《建设的必要性.docx》由会员分享,可在线阅读,更多相关《建设的必要性.docx(4页珍藏版)》请在得力文库 - 分享文档赚钱的网站上搜索。
1、目录第1章 现有数据中心面临的困难和挑战第2章大数据平台优势2第3章 大数据平台业务应用场景3第1章现有数据中心面临的困难和挑战1 .降低成本的挑战当前商业银行竞争激烈的背景下要求银行大幅度降低成本,而现有的数据体系 的运行成本却反而在不断攀升。在今后的五年中,银行在管理和运作IT系统方面的 成本将是其直接购买系统成本的三倍;使人们更加难以忍受的是许多服务器未能得 到充分的利用。很多银行现有的数据系统中,资源利用率也仅为20%左右。显然, 如何提高IT的投资回报,是摆在银行CEO、CIO们面前的重要课题和当务之急。2 .加快应变速度的挑战目前银行业务变革的速度正在日益提升,一方面变革产生的各种
2、风险随之增加, 因而IT系统以更快的响应速度和更有效的应对措施,来降低这类风险也就变得愈加 重要。另一方面,变革速度的加快给银行数据中心带来时间上更大的压力,这也迫 使企业IT系统提高响应速度。3 .业务连续性和灾难恢复的挑战当前许多银行或机构数据中心不能正常应对内外部的许多安全性挑战和威胁、 满足业务连续性&可用性的要求,往往由IT故障和各种灾难使得企业停止提供服务, 造成很大的损失。据统计,许多企业10%的成本开支是由于IT故障造成的。4 .业务快速发展需求的挑战尽管大数据在银行业的应用刚刚起步,目前影响还比较小,但是从发展趋势来 看,应充分认识大数据带来的深远影响。银行业需要进行统一的大
3、数据平台建设, 建立综合预测分析体系,整合生产系统数据资源。这可以一方面高效收集、有效整 合企业和社会公共数据,掌握企业真实需求,实现精准营销。另一方面利用平台动 态监控企业经营及个人信用变化情况,强化信用风险智能化管理和预警,降低信用 评估、风险控制的难度和不确定性,实现风险管控和精准营销的双重收益。第2章大数据平台优势第一,大数据应用将拓宽商业银行业务发展空间,加速产品创新目前我国商业银行服务同质化,产品差异性小。随着数据的不断积累和商业银 行数据分析能力的不断提升,大数据应用将拓展银行的业务发展空间,设计具有定 价权和竞争力的创新产品。社交媒体的兴起为银行创造了全新的客户接触渠道,从 银
4、行网点、ATM. POS等固定设备扩展到手机、IPAD等移动终端设备,再扩展到 微博、微信等社交网络。大数据应用导致支付模式不断创新,从传统支付、电子支 付到第三方支付,再到移动支付。大数据应用还可扩展营销手段,从网点坐售、电 话外拨营销、短信营销扩展到微博、微信等社交网络营销。第二,大数据应用将提升商业银行核心竞争力我国商业银行目前IT基础设施和数据全部集中在数据中心,而且经过多年运行 积累了大量的数据,因此最具条件率先盘活大数据资产,洞察数据中蕴涵的价值, 更加科学地评价经营业绩、评估业务风险、配置全行资源,引导银行业务科学健康 发展。商业银行应用大数据分析客户的交易行为,挖掘并预测客户的
5、融需求,设计 有竞争力的创新产品,提供全面的融服务,从而能够快速聚拢客户资源,逐步增加 客户粘性。商业银行已拥有大数据,只要掌握大数据分析技术并具备大数据应用 思维,就能提升核心竞争力。第三,大数据应用将提升客户服务水平大数据时代商业银行不仅销售产品和服务,而且积累了丰富的客户交易数据, 特别是在网络社会化和搜索引擎技术支撑下,商业银行还能收集到社交网络上客户 的活动轨迹以及市场数据。商业银行只要善于分析和应用这些数据,通过数据再利 用和数据重组,分析客户的消费偏好,就能准确发现并掌握客户需求,并通过不同 渠道为客户提供个性化的服务。第四,大数据应用将提高商业银行管理水平商业银行积累的关于资产
6、、负债、评级、客户、交易对手等各种数据资产,将 在信贷管理、成本核算、资本管理、绩效考核等方面发挥重要作用,提升商业银行 的管理水平。随着商业银行数据分析能力提升,通过对数据进行统计、分析、评估, 为银行业务发展、市场营销、资产负债管理、客户关系管理等方面提供有效的决策 支持,可实现真正的“以数据说话”。第3章大数据平台业务应用场景大数据平台在银行业的应用范围包括:客户洞察、营销支撑、风险管控和营运 优化等领域。客户洞察分析用户的各种数据,包括电话语音、网络的监控录像、商城交易信息、融业 务信息以及外部的社交信息、第三方履约行为等多方面信息,从而实现对客户进行 分类和服务。对现有CRM系统中的
7、客户分层的数据要素进行延伸。营销支撑实时营销:是根据客户的实时状态来进行营销,如客户当时的所在地、客户最 近一次消费等信息来有针对地进行营销。社交网络营销:主要是微博营销,这主要是捕捉用户的言论和行为,并有针对 地开展相关营销活动。事件式营销:将改变生活的事件视为营销机会,如换工作、改变婚姻状况、置 业等。风险管控信用评级:运用社交网络、行为特征、交易网、基本社会特征、人行征信等多 个维度对客户综合评级,运用大量的指标构建多重模型,以识别客户的信用风险。反欺诈:通过监控客户、账户和渠道等,提高银行在交易、转账和在线付款等 领域防御欺诈的能力。在监控客户行为时,可以识别出潜在的违规客户,提示工作 人员对其予以重点关注,从而节省反欺诈监控资源。营运优化改善用户体验:运用大数据能够处理海量数据的能力,将传统数据统计分析等 业务切换到数据处理能力更强的平台,来解决查询历史数据的困难,提升用户体验。客服中心优化:通过对客服中心的数据分析,允许银行提前预测用户需求用以 快速地解决问题,能够快速满足用户的需求。降低运营成本:大数据平台采用普通的PC服务器和廉价存储,相对原有的小型 机的硬件架构,可以有效的降低IT运营成本
限制150内