京公网安备 11010802034615号
经营许可证编号:京B2-20210330
“大数据”大数据”催生新型电子银行_数据分析师
大数据,是近几年流行于各行各业的一个词,它指的是需要新处理模式才能具有更强的决策力、洞察力和流程优化能力的海量、高增长率和多样化的信息资产。它不仅是指掌握庞大的数据信息,其内涵更在于对这些含有意义的数据进行专业化处理。那么,对“含有意义的数据进行专业化处理”对电子银行的发展能产生什么样的影响,对千千万万使用电子银行产品的消费者又将产生什么影响呢?
“大数据”促进电子银行发展
2015年4月底,交通银行全新的“大数据”系统在苏州地区成功上线,交行老客户在系统升级后首次登录网上银行和手机银行就感觉到明显不同,不仅操作界面耳目一新,其应用化模块背后,更重要的是一整套大数据系统的支撑。新型电子银行能智能地分析客户的操作习惯、常用交易等,从而为其提供更深层次、个性化的专业服务。随着电子渠道个性化服务的加深,一方面是柜台压力的减弱,而另一方面客户则对电子银行产品要求不断上升。
在大数据时代,客户对银行服务的需求是不分时间和地点的全天候、实时的业务需求,任何客户都有可能在任何时间、任何地方以任何方式和渠道发起任何交易。显然实体网点已无法满足这一类快捷、便利的金融服务需求,只能通过通信网络技术拓展自助式服务才能满足这种需求,可以毫不夸张的说,大数据时代促进了电子银行向更专业、大众化、个性化的方向不断前进和发展。
电子银行发展让大数据更“大”
2012年8月,阿里金融开始为阿里巴巴用户提供无抵押贷款,用户只需要凭借过去的信用即可24小时随用随借、随借随还,审批比银行更快、贷款成本比银行更低、贷款的额度范围也比银行更宽,阿里金融之所以能比银行做得更好,就在于阿里金融比银行掌握更多的客户数据。
大数据也称巨量资料,是指所涉及的资料量规模巨大到无法透过目前主流软件工具,在合理时间内达到撷取、管理、处理、并整理成为帮助企业经营决策更积极目的的资讯。大数据具有四大特点:大量、高速、多样和精确。因
此,大数据的来源至关重要,它直接决定了数据有多“大”,“大”的质量怎么样。大部分银行都已经清楚地认识到,金融服务机构不仅应该销售产品和服务,而且还应该在管理其客户数据以及通过不同渠道为其客户提供服务方面建立一套真正以客户为中心的组织,建立这套组织的关键即提供完美的多渠道体验。随着大数据的大量涌现,尤其是在社交媒体网络的背景下,渠道战略不应仅限于传统的银行渠道,而且还应整合新的客户接触点,比如充分利用各种社交媒体网站,这种趋势已经变得日益清晰。
在这样的背景下,新型的电子银行应运而生,它的发展不断向大数据时代靠拢,它不仅充当着为客户提供多元化服务渠道的作用,更加关键的是,电子渠道成为了“大数据”的重要来源。在获取大数据的“量”上,电子银行全天候7×24小时连续运行,不分昼夜,摆脱了传统银行上下班时间的限制,使客户可在任意地点选择合适的工具随时随地获得银行的服务,它大大延展了银行获取客户信息的时间;在大数据的“质”上,电子银行提供的是以人为本的服务,它不仅可以同传统银行一样提供各种服务,还可以推出一些人性化的新产品和服务,银行可以通过电子渠道积极与客户联系并获取反馈意见,并及时按照客户的需求来改进服务方式。电子银行充分发挥了信息技术高效处理的优势,低成本地提供程序化的,可以自动完成的常规业务。因此,电子渠道为客户也为银行实现多渠道数据的实时交互提供了可能,并加强了数据来源的质量。
大数据带来发展新挑战
与其说,大数据时代电子银行面临了诸多挑战,不如说,电子银行作为传统银行的一种拓展渠道,传统银行面临了巨大挑战。从目前形势看,互联网企业不断推出新产品、新商业模式,快速蚕食了传统银行业务。传统银行的互联网步伐多是止步开设网上银行、手机银行,只增加了渠道,而非阵地。因此,传统银行的电子银行发展面临了强有力的冲击:一是互联网企业的金融化;二是金融企业的互联网化;三是第三方支付与手机支付对银行传统支付业务的挑战。
特别是第三方支付企业的迅速发展,使客户和银行的关系进一步疏远,电子商务市场中,所有银行占的份额总共才不到2%。对很多客户来说,第三方支付的功能完全可以替代银行的部分业务,特别是便捷的支付功能,因此,对电子银行使用的人也越来越少,这在未来以数据取胜的时代对电子银行的发展非常不利。
面临这些巨大的挑战,对传统银行的电子银行业务发展来说既是困难,更是机遇。电子银行要怎么才能更好的依托大数据时代而实现真正的发展呢?转变发展思路、寻求理念突破,并依托强大的信息技术是关键。转变发展思路,在于变“渠道发展”为“平台发展”,对个人的电子银行服务,不能仅仅满足于向客户提供一个办理业务的渠道,而更应着眼于为为一个人甚至一个家庭构建一整套的金融服务平台,而理念突破则在于确立一套真正以用户体验为主导的发展机制。交通银行刚上线的新型电子银行系统,正是向转变发展思路和寻求理念上的突破迈出的关键一步。
大数据是神秘的,也是大众化的,每个经济体都能利用它,也能被它所利用。同样,电子银行业务的发展也和它息息相关,互相影响。可以预见,在未来电子银行的发展之中,机遇大于挑战,而不断发展创新的电子银行不但会给传统金融业注入新的活力,更会深刻地改变更多家庭的金融消费习惯,使更智慧的金融系统造福千家万户。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
CDA数据分析师 出品 作者:李诗怡 四层结构 · 零件与房子 · 六大易错点 一、什么是指标体系 定义:指标体系是整套完整框架 ...
2026-10-13写在开头 先还原一个你大概率见过的场面。 立项会上有人说:我们得做用户画像。 于是团队关进会议室,白板写满便利贴,两小时后 ...
2026-10-13 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 ...
2026-10-13在统计学与数据分析研究中,相关性分析分为数值变量分析与分类变量分析两大类。针对身高、销量、分数等连续数值变量,通常采用皮 ...
2026-10-12在Power BI可视化分析体系中,常规表格仅能展示枯燥的数值数据,存在数据对比不直观、强弱规律不突出、维度交叉分析低效等问题。 ...
2026-10-12 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 ...
2026-10-12在传统零售行业同质化竞争激烈、大众营销转化率持续走低的背景下,依托经验与直觉的粗放式营销逐渐失效。美国塔吉特百货(Target ...
2026-10-10随着智能客服、数字化服务、用户精细化运营的快速普及,传统零散、非标准化的客户服务数据与业务体系逐渐难以支撑高效服务治理。 ...
2026-10-10 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 ...
2026-10-10CDA数据分析师 出品 作者:李诗怡 定义区别 · 场景举例 · 指标分类 · 计算方法 知识体系总览 模块 包含内容 一、核 ...
2026-10-09在数据分析工作流中,业务数据大多存储在各类关系型数据库内,例如MySQL、PostgreSQL、SQLite等。Pandas是Python生态中主流的数 ...
2026-10-09在数字化精细化运营时代,海量用户存在需求差异、行为差异、价值差异与偏好差异。如果企业采用“一刀切”的统一营销、统一服务、 ...
2026-10-09 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 ...
2026-10-09指标体系是企业数字化分析、业务监控、经营决策的核心基础框架,是将零散数据转化为可衡量、可对比、可落地业务价值的关键体系。 ...
2026-10-08随着市场竞争日趋饱和,同质化低价竞争逐渐陷入内卷僵局,传统以价格、渠道、促销为核心的营销模式边际效益持续递减。在此背景下 ...
2026-10-08 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 ...
2026-10-08你有没有想过,手机里点外卖、刷社交软件、转一笔账,背后到底是谁在替你"记着账"? 答案其实很简单:数据库,以及跟它对话的那 ...
2026-10-07CDA数据分析师 出品 作者:李诗怡 一、数据分析四大思维 1. 对比思维:没有对比就没有分析 核心观点:单独一个数字没有意义,有 ...
2026-10-05Kimball 是方法,星型模型是它产出的形状。 很多人把"Kimball vs 星型模型"当成一道选择题——这本身就是个误会:Kimball 是动词 ...
2026-10-05写在开头 老板在微信上甩来一句: "帮我看下为什么销量跌了。" ” 你回工位,打开 SQL,开始写。查订单表、拉近三个月、按 ...
2026-10-03