
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。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15在机器学习入门领域,“鸢尾花数据集(Iris Dataset)” 是理解 “特征值” 与 “目标值” 的最佳案例 —— 它结构清晰、维度适 ...
2025-10-15在数据驱动的业务场景中,零散的指标(如 “GMV”“复购率”)就像 “散落的零件”,无法支撑系统性决策;而科学的指标体系,则 ...
2025-10-15在神经网络模型设计中,“隐藏层层数” 是决定模型能力与效率的核心参数之一 —— 层数过少,模型可能 “欠拟合”(无法捕捉数据 ...
2025-10-14在数字化浪潮中,数据分析师已成为企业 “从数据中挖掘价值” 的核心角色 —— 他们既要能从海量数据中提取有效信息,又要能将分 ...
2025-10-14在企业数据驱动的实践中,“指标混乱” 是最常见的痛点:运营部门说 “复购率 15%”,产品部门说 “复购率 8%”,实则是两者对 ...
2025-10-14在手游行业,“次日留存率” 是衡量一款游戏生死的 “第一道关卡”—— 它不仅反映了玩家对游戏的初始接受度,更直接决定了后续 ...
2025-10-13分库分表,为何而生? 在信息技术发展的早期阶段,数据量相对较小,业务逻辑也较为简单,单库单表的数据库架构就能够满足大多数 ...
2025-10-13在企业数字化转型过程中,“数据孤岛” 是普遍面临的痛点:用户数据散落在 APP 日志、注册系统、客服记录中,订单数据分散在交易 ...
2025-10-13在数字化时代,用户的每一次行为 —— 从电商平台的 “浏览→加购→购买”,到视频 APP 的 “打开→搜索→观看→收藏”,再到银 ...
2025-10-11在机器学习建模流程中,“特征重要性分析” 是连接 “数据” 与 “业务” 的关键桥梁 —— 它不仅能帮我们筛选冗余特征、提升模 ...
2025-10-11在企业的数据体系中,未经分类的数据如同 “杂乱无章的仓库”—— 用户行为日志、订单记录、商品信息混杂存储,CDA(Certified D ...
2025-10-11在 SQL Server 数据库操作中,“数据类型转换” 是高频需求 —— 无论是将字符串格式的日期转为datetime用于筛选,还是将数值转 ...
2025-10-10在科研攻关、工业优化、产品开发中,正交试验(Orthogonal Experiment)因 “用少量试验覆盖多因素多水平组合” 的高效性,成为 ...
2025-10-10在企业数据量从 “GB 级” 迈向 “PB 级” 的过程中,“数据混乱” 的痛点逐渐从 “隐性问题” 变为 “显性瓶颈”:各部门数据口 ...
2025-10-10在深度学习中,“模型如何从错误中学习” 是最关键的问题 —— 而损失函数与反向传播正是回答这一问题的核心技术:损失函数负责 ...
2025-10-09本文将从 “检验本质” 切入,拆解两种方法的核心适用条件、场景边界与实战选择逻辑,结合医学、工业、教育领域的案例,让你明确 ...
2025-10-09在 CDA 数据分析师的日常工作中,常会遇到这样的困惑:某电商平台 11 月 GMV 同比增长 20%,但究竟是 “长期趋势自然增长”,还 ...
2025-10-09Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30