京公网安备 11010802034615号
经营许可证编号:京B2-20210330
近年来,大数据、云计算等技术的出现,给包括金融业在内的几乎所有业态都带来不小的冲击。互联网时代自小米模式开启,“用户思维”便深植人心,而大数据和云计算等技术,则可以通过对用户上网痕迹的捕捉和统计,在产品或服务的提供方面大做文章。金融业也就此进入“大数据金融”的时代。
所谓大数据金融,即是指利用大数据开展金融服务,将海量数据通过互联网、云计算等信息化方式处理,结合传统金融服务,开展资金融通、创新金融服务。许多商业银行纷纷利用大数据更好地了解客户,制定有针对性的行动方案。前瞻产业研究院发布的《2015-2020年中国大数据金融行业市场前瞻与投资战略规划分析报告》指出,大数据可以在银行以下六个领域中得到应用。
图表:大数据在银行的主要应用领域
BCG 前瞻产业研究院整理
在大数据金融的时代背景下,移动金融的发展势不可挡。公开资料显示,截至2014年底,我国移动智能终端使用规模共达10.6亿台,而这一数字在2012年仅为0.7亿台。智能终端使用规模的大幅扩张,也拉动了人们对移动金融业务的需求。由于移动金融业务产生大量零散的数据,商业银行便可以通过对这些数据的统计来挖掘用户喜好,对产品和服务进行针对性的调整和优化,充分发挥了大数据的价值。
商业银行移动金融生态圈包括哪些领域?
2015年1月,央行印发了《关于推动移动金融技术创新健康发展的指导意见》,强调移动金融是丰富金融服务渠道、创新金融产品和服务模式、发展普惠金融的有效途径和方法。早在2010年,浦发银行率先提出发展移动金融,2012年明确将移动金融列入了全行重点发展战略。2014年,浦发银行与中国移动、复旦大学联合发布移动金融3.0标准及新生代用户移动金融信心指数。此外,包括工商银行在内的国有银行、招商银行在内的股份制银行等也纷纷发力移动金融,手机银行、移动理财等移动金融业务竞争态势也愈演愈烈。那么商业银行在布局移动金融时,主要涉及哪些领域呢?
移动银行
移动银行也就是我们通常说的手机银行。手机银行的出现进一步延伸了PC端网上银行的优势——不受时间与空间的限制。只要手机可以上网,就能够随时满足用户所需。目前银行在手机银行上的布局主要有App和微信银行两种方式,而App目前的客户数量相对较多。以建行为例,截至2015年6月底,建行手机银行客户数量达1.64亿户,位居同业首位;其中个人网银客户数量达到1.93亿户。而微信银行客户为2066万户,同样位居同业首位,但用户数量方面与手机银行App相比还有一定的发展空间。
移动支付
你去7-11买东西,可以直接用微信支付;去饭店吃饭买单,可以直接用支付宝……诸如此类的场景屡见不鲜,而这在几年前却不为大众所知。移动支付发展速度之快不仅体现了互联网时代信息的传播效率,也体现了用户对于“便捷”的新兴事物接受程度超过预期。
前瞻产业研究院正在重磅打造的系列报告《中国移动金融3.0系列报告之商业银行移动金融战略创新与趋势前瞻》显示,近年来,移动支付市场规模每年以30%左右的增幅快速增长,许多互联网企业,如阿里在第三方支付领域都发展迅速。由于普遍对移动支付前景看好,商业银行也加大对移动支付的投入。以民生银行为例,民生银行创新推出手机银行二维码收付、网购扫码付款等支付功能,不断为客户打造便捷的支付结算服务。
移动理财
目前国家对“互联网+”的支持力度不断加大,智能手机和4G网络普及率也有所增长,理财产品也逐渐向移动端发展。业内人士表示,移动理财将成为继移动支付后下一个竞争蓝海。
2015年下半年以来,股市风云再起,国际经济形势也趋于紧张。此时,许多人尤其是中小资金规模投资者纷纷将目光转向其他理财产品。一时间,P2P网贷、众筹行业成为投资者新宠。而在移动化趋势的推动下,理财产品也逐渐从PC端转移到移动端,传统银行凭借良好的信誉也介入了此轮“移动理财之战”。目前,包括广发银行、平安银行等在内的传统银行,不断创新理财产品的同时,也逐渐关注移动理财入口的建设,力求通过内外兼顾的模式吸引用户群体,扩大资金规模,并进一步拓展其他相关业务。
除此之外,商业银行移动金融生态圈内还包括移动商务与移动营销。移动商务领域,光大银行已经推出“光大购精彩”,先后与苏宁易购、我买网、唯品会等大型电商跨界合作,为客户提供便捷的消费体验;移动营销领域,浦发银行将“智能移动营销终端”应用于专业理财服务,通过技术的合理运营,为专业理财人员提供了更加专业的技术支撑,设计更加合理与科学的投资组合方案。
如今,我国经济正在步入新常态,互联网尤其是移动互联网正在席卷各个产业,商业银行转型升级也势在必行。对此,移动金融的竞争或将现有格局打乱,能将移动终端布局做好的银行势必会迎来新一轮的飞速发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在问卷调查与社会科学数据分析中,卡方检验是最常用、最基础的非参数检验方法,广泛应用于市场调研、用户分析、行为统计、满意度 ...
2026-06-03【核心关键词】贷款、报表、课程、专业、建模、缺失值、营销、互联网、银行、办公自动化、数据分析、数据预处理、特征工程、贷 ...
2026-06-03 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 ...
2026-06-03逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26