京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融行业欲平稳着陆“互联网+” 大数据是关键
“互联网+”的概念一夜之间火遍各个行业,互联网对传统行业的改造颠覆已近在眼前,人类智慧与计算机智能的结合激发着全社会的发展和创新。4月23 日,2015QCon全球软件开发大会在北京国际会议中心隆重开幕,大数据价值驱动着DT时代奋力向前。明略数据CTO冯是聪博士作为大会开场的第一位演讲嘉宾,他勾勒的明略公司战略让参会人士格外关注,他介绍的明略大数据产品更引发热议,构建安全、开放、包容、共享、多赢的大数据生态圈是所有企业的梦想。
从冯是聪博士介绍的明略数据服务的对象不难看出,明略的产品和服务与金融业匹配度极高,金融反欺诈实时分析系统就是其代表性产品之一!金融业是最特殊的服务行业,他们手握海量客户信息和交易数据,如何让数据变现、如何让服务更优是金融企业格外关心的话题。互联网金融已经是不可不扣的行业热词,隐藏在海量数据后的力量能创造巨大的数据价值。对金融行业来说,能否在互联网平台上平稳着陆,大数据的分析和管理是关键所在。
小编有幸采访到了明略数据的技术副总裁周卫天先生,他不仅是数据库技术专家,还曾在甲骨文、用友软件等企业担任要职,有多年服务于大型金融企业的宝贵经验,周卫天一直大力支持金融行业信息化建设。在明略数据的一年间带队做了大数据平台1.0版、公司战略产品1款,目前负责金融事业部。
(以下内容为访谈实录)
记者:周先生,请介绍一下明略数据以及明略在金融大数据方面的优势。
周卫天:明略公司提供一系列数据分析平台和软件,帮助政府、金融机构客户整理、分析、使用不同来源的结构化和非结构化数据。核心理念在于,利用数据的连接性激发大数据的真正价值,从而创造一种人脑智能和计算机智能“共生”的关系,“明万象 筑方略”正是明略的生动诠释。实践一次又一次告诉我们:实现客户的360度分析和挖掘是实现银行业快速落地互联网+的奠基石。我们天生就知道如何找到数据,如何找准数据,如何有效整合数据,如何使数据变现成为科技和引领业务的利器,我们对数据的嗅觉灵敏度极高!我们不仅了解金融行业主要信息系统和业务需求,同时具备强大的分析挖掘和建模能力,对于金融企业现有客户的“画像分析“和梳理也积累了不少经验。
记者:客户画像的价值如何体现?有哪些可借鉴的经验呢?
周卫天:360度客户画像和分析可用于征信,用于精准营销,用于和第三方APP多维合作。简单讲客户画像就是把客户群用筛子筛一筛把当中优质的、和劣质的两端首先筛出来,然后对中间的80%进行分类评级,这当中的模型和传统做法已经比较成熟。就我们服务的金融行业来说,金融互联网+覆盖的范围很大,金融行业有银行、证券、保险、财富服务机构、P2P平台、民间投融资机构等。我们平时接触的业务部门就是电子银行部、网络金融部、互联网金融服务中心、风控部门等。360度客户的画像背后的模型和数据是重中之重,模型要做到灵活可扩展、讲效率、考虑到前瞻性,最重要的是模型针对于所服务行业的可适性非常重要,这直接影响到客户的接受程度和客户对业务流程所需“手术”的大小。
通过明略和银行客户的不断磨合成长,我们认为以下几个方面是值得银行业360度客户画像参考和借鉴的:
第一 首先要对现有客户的“画像分析” 和现有的流程规则的充分理解。
第二 了解或引导客户当前阶段的战略方向和业务重点。
第三 引入外部数据源。电商网站数据、移动互联网APP数据、网银、手机银行社交化数据、运营商数据、购买的第三方数据等。
在实际当中,对于新成立的网络金融部门,对于一小部分愿意快速接受新技术和尝试颠覆式创新的业务领导来说,那么并轨现有模型、单列创新模型就更加合适。在业务战略上可以考虑提供数据源,引入第三方战略合作。
记者:您觉得大数据在金融领域扮演何种角色?
周卫天:我们以银行的例子来说明,大数据的价值只有在连接之后才可以被挖掘出来,这需要打破银联内部不同应用系统的信息壁垒,让基础主数据数据互通互联。依托大数据平台,整合各业务系统数据,如整合流水应用,清分应用和新一代商业管理应用系统,根据历史流水和交易数据预测客户消费轨迹,并预测同一类商户的消费水平,由综合分析和实时分析数据帮助商户明确自己在所在行业的位置、以调整其整体销售战略和对于不同商圈的投入,对信用卡持卡人的消费轨迹精准预测,从而制定对应的营销策略。大数据是一切精准营销的基础,大数据是提供服务方向的佐证,大数据更是提升客户体验的钥匙!
提到大数据,就必须要讲到安全,因为数据安全对金融行业来说是命脉所在。明略数据创立之初就是要充分抓住企业级软件行业国产化和去IOE的大趋势。明略自主开发和大大改进了基于开源的大数据平台,我们是国内第一家既支持MPP架构, 又支持Spark SQL和Hive的大数据平台,我们的大数据平台强调安全特性,数据级安全既支持列级安全、又支持行级安全,不客气的讲,明略在大数据安全领域走到了国际领先水平。
记者:对金融行业来说需求最大的大数据应用是什么?
周卫天:从全球银行业来看,前三大大数据应用是:投资组合和资金市场、风险建模和客户行为分析。而从中国来看,由于银行发展的水平和对于大数据实际应用滞后于美国, 首当其冲的应用就是客户360度视图和综合分析,包括优质VIP客户筛选、客户行为分析、客户营销。
大数据有化腐朽为神奇的本事,但这神奇需要对大数据科学管理、广度分析和深度挖掘之后才能获得。4月24日,在QCon大会的明略数据大数据专场,还有更多专家嘉宾畅谈“互联网+”和金融大数据话题,银行从业者不可错过。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-13在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-13在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09