京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据行业服务商 挖掘金矿里的金矿
比金融更懂金融,比电信更懂电信,比交通更懂交通——比行业用户更懂行业的,莫过于为他们长年提供IT解决方案、技术及业务应用支撑的专业服务商了。
多数金融IT企业认为,大数据时代,中国金融市场将大有可为。作为专业服务商,他们完全可跳出既有业务模式,在行业专业领域走得更远。在大数据潮流下,利用在传统金融系统的行业经验,结合现有的新技术,打造一个全新的生意链。
新业务孵化中
利率市场化后我们可做的,有很大的想象空间,将不仅仅局限于我们既有的传统业务。
国内银行储蓄中,仅个人活期存款就有40万亿。资金闲置是不利于经济的发展的。如果将这些资金利用起来,比如作为创业融资理财,通过金融手段和技术,则可以打开一个潜在的崭新市场。与欧美同行相比,中国银行业的强势,主要依赖于国家政策;他们本身的业务能力差强人意。正因如此,深谙金融的IT企业,将大有所为。
有着20多年海外企业高管经验的程励箭,且曾为亚马逊做过战略咨询,并对花旗银行、汇丰银行、美林证券等金融机构的运作,有着深刻了解。他认为,中国的金融IT企业,其实在市场上远没有充分实现自身的价值。
而大数据分析要解决的是行业数据的准确性和时效性。“我们目前正在尝式通过自己的模型作尝试。基于大数据,我不主张去做主动营销和推送,创新服务应该去迎接客户的来访,再提供贴心的服务。”程励箭说。程励箭表示,具体情况目前还是保密阶段。他说:“我们有领先的技术,有深厚的行业经验,通过技术数据手段将海量的数据筛选出来,从营销信用风险角度,与一些金融机构来合作。”“我更关注的是技术与业务的结合与创新;我们不主张为了技术而技术,而是利用我们20年的行业经验,来推动业务模式的变革,进行项目孵化。我除了核心业务的研发外,还有对新兴业务的开拓,手中有五六个项目在运作,我们鼓励技术人员做新兴业务项目,且不对项目作干预。”程励箭说。
行业趋向
“水载舟亦可覆舟”的道理,行业服务商的理解更深。的确,面对有资金实力,但对新技术持保守观念的金融用户,他们正在利用其行业经验及技术优势,在大数据下引导用户变革其业务模式。
未来激烈的竞争能力将使得每个行业都会采用大数据,目前更多的还只从IT角度去探索,如何真正让数据对业务产生价值;最终,业务将引领整个大数据的发展。在目前的银行业务拓展和IT系统建设过程中,对于大数据相关技术和应用也有很多探索,但具体落地的还相对较少。目前,银行还是尝试性地采用大数据技术。验别假钞的技术创新其是即一。大数据下,采用的新技术,通过所构建数据识别规则的侦选库,以高效率精确的比对技术,及时地准确地验证出假钞。这是大数据在银行非核心业务应用的典型。银行的核心在业务而非IT。在基础架构建设稳定而完善之后,从客户层面打通各个原本相对孤立的业务系统,对诸如白金等不同级别客户资料进行数据汇总,并在CRM系统得出诸如房贷信贷业务对其进行快速精确得出分析反馈结果等,从营销角度为客户提供高质量的服务。这是银行大数据的主要需求,也是银行业间竞争的核心。实际上,银行的“大数据”思维在逐步形成。在程励箭所接触到的金融行业多数用户开始关注大数据,并在尝试中。大型银行已然在尝试利用开源技术做IT系统的升级改造;并积极尝试利用传统结构化数据到非结构化数据,实现服务的创新。
随着利率市场化步伐的加快,金融行业对大数据技术的需求显得急迫又保定。显然,通过数据分析模型准确判断出诸如信用风险、操作风险、市场风险等,一点点风险的降低,对银行而言则是一笔不小的利润。
最近三年,保险行业热衷于做电子商务。一般的模式是建网站,由保险公司的高管带队组成电子商务专家团队;然后销售保险。但他们也开始有意识寻找行业解决方案商,采用数据挖掘的方法建模,以实现有针对性地为自己的客户提供服务。
搭载互联网
银行不可能脱离主业做数据平台服务提供。无论互联网技术及业务如何风起云涌,其商业模式如何翻天覆地,但中国最赚的,不可否认还是金融行业。借助于互联网企业的技术来实现大数据价值,这才是他们的主要目的。传统银行的大客户主要是大型工矿国企,其业务主要部分是对公业务。支付宝的确对银行业务有一定冲击。但也只是一种趋势上的冲击,目前对其利润尚不构成很大影响。支付宝的最终目的不是给老百姓提供货款,构建一个信用体系,将其平台推向目标客户。一旦这个信用平台达到一定规模,最终与银行形成合作。
虽然用户量很大,零售业务对银行的贡献较小。银行彼此间竞争也相当激烈。所以,银行零售这块也并不会放弃。由于面对数量庞大的中小企业,银行对这类客户进行“征信”投入大且得不偿失,赢利不理想。一旦第三方支付平台介入进来,针对中小企业用户群体构建了完善的信用体系,银行就可与之合作,这样可加快其服务体系建设,低成本运作提升服务质量……
“主要是因为客户以前的数据仓库内部系统运营太慢。我们所服务的一类银行开始尝试利用互联网开源技术。相比过去对互联网开源技术瞧不起,这是一个挺大的变大。主要是客户越来越意识到通过大数据分析把原来想像不到的诸如反欺诈反洗钱等手段可以充分利用起来。”程励箭说。利用大数据,首先要可解决在线交易支付的时效性问题。在通过分析过滤几秒钟内可对交易中的用户行动作出准确判断,对非法交易行为快速作出预警。在过去,多通过手工处理,通
过对大量相关联的相关数量进行查询并调查往往需要花是两天或者更长时间,等结果出来非法交易已完成……无论如何,虽然,第三方支付将给银行带来冲击;互联网、移动互联、物联网等,重新塑造了电信、传媒、零售等传统行业,也直接推动了银行业的深刻变革。但银行体系仍然拥有互联网金融模式难以企及的优势。由此,新一代互联网银行模式浮出水面。
投入前期
行业大数据的需求,要的是既懂技术又深谙行业者。深耕行业多年的解决方案及服务提供商,已是行业大数据实际落定的主要载体。作为大数据解决方案商,虽然先进数据已有部分案例,但是自战略投入以来,从公司营收角度,并没有太大回报。从大数据方案商角度来看,大数据作为一个完整的体系统架构,是需要时间来准备和预热的。在这个领域有很多优秀公司,每个方案商都有自己的特点,关键在于为客户提供什么价值;先进数通虽然具备IBM在数据库、数据整合产品、BigInsights平台、Cognos展现和数据挖掘等整个产品线端到端的支撑能力,但是能否最终胜出,还有待努力。
先进数据在数据分析、用商业智能提高银行客户服务和运营优化等方面已有10多年经历。从2004年开始全面进入数据仓库和商业智慧业务领域,到今天已承担包括国有银行、全国股份制商业银行、农村金融机构和城市商业商行等在内,20多家银行的数据仓库、ODS及商业智能系统项目的建设。其数据解决方案自2004年到现在也经历了三个阶段。第一阶段是数据整合阶佰。实现数据信息的集中管理和共享。第二个阶段是数据利用阶段。通过对数据分析,对银行的运营管理及客户服务风险管理及合规性等方面提供支持。第三个阶段即由集中于报表的简单分析进入到数据挖掘及挖掘索阶段。由对银行内部数据的分析,开始引入对客户行为、习惯的分析,由此引入互联网数据阶段。
开放空间争上游
对行业深刻的理解,尤其是对行业客户本地特征的把握,这些经验对金融IT服务商的大数据产业经营思路起着主要推动作用。银行部署大数据平台,主要限于技术架构层面。多都大数据平台作为一种数据库增强手段,用其管理历史数据及提供对历史阶段数据的查询支持。在部署过程中,Hadoop是一个分布式计算的架构,它在数据管理和使用方面存在一些问题,需要从解决方案的层面去解决。一个完整的大数据平台不仅仅是Hadoop,单用Hadoop难以搞定太多需求。它用Hadoop集合很多传统的关系数据库以及其它技术综合起来的完整解决方案,才能实现客户对数据管理和使用的需要。
借大数据实现竞争突围,在营销模式及手段上不断创新,满足银行客户的个性化需求;在数据分析方面,基于客户交易系统数据来分析客户特征,对其行为进行定位,使营销对精准购物及基金达人精准锁定等。这些是银行应用系统建设的方向。程励箭说,有别于以前主要关注交易数据,为银行客户,他们做的是跨界比如银行外围的行为数据(互联网数据)进行综合分析。站在产业链上端,这是所有国内金融IT企业的理想。贴近用户需求,与客户一起成长,经历多年沉淀,一直持守并明晰其主营业务等等因素,使得金融IT企业在大数据时代的胜算更高。
大数据为国内IT企业勾勒了一个良好的成长蓝图。无疑现在是一个开放的环境,国内IT企业如果找到好的切入点,就一定能获得成功。所以,在技术创新以外,商业运作能否成功,如何构建良好的商业信用机制,才是国内IT企业能否胜出的关键。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据分析实战中,我们经常会遇到“多指标冗余”的问题——比如分析企业经营状况时,需同时关注营收、利润、负债率、周转率等十 ...
2026-02-04在数据分析场景中,基准比是衡量指标表现、评估业务成效、对比个体/群体差异的核心工具,广泛应用于绩效评估、业务监控、竞品对 ...
2026-02-04业务数据分析是企业日常运营的核心支撑,其核心价值在于将零散的业务数据转化为可落地的业务洞察,破解运营痛点、优化业务流程、 ...
2026-02-04在信贷业务中,违约率是衡量信贷资产质量、把控信用风险、制定风控策略的核心指标,其统计分布特征直接决定了风险定价的合理性、 ...
2026-02-03在数字化业务迭代中,AB测试已成为验证产品优化、策略调整、运营活动效果的核心工具。但多数业务场景中,单纯的“AB组差异对比” ...
2026-02-03企业战略决策的科学性,决定了其长远发展的格局与竞争力。战略分析方法作为一套系统化、专业化的思维工具,为企业研判行业趋势、 ...
2026-02-03在统计调查与数据分析中,抽样方法分为简单随机抽样与复杂抽样两大类。简单随机抽样因样本均匀、计算简便,是基础的抽样方式,但 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02在数据驱动企业发展的今天,“数据分析”已成为企业经营决策的核心支撑,但实践中,战略数据分析与业务数据分析两个概念常被混淆 ...
2026-02-02B+树作为数据库索引的核心数据结构,其高效的查询、插入、删除性能,离不开节点间指针的合理设计。在日常学习和数据库开发中,很 ...
2026-01-30在数据库开发中,UUID(通用唯一识别码)是生成唯一主键、唯一标识的常用方式,其标准格式包含4个短横线(如550e8400-e29b-41d4- ...
2026-01-30商业数据分析的价值落地,离不开标准化、系统化的总体流程作为支撑;而CDA(Certified Data Analyst)数据分析师,作为经过系统 ...
2026-01-30在数据分析、质量控制、科研实验等场景中,数据波动性(离散程度)的精准衡量是判断数据可靠性、稳定性的核心环节。标准差(Stan ...
2026-01-29在数据分析、质量检测、科研实验等领域,判断数据间是否存在本质差异是核心需求,而t检验、F检验是实现这一目标的经典统计方法。 ...
2026-01-29统计制图(数据可视化)是数据分析的核心呈现载体,它将抽象的数据转化为直观的图表、图形,让数据规律、业务差异与潜在问题一目 ...
2026-01-29箱线图(Box Plot)作为数据分布可视化的核心工具,能清晰呈现数据的中位数、四分位数、异常值等关键统计特征,广泛应用于数据分 ...
2026-01-28在回归分析、机器学习建模等数据分析场景中,多重共线性是高频数据问题——当多个自变量间存在较强的线性关联时,会导致模型系数 ...
2026-01-28数据分析的价值落地,离不开科学方法的支撑。六种核心分析方法——描述性分析、诊断性分析、预测性分析、规范性分析、对比分析、 ...
2026-01-28在机器学习与数据分析领域,特征是连接数据与模型的核心载体,而特征重要性分析则是挖掘数据价值、优化模型性能、赋能业务决策的 ...
2026-01-27关联分析是数据挖掘领域中挖掘数据间潜在关联关系的经典方法,广泛应用于零售购物篮分析、电商推荐、用户行为路径挖掘等场景。而 ...
2026-01-27