金融資料分析還能這樣做？快試試這個BI工具小白也能學會！

說起銀行、保險、股票投資等這些金融行業，大多數人都認為它們都是依靠資料驅動的企業，畢竟大資料的誕生本來就是為了金融資訊流通而服務的，但是事實真的是這樣嗎？

事實並非如此，真正在金融行業做資料分析的人，都知道金融行業雖然有很強的交易資料流，但其實它們的資料化程度已經遠遠落後於普通電商、電信行業等行業，並且落後的IT業務系統已經沒有辦法實現與資料分析的深度融合，整個行業的資料價值早就被掩蓋了。

據研究報告顯示：由於IT遺留系統和過時的業務流程，只有35%的金融服務公司實現了數字化。但是仍然在資料應用管理、業務場景融合、標準統一、頂層設計等方面存在的瓶頸。

 

因此，金融行業需要一個完整的資料分析系統。

包含從源資料對接—>資料抽取轉化—>資料倉儲—>資料集市—>整合分析—>自助分析的包含整個過程；從業務分析的架構上看，包含資料支撐平臺和資料決策平臺兩個部分，具體如下：

 

 

在構架完成之後，就需要進行資料分析建模了，目前市場上已經有很多BI工具，比如國外品牌工具Tableau，但是這些國外的廠商還不多，所以我們可以選擇國內的BI工具，歸根結底，國內的BI產業多年來也在不斷成長，例如，Smartbi思邁特軟體，歷經過多年的發展，整合了各個行業的資料分析和決策支援的功能需求，並滿足了終端使用者對企業報表、資料視覺化分析、自助分析平臺等各種大型資料分析的需求。我這裡就以Smartbii一站式大資料分析平臺作為分析工具，來進行案例展示。

 

一、 首先要考慮的是資料來源。

 

第一部分比如銀行業務資料。銀行內的資料包括業務資料、運維、網站日誌資料等。另外還有一些新興的資料，比如我們通過移動網際網路、微信、微博等等產生的資料。另外是第三方資料，比如通過電商、網路平臺等收集到的一些資料，還有一些諮詢公司和專門的資料公司收集到的資料。

 

二、接著就要考慮場景的應用。分為4大塊。

1、營銷支援。

2、產品運營：銀行要開發什麼樣的產品滿足客戶的需求，產品開發出來之後，客戶反饋是怎麼樣的，符合不符合客戶的心理預期，效果怎麼樣，我們怎麼進行優化。

3、風險管控，比如我們發一些貸款，首先要看一下這個人是好人還是壞人，信用度有多高，發多大的額度，會不會存在欺詐。

4、內部管理，特別是大型集團使用者，涉及到幾萬、幾十萬人的規模，這個時候內部怎麼管理員工，比如營銷團隊怎麼管理、風險團隊怎麼管理、運維團隊怎麼管理。

 

三、接下來要考慮的就是資料的應用場景及找出相應的模型了

 

以Smartbi的金融大資料分析解決方案作為例子。

某銀行資料應用門戶建設專案，想通過專案建設，在全行範圍內推廣數字化分析、數字化營銷和數字化風險控制；讓大資料應用和分析走進全行員工和管理者工作中，激發各層級人員對於資料的認知、挖掘和運用。

 

 

 

Smartbi為該銀行建設資料應用門戶使其打造成一個覆蓋多使用者層級的、靈活自由的、可擴充套件的、支撐全行各領域的資料查詢、資料分析、資料探勘、資料共享、互動、資料圖形化展示的一站式資料工作平臺；推動了各級部門的人員參與，在全行範圍內營造自主的資料應用氛圍，傳播價值。

 

 

感興趣的小夥伴，可以直接到Smartbi官網上檢視具體案例或是其他案例，趕緊行動起來吧！