深挖金融數據的商業價值

大數據來了！它將成為金融行業業務提升的又一個難啃的骨

頭。

如果一家銀行在一個月內要接待上萬名客戶，同時這些客戶要分別在分行網點和ATM機上使用銀行服務，再加上網絡銀行、電話銀行以及郵件服務等，銀行將面對非常大的數據壓力，傳統意義上的分析工具，很難應對這么大的數據量需求，而由此產生的服務質量下降、客戶流失則在所難免。

大數據時代，企業不僅要面對龐大的數據量，同時這些數據還具有多樣性的特點。非結構化數據是其中之一，這些數據與傳統意義上的數據結構不同，是新類型的數據，需要使用新工具和方式來處理。如果銀行僅通過傳統的分析方式，只能通過單一渠道對客戶進行分析，無法深入探查是什么原因導致客戶流失。

據了解，目前金融機構數據倉庫建設面臨3個問題：第一，數據量大，由于銀行的業務量巨大，不斷產生新數據，對數據倉庫帶來了很大的壓力，數據的使用效率是一個問題；第二，云計算等新技術和數據倉庫如何進行更好的結合，以期產生對銀行內部更多的幫助；第三，實現硬盤的分析，例如能夠監控企業級客戶的貸款過程，對銀行的風險管理起到預警作用。

Teradata天睿公司企業風險管理總監Sam Harris表示，解決這些問題首先要明確兩點，如何存儲這么多的數據，以及如何在需要的時間內將數據迅速反饋到使用者手里。目前國內銀行普遍的數據加載狀況是，每天晚上將一天數據整個批量加載到倉庫里面，業務人員在第二天上班就能看到前一天的數據。Teradata天睿公司希望幫助銀行實現準實時或實時數據加載，這樣業務人員可以第一時間得到加載進來的數據，并在第一時間做出正確的市場判斷。

2011年，Teradata天睿公司收購了Aster Data公司，這家公司的強項在于大數據分析，通過整合，Aster Data所帶來的對于數據的處理能力和分析能力，進一步提升和豐富了Teradata天睿公司已有分析工具。過去的分析，是從消費者來訪分行的次數、在ATM機上提款的次數等數據中提取信息，而采用了Aster Data平臺之后，還可以對電子郵件、網銀交易等渠道的非傳統數據結構進行分析，例如文字型的描述，或者日志型的數據等。利用Aster Data分析平臺，一般情況下的銀行客戶流失情況就可以有效避免。通過多渠道監測，了解貸款客戶在整個閉環過程中的具體資金流向情況、貸款的資金流向是否正確、了解客戶的行為模式，從而實現早期預警，最大化降低銀行風險。