
SAS助力广发银行打造全行数据挖掘分析平台
2014年,基于具体业务战略发展需求,SAS协助广发银行开发并建立了全行数据挖掘分析平台。该平台帮助广发银行塑造了数据分析资源统一管理体系,大幅提高挖掘分析效率,并对业务绩效表现产生了显著的积极影响。在《亚洲银行家》近日公布的2015年技术应用奖项计划(TheAsianBankerTechnology Implementation Awards 2015)获奖名单中,SAS与广发银行凭借该项目荣获 “2015年中国最佳数据与分析项目(Best Data and Analytics Project in China)”奖项。
全行数据挖掘分析平台依托SAS网格计算技术架构,将各业务部门独立的数据挖掘分析系统进行整合,对全行资源进行集中统一管理。该平台的建立实现了分析资源合理分配,提高了数据分析资源的使用效率。分析平台主要应用于三个方向
绩效考核管理:通过对绩效考核指标的分析和挖掘,实现对分支行机构、客户经理、员工的精细化科学管理
客户关系管理:通过加强对客户的分析和洞察,丰富客户全景视图,促进客户的获取率和留存率,活跃客户的激活率和持续力,提高客户交叉销售效能,提升客户整体价值,实现对银行客户关系的精准管理
风险计量管理:通过建立相应挖掘模型实现对客户信用风险、操作风险、市场风险等主要风险的计量,根据广发银行的风险偏好选择发展最优业务,降低资本占用的同时提升全行风险管控水平
以客户关系管理(CRM)为例,该平台为广发银行提供了更为精准的产品推荐模式。广发银行线上金融超市始于2014年初,该平台会为登录官网首页的客户固定推荐三款在售理财产品。全行数据挖掘分析平台建立之后,广发银行告别了“一刀切”的低效产品推荐模式。银行基于全行数据挖掘分析平台,对全行个人网银客户的理财产品偏好度进行深度分析,从而推荐符合客户偏好的产品。项目实施后,官网首页购买理财产品的客户转化率和理财产品销量两项指标表现都得到了明显的提升。
广发银行开发中心副总经理赵宏鑫说道:“通过该平台的建立,我们为各业务部门提供了统一的数据视图,重塑了数据处理流程,形成了数据处理规范。这帮助我们克服了各个部门分析资源使用不均的问题,便于我们进行集中监控和管理,提升了数据使用效率。”
“数据分析为银行业务发展提供了最可靠的答案,”《亚洲银行家》研究部总监ColinSavage表示,“不断革新的数据分析技术正在引领整个银行业的发展。技术应用奖项不仅限于评估项目获得的效益,还希望甄选具有创新意识的最佳实践。我们希望通过表彰具有领先意识的项目,启发更多有意义的探索。”
SAS大中华区总裁吴辅世在颁奖典礼上表示:“随着互联网金融的兴起和利率市场化的逐步推进,传统银行面对愈加激烈的市场竞争。不管是面对何种形式的金融模式,我们都希望与客户一起,探索最高效的数据分析手段,从数据分析中获取业务答案,从容不迫地应对挑战。”
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10