清华大学金融科技研究院孵化
金融科技与金融创新全媒体

扫描分享

本文共字,预计阅读时间

一、构建数据分析平台的原因

面对互联网金融公司不断渗透进入商业银行的支付、产品等领域,传统的商业银行不能再止步不前,而要在数据的使用上更加精细化,通过数据深入、透彻的分析客户价值与潜力,实现数据驱动,以数据为抓手,进行精准营销,强化风险管理,切实提升商业银行经营管理水平。

二、依托报表或传统数据分析平台进行精细化管理的不足

报表由于格式固定灵活性不高,如果需要调整,需要重新完成需求确定、立项、开发、测试,上线才能最终实现,实施周期长,并且数据处理时效性低,已经不适应大数据时代的数据分析、信息提炼的需要。

目前数据分析类的平台在银行业主要应用于客户关系管理、风险管理、信用卡等,有一定的应用范围,但主要基于企业内部信息,而外部网络信息挖掘使用较少,另外传统数据处理技术使用较多,大数据处理技术使用较少。

商业银行需要与时俱进,借助大数据的东风,构建敏捷型数据分析平台,为业务发展提供新的量化数据分析方法,摆脱业务人员加工报表进行数据分析的传统模式。

三、数据分析平台建设的规划

1、建设思路

数据分析平台的建设要本着面向业务主题、面向业务应用、面向业务人员的原则来推进。

(1)面向业务主题

面向业务主题指的是数据分析平台的建设要规划明确的数据范围和边界,而不是贪大求全,想一步到位构建一个涵盖所有业务、所有系统数据及记录的数据分析平台,这种方式建设周期长,投入成本高,无法适应业务的快速发展变化,极易半途而废或者达不到预期效果。

(2)面向应用

面向应用则是说建设数据平台要以满足业务层面的应用为前提,而不是从最底层数据入手去进行数据加载,这样的话,很可能纳入的数据不能充分满足业务需要或者存在大量对业务数据分析没有价值的冗余信息。传统的数据分析平台时常需要IT部门加工多维数据集,面向应用就要求数据分析平台对不断变化的业务数据需求反应更及时。同时,数据分析平台要支持同Excel等办公软件的交互,而不是只支持自有的文件格式,无法进行导入导出到其他文件格式的操作。

(3)面向业务人员

面向业务人员指的是,在界面和学习、使用的方式上要尽可能让业务人员感觉到便利、熟悉,而不是需要长期的学习才能掌握平台的使用,让没有技术背景的业务人员也可以轻松掌握。

2、选择大数据作为底层数据处理技术的缘由

数据分析平台的建设,要依托大数据技术,而不能再使用传统的数据处理模式。这是为什么呢?大数据的特质有以下几点:大量性、多样性、价值性、高速性。以下就来具体阐述这几个特质。

(1)大量性。这一点是毋庸置疑的,以往的传统数据分析,通过常规的数据库作为数据源,在处理效率上有诸多掣肘,随着客户数量的增多,数据会呈几何级增长,如果超过百万级的数据量,传统的数据库就难以胜任,需要采用大数据的系统架构才能胜任数据处理任务。

(2)多样性。数据量的增多,不仅仅是数据处理量的增加,还意味着有更多的信息可用来进行分析。传统的数据分析只是依托于数据库中存储的结构化数据,这就使得分析的内容非常有局限性。大数据则不同,除了结构化数据,还有大量文本、图片、音频、视频、地理位置等半结构、非结构化数据。而大数据除了银行内部的数据,也会纳入许多外部的信息,用于进行关联分析等信息提炼工作。

(3)价值性。数据海量且种类多,那相应的信息筛选工作量就会变得异常复杂,将庞大的数据通过处理后精选出最有用的信息。

(4)高速性。大数据大量性、多样性、价值性的三个特质,使得数据处理机制的效率一定要高,毕竟在我们目前所处的互联网时代,周围事物瞬息万变,如果不能及时把握机会,很可能就会错失良机,而大数据的高速性正是对应了这一要求。必须要在数据存在的短时间内筛选提炼出对应的有效信息,不然就会将机会拱手让人。

综上所述,建设数据分析平台,以大数据为底层技术架构是毋庸置疑的不二之选。

四、数据使用的管控

数据分析平台还要注意客户信息的分层使用的安全原则,数据如果没有管控,就会出现被滥用、被泄密的风险。

新近发布的《银行业金融机构数据治理指引(征求意见稿)》中提到,“银行业金融机构应当建立数据安全策略与标准,依法合规采集、应用数据,依法保护客户隐私,划分数据安全等级,明确访问权限,监控访问行为,完善数据安全技术,定期审计数据安全。”这就为商业银行合理使用数据来指导业务发展明确了边界和要求。

五、数据分析的结果展现

传统的数据分析结果都是通过报表来进行展现的,存在着展现结果不直观,展现形式不美观,展现内容不丰富等诸多弊端。在大数据时代,可以通过引入数据可视化等方式来进行数据分析结果的展现。

数据可视化,可以说是最为卓越的数据价值体现形式,超越了堆叠文字和数据,或者多张报表的表达形式。对数据结果进行图形化展现,相较于传统的两维图表,数据可视化更加清晰明确的提炼出数据价值,能够更加灵活地实现多维度数据展现。超越了Excel的表现形式,直观的表达出了海量数据所体现的业务发展动态与数据之间的关联关系,为决策层、管理层提供了数据支持,通过雷达图、汽车仪表盘、地图等形式展现数据,通过色彩、颜色深浅、动态效果等来清晰地表达数据分析的结果,重点突出并且会给人留下深刻印象。

数据可视化还有一个不可忽略的优势就是非常适合进行探索式数据分析。探索式数据分析即Exploratory Data Analysis,是一种对现有数据进行少量先验假定的条件下,通过绘制图表、数据拟合、计算特征量等方式来探索数据规律的一种分析方法。十分适合在没有找到特定分析目标或者研宄方向时进行数据探究。探索式数据分析具有三个特征,一是从数据本身出发,而不是从某种假定或定式模型出发;二是分析方法灵活多样,不拘泥于传统统计方法,可以跳出理论上对于假设检验、置信区间等严格的处理工具的局限;三是分析工具简单,强调数据与图像的结合,强调数值计算与直观感知相结合的分析方式。

六、数据分析平台的使用推广

数据分析平台的广泛使用离不开对专职数据分析人员的培养。传统模式下,数据分析的工作往往由部门内负责报送数据的业务人员完成,没有专职的数据分析人员,这就造成一人多岗,没有足够的精力去完成数据进一步的分析和探索,数据的价值得不到充分发挥,数据分析停留在表象上。数据分析人员一定要具备数据思维,数据思维是一种将事物抽象为数据的思维模式,而不是基于过往个人经验形成的思维定式来进行数据分析。

数据分析平台的大规模使用,不是通过行内要求去推广,而是让平台真正提供对业务发展有帮助的数据,从而调动业务人员使用分析平台的意愿,自发地使用数据去提升业务效率。

数据分析平台的应用,一定要找到突破口,以点带面,星星之火可以燎原。前期的一些工作,可以由技术部门去主动协助,比如在人力资源部的应用。选择人力资源方向的应用作为数据分析平台的原因如下:首先,作为职能部门,数据的应用较之对客业务部门要少,也缺乏数据分析的应用环境,以此为切入点去展现数据分析平台的作用和价值是最好的方式。其次,人力资源的数据是企业信息化的基础,数据质量相对较好,不需要进行复杂的数据清洗等工作就可以进行分析,前期工作量相对较少。

在数据应用较少的职能领域打开局面,再借由口碑普及至对客部门,通过数据分析的结果推动业务发展,让业务部门意识到数据分析的价值所在,这样,酒香不怕巷子深,平台的使用推广自然可以事半功倍。

七、数据分析平台的前景

再好的数据分析平台也只是工具,技术和业务是不可分割的整体,脱离了业务应用场景,再好的技术平台也会被束之高阁;而离开了技术,业务则会停滞不前,逐步在同业的不断前行中败下阵来。只有充分融合业务与技术,才能真正的挖掘出数据价值,更好的助推业务发展。在大数据技术突飞猛进的今天,数据量呈几何级增长,数据的价值将会更为重要,探索式数据分析平台将作为最有前景的系统应用,必将在不久的将来,成为各家银行精细化管理必备的重要手段,也必将掀起一轮数据分析平台的建设高潮。

参考文献

[1] 朱建平,谈谈大数据的那点事[J],中国统计,2017年04 月15 日第04 期:16-18

[2] 黄玺磊,大数据的最后一公里——数据可视化技术[J],中国金融电脑,2017年02月第02期:37-43

[3] 王宇宁,大数据环境下数据分析与可视化核心技术研究[D],北京:北京邮电大学,2015

[Source]

本文系未央网专栏作者发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文为作者授权未央网发表,属作者个人观点,不代表网站观点,未经许可严禁转载,违者必究!

本文版权归原作者所有,如有侵权,请联系删除。

评论


猜你喜欢

扫描二维码或搜索微信号“iweiyangx”
关注未央网官方微信公众号,获取互联网金融领域前沿资讯。