大數據:怎樣利用分析創造價值_數據分析師

作為全球銀行業最親密的合作伙伴之一，IBM公司一直在為世界各地的各種類型的銀行提供從提供端到端的業務咨詢和系統集成服務。本期年終策劃，《零售銀行》再次邀請到IBM大中華區相關專家撰文，來為大家解讀大數據在銀行業的具體應用方案。

　　人民幣的國際化、利率的逐步市場化、方興未艾的互聯網金融和客戶對金融產品和服務體驗日益提高的期望，對所有的商業銀行都是“?！迸c“機”并存的“新常態”。這些新趨勢和新事物意味著不容忽視的挑戰，也蘊藏著巨大的潛在機會，如果抓住了這輪轉型的契機，銀行就能占得未來持續發展的先機。

　　針對中國銀行業的創新轉型，IBM在今年的北京國際金融展上對國內銀行業的發展提出了以下四點建議：1.以人為本，刷新移動互聯新體驗；2.數據為先，洞察客戶業務新需求；3.系統為實，讓核心能力支撐創新；4.風控為要，讓企業安全盡在掌握。從以上4點建議中不難發現數據在銀行的經營和發展中扮演著越來越重要的核心地位。因為歸根到底，銀行業就是一個跟數字和風險打交道的行業，不管是客戶體驗的提升還是金融風險的管控，都需要有強大的數據分析能力的支撐和保駕護航。這也是過去數年來，大數據分析(Big Data Analytics)日漸成為各家銀行重點關注焦點的原因。

　　銀行研究和使用大數據，實質就是要弄清楚銀行應該如何獲取和處理日益增多的數據，驅動產品和服務的創新，利用分析創造業務和客戶價值。本文就將針對大數據在銀行業的使用，介紹IBM在全球和中國的大數據分析實踐經驗和實施案例，以幫助從事零售銀行的朋友們開闊思路、更好的利用大數據，打造"以客戶為中心"的新一代零售銀行。

　　數據已經成為21世紀全新的自然資源，全球范圍內數據產生的數量、種類及速度都在以爆炸性方式增長。而銀行天然擁有的海量客戶信息為銀行進行大數據分析，挖掘客戶洞察，發現全新商業機會提供了重要基礎。利用大數據分析，銀行可以在兩大領域實現創新與突破。首先，基于銀行現有數據的再利用，借助大數據新的思維和手段，銀行可以挖掘隱含的客戶社交屬性、位置信息、行為信息、賬戶關系網絡等信息。先進的大數據分析技術，能夠顯著改善銀行業務洞察的精確性，從而建立起全面的業務數據洞察力。通過對這些信息的掌握，可以使得銀行更精確對客戶的完整畫像進行描，從而挖掘新的業務機遇。此外，應用大數據分析，銀行可以與第三方合作伙伴建立廣泛的業務聯系，打造跨行業聯盟，實現資源整合和優勢互補，建立更加完整的大數據客戶視圖。

　　目前，IBM已經幫助花旗銀行、新加坡星展銀行、澳新銀行以及眾多國內銀行成功利用大數據分析技術，為銀行業務發展灌注了新的創新能力。IBM根據近幾年來在全球各地幫助銀行業客戶的近千個大數據項目的落地實施經驗，總結出了如下圖所示的銀行業大數據分析應用的典型場景。大數據分析在銀行業的落地，我們認為主要應該關注以下三個領域：

　　1. 客戶和市場洞察

　　2. 運營洞察與優化

　　3. 風險和欺詐洞察

　　一、客戶和市場洞察，是指銀行充分利用能獲得的各種行內和行外的大數據，增加對銀行客戶的了解，做好客戶的細分，最終的目標是做到所謂的360度客戶視圖，全方位的了解客戶的交易歷史和他們在各渠道上的行為，在合適的時間點、在合適的接觸渠道上做好產品和服務的推薦，實現精準營銷，提升客戶體驗。在引入大數據理念和實踐后，銀行的客戶數據主要分為以下三類：靜態交易數據、動態行為數據和外部社交數據。如何利用好以上三類數據進行客戶分析是目前零售銀行從業者最關心的大數據分析的使用場景，也是近年IBM在大數據領域投資最多，經驗最為豐富的領域。

　　案例：IBM幫助一家股份制商業銀行的電子銀行部門建立下一代大數據客戶分析平臺，基于IBM領先的大數據分析軟件和硬件，結合IBM中國研究院多年積累的大數據分析模型和算法，整合海量的結構化和非結構化數據，為該銀行提供客戶全景視圖、客戶細分、精準營銷、產品推薦等業務場景的分析服務，有效幫助該銀行獲取新客戶、維系老客戶、提升現有客戶的價值。

　　二、運營洞察與優化，關注的是銀行運營效率和各種系統的安全管控問題。通過對各業務和IT系統的各種運行數據、日志文件的收集、關聯和分析，銀行就能提升對系統運行狀態和效率的洞察，及時了解、定位和解決各類系統不可避免都會出現的問題和故障，以及面對日益嚴峻的各種網絡和系統安全威脅。

　　案例：某國有大行的傳統監控體系主要關注于底層IT組件異常事件告警和主要性能指標的集中展示，無法從交易運行的全局視角快速呈現業務可用性及IT異常的影響，造成監控結果與客戶業務體驗存在較大差距。日常系統運維中發生的交易異常往往需要跨部門、跨平臺進行協作，以明晰各個部門之間的責任范圍、有針對性的對不同平臺進行排查，造成問題診斷耗時耗力，難以快速定位問題所在，嚴重影響客戶體驗和滿意度。該行采用IBM實時大數據軟件，結合IBM對業務的理解和開發服務，實現了端到端的交易監控方案。項目實施后，該行做到了從服務器組件級粗粒度監控到業務交易精細化監控的全面管理，實現以交易路徑為主線的端到端應用監控，通過對交易全路徑和中間環節的響應時間和交易量等KPI指標的監控，實現主動式預警，主動探測用戶體驗，先于用戶發現問題達到預警的效益。

　　三、風險和欺詐洞察，主要是指利用大數據分析技術幫助銀行的風險管理和合規內控部門，做好全面風險管理。這可以涵蓋信用風險、市場風險、操作風險、反欺詐反洗錢等方方面面的工作。特別是在大數據分析技術引人之后，銀行可能將對風險和欺詐的管控從之前業界普遍實施的事后調查、報告，有效地擴展到事中的實時監控、可疑交易的及時阻斷，甚至能做到事前的預測預警。

　　案例：MoneyGram International是一家在全球190個國家擁有23萬個網點的跨國支付服務公司，和所有類似的金融服務公司一樣，MoneyGram面臨著金融欺詐的風險和嚴厲的監管壓力。通過和IBM合作實施大數據反欺詐解決方案之后，該公司對欺詐交易的識別和阻斷能力提升了40％，一年之內就幫其客戶杜絕了近千筆欺詐交易，挽回了近4千萬美元的經濟損失，與欺詐相關的投訴也相應下降了72％。

　　下面分享給大家的是IBM商業價值研究院最新發布的白皮書《分析：價值藍圖 — 將大數據和分析洞察轉變為切實的業務成果》中的最新研究成果。該白皮書研究分析了全球業界領先企業如何將分析功能融入整個企業的方方面面，推動智慧的決策，支持更快的行動并且優化業務成果。有意充分利用大數據分析能力的中國銀行業者可以從中吸取全球先進理念和經驗。

　　在該研究中，IBM調研了70多個國家或地區的900多位業務和IT高層主管。通過研究發現了如下圖中所示的 9 大支持因素，可以幫助企業從各種來源中不斷增加的數據獲得洞察，通過分析這些數據在企業各個層面采取行動，從而創造出非凡的價值。這9大因素代表了能夠最有效區分領先者與其他受訪者的差異化能力。結果表明，領先者實現9大要素的方式基本類似，即利用分析創造價值。

　　雖然了解這9大要素中的每個要素如何影響價值創造很有幫助，但是考慮每個要素適合業務日常運營的哪些方面也至關重要。IBM認為，這需要戰略、技術和組織架構之間的相互配合。分析實施戰略必須支持企業最重要的業務目標；所使用的技術必須支持分析戰略；而企業的文化必須與時俱進，以使相關人員可以根據戰略使用技術來采取正確的行動。這三個關鍵因素必須相互配合，才能為企業創造切實的價值，通過分析結果結出豐碩的業務果實。

　　回到零售銀行業，正如以上分享的大數據分析實施案例和研究報告給出的建議，我需要再次強調的是，雖然大數據中毋庸置疑的潛藏著驚人的價值和無限的可能性，但是大數據要在零售銀行業落地開花，真正產生業務價值，并不是一件特別容易和可以立竿見影的事情。知易行難，大數據分析需要銀行的各級領導、業務條線、科技部門等相關方的通力合作才可能成為現實。