大數(shù)據(jù)時(shí)代，銀行BI應(yīng)用的方案探討

大數(shù)據(jù)被譽(yù)為21世紀(jì)發(fā)展創(chuàng)造的新動(dòng)力，BI（商業(yè)智能）成為當(dāng)下最熱門的數(shù)據(jù)應(yīng)用方案。據(jù)資料顯示：當(dāng)前中國(guó)大數(shù)據(jù)IT投資最高的為五個(gè)行業(yè)中，互聯(lián)網(wǎng)最高、其次是電信、金融、政府和醫(yī)療。而在金融行業(yè)中，銀行撥得頭籌，其次才是證券和保險(xiǎn)。

如何有效應(yīng)用大數(shù)據(jù)、云計(jì)算等新信息技術(shù)，創(chuàng)造價(jià)值和財(cái)富，創(chuàng)造未來(lái)，是我們面臨的巨大機(jī)遇和挑戰(zhàn)。

下面把銀行大數(shù)據(jù)應(yīng)用做個(gè)詳細(xì)全面的介紹。

一、大數(shù)據(jù)金融應(yīng)用場(chǎng)景

從大數(shù)據(jù)技術(shù)特性以及銀行近幾年的應(yīng)用探索來(lái)看，大數(shù)據(jù)在銀行商業(yè)智能方面的應(yīng)用主要體現(xiàn)在以下幾個(gè)方面：

1、客戶管理與分析

客戶管理應(yīng)用包括客戶畫像、客戶細(xì)分和客戶定價(jià)等方面內(nèi)容。

（1）客戶畫像，包括個(gè)人客戶畫像和企業(yè)客戶畫像。個(gè)人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險(xiǎn)偏好、金融數(shù)據(jù)等；企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運(yùn)營(yíng)、財(cái)務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。

客戶畫像是客戶分析的基礎(chǔ)。要做好客戶畫像，銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴(kuò)展對(duì)客戶的了解。如社交媒體、微博、電商網(wǎng)站等數(shù)據(jù)。

（2）客戶細(xì)分：客戶細(xì)分方式可以通過(guò)多種維度，進(jìn)行客戶分群分組，如通過(guò)客戶行為分析進(jìn)入細(xì)分。客戶細(xì)分是產(chǎn)品開發(fā)和市場(chǎng)營(yíng)銷的基礎(chǔ)，通過(guò)客戶細(xì)分使差異化服務(wù)成為可能，使提供的產(chǎn)品和服務(wù)更直接地指向特定的服務(wù)人群。有了客戶細(xì)分的基礎(chǔ)，銀行可以避免采用同質(zhì)化的銷售策略。

2、精準(zhǔn)營(yíng)銷

精準(zhǔn)營(yíng)銷是在客戶管理基礎(chǔ)上開展的精細(xì)化營(yíng)銷，包括實(shí)時(shí)營(yíng)銷、交叉營(yíng)銷、事件營(yíng)銷、個(gè)性化營(yíng)銷、潛在客戶挖掘及廣告投放等。

（1）實(shí)時(shí)營(yíng)銷：根據(jù)客戶的實(shí)時(shí)狀態(tài)來(lái)進(jìn)行營(yíng)銷。如客戶正好到網(wǎng)點(diǎn)存取了一筆大額活期，大堂經(jīng)理就根據(jù)捕獲的信息，向客戶推薦相關(guān)理財(cái)產(chǎn)品。

（2）事件營(yíng)銷：根據(jù)客戶的近期發(fā)生的某一事件進(jìn)行營(yíng)銷。如將改變生活狀態(tài)的事件（換工作、改變婚姻狀況、置居等）視為營(yíng)銷機(jī)會(huì)。

（3）交叉營(yíng)銷：不同業(yè)務(wù)或產(chǎn)品的交叉推薦。如某銀行借記卡發(fā)卡量為1000多萬(wàn)張，而貸記卡發(fā)卡量為30萬(wàn)多張，借記卡發(fā)卡量是貸記卡的300倍，可通過(guò)數(shù)據(jù)挖掘，分析借記卡的使用情況，特別是商場(chǎng)刷卡消費(fèi)、網(wǎng)上付款較多、金額較大客戶，向他們宣傳貸記卡的透支、積分及活動(dòng)優(yōu)勢(shì)，以提高貸記卡發(fā)卡量。

（4）個(gè)性化營(yíng)銷：銀行可以根據(jù)客戶喜好進(jìn)行服務(wù)或者進(jìn)行銀行產(chǎn)品的個(gè)性化推薦。例如，可根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財(cái)偏好等，對(duì)客戶群進(jìn)行精準(zhǔn)定位，分析出其潛在金融服務(wù)需求，進(jìn)而有針對(duì)性的營(yíng)銷推廣。

3、風(fēng)險(xiǎn)管理

數(shù)據(jù)挖掘在銀行風(fēng)險(xiǎn)管理方面也是用途很廣，包括風(fēng)險(xiǎn)評(píng)估、反歁詐和反洗錢等。

（1）中小企業(yè)貸款風(fēng)險(xiǎn)評(píng)估。銀行可通過(guò)企業(yè)的生產(chǎn)、流通、銷售、財(cái)務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進(jìn)行貸款風(fēng)險(xiǎn)分析，量化企業(yè)的信用額度，以便更有效的開展中小企業(yè)貸款。

（2）實(shí)時(shí)欺詐交易識(shí)別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式（如轉(zhuǎn)賬）等，結(jié)合智能規(guī)則引擎（如從一個(gè)不經(jīng)常出現(xiàn)的國(guó)家為一個(gè)特有用戶轉(zhuǎn)賬或從一個(gè)不熟悉的位置進(jìn)行在線交易）進(jìn)行實(shí)時(shí)的交易反欺詐分析。

4、業(yè)務(wù)、服務(wù)創(chuàng)新

銀行可將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個(gè)性特征和風(fēng)險(xiǎn)偏好，更深層次地理解客戶的習(xí)慣，智能化分析和預(yù)測(cè)客戶需求，從而進(jìn)行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。如銀行目前對(duì)大數(shù)據(jù)進(jìn)行初步分析，通過(guò)對(duì)還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。

5、精細(xì)化管理

精細(xì)化管理，其指導(dǎo)思想就是以數(shù)據(jù)為依據(jù)進(jìn)行管理，包括成本核算、資本管理、績(jī)效考核等方面，具體應(yīng)用如資源配置、輿情分析等。

（1） 市場(chǎng)和渠道分析優(yōu)化。通過(guò)數(shù)據(jù)分析，可以了解營(yíng)業(yè)網(wǎng)點(diǎn)渠道的資源配置情況，高柜、低柜窗口是否飽和，自助和人工窗口比例是否恰當(dāng)，應(yīng)該如何進(jìn)行資源優(yōu)化調(diào) 整；通過(guò)大數(shù)據(jù)，銀行可以監(jiān)控不同市場(chǎng)推廣渠道尤其是渠道推廣的質(zhì)量，從而進(jìn)行合作渠道的調(diào)整和優(yōu)化。同時(shí)，也可以分析哪些渠道更適合推廣哪類銀行產(chǎn)品及服務(wù)，從而進(jìn)行渠道推廣策略的優(yōu)化。

（2） 輿情分析。銀行可以通過(guò)爬蟲技術(shù)，抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過(guò)自然語(yǔ)言處理技術(shù)進(jìn)行正負(fù)面判斷，掌握銀行、銀行產(chǎn)品及客戶服務(wù)方面的負(fù)面信息，及時(shí)發(fā)現(xiàn)和處理問(wèn)題；對(duì)于正面信息，可以加以總結(jié)并繼續(xù)強(qiáng)化。同時(shí)，銀行也可以抓取同行業(yè)的銀行正負(fù)面信息，及時(shí)了解同行優(yōu)勢(shì)，以作為自身業(yè)務(wù)優(yōu)化的借鑒。

6、歷史數(shù)據(jù)歸檔管理

歷史數(shù)據(jù)歸檔是大數(shù)據(jù)的最基本的應(yīng)用，解決了傳統(tǒng)數(shù)據(jù)平臺(tái)在處理P級(jí)以上數(shù)據(jù)容量能力不足問(wèn)題。歷史數(shù)據(jù)管理也是各銀行技術(shù)部門困擾而又未能很好實(shí)現(xiàn)的問(wèn)題。目前很多銀行借大數(shù)據(jù)技術(shù)的應(yīng)用趨式，利用關(guān)系型數(shù)據(jù)庫(kù)與大數(shù)據(jù)技術(shù)的互補(bǔ)模式，償試?yán)么髷?shù)據(jù)技術(shù)，以歷史數(shù)據(jù)歸檔和查詢應(yīng)用為突破口，既滿足歷史數(shù)據(jù)歸檔、客戶查詢、司法查詢以及審計(jì)之需求，又培養(yǎng)一批大數(shù)據(jù)技術(shù)人才。

7、征信服務(wù)

征信是為個(gè)人或企業(yè)建立信用檔案，采集、客觀記錄其信用信息，并對(duì)外提供信用信息服務(wù)的一種活動(dòng)。按業(yè)務(wù)模式可分為企業(yè)征信和個(gè)人佂信，按服務(wù)對(duì)象可分為信貸征信、商業(yè)征信、雇傭征信等。

在互聯(lián)網(wǎng)金融發(fā)展如火如荼之際，基于大數(shù)據(jù)技術(shù)的互聯(lián)網(wǎng)征信應(yīng)運(yùn)而生。對(duì)金融業(yè)，征信完善了對(duì)風(fēng)險(xiǎn)的識(shí)別、判斷、評(píng)估和管理，有利于加快授信過(guò)程，分級(jí)定價(jià)，降低優(yōu)質(zhì)借款人借貸成本，大幅提高信貸效率，如螞蟻小貸，放款時(shí)間基本在3分鐘以內(nèi)，金額從幾千至幾萬(wàn)。

8、IT治理

以數(shù)據(jù)為中心的信息化建設(shè)把IT治理擺在更加突出的位置，如何保證計(jì)算機(jī)系統(tǒng)的正常運(yùn)營(yíng)，成為保證銀行業(yè)務(wù)正常運(yùn)行的關(guān)鍵。通過(guò)大數(shù)據(jù)技術(shù)，可以從運(yùn)營(yíng)監(jiān)控和日志分析中發(fā)揮巨大作用。

（1）運(yùn)營(yíng)全景視圖：通過(guò)對(duì)系統(tǒng)的動(dòng)態(tài)實(shí)時(shí)采集，建立可視化的運(yùn)營(yíng)管理視圖，進(jìn)行系統(tǒng)跟蹤和調(diào)度。

（2）日志分析：通過(guò)收集操作系統(tǒng)、網(wǎng)絡(luò)系統(tǒng)運(yùn)行日志分析，預(yù)測(cè)未未來(lái)可發(fā)生的情況；特別是對(duì)應(yīng)用系統(tǒng)操作日志的分析，有助于了解操作人員對(duì)系統(tǒng)功能的使用情況，以助于應(yīng)用系統(tǒng)的優(yōu)化完善。

二、大數(shù)據(jù)時(shí)代BI特征

大數(shù)據(jù)時(shí)代下的商業(yè)智能與傳統(tǒng)BI相比有許多特點(diǎn)，具體分析如下：

1、結(jié)構(gòu)化數(shù)據(jù)及非結(jié)構(gòu)化數(shù)據(jù)的處理

能夠分析處理的數(shù)據(jù)更多樣化，除了包括傳統(tǒng)BI的結(jié)構(gòu)化數(shù)據(jù)化外，還包括傳統(tǒng)BI不能處理的非結(jié)構(gòu)化數(shù)據(jù)，如圖像、文字、語(yǔ)音等。這正是體現(xiàn)了大數(shù)據(jù)數(shù)據(jù)處理的多樣性特性（Variety）。

2、分布式數(shù)據(jù)庫(kù)

傳統(tǒng)BI采用的是集中式數(shù)據(jù)庫(kù)，數(shù)據(jù)規(guī)模一般只能達(dá)到PB級(jí)，而大數(shù)據(jù)時(shí)代的BI，采用了分布式數(shù)據(jù)庫(kù)，數(shù)據(jù)規(guī)模從PB到TB級(jí)，能夠?qū)崿F(xiàn)海量數(shù)據(jù)處理。或者采用飯不是計(jì)算將結(jié)果數(shù)據(jù)六贊存在HIVE中通過(guò)帆軟FineBI一類的大數(shù)據(jù)BI工具展現(xiàn)，這體現(xiàn)的大數(shù)據(jù)的巨大數(shù)據(jù)量處理特性（Volume）。

3、分布式-計(jì)算向數(shù)據(jù)靠攏

傳統(tǒng)BI采用集中式數(shù)據(jù)庫(kù)，數(shù)據(jù)向計(jì)算靠攏，應(yīng)用中主要以離線計(jì)算、批量處理為主，而大數(shù)據(jù)BI，采用分布式云計(jì)算技術(shù)，實(shí)現(xiàn)了計(jì)算向數(shù)據(jù)靠攏，支持實(shí)時(shí)及離線的計(jì)算模式，能夠支持在線計(jì)算。這種快速的計(jì)算、實(shí)時(shí)特點(diǎn)體現(xiàn)了大數(shù)據(jù)的快速特性（Velocity）。

4、智能決策和解讀數(shù)據(jù)應(yīng)用

傳統(tǒng)的商業(yè)智能技術(shù)，只能實(shí)現(xiàn)“使用算法”，進(jìn)行“數(shù)據(jù)統(tǒng)計(jì)”，通過(guò)“報(bào)表展示”，達(dá)到“看數(shù)據(jù)”目的，而大時(shí)代的商業(yè)智能，對(duì)海量數(shù)據(jù)，深度應(yīng)用算法，達(dá)到找到數(shù)據(jù)的相關(guān)性，通過(guò)自動(dòng)化分析，解讀數(shù)據(jù)，最后進(jìn)行“智能決策”，因此體現(xiàn)了更強(qiáng)大的商業(yè)價(jià)值，這正是大數(shù)據(jù)4V特征Value的具體體現(xiàn)。

三、大數(shù)據(jù)的應(yīng)用實(shí)施探討

從當(dāng)前的銀行應(yīng)用來(lái)看，大數(shù)據(jù)的應(yīng)用實(shí)施通常包括三個(gè)方面：基礎(chǔ)架構(gòu)建設(shè)、數(shù)據(jù)接入和應(yīng)用主題挖掘。

1、基礎(chǔ)架構(gòu)建設(shè)

基礎(chǔ)架構(gòu)是支撐大數(shù)據(jù)應(yīng)用的基礎(chǔ)?；A(chǔ)架構(gòu)建設(shè)通常包括底層組件開發(fā)、基礎(chǔ)服務(wù)組件開發(fā)和應(yīng)用服務(wù)組件開發(fā)?；A(chǔ)架構(gòu)通常采用商業(yè)化或開源HADOOP組件來(lái)集成；基礎(chǔ)服務(wù)組件是大數(shù)據(jù)平臺(tái)的管理和服務(wù)的重要組成部份；應(yīng)用服務(wù)組件通常根據(jù)應(yīng)用需要進(jìn)行開發(fā)和布署。例如之前文章《Hadoop技術(shù)在商業(yè)智能BI中的應(yīng)用》中講到帆軟大數(shù)據(jù)BI基于Hadoop架構(gòu)做的銀行業(yè)的數(shù)據(jù)分析。

2、數(shù)據(jù)接入

數(shù)據(jù)是我們分析的資源，沒(méi)有足夠大、足夠全面的數(shù)據(jù)就沒(méi)談不上大數(shù)據(jù)分析。因此我們收集的數(shù)據(jù)不僅包括內(nèi)部數(shù)據(jù)、還包括外部數(shù)據(jù)，不僅包括結(jié)構(gòu)化數(shù)據(jù)，還包括非結(jié)構(gòu)化數(shù)據(jù)；不僅包括靜態(tài)數(shù)據(jù)，還要包括動(dòng)態(tài)、快速變化數(shù)據(jù)的采集。

3、應(yīng)用主題挖掘

數(shù)據(jù)的挖掘才是我們最終目標(biāo)，因此需要我們首先要有大數(shù)據(jù)思維，才能為我們的管理提供精細(xì)管理、為決策支持提供服務(wù)、為我們的商業(yè)經(jīng)濟(jì)服務(wù)，才能有更多的業(yè)務(wù)創(chuàng)新和服務(wù)創(chuàng)新，才能向我們的客戶提供產(chǎn)品和服務(wù)的精準(zhǔn)營(yíng)銷。數(shù)據(jù)本無(wú)大小，但運(yùn)用數(shù)據(jù)的格局和立場(chǎng)卻分出來(lái)大小，面對(duì)寵大的應(yīng)用場(chǎng)景，可通過(guò)頂層設(shè)計(jì)，從上向下來(lái)實(shí)施。如貴州農(nóng)信最近規(guī)劃的“貴農(nóng)云”，就是一個(gè)“高大上”的項(xiàng)目，包括了1個(gè)大數(shù)據(jù)平臺(tái)、1個(gè)門戶、6個(gè)業(yè)務(wù)平臺(tái)；也可以從下向上的思路，以現(xiàn)實(shí)生活中的痛點(diǎn)為切入點(diǎn)展開，面對(duì)資金、技術(shù)以及外部數(shù)據(jù)獲取的實(shí)際問(wèn)題，不能坐等錯(cuò)失良時(shí)，不能求大而全，如銀行客戶流失、代發(fā)工資中優(yōu)質(zhì)客戶在哪里、如何實(shí)現(xiàn)借記卡與貸記卡的交叉營(yíng)銷等，在此基礎(chǔ)上進(jìn)行探索，建立分析模型，發(fā)現(xiàn)數(shù)據(jù)的相關(guān)性，驗(yàn)證成功后再投入生產(chǎn)應(yīng)用中。