京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据是什么?光大银行信息科技部总经理杨兵兵曾经这样说:人本身就是一台可以综合运用大数据的精密仪器。当我们认识一个新朋友,会通过眼睛收集图片信息、用耳朵感受声频信息……如果可能,还可以通过其他人的描述收集这个人的历史信息、个人爱好等等,然后在大脑中对这个人形成一个判断。今天的大数据只是在还原人脑50%的水平。如果说人是一台可以综合运用大数据的精密仪器,那么大数据如何帮助企业这台机器更“精密”起来?
大数据:孵化数据价值的摇篮
自2014年伊始,光大银行科技创新展厅进入“大数据时代”主题展览。展厅通过大数据的一天、大数据应用成果、数据沙盘、互动问答、演示体验、历史数据查询、社区银行热点地图、数据分析等等展览模块,用切身体验的方式告诉人们:大数据是如何帮助光大银行这台机器在经营运转中更“精密”起来的。但是通过这样的体验,人们了解的还仅仅是一部分。
中国光大银行信息科技部人士告诉记者,该行科技创新实验室通过科技前瞻性创新助力银行业务快速发展,近年来已孵化出“公司客户在线供应链平台”、“非接触移动支付”、“瑶瑶缴费”、“电子支付交易市场资金监管”、“社区银行VTM”、“O2O餐饮收单”等应用创新业务。大数据时代,在提升效率、降低成本、加强风控、创造价值等等诸多方面,光大银行创新实验室通过数据应用为银行业务发展的贡献度正在显现。
用数据发现业务服务客户
谁是潜在的客户?客户需要什么样的服务?利用大数据社交媒体技术进行数据分析,光大银行制作出了“云图”,云图为业务部门新拓展供应链或拓宽现有供应链网络,主动发现有价值客户提供了全面、准确的数据,同时也为银行根据客户特点提供个性化服务提供了依据。
据不完全统计,光大银行信息科技部门数据服务人员全年须完成人均近1000项业务部门提出的数据服务需求,如何组织有限人员完成以上海量的服务需求?光大银行创新提出开放式数据服务社区理念,并建设成服务平台,利用“中文语义智能分析”技术,使得数据服务资源共享、知识共享成为可能。此举还曾荣获由中国人民银行颁发的科技发展二等奖,是大数据技术驱动优质服务的最佳实践。
同时自2012年启动“智慧分行科技行”主题活动,通过在总、分行之间进行数据分析与服务的互动、培训,将数据运用能力有效传导至分行,两年内推动实现近350项数据分析业务营销活动,激发分行业务发展活力。
提升营运效率 降低投入成本
2013年,光大银行基于大数据Hadoop技术构建起核心历史数据查询平台,该平台可为客户提供联机历史数据查询应用功能,通过Hadoop技术可使以往需要3-4天的查询时常缩减到当日完成,大大提升运营效率。
光大银行有关负责人介绍,由于该平台采用开放式的大数据应用架构,在软、硬件科技成本投入上较传统技术架构应用节省近百分之八十的费用,大幅降低投入成本。这也是国内将Hadoop运用于银行在线运营业务的首个成功案例。 大数据为风险管理保驾护航风险管理是作为金融企业的银行必须具备的核心竞争力,在此方面,大数据的作用也在显现。
围绕着风险管理,近年来光大银行全面打造“风险预警平台”,该平台利用互联网大数据挖掘技术、文本数据分析技术以及风险欺诈数据挖掘模型技术,将网络舆情、监管信息与企业账务流水、财务报表数据进行关联分析,通过事件驱动覆盖客户信用风险、账户风险、财务风险、关联风险、声誉风险、经营风险等风险事前预警。在单一客户预警的基础上,还深度挖掘企业与关联企业、企业与关联个人、个人与关联个人之间的关系,使认定的风险预警信号得以传导给与客户相关联的其他客户,更为高效的发现风险,为银行贷后风险管理构建起一道强有力的大数据信息屏障。CDA数据分析师培训官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
金融统计不是单纯的 “数据计算”,而是贯穿金融业务全流程的 “风险量化工具”—— 从信贷审批中的客户风险评估,到投资组合的 ...
2025-11-11这个问题很有实战价值,mtcars 数据集是多元线性回归的经典案例,通过它能清晰展现 “多变量影响分析” 的核心逻辑。核心结论是 ...
2025-11-11在数据驱动成为企业核心竞争力的今天,“不知道要什么数据”“分析结果用不上” 是企业的普遍困境 —— 业务部门说 “要提升销量 ...
2025-11-11在大模型(如 Transformer、CNN、多层感知机)的结构设计中,“每层神经元个数” 是决定模型性能与效率的关键参数 —— 个数过少 ...
2025-11-10形成购买决策的四个核心推动力的是:内在需求驱动、产品价值感知、社会环境影响、场景便捷性—— 它们从 “为什么买”“值得买吗 ...
2025-11-10在数字经济时代,“数字化转型” 已从企业的 “可选动作” 变为 “生存必需”。然而,多数企业的转型仍停留在 “上线系统、收集 ...
2025-11-10在数据分析与建模中,“显性特征”(如用户年龄、订单金额、商品类别)是直接可获取的基础数据,但真正驱动业务突破的往往是 “ ...
2025-11-07在大模型(LLM)商业化落地过程中,“结果稳定性” 是比 “单次输出质量” 更关键的指标 —— 对客服对话而言,相同问题需给出一 ...
2025-11-07在数据驱动与合规监管双重压力下,企业数据安全已从 “技术防护” 升级为 “战略刚需”—— 既要应对《个人信息保护法》《数据安 ...
2025-11-07在机器学习领域,“分类模型” 是解决 “类别预测” 问题的核心工具 —— 从 “垃圾邮件识别(是 / 否)” 到 “疾病诊断(良性 ...
2025-11-06在数据分析中,面对 “性别与购物偏好”“年龄段与消费频次”“职业与 APP 使用习惯” 这类成对的分类变量,我们常常需要回答: ...
2025-11-06在 CDA(Certified Data Analyst)数据分析师的工作中,“可解释性建模” 与 “业务规则提取” 是核心需求 —— 例如 “预测用户 ...
2025-11-06在分类变量关联分析中(如 “吸烟与肺癌的关系”“性别与疾病发病率的关联”),卡方检验 P 值与 OR 值(比值比,Odds Ratio)是 ...
2025-11-05CDA 数据分析师的核心价值,不在于复杂的模型公式,而在于将数据转化为可落地的商业行动。脱离业务场景的分析只是 “纸上谈兵” ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-05教材入口:https://edu.cda.cn/goods/show/3151 “纲举目张,执本末从。” 若想在数据分析领域有所收获,一套合适的学习教材至 ...
2025-11-04【2025最新版】CDA考试教材:CDA教材一级:商业数据分析(2025)__商业数据分析_cda教材_考试教材 (cdaglobal.com) ...
2025-11-04在数字化时代,数据挖掘不再是实验室里的技术探索,而是驱动商业决策的核心能力 —— 它能从海量数据中挖掘出 “降低成本、提升 ...
2025-11-04在 DDPM(Denoising Diffusion Probabilistic Models)训练过程中,开发者最常困惑的问题莫过于:“我的模型 loss 降到多少才算 ...
2025-11-04在 CDA(Certified Data Analyst)数据分析师的工作中,“无监督样本分组” 是高频需求 —— 例如 “将用户按行为特征分为高价值 ...
2025-11-04