人士说。
变革的开始往往是以测量手段的革命为前奏,为应对大数据挑战,银行应根据业务目的和特点在相应领域配置感知装置。
大数据时代是分析时代。以往中国的银行业过于强调资源的整合,在政企界限模糊、金融资源高度垄断的时代这种模式能够成功。
但时代在改变,随着金融市场化改革的进行,银行不再拥有独一无二的资源,它们整合什么?又如何敢说自己的整合力比竞争对手更强呢?
大数据分析的实质就是将客户放到更大的社会背景下加以曝光,准确定位环境中客户所处的位置符合怎样一种商业模式;到现在为止没有任何技术能超越人(对银行来说就是客户经理)更能对活生生的客户加以把握分析。
客户经理是最好的社会感知装置,同时又肩负将银行预定的熟悉的关系模式导入到现实社会网络,扩大关系的重任,这种独特的非技术感知装置是银行最大的优势。
以科技引领业务发展,未来银行也同样需要借助由大数据构建的企业经营全景视图来进行风险管理、产品营销、业务创新等活动,进而寻找最优的模式支持商业决策。
银行从业者应尽量客观地描述复杂的世界。我们不确定大数据是否一定能主宰未来,但是它描述客观世界的理念正是我们所探寻的有效提高银行业务水平之道。
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