京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据拯救传统金融_数据分析师
在互联网金融的冲击下,有人说,中国传统的金融机构有可能成为21世纪的恐龙,很多商业银行人悲观坦言:大企业客户离我们远去,因为不愿意间接融资,小微客户离我们更远,因为他们现在有更便宜、更便利的融资平台为他们提供金融服务。进入数据时代,比起BAT等互联网金融机构,传统银行缺乏有效的、互动的更有价值用户数据。南京大学商学院副院长裴平说:“大数据对无论是传统金融以及新跨界者都带来了平等的创新机会,关键是如何切入,如何抓住。”
构建数据基础
传统银行业在大数据和互联网金融的冲击下感到焦虑和忐忑,关键原因是缺乏具有行为特征、交易特征的数据。
传统银行业之所以在互联网大潮来临,在大数据和互联网金融的冲击下感到焦虑和忐忑,关键原因是缺乏有效数据。缺乏具有行为特征、交易特征的数据让传统的金融机构很抓狂。
腾讯征信的总经理吴丹透露,目前央行的征信系统覆盖了3亿人,也就意味着中国有20%~30%的人有征信记录,而剩下的人没有。没有征信、行为特征记录的人意味着这些人虽然都在银行的”册子“上,但金融机构无从根据数据来为他们提供更精准、更快速的金融服务。
互联网金融和互联网企业之所以让传统企业惧怕,是因为他们有大量的“活”数据。每一天跑在阿里平台上的数据是5000个大型图书馆的数据,一天天猫的交易额是571亿元,腾讯的微信有超过5亿的用户,更关键的是BAT等互联网上面的数据是有客户行为特征、交易特征的,其上有他们的购买轨迹,社交吐槽着他们的爱好,可以很方便地了解每个人的信用状况,可以快速放贷,可以快速为他们提供精准营销服务。
“事实上,传统银行没有必要如此恐惧,因为大数据面前人人平等,每一类机构都有机会来抓住它。从数据构建的维度看,传统金融机构可以在原有数据基础上通过与外面机构合作来获得更多数据。” 南京大学商学院副院长裴平说。事实上《中国电子报》记者在采访IBM顾问咨询部的金融事业部有关负责人时,对方也表达了类似观点。
金融机构除了原有的客户数据,外部有大量的数据可以利用。事实上金融机构可以整合的数据渠道和维度很多,包括政府的数据、电信的数据等,事实上包括阿里巴巴、百度等互联网企业现在也对外提供很多数据服务,这些数据产品金融机构可以通过交易获得。不仅如此很多金融机构事实上也在开始布局自己的数据渠道。
开启“大数据化”转型
对于传统金融机构来说,大数据战略的核心是要精准了解客户、快速个性化地提供客户需要的服务。
对于传统金融机构来说,大数据战略的核心是要精准了解客户、快速提供个性化客户服务。要想达到这样的目标,每一个金融机构有自己的路径来构建自己的数据基础、应用模型,创造新服务。中金数据的康潭云坦言,金融机构要想成为数据驱动的金融机构,需要有几个关键点:一是从战略层面布局大数据。二是要对数据来源和数据的质量进行评估。三是要有分析模型。
裴平是3家商业银行的独立董事、国家重大项目互联网金融的首席专家,他坦言自己常常给金融机构进行互联网金融的顾问咨询,在他看来这些金融机构面向大数据的转型,首先是要转换思想。现在大部分金融机构的人都不懂大数据,在中国真正懂得金融大数据的人不超过100人,无法换人就必须要换脑,从传统思维转向大数据思维,大数据讲究是多维度、多样性、动态、开放和系统。第二是要打破信息孤岛,找到精准有效数据,有价值的数据。其实很多维度的数据是可以整合起来的,比如中国电信有13亿用户,他们的数据中有通话记录、漫游记录、上网记录,如果金融的数据与电信的数据进行对接, 与水电费信息结合,就可以充分了解一个人。第三是要提高大数据挖掘的能力,提高大数据的驾驭能力,这样能够快速把数据转化为商业行为,变成产品。
事实上,目前银行的服务与产品是相当粗放也是相当同质化的。之所以出现“大企业渐渐远去”、“小企业也纷纷远离”,关键的原因是银行不能够精准了解客户需求,不能够非常快速精准地定制客户所需要的金融服务产品。IBM大数据分析专家肖小梅给《中国电子报》记者讲了金融大数据的应用场景:一个客户到银行柜台取钱,从进去到出来预计是10分钟的时间,如果金融机构能够在客户离开银行之前这10分钟内基于种种数据快速分析预测出他的当下和潜在金融需求,就可以在他离开前向他提出建议,就有可能抓住客户并获得新商业机会。
勇敢跨界拥抱合作
传统金融机构应该敞开胸怀,拥抱大数据,拥抱一切有利于自己的数据资源和数据合作。
不久前,《中国电子报》记者采访了用友集团高级副总裁郑雨霖,他坦言,正在向互联网金融服务转型的用友目前正在构建自己的数据渠道,在金融业务方面,从企业支付到企业供应链金融、企业理财以及企业征信等都是用友的业务方向,而在推动这些金融业务,虽然用友有多年企业管理的经验,但用友不是金融领域的专家,所以用友选择与金融机构、行业龙头企业进行合作。事实上,互联网金融是一个跨界产物,对于每一类机构都需要更开放的心态和开放的思路。
来自华夏银行、现在担任百度金融事业部总经理的杨进坦言:“互联网金融和传统金融不是谁要颠覆谁的问题,也不是颠覆和被颠覆的关系,互联网金融发展迅速,给社会带来更多的好处,同时也产生一些挑战和问题,解决这个问题,需要更多的融合,传统金融和互联网金融很多方面是互补的。”
蚂蚁金融集团首席战略官陈龙同样坦言:”互联网金融不可能颠覆传统金融,互联网金融与传统金融是互补的关系,金融机构自己核心的竞争力,包括甄别风险定价的能力,长期积累出来的信誉,处理复杂交易的能力,所做的是‘大’金融服务。互联网金融的优势是前段渠道上,它可以通过渠道更容易获得客户,为长尾用户提供普惠金融的服务。”他同时坦言,以数据为例,现在中国已经有8家公司获得新的个人征信产品的许可,这些企业所提供的产品是数据服务,与传统的金融不同,他们之间可以进行更多的合作。
事实上,很多后来进入互联网金融的跨界者都对传统金融张开了怀抱,对于互联网金融抱着“敌对态度”的传统金融,也应该敞开胸怀,真正拥抱大数据,拥抱一切有利于自己的数据资源和数据合作。毕竟大数据所带来的透明、高效、低成本的金融服务是历史的车轮滚滚向前,势不可挡,传统金融机构必须跳到这个大数据这辆战车上,顺势而为,才能成为大数据时代的金融赢家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
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 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25