更多精彩內容參見：https://liuhuapeng.jiangshi.org

金融危機之后，世界各國的銀行和金融機構逐漸意識到實現(xiàn)成功沒有捷徑。相對于全方位大規(guī)模的變革，從“帳戶中心”到”客戶中心”的框架改革是一個更好的實現(xiàn)路徑。而這條路徑只能通過我們通常所稱的大數(shù)據(jù)分析來實現(xiàn)。

通常意義上的大數(shù)據(jù)是結構化數(shù)據(jù)和非結構化數(shù)據(jù)的組合。除了銀行可獲得的客戶的結構化數(shù)據(jù)（例如賬號、賬戶類型資產負債等），還有大量的非結構化數(shù)據(jù)。后者主要來源于電子郵件、呼叫中心、社交媒體、網(wǎng)站、客戶反饋和各種機構等。這種結構化和非結構化數(shù)據(jù)的結合聚集了巨量數(shù)據(jù)，對重大事項的決策起到了不可忽視的作用。

在當今競爭激烈的世界中，金融機構已經(jīng)意識到，必須通過分析掌握各個細分市場客戶的行為特點，才能夠將合適的產品在合適的時間賣給合適的客戶。在此之前，銀行一直對巨量的非結構化數(shù)據(jù)視而不見，然而如今，銀行已開始借助持續(xù)增加的各類數(shù)據(jù)進行大規(guī)模的投資活動。

根據(jù)凱捷咨詢公司（Capgemini）最近發(fā)布的一項研究顯示，超過70%的銀行高管贊同以客戶為中心這一理念的重要性，但只有37%的客戶認為銀行了解他們的需求和偏好并能給與及時的應對。

銀行更加注重分析非結構化數(shù)據(jù)，并通過將其與結構化數(shù)據(jù)映射，全面了解客戶特點，從而建立起一個實時的推薦系統(tǒng)以預測其下一步行動。在數(shù)字消費時代，金融機構正在深入探索極為豐富的大數(shù)據(jù)。這可以用在很多方面，例如銀行提出的個性化報價。在銀行業(yè)數(shù)字化的時代，個性化可以最大限度地發(fā)揮其盈利能力。

由商業(yè)銀行開發(fā)并使用的實時推薦系統(tǒng)呈現(xiàn)出不斷增長的趨勢。例如，你可能會收到用信用卡購買電影票將享受折扣的促銷短信；收到提醒咖啡時間快到了的手機短信，而你可以使用信用卡累積積分購買咖啡；當你出國旅行時，如果收到一條來自你銀行的短信，通知你最近的自動取款機地點，這是否會給你帶來驚喜？這就是大數(shù)據(jù)分析的力量。要充分利用和了解客戶下一個可能的動作，將推薦在正確的時間發(fā)送給正確的人是非常重要的。

然而，完善這些實時的推薦并不容易，這需要組合使用多種先進的統(tǒng)計方法和機器學習算法。基于Hadoop的分布式計算逐漸成為銀行業(yè)進行大數(shù)據(jù)分析的主流方式，這將幫助銀行有效地留住現(xiàn)有客戶并增加收入。

目前所需的就是整合各個系統(tǒng)的信息，如來自客戶關系管理、產品組合、貸款、借記卡、信用卡等的數(shù)據(jù)，并建立一個針對客戶全方位360度的分析視角?？蛻舴治鍪倾y行最具功效的工具。麥肯錫研究表明，具備較高的客戶分析能力的銀行相較其他對手來說，在市場份額上將領先四到六個百分點。

另一項正在進行的研究是探討大數(shù)據(jù)分析在輔助央行政策制定上所發(fā)揮的作用。印度儲備銀行一直擁護這樣的信念—即所有貨幣政策制定都應是數(shù)據(jù)導向（此數(shù)據(jù)為結構化數(shù)據(jù)）的。也許有一天，這樣的決策也可以通過非結構化數(shù)據(jù)驅動（從非結構化數(shù)據(jù)源收集的通脹預期）。有趣的是，很多發(fā)展經(jīng)濟學正式是基于隨機實驗，與此類似，也可以基于日常數(shù)據(jù)得出通貨膨脹預期。

綜上所述，在現(xiàn)如今的大數(shù)據(jù)時代，銀行業(yè)的發(fā)展前景就在于如何明智的利用大數(shù)據(jù)分析能力。

更多精彩內容參見：https://liuhuapeng.jiangshi.org