大数据能帮助民营银行做什么
半年前,SAS(赛仕软件)北亚区整合营销管理业务咨询高级总监许慧章才从新加坡回到中国。走访国内一些银行后,她对国内围绕互联网金融及大数据给传统金融业所带来的变革以及创新思维的讨论感到惊讶。
SAS是全球最知名的商业分析软件与服务商之一,它在中国的客户覆盖了金融、电信、制造零售以及政府部门。具体来说,除去传统银行和保险机构之外,连沪深交易所、中国海关和香港统计处等都在使用SAS提供的软件和服务。
在中国,它们的客户群有望进一步扩大,譬如民营银行之一、由均瑶集团作为主要发起股东的华瑞银行。
国内第一批民营银行几乎都将自身的业务锁定在小微企业和个人群体上。在它们之前,已经有P2P公司和各类互联网金融机构打着大数据的概念各显神通。的确,互联网、尤其是移动互联网的发展大大拓展了外界机构所能获得的用户数据的数量和形式。但国内的法律与信用环境发展未臻完善,很多消费者是通过提供虚假和片面的信息来“保护”自己的隐私,当然也有人群是恶意欺骗。
“与线上数据相比,其实银行手中掌握的信息才是更全面和准确的。”许慧章告诉《中国企业家》。因为银行出于监管,法律与保护客户利益的需要,保存客户大量的交易流水,并通过客户对本行持有产品的使用,信贷情况,投资理财表现对客户有较好,多方位的了解。另一个能够掌握真实流水数据的新兴企业是电商,如阿里集团,淘宝平台多年累积的数据和经验,让他们能够掌握从商户到用户整个交易过程的有效且持续的数据信息。其它单纯的依靠互联网信息去构建一个比较完整的、作为机构判断和决策的公司显然要冒非常大的风险,这也是为什么P2P公司既不能有效解决融资成本,又不断曝出违规和跑路事件的原因。
事实上,大数据在国内的发展其实只是处在初始阶段,以前不可搜集的信息变成“可搜集”、且搜集的成本大大降低的阶段,还不能做到完善而真实、甚至能够作为一套可供独立分析数据模型的程度。所以,必须要去寻找第三方、第四方数据去进行补充和匹配,才能够进一步判断这些大数据的准确性。
SAS和其它公司都在寻求这方面技术的突破。语音信息成为SAS在技术上的一个突破点。他们将客户打进来的通话记录转变成结构性或是非结构性数据,再配以情感分析等,既缩短了问题的侦测时间,又节约了售后成本。SAS曾将这方面的应用提供给联想集团,“原来质量问题已经不再仅仅是PC机能否正常工作这样的范畴,它还包括客户如何清楚了解如何使用产品、能够快速获得公司的帮助、外部软件如何与联想的硬件兼容等等方面。”许慧章告诉本刊,“这意味着对质量这一概念的重新定义。”
现在,这一技术也有可能用于民营银行上。民营银行从资金规模和人员数量等方面来看,走的都是轻资产路线。”许慧章告诉本刊。这意味着它们不会铺设太多的网点,业务也会更集中在线上。而且,与背靠互联网巨头的网商银行和微众银行相比,一些民营银行在渠道方面是处于相对弱势的地位的。所以,它更需要能够提供精准分析进行业务定位的工具和服务。因此,研究如何把客户打进来的咨询和投诉电话转变成有效数据,再配以其它分析手段,就将能够更好的帮助它们进行业务和服务定位。
大数据的整合与打通是未来的一个重要趋势。在业务上,民营银行会更多的依靠中间业务和产品创新,赚取手续和服务费用将成为其主要盈利模式。这会使得线上交易频次更高、业务种类更丰富,不同业务乃至机构之间的交叉也会更多。综合来看,各机构手中客户数量会迅速不断扩大,单纯依靠员工进行维护、管理和营销,其运营成本对于企业来说已经产生非常大的压力。出于价值创新,精准营销和降低成本的考量,更多的机构除去需要以数据分析为核心、以客户为中心的经营理念,还希望能够打通线上和线下,以及实现不同业务之间交叉销售的商用解决方案。“譬如酒店业可以依托自己手中的线上和线下数据向旅游业延伸,或与商户,航空公司展开合作。”许慧章说。但这还只是战术性的——许认为,金融集团取得银行、保险、信托、券商等全牌照是大势所趋,企业应该从中制定战略性的发展策略。以客户需求为中心,全面提升企业的核心竞争优势。
一个案例来自于平安集团。几个月前,平安宣布将直通贷款业务、陆金所辖下的P2P小额信用贷款, 以及平安信用保证保险事业部整合在一起,有机结合线上和线下的已有能力及开拓新契机,实现优势互补,利用大数据和数据分析为用户提供更安全和贴心的一站式服务。SAS为其提供相关服务,利用大数据来帮助平安实现业务上的整合直通。
当然,对于民营银行,在积极开拓业务,吸收新客源的同时,最关键、最不可缺少的考量就是风控和反欺诈管理。许慧章认为,由于目前中国机构监管和征信体系建设都有待完善,特别是互联网金融,对客户资金安全管理有许多“短板“,具系统性风险,因此从规模和模式上民营银行要增加抗风险的能力,不仅要依托互联网和大数据技术,还有通过其他信息、如线下相关的征信信息互补予以加强。所以,必须严格把好风控和反欺诈两关。但这已经不止是简单的技术问题,还需要监管法律和安全管理等方面齐头并进。
数据分析咨询请扫描二维码
数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列技能,以确保能够有效地处理、分析和解释数据,从而支持决策制定。以下是数据分析师所需的关键技能: ...
2024-11-22数据分析师需要具备一系列的技能和能力,以确保能够有效地处理、分析和解释数据,从而支持业务决策。以下是数据分析师所需的主要 ...
2024-11-22需求持续增长 - 未来数据分析师需求将持续上升,企业对数据驱动决策的依赖加深。 - 预测到2025年,中国将需要高达220万的数据人 ...
2024-11-22《Python数据分析极简入门》 第2节 4 Pandas条件查询 在pandas中,可以使用条件筛选来选择满足特定条件的数据 importpanda ...
2024-11-22数据分析师的工作内容涉及多个方面,主要包括数据的收集、整理、分析和可视化,以支持商业决策和问题解决。以下是数据分析师的一 ...
2024-11-21数据分析师必须掌握的技能可以从多个方面进行归纳和总结。以下是数据分析师需要具备的主要技能: 统计学基础:数据分析师需要 ...
2024-11-21数据分析入门的难易程度因人而异,总体来看,入门并不算特别困难,但需要一定的学习和实践积累。 入门难度:数据分析入门相对 ...
2024-11-21数据分析是一项通过收集、整理和解释数据来发现有用信息的过程,它在现代社会中具有广泛的应用和重要性。数据分析能够帮助人们更 ...
2024-11-21数据分析行业正在迅速发展,随着技术的不断进步和数据量的爆炸式增长,企业对数据分析人才的需求也与日俱增。本文将探讨数据分析 ...
2024-11-21数据分析的常用方法包括多种技术,每种方法都有其特定的应用场景和优势。以下是几种常见的数据分析方法: 对比分析法:通过比 ...
2024-11-21企业数字化转型是指企业利用数字技术对其业务进行改造和升级,以实现提高效率、降低成本、创新业务模式等目标的过程。这一过程不 ...
2024-11-21数据分析作为一个备受追捧的职业领域,吸引着越来越多的女性加入其中。对于女生而言,在选择成为一名数据分析师时,行业选择至关 ...
2024-11-21大数据技术专业主要学习计算机科学、数学、统计学和信息技术等领域的基础理论和技能,旨在培养具备大数据处理、分析和应用能力的 ...
2024-11-21