京公网安备 11010802034615号
经营许可证编号:京B2-20210330
建行掘金大数据_数据分析师
互联网时代,银行更需要转变观念模式。如何运用大数据深度挖掘,并从中找到高附加值产品,这些问题将成为王毅今年的新思考。
在过去的数十年中,王毅几乎见证了国内银行系统内个人信贷海量数据库的形成。
作为中国建设银行住房金融与个人信贷部的主要负责人,这位资深的零售金融行家在接受《中国房地产金融》专访时认为,几乎所有的国有大型银行都拥有一个数量可观的数据金矿,当一系列依托“互联网+”而生的金融产品不断冲击传统银行业务的同时,大型国有银行更应该深度挖掘这座丰厚的金矿。
而建设银行近期推出的“建行快贷”产品,便是掘金大数据这一金矿的首个互联网金融“金品”。
真正网上贷款
北京,金融街中国建设银行总部大厦高层内,一间安静的办公室内,八十年代特有的深色调宽大的办公桌靠窗摆放,近门靠墙处则立着一个一人多高的书橱,里面摆满了各类金融专业书籍。
就在这间办公室内,王毅,及其带领的团队实现了国内金融系统中首个真正意义上的个人网上全程自助贷款产品——建行“快贷”。
“这是一个典型的大数据应用!”言及互联网大数据应用话题,王毅的情绪显然有点高涨。
去年年底,建行推出了国内首个真正基于大数据分析的个人互联网快速贷款产品——建行快速贷款,简称“建行快贷”,旗下包括“快e贷”、“融e贷”、“质押贷”三款产品。对于这一产品的诞生,王毅显得颇为自豪。因为无论是产品的设计理念还是实际运作效果,建行快贷都已经大大赶超同行。
据了解,个人客户只需在建设银行开过户,或者开户一段时间,并在建设银行有一定消费、资金交易的情况下,个人用户一旦登录网络银行申请快贷的话,短短十秒之内便能迅速获得一笔为其量身而定的个人信用贷款。
一位工作人员现场为我们进行了“快e贷”产品的申请演示,简洁流畅的网页设计、通俗易懂的文字格式,仅短短数十秒之后,一个5位数的贷款金额数字便跃然显现于网页的中央位置。这也意味着,该笔数万元的信用贷款已申请成功。
王毅告诉我们,建行“快贷”是国内金融系统首个真正意义上的个人网上全程自助贷款。快贷产品堪称与互联网的完美结合,不但可以让客户足不出户、轻松点击,并且还能在几分钟之内在网上自助式的完成在线申请、实时审批、在线签约以及灵活使用、随借随还等贷款的全流程。
短短10秒之内,便能将大众印象中繁琐、复杂的流程全部省略,在其背后则是大数据给予的强大后台支持系统。一旦客户在建设银行有过消费、交易、资金存贷等行为,只要客户一登录快贷,后台系统便会自动迅速为客户进行一系列数据分析,并迅速为贷款申请者评估出一个适合的贷款额度。
毫无疑问,这是一个典型的大数据应用,同时也是迄今为止国内第一个真正意义上的网络快速贷款产品,且是完全意义上的信用贷款。“完全网络操作,而信用贷款的额度则根据你的信用状况和交易情况而定,这就是典型的运用大数据的案例。”王毅透露,除了网页版快贷产品之外,如无意外预计今年6、7月份相关手机终端版的app应用也将陆续上市。
传统银行的颠覆
作为一家大型国有银行,民众的普遍印象或许便是“传统”、“保守”等标签。对于一家拥有悠久历史的传统国有银行,建设银行为何会设计出如此创新的颠覆式产品?这或许是让很多人困惑不解的地方。
王毅认为,这些基于大数据运用的产品,其诞生虽然有着大环境的发展推动,但从建设银行本身而言,也有着内在的推动力。
众所知周,建设银行的个人住房按揭贷款业务一直居于业内领先地位。但其消费贷款业务则一直没有太大的提升,跟其他大型商业银行相比,建行消费贷款的余额最少。“但是余额最少,不代表我们做不了这一块的业务。”王毅认为,短板业务的存在,很大程度上源于银行经营观念的问题。
按照以前的传统运作模式,银行的消费贷款大多依靠散布在全国各地的银行网点来操作。“像汽车贷款业务,就在全国大量的个贷中心,撒渔网一样撒出去,依靠电话、人海战术进行销售。”这类传统模式往往消耗巨大,却远远不足以支撑其消费贷款业务的发展。在他看来,以前传统的消费贷款模式已经远远过时,且根本不适应现在的环境。
沉浸建行零售金融业务数十年之久,王毅显然熟知这一系统中的各个环节流程。“大家都知道银行需要转变观念,说起来容易,但做起来却并非易事。”说着,王毅便跟我们说起快贷产品在设计之初发生的一个小插曲。
针对各大银行的个人消费贷款产品,银监会有规定,申请该类信贷业务必须要求客户本人亲自前往银行,与银行工作人员直接面对面的交涉,才能完成一系列审核、批准、通过流程,业内俗称“面见面签”。互联网金融产品的设计既要满足监管要求,又要体现互联网的特点,这是产品设计的一大难点。
“当时设计快贷产品的时候,我就问他们:面见面签的目的是什么?其实无非就是要确定客户信息与本人的真实程度。但要知道的是,申请快贷的客户往往都已经是建设银行的网络银行客户了,如果我们在产品上还要硬性地增设这样的规定,那就显得太僵化了。”
王毅自己也感叹道,某些时候,传统银行看似只进行了一项小小的突破,但背后应对的则是整个体制、机制的压力。“很多人都把银行比喻成两艘船,大银行是万吨巨轮,小银行更像是小舢板。万吨巨轮掉头起来更费劲儿,但是小银行就非常灵活。当然,从抗风浪的角度来看,小舢板的抗风浪能力可能会不如万吨巨轮。”
掘金大数据
随着互联网的发展,近年来,国内涌现出诸多“互联网+大数据”的所谓创新型金融产品。在王毅看来,一说大数据,很多人的第一感觉或许会觉得这是一个极为高深的词,因为围绕“大数据”出现了五花八门的关联产品,而且很多是人们前所未见的创新产品。对于大数据的解读,各行各业均有各自的不同理解。
但几乎所有人都知道,大数据就是一个海量大金矿。按照业内不少专业人士的观点来看,大数据的意义不在于掌握的数据信息,而在于对这些含有意义的数据进行专业化的处理。换言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的增值。
王毅笑着说,从历史来看,银行是大数据最齐全的机构。这也意味着,银行在大数据领域的探索有着极大的空间。“银行几乎熟知个人或者机构的所有经营情况,简单的说,比如个人消费习惯,其中包括在哪里消费,消费的喜好等。”
”
“明明我们就守着一座金矿,却还要靠人海战术到处销售,这就有点舍近求远的意味。”王毅认为,互联网时代,银行更需要转变观念模式。作为一家大型国有银行,如何运用大数据深度挖掘,并从中找到高附加值产品,这些或将成为王毅2015年的新思考。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据可视化领域,树状图(Tree Diagram)是呈现层级结构数据的核心工具——无论是电商商品分类、企业组织架构,还是数据挖掘中 ...
2025-11-17核心结论:“分析前一天浏览与第二天下单的概率提升”属于数据挖掘中的关联规则挖掘(含序列模式挖掘) 技术——它聚焦“时间序 ...
2025-11-17在数据驱动成为企业核心竞争力的今天,很多企业陷入“数据多但用不好”的困境:营销部门要做用户转化分析却拿不到精准数据,运营 ...
2025-11-17在使用Excel透视表进行数据汇总分析时,我们常遇到“需通过两个字段相乘得到关键指标”的场景——比如“单价×数量=金额”“销量 ...
2025-11-14在测试环境搭建、数据验证等场景中,经常需要将UAT(用户验收测试)环境的表数据同步到SIT(系统集成测试)环境,且两者表结构完 ...
2025-11-14在数据驱动的企业中,常有这样的困境:分析师提交的“万字数据报告”被束之高阁,而一张简洁的“复购率趋势图+核心策略标注”却 ...
2025-11-14在实证研究中,层次回归分析是探究“不同变量组对因变量的增量解释力”的核心方法——通过分步骤引入自变量(如先引入人口统计学 ...
2025-11-13在实时数据分析、实时业务监控等场景中,“数据新鲜度”直接决定业务价值——当电商平台需要实时统计秒杀订单量、金融系统需要实 ...
2025-11-13在数据量爆炸式增长的今天,企业对数据分析的需求已从“有没有”升级为“好不好”——不少团队陷入“数据堆砌却无洞察”“分析结 ...
2025-11-13在主成分分析(PCA)、因子分析等降维方法中,“成分得分系数矩阵” 与 “载荷矩阵” 是两个高频出现但极易混淆的核心矩阵 —— ...
2025-11-12大数据早已不是单纯的技术概念,而是渗透各行业的核心生产力。但同样是拥抱大数据,零售企业的推荐系统、制造企业的设备维护、金 ...
2025-11-12在数据驱动的时代,“数据分析” 已成为企业决策的核心支撑,但很多人对其认知仍停留在 “用 Excel 做报表”“写 SQL 查数据” ...
2025-11-12金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07