银行大数据应用的特点

     银行业是一个数据驱动的行业,数据也一直是银行信息化发展的主题词。起初,要求帐务数据的统一,通过数据大集中和统一的核心业务系统来实现。第二步,要求客户数据的统一,支撑以客户为中心的多渠道服务和信息整合。第三步,要求建立主数据管理模型,分析产品、客户、资金、组织、人员等主数据,建立企业级数据模型,实现基于数据挖掘和分析的银行商业智能。在互联网金融时代或者大数据金融时代,银行信息化进入了一个新的发展阶段:大数据应用。

 

     银行的大数据有哪些?

    银行大数据应用主要分析几类数据:一是在网上银行、手机银行、电话银行、企业微博、企业微信、企业博客等中所形成的与客户访问行为相关的非结构化数据,如搜索、留言、评论、转发等数据。二是银行的各类系统中产生的日志数据,这一类数据过去往往因为处理能力不足被忽略。三是银行在网点、手机、网络、自助设备上留下的视频、音频、图像等大容量数据。四是在互联网、社交网络、移动互联网中与银行和客户相关的外部数据。

    银行大数据应用在哪些方面?

    银行业大树据应用主要集中在几个关键领域:一是客户分析,基于各种数据源的客户数据和客户行为数据分析,用于客户分类分析、客户差异化分析、客户推荐系统、客户流失预测等。二是风险分析,基于银行交易和客户交互数据进行建模,借助大数据平台快速分析和预测再次发生或者新的市场风险、操作风险等。三是基于企业内外部运营、管理和交互数据分析,借助大数据平台分析企业经营和管理绩效。四是基于企业内外部交易和历史数据,实时或准实时预测和分析欺诈、洗钱等非法行为,遵从法规和监管要求。

    银行大数据选择哪些技术?

    银行业大数据应用同时具备体量大、种类多、访问速度快和准确性要求高等特点,因此银行大数据应用的技术选择上要求支持非结构化数据的快速读取和分析,要求能够快速处理实时多媒体流,要求能够支持SQL on Hadoop的方式来访问大数据,同时要求保证大数据平台的授权访问、个人隐私等安全性。从目前国外银行应用实践来看,多选择商业化和大品牌的Hadoop发布版、大数据机、流媒体计算工具等大数据产品