4大案例分析金融机构的大数据应用 .pdfVIP

4大案例分析金融机构的大数据应用

就“大数据+金融”思维利用而言，国外金融机构有着十足丰富的

体现，已经将大数据技术在风险控制、运营管理、销售支持及商业模

式创新等领域进行了全面的尝试。

案例一：汇丰银行-风险管理

汇丰银行在防范信用卡和借记卡欺诈的基础上，利用SAS构建了

一套全球业务网络的防欺诈管理系统，为多种业务线和渠道提供完善

的欺诈防范。该系统通过收集和分析大数据，以更快的信息获取速度

挖掘交易的不正当行为，并迅速启动紧急告警。

案例二：Kabbage-开辟新商业模式

Kabbage主要为网店经营提供贷款服务的金融机构。其通过大数

据计算开辟了一条新的商业模式。通过对网店店主的销售、流量、评

论以及商品价格、存货和信用记录数据，精确计算出是否需要贷款且

贷款金额数。

然而在大数据时代，能利用大数据并获得成功的案例毕竟是少数，

大部分都面临着严重的阻碍：

1、行业竞争加剧。以阿里巴巴等数据驱动型企业在技术上抢占先

机；在数据资源上占据优势；大数据的应用、推行较传统金融机构快。

2、基础设施的挑战。目前数据以更快速度在增长，尤其是非结构

化数据。而传统银行业的基础设施已无法满足对数据的处理需要。

3、安全管理的压力。由于云计算的普及、系统复杂性的提高，造

成金融机构的风险隐患家具，这也使得诸多传统金融机构仍走保守步

伐。

大数据无法转化为“大价值”的原因是什么？

《2015中国大数据应用前沿调研报告》指出，数据、技术及思维

的掌握决定了大数据能够创造多少商业价值。

数据方面，结构化数据、半结构化数据以及非结构化数据共存是

目前众多金融机构普遍面临的数据问题。

技术方面，绝大多数传统金融机构面临新的技术难题，传统的分

析方法难以适应大数据的管理需要，如非结构数据处理。企业需要更

有效的数据挖掘算法。

思维方面，国外对大数据的利用大多围绕风控、运营和销售支持。

国内起步较慢，市场需求细分和渠道整合价值才已得到国内金融行业

的较普遍认识，大数据尚有很多待发掘的价值。

从报告提供的金融行业大数据能力需求分布来看，企业对于数据

挖掘需求占首位，而查询、报告和数据可视化这两类基础性的数据工

作却仍占1/3以上，这也说明了传统金融机构对数据基础利用水平的

滞后。

很多银行企业都认识到这一点，纷纷利用第三方软件或自主开发

那个的方式搭建数据可视化平台，完善数据化的流程管理，弥补这一

方面的空缺。

案例一：某国有商业银行-大数据平台建设

在信息化建设中，该银行面临数据可视化展现、数据查询的问题，

提出“获取数据，追溯数据，挖掘数据”需求目标。宗旨是整合数据、

统一管理以及提高报表制作效率。

利用帆软报表打通各业务系统，整合新旧历史数据搭建数据查询

平台；由于渠道经营管理机制不灵活，各网店管理成本偏高，利用报

表系统连接系统实现渠道数据展现；结合Gbase、Oracle数据库将报

表平台与大数据平台结合，对作业日志监控，推动大数据平台应用。

案例二：某城市农商行-商业智能平台建设

“数据分散、口径不统一”是该银行在数据化运营面临的主要问

题。通过搭建帆软报表系统，构建了包含报表，分析，数据挖掘和业

务监控的数据中心应用，以领导决策分析为向导，通过系统进行展现，

为经营管理提供数据支撑。

从技术上来讲，金融机构在大数据利用上存在两个重要节点，一

是底层基础数据的处理，包括整合、清洗以及数据统一平台的建设，

这一点需要结合业务、战略去分析规划设计。二是挖掘数据背后隐藏

的规律、相关关系等。

综合以上的分析和案例，银行、金融机构对于“大数据”的驾驭

要从眼下痛点着手，底层基础数据方面要对数据质量，标准规范和约

束性提出要求。数据分析、运营化管理结合业务需求，制定规范流程，

可视化前端展现流程分析。领导层可通过BI等项目对重要指标实施监

控及实时的分析。

注：部分数据、内容参考《2015中国大数据应用前沿调研报告》