億歐智庫 - 2023年商業(yè)銀行智能決策能力建設(shè)白皮書

EOIntelligence智能決策能力建設(shè)白皮書前言字化轉(zhuǎn)型和業(yè)務(wù)智能化建設(shè),提高金融機(jī)構(gòu)的商業(yè)效益和客戶服務(wù)質(zhì)量,是銀行科技人員、決策者和相關(guān)專銀行業(yè)作為金融行業(yè)的龍頭,面臨著信息爆炸和業(yè)務(wù)復(fù)雜度增加的挑戰(zhàn)。在這個(gè)大環(huán)境下,如何加強(qiáng)01.建設(shè)背景:破局銀行數(shù)據(jù)超載和決策困境1.1數(shù)據(jù)超載,1.1數(shù)據(jù)超載,讓銀行決策遲緩,智能決策成為破局關(guān)鍵 1.2銀行智能決策建設(shè)兩大根基:數(shù)據(jù)基礎(chǔ)和戰(zhàn)略定位 1.3銀行智能決策建設(shè)兩大價(jià)值:業(yè)務(wù)改善和管理提效 1.4銀行構(gòu)建智能決策關(guān)鍵抓手:全局建設(shè)與單點(diǎn)突破 02.建設(shè)難點(diǎn):數(shù)據(jù)質(zhì)量、組織文化、數(shù)字化工具 2.2實(shí)現(xiàn)智能決策的根本是數(shù)據(jù)應(yīng)用程度進(jìn)一步提升 2.3數(shù)據(jù)質(zhì)量、文化、工具不足影響銀行實(shí)現(xiàn)智能決策 03.建設(shè)指南:六大核心環(huán)節(jié)與IPSI選型指標(biāo)體系 3.4觀遠(yuǎn)助力銀行實(shí)現(xiàn)智能決策,讓合作伙伴不走彎路 04.趨勢展望:實(shí)現(xiàn)銀行敏捷運(yùn)營與智能洞察4.1變革數(shù)據(jù)生產(chǎn)關(guān)系,由中心化決策向分級(jí)決策轉(zhuǎn)型 建設(shè)背景:破局銀行數(shù)據(jù)超載和決策困境能的智能決策體系程,為銀行帶來管理價(jià)值與業(yè)務(wù)價(jià)值。落腳之器:BI平臺(tái)是構(gòu)建智能決策能力的重要抓手,將促進(jìn)數(shù)據(jù)、技術(shù)、場景的深度融合,是數(shù)據(jù)與業(yè)務(wù)的“鏈接器”。l1.1數(shù)據(jù)超載,讓銀行決策遲緩,VUCA的時(shí)代背景下,商業(yè)銀行亟需構(gòu)建智能決策能力來保障其穩(wěn)健運(yùn)營,提升自身核心競爭力,數(shù)據(jù)超載下銀行面臨決策困境。商業(yè)銀行天生就是“經(jīng)營數(shù)字”的行業(yè),其數(shù)據(jù)產(chǎn)出在各行業(yè)之首。以工行為例,其大數(shù)據(jù)全球數(shù)據(jù)量變化趨勢預(yù)測銀行業(yè)在各行業(yè)轉(zhuǎn)型中的數(shù)據(jù)產(chǎn)出最大全球數(shù)據(jù)量(單位:ZB)指數(shù)(全球數(shù)據(jù)量(單位ZB))Z萬美元收入產(chǎn)出的數(shù)據(jù)量(GB)4904602015年2016年2017年2018年2019年2020年2025年銀行傳媒醫(yī)療專業(yè)服商業(yè)銀行智能決策能力核心是為了提升運(yùn)營精細(xì)化程度、改善業(yè)務(wù)結(jié)果。商業(yè)銀行是海量數(shù)據(jù)聚集與分析決策最高頻的行業(yè)之一,在VUCA的時(shí)代背景下,需要具備實(shí)時(shí)、全面、精準(zhǔn)的提供更具個(gè)性化的交互與產(chǎn)品、生成最佳營銷建議、更早發(fā)現(xiàn)可能違約或者欺詐行為。數(shù)字化技術(shù)將優(yōu)化傳統(tǒng)管理決策流程。億歐智庫:數(shù)字化轉(zhuǎn)型助力商業(yè)銀行實(shí)現(xiàn)決策智能化業(yè)務(wù)智能企業(yè)外部商業(yè)化流程中的數(shù)據(jù)探索、建模,自動(dòng)化生產(chǎn)等,主要突破點(diǎn)是需要形成決策閉環(huán),構(gòu)建數(shù)據(jù)業(yè)務(wù)智能支付支付貸款公共業(yè)務(wù)存款總賬…….決策智能形成閉環(huán)企業(yè)內(nèi)部的數(shù)據(jù)關(guān)聯(lián)分析、決策智能形成閉環(huán)數(shù)據(jù)資源數(shù)據(jù)融合、數(shù)據(jù)治理和數(shù)據(jù)準(zhǔn)備,以解決數(shù)據(jù)不可知、數(shù)據(jù)不可控、數(shù)據(jù)不可取以及數(shù)據(jù)不可聯(lián)四大難題。從業(yè)務(wù)價(jià)值驅(qū)動(dòng)的角度,使原始數(shù)據(jù)變?yōu)樽兂蓸I(yè)務(wù)上能夠使用的數(shù)據(jù)。數(shù)據(jù)資源業(yè)務(wù)數(shù)據(jù)數(shù)據(jù)獲取,這涉及企業(yè)內(nèi)的技術(shù)支持及統(tǒng)一整合,業(yè)務(wù)數(shù)據(jù)支付支付貸款公共業(yè)務(wù)存款總賬…….國有大行、全國股份制銀行、國有大行、全國股份制銀行、城商行與農(nóng)商行由于業(yè)務(wù)范圍和歷史責(zé)任,在定位上有所差異:區(qū)域銀行則面向本地進(jìn)行定點(diǎn)突破?億歐智庫-張富強(qiáng)(127607)國有大行國有大行全國性股份制銀行城商行與農(nóng)商行大多有地方國資投資,其本質(zhì)上就是要高效、高質(zhì)量的服務(wù)當(dāng)?shù)乜蛻?因此對(duì)于這一部分銀行來講,如何進(jìn)行精細(xì)化區(qū)域化服務(wù)是更加重要的;全國性股份制銀行城商行與農(nóng)商行基于歷史背景與主體地位,經(jīng)營范圍更廣、策略更穩(wěn)健,在某種程度上國有大行在存量客戶的運(yùn)營和維護(hù)是更加值得重視的;城商行與農(nóng)商行億歐智庫:各類商業(yè)銀行在智能決策領(lǐng)域的差異化發(fā)展格局城商行、城商行、農(nóng)商行戰(zhàn)略定位區(qū)域化服務(wù)全國股份制銀行商業(yè)驅(qū)動(dòng)國有大行持續(xù)營業(yè)與驅(qū)動(dòng)科技投入科技投入組織能力組織能力·形成企業(yè)級(jí)數(shù)據(jù)平臺(tái);·跨業(yè)務(wù)條線數(shù)據(jù)協(xié)同··形成企業(yè)級(jí)數(shù)據(jù)平臺(tái);·跨業(yè)務(wù)條線數(shù)據(jù)協(xié)同·;數(shù)字化基礎(chǔ)受各銀行科技投入、組織能力、系統(tǒng)建設(shè)、數(shù)據(jù)基礎(chǔ)制約。部與加速數(shù)據(jù)資產(chǎn)管理;中小銀行小范圍試點(diǎn)數(shù)據(jù)分析,洞察客戶需求變化。能力上,有足夠的人才支撐與獨(dú)立管理體系將提升決策能力。領(lǐng)先銀行也陸續(xù)成立數(shù)據(jù)管理部,“科技投入+數(shù)據(jù)管理”雙賦能將引領(lǐng)金融機(jī)構(gòu)數(shù)字化轉(zhuǎn)型。鑒于此,科技投入與數(shù)據(jù)認(rèn)知相對(duì)薄弱的中小銀行,更需要借助外部的商業(yè)智能服務(wù)商,數(shù)據(jù)來源:公開資料、專家訪談數(shù)據(jù)基礎(chǔ)上,國有大型銀行與全國股份制銀行數(shù)量大,分支機(jī)構(gòu)眾多,從2018年前后便開始搭建數(shù)據(jù)系統(tǒng)逐步制定數(shù)據(jù)規(guī)范推進(jìn)數(shù)據(jù)治理,數(shù)據(jù)豐富且質(zhì)量較好。城商行與農(nóng)村金融機(jī)構(gòu)核心關(guān)注本地業(yè)務(wù),數(shù)據(jù)量有限,圍繞核心應(yīng)用梳理底層數(shù)據(jù)。金融科技投入:金融科技投入:2022年我國主要銀行投入規(guī)模組織架構(gòu)變革:相繼成立數(shù)據(jù)管理部262202220202014233232 21514211610787832521I3工商銀行建設(shè)銀行農(nóng)業(yè)銀行中國銀行招商銀行交通銀行郵政銀行中信銀行興業(yè)銀行北京銀行上海銀行滬農(nóng)銀行廈門銀行常熟銀行2022年金融科技資金投入(單位:億元)數(shù)據(jù)資產(chǎn)管理部數(shù)據(jù)資產(chǎn)管理部數(shù)據(jù)管理部數(shù)據(jù)管理部數(shù)據(jù)管理部數(shù)據(jù)管理部20192021·客戶群基數(shù)決定數(shù)據(jù)樣本量中小銀行的客戶與網(wǎng)點(diǎn)數(shù)量有限,導(dǎo)致數(shù)量樣本量較少,難以像全國性銀行開展數(shù)據(jù)建模分析·資金投入有限下的競爭格局由于中小銀行的利潤規(guī)模難以與全國性銀行匹敵,因此科技投入薄弱,數(shù)據(jù)能力處于劣勢;全面、實(shí)時(shí)、精準(zhǔn)、預(yù)見、智能是衡量商業(yè)銀行智能決策能力的重要維度策能力需要具備以下特征:數(shù)據(jù)來源:公開資料、專家訪談、億歐智庫“橫向到邊”:數(shù)據(jù)助力各業(yè)務(wù)條線掌控全局,“橫向到邊”是指商業(yè)銀行的業(yè)務(wù)服務(wù)流程,從前臺(tái)業(yè)務(wù)到中臺(tái)業(yè)務(wù)、數(shù)據(jù)?；跀?shù)據(jù)管理的商業(yè)銀行“橫向到邊”數(shù)字化轉(zhuǎn)型,核心特征體現(xiàn)為三個(gè)方面:e“一個(gè)基本點(diǎn)”:“三大業(yè)務(wù)變革”“兩大抓手”:億歐智庫:商業(yè)銀行基于數(shù)據(jù)管理的“橫向到邊”數(shù)字化轉(zhuǎn)型邏輯數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)模式變革數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)模式變革?清晰的數(shù)據(jù)要素發(fā)展目標(biāo);?跨部門協(xié)同的統(tǒng)一視圖;?對(duì)標(biāo)一流銀行的前瞻理念?前中后臺(tái)的數(shù)據(jù)流打通;?數(shù)據(jù)引領(lǐng)全新發(fā)展機(jī)遇;?經(jīng)營理念與業(yè)務(wù)模式變革后臺(tái)業(yè)務(wù)智能風(fēng)控與數(shù)據(jù)治理中臺(tái)業(yè)務(wù)智能審批與數(shù)據(jù)中臺(tái)前臺(tái)業(yè)務(wù)智能營銷獲客三大業(yè)務(wù)變革數(shù)據(jù)管理體系支撐?專屬的數(shù)據(jù)管理組織機(jī)構(gòu);?一把手銀行高管推進(jìn)落實(shí);??內(nèi)部激勵(lì)機(jī)制與鼓勵(lì)制度統(tǒng)籌建設(shè)全行統(tǒng)一的數(shù)據(jù)管理領(lǐng)導(dǎo)小組,推出數(shù)據(jù)智能決策項(xiàng)目實(shí)施激勵(lì)機(jī)制加大專業(yè)化科技投入,優(yōu)化數(shù)據(jù)流轉(zhuǎn)與數(shù)據(jù)指標(biāo)管理,賦能銀行全業(yè)務(wù)流程組織人才與激勵(lì)考核數(shù)據(jù)管理能力兩大抓手?jǐn)?shù)據(jù)來源:公開資料、億歐智庫“縱向到底”:實(shí)時(shí)更新過程及結(jié)果數(shù)據(jù),讓管理決策更輕松“縱向到底”是指從商業(yè)銀行的組織架構(gòu)層面出發(fā),鑒于各自承擔(dān)的數(shù)據(jù)管理職責(zé)與數(shù)據(jù)規(guī)模體量各有不同,億歐智庫:銀行內(nèi)部不同組織架構(gòu)下的數(shù)據(jù)管理側(cè)重點(diǎn)與協(xié)同關(guān)系層級(jí)層級(jí)數(shù)據(jù)戰(zhàn)略定位BI定位重點(diǎn)應(yīng)用戰(zhàn)略業(yè)務(wù)風(fēng)險(xiǎn)監(jiān)控行長駕駛艙分支機(jī)構(gòu)管理戰(zhàn)略業(yè)務(wù)風(fēng)險(xiǎn)監(jiān)控行長駕駛艙分支機(jī)構(gòu)管理支撐銀行戰(zhàn)略決策的子系統(tǒng)信息;總領(lǐng)數(shù)據(jù)開發(fā)敏捷團(tuán)隊(duì);統(tǒng)籌規(guī)劃全行級(jí)重點(diǎn)戰(zhàn)略;負(fù)責(zé)數(shù)據(jù)系統(tǒng)優(yōu)化與指導(dǎo)質(zhì)量、業(yè)務(wù)規(guī)模與結(jié)構(gòu)等數(shù)據(jù);數(shù)據(jù)統(tǒng)一集中平臺(tái)輔助高效決策總行層面零售業(yè)務(wù)對(duì)公業(yè)務(wù)零售業(yè)務(wù)對(duì)公業(yè)務(wù)普惠金融金融市場風(fēng)險(xiǎn)管理分行自建數(shù)據(jù)管理方案;明確數(shù)據(jù)需求問題與清單;構(gòu)建總行與分行協(xié)同機(jī)制支行安排專員與分行溝通;匯總分析支行客戶群數(shù)據(jù);優(yōu)秀支行的經(jīng)營數(shù)據(jù)分享基層營業(yè)部客戶數(shù)據(jù)指標(biāo);客戶經(jīng)理的動(dòng)態(tài)數(shù)據(jù)看板;業(yè)務(wù)團(tuán)隊(duì)的綜合考核數(shù)據(jù)分行層面對(duì)公、小微、風(fēng)控?cái)?shù)據(jù)表現(xiàn);監(jiān)控大屏及時(shí)發(fā)現(xiàn)問題并改進(jìn)支行層面簡單拖拉拽方式的營銷結(jié)果展現(xiàn);。全面了解自身考核任務(wù)的完成度、潛在客戶需求、風(fēng)險(xiǎn)防范因素;支行層面簡單拖拉拽方式的營銷結(jié)果展現(xiàn);。全面了解自身考核任務(wù)的完成度、潛在客戶需求、風(fēng)險(xiǎn)防范因素;多終端共享于微信、釘釘?shù)裙ぞ郀I業(yè)部層面l1.4銀行構(gòu)建智能決策關(guān)鍵抓手:全局建設(shè)與單點(diǎn)突破內(nèi)部和外部數(shù)據(jù),以幫助決策者和管理層做出準(zhǔn)確、及時(shí)和基于數(shù)據(jù)的決策。通過BI平臺(tái)銀行將通過數(shù)據(jù)關(guān)聯(lián)與挖掘創(chuàng)造出更多的商業(yè)機(jī)會(huì)從銀行BI的核心架構(gòu)來看,大致可劃分為三個(gè)層次,自下而上分別數(shù)據(jù)層全面歸集銀行客戶的所有數(shù)據(jù),借助數(shù)據(jù)感知和數(shù)據(jù)認(rèn)知,分類存儲(chǔ)結(jié)構(gòu)化數(shù)據(jù)或非結(jié)構(gòu)化數(shù)據(jù)。在此基礎(chǔ)上,開展數(shù)據(jù)管理服務(wù),包括統(tǒng)一接口、數(shù)據(jù)算法與數(shù)據(jù)報(bào)表管理等;數(shù)據(jù)層規(guī)劃層數(shù)據(jù)作為新型生產(chǎn)要素之一,被眾多銀行列為數(shù)字化轉(zhuǎn)型的“頂層設(shè)計(jì)”重點(diǎn)之一。鑒于此,制定全行層面的數(shù)據(jù)要素規(guī)劃,明確數(shù)據(jù)管理的組織架構(gòu)調(diào)整、企業(yè)級(jí)大數(shù)據(jù)引擎建設(shè)以及商業(yè)智能看板定制管理等實(shí)施路徑,指明了戰(zhàn)略規(guī)劃方向與重點(diǎn)任務(wù)目標(biāo);規(guī)劃層商業(yè)智能平臺(tái)的最終目標(biāo)在于輔助銀行經(jīng)營決策,尤其是零售金融領(lǐng)域,數(shù)據(jù)驅(qū)動(dòng)決策的指標(biāo)體系優(yōu)化與迭代升級(jí)需求較為旺盛。在銀行商業(yè)智能平臺(tái)的應(yīng)用場景上,自上而下形成了“行長層通過數(shù)據(jù)-規(guī)劃-場景等三層級(jí)部署,商業(yè)銀行能夠?qū)崿F(xiàn)從基礎(chǔ)設(shè)施到數(shù)據(jù)要素發(fā)展規(guī)劃再到各個(gè)業(yè)務(wù)場景的決策智能。億歐智庫:銀行商業(yè)智能平臺(tái)全景圖財(cái)務(wù)分析管理分析戰(zhàn)略財(cái)務(wù)分析管理分析戰(zhàn)略關(guān)注支行管理客戶拓展掌上績效異常指標(biāo)行長移動(dòng)端工作臺(tái)分行行長移動(dòng)端工作臺(tái)分行/支行行長數(shù)字工作臺(tái)企業(yè)級(jí)大數(shù)據(jù)智能引擎數(shù)據(jù)要素發(fā)展規(guī)劃企業(yè)級(jí)大數(shù)據(jù)智能引擎企業(yè)級(jí)大數(shù)據(jù)智能引擎數(shù)據(jù)要素發(fā)展規(guī)劃共享開放效益評(píng)估組織架構(gòu)、用戶、共享開放效益評(píng)估組織架構(gòu)、用戶、權(quán)限、數(shù)據(jù)抽取引擎選擇過濾引擎圖表展現(xiàn)引擎數(shù)據(jù)藍(lán)圖管理需求報(bào)表中心分析中心決策中心規(guī)劃層查詢中心制定銀行一體化數(shù)據(jù)戰(zhàn)略制定銀行一體化數(shù)據(jù)戰(zhàn)略發(fā)布中心指標(biāo)發(fā)布中心指標(biāo)中心系統(tǒng)中心預(yù)警中心數(shù)據(jù)感知數(shù)據(jù)認(rèn)知數(shù)據(jù)管理知識(shí)融合視頻提取語音識(shí)別知識(shí)融合視頻提取語音識(shí)別圖像識(shí)別圖譜建模結(jié)構(gòu)化數(shù)據(jù)知識(shí)抽取非結(jié)構(gòu)化數(shù)據(jù)知識(shí)抽取數(shù)據(jù)層提取(127607)行業(yè)標(biāo)簽、業(yè)務(wù)指標(biāo)計(jì)算連接數(shù)據(jù)源、實(shí)時(shí)自動(dòng)監(jiān)測數(shù)據(jù)數(shù)據(jù)億歐智庫BI平臺(tái)促進(jìn)了數(shù)據(jù)、技術(shù)、場景的深度融在商業(yè)銀行數(shù)字化轉(zhuǎn)型過程中,BI平臺(tái)屬于大數(shù)據(jù)領(lǐng)域的范疇,在整個(gè)大數(shù)據(jù)技術(shù)體系中,BI工具與數(shù)據(jù)可視化、數(shù)據(jù)挖掘等工具一同維護(hù)數(shù)據(jù)分析應(yīng)用技術(shù)中,用于“挖掘數(shù)據(jù)資源的潛在價(jià)值”。銀行常見BIBI平臺(tái)對(duì)科技力量要求比較高;單點(diǎn)突破以場景億歐智庫:銀行BI建設(shè)兩種路徑技術(shù)全局建設(shè)路徑,技術(shù)全局建設(shè)路徑,以大型銀行為主數(shù)據(jù)提升實(shí)時(shí)數(shù)據(jù)處理能力。加強(qiáng)數(shù)據(jù)采集手段。數(shù)據(jù)業(yè)務(wù)挖掘業(yè)務(wù)場景,不斷催生高質(zhì)量數(shù)據(jù)需求。業(yè)務(wù)大型銀行中小銀行業(yè)務(wù)場景單點(diǎn)突破鑒于中小銀行科技能力欠缺,系統(tǒng)大型銀行中小銀行業(yè)務(wù)場景單點(diǎn)突破鑒于中小銀行科技能力欠缺,系統(tǒng)建設(shè)薄弱,以場景為抓手,通過生態(tài)伙伴復(fù)用頭部銀行的數(shù)據(jù)分析思路和指標(biāo)體系,見效最為明顯全局建設(shè)全局建設(shè)改變過往的整體解決方案模式,源自大型銀行的IT資源投入大,并且自身開發(fā)能力增強(qiáng),因此將BI工具嵌入大數(shù)據(jù)分析平臺(tái)之中從經(jīng)驗(yàn)驅(qū)動(dòng)到數(shù)據(jù)驅(qū)動(dòng)的全局建設(shè)路徑,提高決策質(zhì)量全面建設(shè)的路徑是自上而下的,目的是通過統(tǒng)一的BI平臺(tái)來解決不同條線、不同層級(jí)的痛點(diǎn)與需求。,需要優(yōu)先摸清整個(gè)億歐智庫:知識(shí)數(shù)據(jù)數(shù)據(jù)采集與存儲(chǔ)數(shù)據(jù)數(shù)據(jù)采集與存儲(chǔ)企業(yè)級(jí)數(shù)據(jù)中心結(jié)構(gòu)化數(shù)據(jù)業(yè)務(wù)系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)分析模型企業(yè)級(jí)數(shù)據(jù)中心結(jié)構(gòu)化數(shù)據(jù)業(yè)務(wù)系統(tǒng)非結(jié)構(gòu)化數(shù)據(jù)分析模型外部數(shù)據(jù)機(jī)器數(shù)據(jù)外部數(shù)據(jù)信息 用戶畫像反欺詐模型財(cái)務(wù)分析模型 信用卡分析模型中小企業(yè)征信模型信息 從經(jīng)驗(yàn)驅(qū)動(dòng)的傳統(tǒng)銀行決策模式 設(shè),單點(diǎn)突破更輕量化,聚焦于單點(diǎn)的問題。助力降本增效?億歐智庫-張富強(qiáng)(127607)數(shù)字化運(yùn)營數(shù)字化運(yùn)營營與業(yè)務(wù)發(fā)展兩大視角,直觀展現(xiàn)動(dòng)態(tài)化、數(shù)字化經(jīng)營成果。數(shù)字化營銷數(shù)字化營銷節(jié)。通過這些數(shù)據(jù)指標(biāo),全面洞察客戶的行為習(xí)慣與完整的用戶畫像。數(shù)字化風(fēng)控?cái)?shù)字化風(fēng)控元化業(yè)務(wù)線,數(shù)據(jù)監(jiān)控指標(biāo)體系也在持續(xù)優(yōu)化,建設(shè)難點(diǎn):數(shù)據(jù)質(zhì)量、組織文化、數(shù)字化工具v現(xiàn)狀觀測:銀行BI發(fā)展經(jīng)歷四大階段,正逐步向全面自助分析與智能決策邁進(jìn)v實(shí)現(xiàn)邏輯:BI“數(shù)據(jù)-分析-決策-執(zhí)行-數(shù)據(jù)更新”的閉環(huán)v根因洞察:數(shù)據(jù)質(zhì)量、組織文化、數(shù)字工具不足等問題影響銀行BI實(shí)現(xiàn)智能決策圍繞數(shù)據(jù)分析與智能化技術(shù)的不斷迭代創(chuàng)新,商業(yè)銀行BI至今共經(jīng)歷四次變革,實(shí)現(xiàn)由傳統(tǒng)商業(yè)智能向新型商業(yè)智能的轉(zhuǎn)變過程。銀行BI初期階段以傳統(tǒng)型統(tǒng)計(jì)報(bào)表分析為主,如報(bào)表式BI,此時(shí)由業(yè)務(wù)部門提報(bào)表需求由科技響應(yīng),核心關(guān)注數(shù)據(jù)監(jiān)測跟蹤與異常預(yù)警,產(chǎn)品智能化程度低且部署成本高。隨著基礎(chǔ)設(shè)施建設(shè)的日益完善與可視化產(chǎn)品的出現(xiàn),大量國內(nèi)外商業(yè)智能廠商涌現(xiàn)并迅速發(fā)展,推動(dòng)大數(shù)據(jù)技術(shù)普及應(yīng)用,銀行BI進(jìn)入局部自助分析階段,以拖拉拽數(shù)據(jù)結(jié)果展現(xiàn)為核心特點(diǎn)的零代碼自助分析BI開始推廣。以中小銀行為主,由于制約于科技力量,當(dāng)前處在2.0階段。科技投入相對(duì)較多的大型銀行多數(shù)處在全面自助分析階段,走在市場前列。2016年開始,大數(shù)據(jù)、人工智能、云服務(wù)技術(shù)的革新發(fā)展推動(dòng)淺層決策智能走向成熟,銀行BI開啟智能決策與增強(qiáng)分析 力的同時(shí)可有效降低應(yīng)用成本。億歐智庫:銀行BI中小銀行大型銀行大型銀行大型銀行2.0-4.0階段階段名稱統(tǒng)計(jì)報(bào)表分析核心功能·即席查詢·數(shù)倉模型·可視化·第三方ETL工具·分析報(bào)告·業(yè)務(wù)自助ETL·數(shù)據(jù)可視化·應(yīng)用模板增強(qiáng)分析:數(shù)據(jù)解釋、數(shù)據(jù)問答、智能洞察、機(jī)器學(xué)習(xí)等生產(chǎn)關(guān)系IT全面負(fù)責(zé)業(yè)務(wù)提需求,科技響應(yīng)IT主導(dǎo),業(yè)務(wù)參與科技做數(shù)據(jù)準(zhǔn)備,業(yè)務(wù)簡單拖拉拽IT與業(yè)務(wù)協(xié)作科技做數(shù)據(jù)管理,業(yè)務(wù)做全鏈路分析業(yè)務(wù)自助,IT算法能力加持科技業(yè)務(wù)深度融合使用特征·門檻高,靈活性差,分析弱;·需要提前建?！らT檻較高,靈活性較差,需要IT構(gòu)建寬表,分析較弱·門檻低、靈活性高,業(yè)務(wù)自主數(shù)據(jù)處理;·安全管控要求高,平臺(tái)性能要求高·門檻低,靈活性最高,分析過程高度智能化;·治理要求高·業(yè)務(wù)模型較固定,受計(jì)算性能影響限制分析能力;·業(yè)務(wù)需求響應(yīng)周期長,信息孤島依然存在·業(yè)務(wù)模型較固定,受計(jì)算性能影響限制分析能力;·業(yè)務(wù)需求響應(yīng)周期長,信息孤島依然存在·業(yè)務(wù)模型靈活,純業(yè)務(wù)導(dǎo)向·業(yè)務(wù)數(shù)據(jù)應(yīng)用程度深,全面打破信息孤島·智能洞察,分析過程智能化,全面數(shù)據(jù)驅(qū)動(dòng)業(yè)務(wù)決策應(yīng)用效果然而,受數(shù)據(jù)應(yīng)用程度影響,部分大中型銀行在BI銀行對(duì)于BI平臺(tái)功能的需求分為統(tǒng)計(jì)、可視、分析(包括關(guān)聯(lián)分析、根因分析等)、預(yù)警、預(yù)測、策略(包括策略建議、自動(dòng)策略執(zhí)行等)六大類,實(shí)現(xiàn)情況受數(shù)據(jù)應(yīng)用程度影響。目前可將銀行數(shù)據(jù)應(yīng)用劃分為4個(gè)等級(jí),即數(shù)據(jù)起步期、場景復(fù)用期、自助發(fā)展期、技術(shù)融合期:數(shù)據(jù)起步期可實(shí)現(xiàn)BI基礎(chǔ)功能,包括統(tǒng)計(jì)、分析與可視化,通過連接底層數(shù)據(jù)倉庫,提供SQL和手動(dòng)拖拽式查數(shù)功能,再配合上豐富的圖表展示;漏斗、留存圖、用戶畫像、行為路徑等各維度數(shù)據(jù)進(jìn)行拆解分析;個(gè)階段都需要通過AI+BI融合應(yīng)用才能實(shí)現(xiàn)最終目標(biāo)。億歐智庫:數(shù)據(jù)應(yīng)用程度影響B(tài)I第四階段技術(shù)融合期 第二階?億歐智庫策略自動(dòng)執(zhí)行精準(zhǔn)預(yù)測建立上下游數(shù)據(jù)關(guān)聯(lián),對(duì)數(shù) 第二階?億歐智庫策略自動(dòng)執(zhí)行精準(zhǔn)預(yù)測業(yè)務(wù)預(yù)測第一階段數(shù)據(jù)起步期業(yè)務(wù)預(yù)測異常預(yù)警策略建議基礎(chǔ)功能實(shí)現(xiàn):如數(shù)據(jù)、分析與報(bào)表可視化異常預(yù)警策略建議根因分析統(tǒng)計(jì)可視化根因分析統(tǒng)計(jì)可視化分析分析部分業(yè)務(wù)域預(yù)測、優(yōu)化等高階分析分析結(jié)果融合于業(yè)務(wù)執(zhí)行系統(tǒng),分析結(jié)果影響戰(zhàn)略決策基礎(chǔ)功能實(shí)現(xiàn):部分業(yè)務(wù)域預(yù)測、優(yōu)化等高階分析分析結(jié)果融合于業(yè)務(wù)執(zhí)行系統(tǒng),分析結(jié)果影響戰(zhàn)略決策基礎(chǔ)功能實(shí)現(xiàn):如數(shù)據(jù)、分析與報(bào)表可視化數(shù)據(jù)應(yīng)用程度完成數(shù)據(jù)治理,實(shí)現(xiàn)業(yè)務(wù)口完成數(shù)據(jù)治理,實(shí)現(xiàn)業(yè)務(wù)口徑、統(tǒng)計(jì)口徑的一致完成數(shù)據(jù)全面采集,實(shí)現(xiàn)部分場景數(shù)據(jù)的全鏈路梳理對(duì)全部場景數(shù)據(jù)進(jìn)行穿透,并建立數(shù)字資產(chǎn)地圖數(shù)據(jù)應(yīng)用程度集,從結(jié)果管理向關(guān)鍵過程管理過度數(shù)據(jù)應(yīng)用程度絕對(duì)領(lǐng)先行業(yè)頭部水平絕對(duì)領(lǐng)先行業(yè)頭部水平不同業(yè)務(wù)對(duì)于BI平臺(tái)的使用需求存在差異用智能化手段賦能業(yè)務(wù),通過對(duì)業(yè)務(wù)全鏈路進(jìn)行數(shù)據(jù)采集,更好的提升業(yè)務(wù)洞察、分析、決策、管理效率。億歐智庫:智能決策階段,智能決策階段,BI將聯(lián)動(dòng)策略庫自動(dòng)執(zhí)行實(shí)現(xiàn)千人千面的精準(zhǔn)營銷、釋放效能的精細(xì)化運(yùn)營以及風(fēng)險(xiǎn)精準(zhǔn)預(yù)測與處置策略庫數(shù)據(jù)分析歸屬業(yè)務(wù)策略庫數(shù)據(jù)分析歸屬業(yè)務(wù)營銷營銷策略基礎(chǔ)數(shù)據(jù)指標(biāo)體系營銷營銷策略基礎(chǔ)數(shù)據(jù)指標(biāo)體系風(fēng)控原子派生復(fù)雜風(fēng)控實(shí)時(shí)性統(tǒng)一性風(fēng)控策略實(shí)時(shí)性統(tǒng)一性風(fēng)控策略運(yùn)營運(yùn)營策略分析模型運(yùn)營運(yùn)營策略分析模型根因分析相關(guān)性分析效果預(yù)測策略報(bào)批執(zhí)行效果預(yù)測策略報(bào)批執(zhí)行風(fēng)控策略運(yùn)營策略營銷策略風(fēng)控策略運(yùn)營策略營銷策略信貸風(fēng)險(xiǎn)提示投訴處理信貸風(fēng)險(xiǎn)提示投訴處理轉(zhuǎn)化率轉(zhuǎn)化率理財(cái)賬戶凍結(jié)資源調(diào)整…….…….營銷側(cè)風(fēng)控側(cè)精準(zhǔn)預(yù)測與處置運(yùn)營側(cè)營銷側(cè)風(fēng)控側(cè)精準(zhǔn)預(yù)測與處置智能決策階段各業(yè)務(wù)條線目標(biāo)千人千面的精準(zhǔn)營銷智能決策階段各業(yè)務(wù)條線目標(biāo)千人千面的精準(zhǔn)營銷集中化風(fēng)險(xiǎn)管控模式風(fēng)險(xiǎn)手段有效性不強(qiáng)按照風(fēng)險(xiǎn)等級(jí)劃分客戶層級(jí),聚類對(duì)客戶進(jìn)行畫集中化風(fēng)險(xiǎn)管控模式風(fēng)險(xiǎn)手段有效性不強(qiáng)按照風(fēng)險(xiǎn)等級(jí)劃分客戶層級(jí),聚類對(duì)客戶進(jìn)行畫像,洞察不精準(zhǔn)當(dāng)前現(xiàn)狀值,深挖客戶金融需求客戶無客戶無明顯需求營銷側(cè):當(dāng)前按風(fēng)險(xiǎn)等級(jí)劃分客戶層級(jí),洞察不精準(zhǔn),造成業(yè)務(wù)增長緩慢和客戶被他行截留,無法做到千人千面,需依靠BI看板下的全流程數(shù)據(jù)追蹤才能改變高收益。億歐智庫:客戶觸達(dá)需求收集渠道收集材料收集客戶觸達(dá)需求收集渠道收集材料收集e客戶擁有明確需求引導(dǎo)交易匹配營銷成果記錄分析客戶行為產(chǎn)品推薦營銷推送營銷產(chǎn)品展示營銷活動(dòng)生成客戶畫像記錄數(shù)據(jù)完善用戶畫像,形成閉環(huán)線下服務(wù)離開業(yè)務(wù)簽約與辦理身份識(shí)別表單填寫引導(dǎo)交易匹配營銷成果記錄分析客戶行為產(chǎn)品推薦營銷推送營銷產(chǎn)品展示營銷活動(dòng)生成客戶畫像記錄數(shù)據(jù)完善用戶畫像,形成閉環(huán)線下服務(wù)離開業(yè)務(wù)簽約與辦理身份識(shí)別表單填寫確認(rèn)業(yè)務(wù)意圖到達(dá)柜臺(tái)業(yè)務(wù)辦理告知到達(dá)網(wǎng)點(diǎn)等待核實(shí)線上預(yù)約選擇業(yè)務(wù)種類在線咨詢業(yè)務(wù)簽約與辦理業(yè)務(wù)反饋業(yè)務(wù)申請(qǐng)等待核實(shí)表單填寫線下服務(wù)登陸客戶行為,挖掘客戶深層次的需求;個(gè)板塊的業(yè)務(wù)增長,解決長尾用戶批量的經(jīng)營問題,抓取客戶行為數(shù)據(jù)、動(dòng)賬尾隨、APP埋點(diǎn)等分析客戶深層次需求;產(chǎn)品策略已經(jīng)沒有新的增長了,當(dāng)前需要精細(xì)化運(yùn)營帶動(dòng)新的增長。數(shù)據(jù)來源:專家訪談、公開資料隨著數(shù)字技術(shù)的迅猛發(fā)展,結(jié)合用戶日常行為線上化、智能化趨勢,銀行自身也急需提升智能化營銷服務(wù)能力。通過對(duì)全客群進(jìn)行精準(zhǔn)化、自動(dòng)化、智能化的全流程營銷管理,以進(jìn)一步提升客戶管理質(zhì)量、探索客戶數(shù)據(jù)、挖掘業(yè)務(wù)規(guī)律,擁有更快、更好、更有效的業(yè)務(wù)洞察能力。取款、轉(zhuǎn)賬等)等指標(biāo),覆蓋渠道來源、用戶畫像、產(chǎn)品購買、動(dòng)賬跟蹤等業(yè)務(wù)場景e模型上:關(guān)注客戶細(xì)分、產(chǎn)品推薦等,圍繞渠道、用戶、產(chǎn)品、賬務(wù)等業(yè)務(wù)場景構(gòu)建分析模型,在BI工具上快速組合標(biāo)簽數(shù)據(jù),通過支持ETL分布式計(jì)算、表跟表之間的靈活關(guān)聯(lián)計(jì)算、快速計(jì)算,一鍵生成同/環(huán)比、計(jì)算時(shí)間占比、排名累計(jì)等派生指標(biāo)及分析結(jié)果。在模型預(yù)測上,不強(qiáng)調(diào)可解釋性,更關(guān)注營銷效率提升e合規(guī)上:更關(guān)心客戶數(shù)據(jù)的隱私和使用規(guī)定采用按照風(fēng)險(xiǎn)等級(jí)劃分的方式,過于粗放。一部分銀行采用用戶興趣或者職業(yè)的方式來劃分用戶,在洞察上更加具有集中某股份制銀行通過將BI平臺(tái)實(shí)現(xiàn)用戶畫像分析、客戶行為分析,通過與策略庫對(duì)接與自動(dòng)策略執(zhí)行通過AI客戶,實(shí)現(xiàn)營銷精準(zhǔn)度與效率的提升。圍繞客戶全生命周期旅程實(shí)現(xiàn)讓產(chǎn)品找客戶,提升營銷效率庫業(yè)務(wù)需求業(yè)務(wù)需求提升 提升提升 提升生態(tài)場景業(yè)務(wù)場景業(yè)務(wù)場景識(shí)別識(shí)別制服務(wù)方案行業(yè)多維度篩選客戶行為信息收集客戶視圖與客戶圖譜客戶全景視圖客戶路徑分析客群分析投放每日跟進(jìn)權(quán)益對(duì)接管理動(dòng)態(tài)客戶標(biāo)簽AUM結(jié)構(gòu)分析客戶激活數(shù)據(jù)分析……行業(yè)多維度篩選客戶行為信息收集客戶視圖與客戶圖譜客戶全景視圖客戶路徑分析客群分析投放每日跟進(jìn)權(quán)益對(duì)接管理動(dòng)態(tài)客戶標(biāo)簽AUM結(jié)構(gòu)分析客戶激活數(shù)據(jù)分析……數(shù)據(jù)來源:專家訪談、公開資料風(fēng)控側(cè):現(xiàn)階段銀行采用集中化風(fēng)險(xiǎn)管控模式,存在數(shù)據(jù)分散問題、造成風(fēng)控手段少或無效,無法達(dá)到精準(zhǔn)預(yù)測與處置,依靠BI智能化整合信息資源才能將風(fēng)險(xiǎn)看得見和管得住銀行風(fēng)險(xiǎn)主要包括信用風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)與流動(dòng)性風(fēng)險(xiǎn),不同層級(jí)關(guān)注內(nèi)容不同。從業(yè)務(wù)的角度來看,風(fēng)控主要包括反洗錢、反欺詐、貸前預(yù)警、貸中管理、貸后監(jiān)控與信用評(píng)估等。其本質(zhì)是主要關(guān)注于風(fēng)險(xiǎn)的提前識(shí)別、評(píng)估、監(jiān)控和控制,側(cè)重于交易數(shù)據(jù)、隨著業(yè)務(wù)線上化程度加深,商業(yè)銀行面臨客戶群體更龐大、交易場景更復(fù)雜、交易渠道更繁雜等挑戰(zhàn),如何高效的進(jìn)行欺詐管理、預(yù)防、管控信貸風(fēng)險(xiǎn)也成為金融機(jī)構(gòu)保障業(yè)務(wù)安全的痛點(diǎn)。作為業(yè)務(wù)發(fā)展與創(chuàng)新能力的基石,商業(yè)銀行風(fēng)險(xiǎn)管理能力的提升需要通過BI而及時(shí)有效地開展風(fēng)險(xiǎn)監(jiān)控和預(yù)警,為各項(xiàng)業(yè)務(wù)的開展提供支持。級(jí)更關(guān)注微觀層面的賬戶風(fēng)險(xiǎn)、違約/欺詐等;而管理層面,關(guān)注銀行整體流動(dòng)風(fēng)險(xiǎn)、市場風(fēng)險(xiǎn)、信用風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等,相關(guān)指標(biāo)包括不良率、逾期率、撥備覆蓋率、撥備比、流動(dòng)性、債權(quán)結(jié)構(gòu)、杠桿風(fēng)險(xiǎn)、減值準(zhǔn)備等;保決策保決策變得尤依據(jù)合規(guī)上:面臨嚴(yán)格的監(jiān)管要求,確保風(fēng)險(xiǎn)評(píng)估和報(bào)告符合相關(guān)法規(guī)。資產(chǎn)規(guī)模快速擴(kuò)張和數(shù)字經(jīng)濟(jì)環(huán)境下,決勝防范金融風(fēng)險(xiǎn)攻堅(jiān)戰(zhàn)業(yè)務(wù)需求 反欺詐貸前預(yù)警貸中管理貸后監(jiān)控業(yè)務(wù)場景業(yè)務(wù)場景風(fēng)險(xiǎn)防控風(fēng)險(xiǎn)防控反欺詐合作生態(tài)智能化風(fēng)險(xiǎn)預(yù)警差異化風(fēng)險(xiǎn)定價(jià)實(shí)時(shí)授信決策精細(xì)化核銷處置管理決策管理決策全行經(jīng)營多層次全方位分析支持精準(zhǔn)化的管理會(huì)計(jì)全局風(fēng)險(xiǎn)的數(shù)字化預(yù)警應(yīng)對(duì)風(fēng)險(xiǎn)精準(zhǔn)計(jì)量及深度應(yīng)用監(jiān)管合規(guī)監(jiān)管合規(guī)監(jiān)管報(bào)表交叉核驗(yàn)報(bào)送數(shù)據(jù)多層次自檢內(nèi)控合規(guī)監(jiān)管規(guī)則調(diào)整的快速應(yīng)對(duì)風(fēng)險(xiǎn)名單生成欺詐因子識(shí)別貸前欺詐認(rèn)定風(fēng)險(xiǎn)名單生成欺詐因子識(shí)別貸前欺詐認(rèn)定數(shù)據(jù)來源:專家訪談、公開資料風(fēng)險(xiǎn)預(yù)測場景風(fēng)險(xiǎn)概率量化智能催收風(fēng)險(xiǎn)預(yù)測場景風(fēng)險(xiǎn)概率量化智能催收貸前報(bào)告生成貸中實(shí)時(shí)監(jiān)控風(fēng)險(xiǎn)全景視圖貸前報(bào)告生成貸中實(shí)時(shí)監(jiān)控風(fēng)險(xiǎn)全景視圖授信額度管控貸中風(fēng)險(xiǎn)監(jiān)測……授信額度管控貸中風(fēng)險(xiǎn)監(jiān)測……運(yùn)營側(cè):現(xiàn)階段銀行粗泛式運(yùn)營模式存在客戶轉(zhuǎn)化效率低、投入高、ROI回報(bào)率差等問題,無法達(dá)到精細(xì)化運(yùn)營的目標(biāo),需依靠BI的歸因分析才能降本增效的運(yùn)營模式。超過50%的銀行認(rèn)為使用數(shù)字化工具與歷史遺留IT轉(zhuǎn)型是提升運(yùn)營效率重要手段59.0%9.0%數(shù)字化工具數(shù)字化工具50.0%8.0%42.0%廠歷史遺留42.0%廠歷史遺留構(gòu)建BI智能決策平臺(tái),將實(shí)現(xiàn)看板自動(dòng)化轉(zhuǎn)型,從而提升運(yùn)營效率。銀行內(nèi)的所有轉(zhuǎn)型項(xiàng)目生成實(shí)時(shí)看板,使項(xiàng)目團(tuán)隊(duì)得以更專注于轉(zhuǎn)型工作,某銀行信用卡激活率存在改善空間,信用卡物流成本和損耗成本高;通過構(gòu)建BI平臺(tái)實(shí)現(xiàn)業(yè)務(wù)基于平臺(tái)的自助分析能力追蹤信用卡用戶群體的激活習(xí)慣(渠道/時(shí)間/活動(dòng)等激活偏好),制定不同客群激活策略,然后再基于平臺(tái)進(jìn)行效果追蹤,最終實(shí)現(xiàn)激活率提升。通過高效流量轉(zhuǎn)化,提高客戶數(shù)量與粘性,實(shí)現(xiàn)業(yè)務(wù)價(jià)值增長業(yè)務(wù)需求 內(nèi)容管理權(quán)益對(duì)接渠道自動(dòng)化精準(zhǔn)推送流量導(dǎo)入業(yè)務(wù)場景業(yè)務(wù)場景業(yè)務(wù)運(yùn)營業(yè)務(wù)運(yùn)營經(jīng)營作戰(zhàn)室網(wǎng)點(diǎn)員工行為管理業(yè)務(wù)資源智能化調(diào)配……業(yè)務(wù)發(fā)展業(yè)務(wù)發(fā)展數(shù)據(jù)驅(qū)動(dòng)的金融產(chǎn)品研發(fā)實(shí)時(shí)輿情監(jiān)控支撐的公共關(guān)系管理銀行整體打造品牌……全鏈路數(shù)據(jù)采集交易業(yè)務(wù)分析賬號(hào)權(quán)限分配業(yè)務(wù)流程效率分析數(shù)據(jù)分析系統(tǒng)個(gè)性化配置全鏈路數(shù)據(jù)采集交易業(yè)務(wù)分析賬號(hào)權(quán)限分配業(yè)務(wù)流程效率分析數(shù)據(jù)分析系統(tǒng)個(gè)性化配置利潤分析可擴(kuò)展業(yè)務(wù)分析可擴(kuò)展業(yè)務(wù)分析業(yè)務(wù)診斷業(yè)務(wù)診斷執(zhí)行流程可視執(zhí)行流程可視數(shù)據(jù)來源:KPMG、專家訪談公開資料科技業(yè)務(wù)兩層皮,BI通過建立指標(biāo)分析來反映、追蹤銀行經(jīng)營情況,從而為企業(yè)決策提供數(shù)據(jù)支撐,可以說指標(biāo)是BI實(shí)現(xiàn)智能決策的重要組成部分,然而銀行指標(biāo)建設(shè)存在4大痛點(diǎn),都將阻礙數(shù)據(jù)指標(biāo)口徑不統(tǒng)一數(shù)據(jù)指標(biāo)問題難追溯在銀行管理和業(yè)務(wù)活動(dòng)中,經(jīng)常存在指標(biāo)數(shù)據(jù)的名稱相同,但統(tǒng)計(jì)口徑、計(jì)算方法卻有較大差異的情形;或者反過來,指標(biāo)數(shù)據(jù)的計(jì)算方式相同,但名稱卻各異。指標(biāo)數(shù)據(jù)大多經(jīng)過多重計(jì)算得到,有些指標(biāo)需要經(jīng)過很長的加工過程才能得出在銀行管理和業(yè)務(wù)活動(dòng)中,經(jīng)常存在指標(biāo)數(shù)據(jù)的名稱相同,但統(tǒng)計(jì)口徑、計(jì)算方法卻有較大差異的情形;或者反過來,指標(biāo)數(shù)據(jù)的計(jì)算方式相同,但名稱卻各異。數(shù)據(jù)質(zhì)量數(shù)據(jù)指標(biāo)體系不完整銀行各部門根據(jù)自身業(yè)務(wù)需求,都有一部分的量化指標(biāo),但不夠數(shù)據(jù)指標(biāo)體系不完整銀行各部門根據(jù)自身業(yè)務(wù)需求,都有一部分的量化指標(biāo),但不夠全面,也缺乏方法論指導(dǎo),對(duì)于銀行整體數(shù)據(jù)分析應(yīng)用能力提升的指導(dǎo)作用有限,且在使用過程中孤立強(qiáng)調(diào)某些指標(biāo)的趨勢,而忽略綜合分析、長期跟蹤與定期比對(duì)指標(biāo)的重要性。數(shù)據(jù)指標(biāo)計(jì)算重復(fù),分析效率低BI平臺(tái)旨在管理企業(yè)的海量指標(biāo),以及指標(biāo)的各類衍生和復(fù)雜計(jì)算,這就涉及到指標(biāo)成倍的存儲(chǔ)和計(jì)算。隨著數(shù)據(jù)量產(chǎn)銀行信息化“部室系統(tǒng)”現(xiàn)象嚴(yán)重,從初期到現(xiàn)在已逐步積累了幾十個(gè)、上百個(gè)業(yè)務(wù)系統(tǒng),各個(gè)系統(tǒng)在建設(shè)時(shí)通常獨(dú)自為戰(zhàn),缺少橫向的溝通和統(tǒng)籌,推進(jìn)數(shù)據(jù)治理能夠提升BI決策精準(zhǔn)度。要實(shí)現(xiàn)數(shù)據(jù)治理目標(biāo),除了在組織、制度、流程上有頂層設(shè)計(jì)者和領(lǐng)導(dǎo)者推動(dòng),還要有架構(gòu)管理部門、技術(shù)部門、業(yè)務(wù)部門等配合完成落地工作。銀行在數(shù)據(jù)治理過程中將遇到多樣困難,包括數(shù)據(jù)標(biāo)準(zhǔn)制定復(fù)雜、數(shù)據(jù)模型設(shè)計(jì)復(fù)雜、數(shù)據(jù)整合過程復(fù)雜等。e一是數(shù)據(jù)標(biāo)準(zhǔn)定制復(fù)雜。數(shù)據(jù)治理組織應(yīng)制定一套適合銀行的數(shù)據(jù)標(biāo)準(zhǔn),但由于各個(gè)部門對(duì)數(shù)據(jù)的業(yè)務(wù)理解、技術(shù)理解不統(tǒng)一,因此制定數(shù)據(jù)標(biāo)準(zhǔn)存在偏差,即使很多標(biāo)準(zhǔn)能形成共識(shí),但實(shí)際執(zhí)行過程由于部門間的掣肘難以執(zhí)行。e二是數(shù)據(jù)模型設(shè)計(jì)復(fù)雜。數(shù)據(jù)治理的目標(biāo)并不是某一個(gè)條線或領(lǐng)域,而是集團(tuán)級(jí)數(shù)據(jù),因此并不存在一個(gè)通用的模型滿足所有數(shù)據(jù)要求,這要求模型設(shè)計(jì)者不僅要熟悉銀行各領(lǐng)域的數(shù)據(jù)特征,還要將模型和數(shù)據(jù)應(yīng)用需求結(jié)合起來,對(duì)于設(shè)計(jì)者要求較高。e三是數(shù)據(jù)整合過程復(fù)雜。數(shù)據(jù)整合是實(shí)際的操作處理層面,需要將分散在各個(gè)系統(tǒng)中,不同結(jié)構(gòu)、不同語義、不同格式的數(shù)據(jù),按照統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)進(jìn)行梳理、接入、轉(zhuǎn)化和存儲(chǔ)等。在實(shí)際處理過程會(huì)遇到大量的數(shù)據(jù)重復(fù)、沖突、缺失、異常等,協(xié)調(diào)各方達(dá)成一致,一直是數(shù)據(jù)治理面臨的困難。數(shù)據(jù)文化缺失導(dǎo)致BI無法在業(yè)務(wù)側(cè)真正落地,需要建立協(xié)同機(jī)制,變革數(shù)據(jù)生產(chǎn)關(guān)系銀行內(nèi)部三個(gè)部門之間的矛盾難以調(diào)和是銀行難以將BI應(yīng)用于經(jīng)營決策的根源,即科技、業(yè)務(wù)、數(shù)據(jù)分析之間的話語體一批領(lǐng)先銀行通過引入第三方的外部商業(yè)智能服務(wù)商,實(shí)現(xiàn)科技部門與外部科技廠商聯(lián)動(dòng),輔助科技團(tuán)隊(duì)更高效地理解業(yè)務(wù)部門的需求,明確其期望達(dá)到的數(shù)據(jù)應(yīng)用功能。通過專業(yè)的商業(yè)智能外部合作伙伴,使銀行內(nèi)部各取數(shù)用數(shù)部門減少?zèng)_突與矛盾,明確各自的職責(zé)范圍,進(jìn)而推動(dòng)數(shù)據(jù)智能項(xiàng)目的落地實(shí)施。這是商業(yè)智能平臺(tái)由原先的“普通模式”,階為目前最新的“升級(jí)模式”,核心價(jià)值在于站在業(yè)務(wù)視角,真正幫助其解決經(jīng)營管理活動(dòng)的數(shù)據(jù)挖掘痛點(diǎn),最終賦能于業(yè)務(wù)數(shù)字化轉(zhuǎn)型。評(píng)估內(nèi)部員工的使用頻次與效果反饋。億歐智庫:傳統(tǒng)高門檻B(tài)I限制銀行報(bào)表使用流程,內(nèi)部協(xié)同成本高傳統(tǒng)模式傳統(tǒng)模式業(yè)務(wù)人員權(quán)限審批科技·取數(shù)用數(shù)體驗(yàn)感不佳缺乏數(shù)據(jù)的自由度和靈活度·大量臨時(shí)需求難以快速響應(yīng)缺乏數(shù)據(jù)的自由度和靈活度需求匯總部門間協(xié)同配合的溝通成本高·科技與業(yè)務(wù)溝通語言不一致部門間協(xié)同配合的溝通成本高·總分支行之間的數(shù)據(jù)協(xié)同弱提工單流程·業(yè)務(wù)需求多,時(shí)間緊任務(wù)重·完全理解業(yè)務(wù)·大量取數(shù)重復(fù)性、升級(jí)模式升級(jí)模式總行業(yè)務(wù) 需求匯總 需求匯總分析師科技與外部BI聯(lián)合體·揮業(yè)務(wù)主觀能動(dòng)性·最終效果展示訴求標(biāo)準(zhǔn)化···建模型算法加速可視化··底層數(shù)據(jù)治理··賦能業(yè)務(wù)部門自主取數(shù)分析·開功能權(quán)限并提升靈活性數(shù)據(jù)來源:專家訪談、公開資料傳統(tǒng)報(bào)表式工具使用門檻高,為配合使用不得不增設(shè)協(xié)作流程,銀行BI亟待向輕量化、敏捷化升級(jí),釋放數(shù)據(jù)價(jià)值以往,銀行使用傳統(tǒng)報(bào)表式BI工具,核心關(guān)注數(shù)據(jù)平臺(tái)搭建,提供報(bào)表服務(wù)。其代表廠商以國外廠商為主,如Cognos進(jìn)入尾聲。傳統(tǒng)報(bào)表式BI強(qiáng)調(diào)技術(shù),這樣做的優(yōu)點(diǎn)很明顯,對(duì)銀行的大數(shù)據(jù)量比較友好、性能穩(wěn)定,但是傳統(tǒng)的報(bào)表式BI工具使用產(chǎn)生眾多協(xié)同上的矛盾,影響數(shù)據(jù)價(jià)值的釋放。此外,在展現(xiàn)上看,傳統(tǒng)報(bào)表式BI以展現(xiàn)結(jié)果為主,看到的是局部的、靜態(tài)的數(shù)字。銀行亟需升級(jí)BI工具,需要以過程為主導(dǎo),全面性、動(dòng)態(tài)的展現(xiàn)經(jīng)營結(jié)果,同時(shí)向輕量化、敏捷化、易用化升級(jí)。目前,國內(nèi)BI廠商,如觀遠(yuǎn)數(shù)據(jù),一改以往“IT主導(dǎo)的報(bào)表”模式,轉(zhuǎn)而向“業(yè)務(wù)主導(dǎo)的自助分析”模式發(fā)展?，F(xiàn)存痛點(diǎn)現(xiàn)存痛點(diǎn)理想狀態(tài)線上化和自動(dòng)化不足線上化和自動(dòng)化不足健全數(shù)據(jù)治理體系·支持多種方式接入數(shù)據(jù),統(tǒng)一數(shù)據(jù)出入口·支持智能ETL進(jìn)行高效整理與融合數(shù)據(jù)數(shù)據(jù)采集&處理·數(shù)據(jù)復(fù)雜異構(gòu),導(dǎo)致數(shù)據(jù)處理工作量大,容易出錯(cuò)數(shù)據(jù)管理效率低·用數(shù)部門向科技部門提單,逐級(jí)流轉(zhuǎn),流程冗長·用數(shù)部門以來開發(fā)人員做數(shù)據(jù)開發(fā)處理,效率低下 ··方便用數(shù)人員隨時(shí)取數(shù),無需依賴開發(fā)人員,更好滿業(yè)務(wù)和科技開發(fā)人員溝通效率不高報(bào)表需要通過構(gòu)建規(guī)則語言,預(yù)先建模·業(yè)務(wù)和科技開發(fā)人員容易“語言不通”通過數(shù)據(jù)分析業(yè)務(wù),需要更多的“先驗(yàn)知識(shí)”·需要具備身后業(yè)務(wù)運(yùn)營經(jīng)驗(yàn)的專家預(yù)先建模,找出業(yè)務(wù)變化拐點(diǎn)·實(shí)時(shí)性,需要反復(fù)嘗試驗(yàn)證來找出業(yè)務(wù)數(shù)據(jù)變化規(guī)律和揭示變化趨勢 業(yè)務(wù)分析智能預(yù)測智能預(yù)測零代碼自助式分析·支持自助式數(shù)據(jù)探索交互式數(shù)據(jù)分析·用數(shù)人員可以通過下鉆、關(guān)聯(lián)、跳轉(zhuǎn)、聯(lián)動(dòng)等維度洞察業(yè)務(wù)細(xì)節(jié),并可以用更直觀的模板進(jìn)行分析通過智能算法模型提升數(shù)據(jù)分析水平·支持場景化、自動(dòng)化增強(qiáng)數(shù)據(jù)洞察能力,實(shí)現(xiàn)數(shù)據(jù)找人·實(shí)時(shí)性強(qiáng),支持?jǐn)?shù)據(jù)自主解釋s訂閱/預(yù)警,讓業(yè)務(wù)異常點(diǎn)第一時(shí)間呈現(xiàn)建設(shè)指南:六大核心環(huán)節(jié)與IPSI選型指標(biāo)體系v建設(shè)之路:六大關(guān)鍵環(huán)節(jié),讓商業(yè)銀行BI建設(shè)一步做對(duì)工具賦能:觀遠(yuǎn)BI建設(shè)BI平臺(tái)是一項(xiàng)復(fù)雜的系統(tǒng)工程,單靠技術(shù)更新或工具升級(jí)無法真正釋放數(shù)據(jù)價(jià)值,不美觀、程序響應(yīng)慢等。因此銀行除了要選擇合適的BI銀行建立BI常見兩種路徑,全局建設(shè)路徑與單點(diǎn)突破路徑,但無論是哪種路徑都需要經(jīng)歷六大關(guān)鍵階段。BI建設(shè)路徑的六億歐智庫:銀行構(gòu)建BI平臺(tái)的六大關(guān)鍵階段及關(guān)鍵管控點(diǎn)脫離業(yè)務(wù)實(shí)際構(gòu)建以用戶為中心的BI平臺(tái),脫離業(yè)務(wù)實(shí)際構(gòu)建以用戶為中心的BI平臺(tái),謹(jǐn)防落入科技自嗨的怪圈需兼顧可行性與全面性,需兼顧可行性與全面性,與調(diào)研形成需求調(diào)研小循環(huán)調(diào)研與設(shè)計(jì)脫節(jié),未經(jīng)反復(fù)溝通確認(rèn)2.藍(lán)圖設(shè)計(jì)(Roadmap)兼顧產(chǎn)品性能、兼顧產(chǎn)品性能、集成適配、服務(wù)支撐以及創(chuàng)新應(yīng)用僅關(guān)注品牌/知名度,未形成系統(tǒng)性評(píng)價(jià)體系3.伙伴選擇(Partner)項(xiàng)目管控為主,項(xiàng)目管控為主,技術(shù)手段為輔,防止業(yè)務(wù)科技兩層皮4.落地路徑(Implementation)建立后評(píng)估體系,建立后評(píng)估體系,持續(xù)追蹤使用情況,形成標(biāo)桿案例單點(diǎn)應(yīng)用無反饋?zhàn)粉?樣板失真5.價(jià)值驗(yàn)證(Value)依照實(shí)際使用情況建立分享機(jī)制,依照實(shí)際使用情況建立分享機(jī)制,不斷討論完善最終成果,讓業(yè)務(wù)真正的用起來虛假宣傳s最終BI淪為面子工程6.運(yùn)營推廣(Promotion)問題定義:構(gòu)建以用戶為中心的BI銀行BI項(xiàng)目應(yīng)以終為始,關(guān)注最終應(yīng)用場景、使用需求,只有最終工具與需求契合才能產(chǎn)生價(jià)值。任何技術(shù)的應(yīng)用都不是科技單方面的狂歡,而是組織系統(tǒng)實(shí)現(xiàn)。因此,銀行在構(gòu)建BI平臺(tái)時(shí)需要管理層、執(zhí)行層以及科技與BI這樣才能讓BI兼具戰(zhàn)略視角、業(yè)務(wù)視角與技術(shù)視億歐智庫:商業(yè)銀行BI明確整體與數(shù)字化戰(zhàn)略、衡量指標(biāo)戰(zhàn)略層如:精細(xì)化運(yùn)營帶動(dòng)整體增長戰(zhàn)略層基于解決哪些問題、關(guān)鍵任務(wù)及流程管理層如:長尾用戶批量經(jīng)營,提升整體效能。通過抓取客戶行為數(shù)據(jù)、動(dòng)賬尾隨、APP埋點(diǎn)等分析方式分析客戶深層次需求,通過AI自動(dòng)化觸達(dá)再交由人工經(jīng)理維護(hù),形成閉環(huán)。管理層具體用戶、具體場景、具體數(shù)據(jù) 數(shù)據(jù)層技術(shù)層如:數(shù)據(jù)完整性、數(shù)據(jù)質(zhì)量、數(shù)據(jù)層級(jí)、數(shù)據(jù)從屬、數(shù)據(jù)層技術(shù)層IT資源、技術(shù)架構(gòu)、權(quán)限等如:數(shù)據(jù)結(jié)構(gòu)、承載能力、權(quán)限設(shè)置數(shù)據(jù)來源:公開資料、專家訪談藍(lán)圖設(shè)計(jì):需兼顧可行性與全面性,與調(diào)研形成需求調(diào)研小循環(huán)框架細(xì)化到可設(shè)計(jì)、可執(zhí)行的粒度。基于銀行業(yè)務(wù)特點(diǎn),將BI藍(lán)圖設(shè)計(jì)成五大領(lǐng)域,包括數(shù)據(jù)體系、指標(biāo)體系、體系、可視化設(shè)計(jì)、億歐智庫:商業(yè)銀行BI項(xiàng)目需求調(diào)研五大關(guān)鍵層級(jí)及調(diào)研重點(diǎn)1.需求調(diào)研業(yè)務(wù)數(shù)據(jù)1.需求調(diào)研業(yè)務(wù)數(shù)據(jù)技術(shù)2.藍(lán)圖設(shè)計(jì)數(shù)據(jù)業(yè)務(wù)應(yīng)用指標(biāo)體系·業(yè)務(wù)評(píng)分卡(風(fēng)控、營銷、運(yùn)營等)…………技術(shù)支撐需求確認(rèn)小循環(huán)·獲取方式指標(biāo)、標(biāo)簽、維度……數(shù)據(jù) 原型及展現(xiàn)設(shè)計(jì)伙伴選擇:基于需求調(diào)研與藍(lán)圖規(guī)劃選擇適應(yīng)性高的合作伙伴求調(diào)研的階段通常會(huì)對(duì)IT資產(chǎn)與數(shù)據(jù)資產(chǎn)進(jìn)行盤點(diǎn),以及結(jié)合戰(zhàn)略目標(biāo)需要明確了解對(duì)于合作伙伴存在哪些挑戰(zhàn),包括億歐智庫:銀行BI常見問題及伙伴選擇適配能力不足產(chǎn)品性能不足可拓展性不足問題適配能力不足產(chǎn)品性能不足可拓展性不足問題響應(yīng)速度有限,表格生成速度慢BI響應(yīng)速度有限,表格生成速度慢BI工具與銀行自身數(shù)據(jù)庫、大數(shù)據(jù)平臺(tái)不兼容表現(xiàn)無法在BI工具上完成一鍵推送,完成策略自動(dòng)執(zhí)行(如一鍵外呼等)大廠生態(tài)壟斷的情況,是否依大廠生態(tài)壟斷的情況,是否依然有辦法解決適配的問題報(bào)表更新速度不夠,導(dǎo)致使用部門取數(shù)“保鮮度”不夠解決思路3.構(gòu)建合作伙伴選型標(biāo)準(zhǔn)與體系,設(shè)立準(zhǔn)入條件,以滿足適應(yīng)性需求數(shù)據(jù)來源:公開資料、專家訪談落地路徑:整體設(shè)計(jì)、快速試點(diǎn),依據(jù)PDCA原則形成測試確認(rèn)小循環(huán),并迅速推廣完成藍(lán)圖設(shè)計(jì)以后的實(shí)施階段是BIETL的開發(fā),前端報(bào)表或分析的開發(fā),元數(shù)據(jù)管理,權(quán)限設(shè)置等。在這個(gè)階段最有難度的是產(chǎn)品與用戶匹配度。隨著BI項(xiàng)目的推進(jìn),技術(shù)思維與業(yè)務(wù)思維或會(huì)有差距顯現(xiàn),在這個(gè)階段需要通過快速試點(diǎn),快速確認(rèn)來不斷修正偏差,以達(dá)到真正億歐智庫:系統(tǒng)實(shí)施與試點(diǎn)推廣形成測試確認(rèn)大循環(huán)4.4.系統(tǒng)實(shí)施權(quán)限導(dǎo)入開發(fā)-/ETL/可視化測試-單元/集成/UAT61a)5.價(jià)值驗(yàn)證6.運(yùn)營推廣數(shù)據(jù)質(zhì)量問題持續(xù)監(jiān)控和改進(jìn)系統(tǒng)開發(fā)、測試、上線準(zhǔn)備綜合選型數(shù)據(jù)初始化系統(tǒng)配置配置傳輸運(yùn)營推廣:構(gòu)建數(shù)據(jù)文化,培養(yǎng)種子用戶建立培訓(xùn)體系與支撐體系,試點(diǎn)驗(yàn)證及種子用戶培養(yǎng)啟動(dòng)階段試點(diǎn)驗(yàn)證及種子用戶培養(yǎng)啟動(dòng)階段試點(diǎn)驗(yàn)證及種子用戶培養(yǎng)培訓(xùn)體系建設(shè)試點(diǎn)驗(yàn)證及種子用戶培養(yǎng)培訓(xùn)體系建設(shè)·課程體系·講師團(tuán)隊(duì)支持體系建設(shè)·答疑團(tuán)隊(duì)·答疑渠道機(jī)制認(rèn)證體系分析大賽認(rèn)證體系分析大賽精品應(yīng)用知識(shí)社區(qū)數(shù)據(jù)運(yùn)營用戶培訓(xùn)典型場景應(yīng)用效果驗(yàn)證及優(yōu)化用戶培訓(xùn)典型場景應(yīng)用效果驗(yàn)證及優(yōu)化“二十大”召開以來,商業(yè)銀行將高質(zhì)量發(fā)展作為核心戰(zhàn)略目標(biāo),與生態(tài)伙伴合作共同構(gòu)建最低。首先,對(duì)于商業(yè)銀行來講選擇現(xiàn)代BI平臺(tái)無需額外增加單獨(dú)團(tuán)隊(duì)研發(fā)產(chǎn)品,可以復(fù)用當(dāng)前人才隊(duì)伍;其次,銀行實(shí)現(xiàn)增強(qiáng)分析與決策智能需要金融科技企業(yè)多方共同努力,需要構(gòu)建以自身業(yè)務(wù)數(shù)據(jù)為核心的智能決策體系。億歐智庫:銀行BI伙伴選擇思考邏輯國有大行國有大行這源自大型銀行的IT資源投入大,并且自身開發(fā)能力增強(qiáng),因此將BI工具嵌入大數(shù)據(jù)分析平臺(tái)之中。傾向單一傾向單一BI工具嵌入式部署需求集成到國有大行的數(shù)據(jù)中臺(tái)之中,由BI服務(wù)商提供模板、樣式、主題和風(fēng)格,用于銀行各部門使用。業(yè)務(wù)側(cè)關(guān)注客戶展業(yè)的行為數(shù)據(jù)分析,風(fēng)控側(cè)關(guān)注風(fēng)險(xiǎn)預(yù)警,管理側(cè)關(guān)注隊(duì)伍管理與效能管理,不同崗位對(duì)于BI的需求差異大。提升運(yùn)營質(zhì)量國有大行營業(yè)網(wǎng)點(diǎn)眾多,覆蓋地域廣闊,需要聯(lián)合其他業(yè)務(wù)系統(tǒng)自動(dòng)執(zhí)行,提升運(yùn)營質(zhì)量與效率。全國性股份制銀行全國性股份制銀行多數(shù)業(yè)務(wù)采用單一BI產(chǎn)品形態(tài),而在零售金融轉(zhuǎn)型的細(xì)分領(lǐng)域,譬如代發(fā)、財(cái)富管理、風(fēng)控等方面,也會(huì)采用場景化解決方案。BIBI工具與解決方案并重產(chǎn)品性能產(chǎn)品性能實(shí)現(xiàn)增強(qiáng)分析、實(shí)現(xiàn)增強(qiáng)分析、智能決策。城商行及農(nóng)商行城商行及農(nóng)商行鑒于城商行與農(nóng)商行大多為中小銀行,科技能力不足,系統(tǒng)建設(shè)有待完善,因此直接復(fù)用頭部銀行的數(shù)據(jù)分析思路和指標(biāo)體系,見效最為明顯。傾向場景化解決方案傾向場景化解決方案賦能培育銀行數(shù)據(jù)分析師加速對(duì)數(shù)據(jù)分析師的培育,建立考試測評(píng)、積分考核等一體化的人才培育體系,將需求拆解落地,降低對(duì)于科技部的依賴。清晰賦能智能風(fēng)險(xiǎn)分析鑒于中小銀行在新增獲客方面,主要尋求“下沉市場”客群,因此客戶信用水平較弱,展現(xiàn)數(shù)據(jù)背后的本質(zhì)規(guī)律業(yè)務(wù)視圖,了解各層級(jí)的客群經(jīng)營效果,真正實(shí)現(xiàn)溝通成本降低、業(yè)務(wù)管理精準(zhǔn),并通過AI指向智能決策的五大評(píng)價(jià)標(biāo)準(zhǔn)實(shí)時(shí)性實(shí)現(xiàn)動(dòng)態(tài)跟蹤、變更提示精準(zhǔn)性實(shí)時(shí)性實(shí)現(xiàn)動(dòng)態(tài)跟蹤、變更提示精準(zhǔn)性具有可解釋性,提供執(zhí)行策略可預(yù)見事前預(yù)警,防止事態(tài)惡化智能化基于場景數(shù)據(jù)自適應(yīng)優(yōu)化全面性數(shù)據(jù)可穿透可最終集成力創(chuàng)新力產(chǎn)品力支撐力集成力創(chuàng)新力產(chǎn)品力支撐力數(shù)據(jù)來源:公開資料、專家訪談銀行目前處于數(shù)字化轉(zhuǎn)型節(jié)點(diǎn),國產(chǎn)化進(jìn)程加速,新技術(shù)不斷融合發(fā)展,國產(chǎn)銀行BI服務(wù)市場呈高度景氣態(tài)勢,對(duì)于銀綜合服務(wù)視角對(duì)參與廠商進(jìn)行過全面評(píng)價(jià)。標(biāo),系統(tǒng)性分析國產(chǎn)銀行BI旨在賦能商業(yè)銀行智能決策BI市場更自主化,成熟化發(fā)展。產(chǎn)品力集成力35%Product集成力25%IntegrativeCapability新技術(shù)應(yīng)用能等//新技術(shù)應(yīng)用能等//創(chuàng)新力支撐力實(shí)時(shí)分析能力線與行業(yè)的體解有能成經(jīng)濟(jì)性擁量聚合與清洗能力在線分能力更數(shù)個(gè)產(chǎn)15%Innovative15%InnovativeCapacityl3.3.1產(chǎn)品力:易上手性能強(qiáng),安全可控基于觀遠(yuǎn)BI的精細(xì)化權(quán)限管控能力、產(chǎn)品力主要衡量廠商產(chǎn)品技術(shù)能力指標(biāo)和銀行工作人員實(shí)際使用體驗(yàn),一方面與銀行的業(yè)務(wù)技術(shù)要求有較強(qiáng)相關(guān)性,另一銀行痛點(diǎn)觀遠(yuǎn)智能銀行痛點(diǎn)觀遠(yuǎn)智能BI平臺(tái)易用性不足對(duì)于無編程能力的業(yè)務(wù)人員,數(shù)據(jù)分析、信息獲取的便捷性不足;智能填報(bào)方面,BI數(shù)據(jù)表的導(dǎo)入功能還不夠智能,需通過底層數(shù)據(jù)庫添加列表,流程眾多,耗時(shí)長。零代碼易上手觀遠(yuǎn)BI以易用性和一站式為核心理念,覆蓋數(shù)據(jù)接入與準(zhǔn)備、分析與可視化、數(shù)據(jù)應(yīng)用、分享協(xié)作等數(shù)據(jù)應(yīng)用全流程,全拖拉拽式操作,兩天培訓(xùn)后可完成80%以上數(shù)據(jù)分析工作;智能識(shí)別,觀遠(yuǎn)BI設(shè)置符合用戶習(xí)慣的Excel中,文件自帶表頭(中文\英文)都可直接識(shí)別,且可設(shè)置表頭行數(shù)位置,指定數(shù)列進(jìn)行導(dǎo)入等,極大提升用戶效率及簡便性。業(yè)務(wù)人員的數(shù)據(jù)權(quán)限管控不夠精細(xì)化,單維度和多維度的權(quán)限管理能力劃分不夠。行列權(quán)限管控,觀遠(yuǎn)BI可設(shè)置多維度的組合管控,業(yè)務(wù)人員只能看到當(dāng)前所屬區(qū)域或業(yè)務(wù)條線/項(xiàng)目相關(guān)信息,業(yè)務(wù)人員的數(shù)據(jù)權(quán)限管控不夠精細(xì)化,單維度和多維度的權(quán)限管理能力劃分不夠。導(dǎo)出權(quán)限管控,可實(shí)現(xiàn)到用戶組或單個(gè)用戶導(dǎo)出權(quán)限管控?？紤]銀行“數(shù)據(jù)不出行”機(jī)制,觀遠(yuǎn)提供數(shù)據(jù)脫敏管控服務(wù),即數(shù)據(jù)下載導(dǎo)出后的部分字段可加密處理,保證數(shù)據(jù)安全。對(duì)于銀行高并發(fā)、高吞吐數(shù)量并行時(shí)響應(yīng)能力不足,有卡頓現(xiàn)象?；谠圃髷?shù)據(jù)架構(gòu)的產(chǎn)品設(shè)計(jì)。集群化擴(kuò)展性、存儲(chǔ)計(jì)算分離、多租戶模式、用戶資源隔離等技術(shù),實(shí)現(xiàn)面向數(shù)萬用戶活躍使用,幾十億數(shù)據(jù)量每天千萬次查詢秒級(jí)響應(yīng)。在BI廠商的實(shí)時(shí)分析、權(quán)限管理及拓展能力都顯得極為重要s觀遠(yuǎn)實(shí)時(shí)數(shù)據(jù)引擎在合加載,輕松實(shí)現(xiàn)實(shí)時(shí)數(shù)據(jù)查詢需求;l3.3.2支撐力與創(chuàng)新力:篤實(shí)精耕,觸類而長觀遠(yuǎn)BI運(yùn)營推廣服務(wù)與全流程服務(wù)機(jī)制,滿足銀行對(duì)于經(jīng)濟(jì)性、售后與效率全需求;基于觀遠(yuǎn)BI現(xiàn)代化建設(shè)和大模型能力融入,支撐力重點(diǎn)衡量服務(wù)商在面對(duì)銀行這類長期高技術(shù)、高服務(wù)需求甲方的核心競爭力,涵蓋“售后服務(wù)、性價(jià)比、廠商背景與成功經(jīng)驗(yàn)、行業(yè)性、合作伙伴數(shù)量等”,可反映出銀行BI服務(wù)商在長周期項(xiàng)目的服務(wù)水平、解決多樣性問題的能力。創(chuàng)新力重點(diǎn)衡量服務(wù)商的研發(fā)實(shí)力及對(duì)于新技術(shù)的融入與掌控力(涵蓋企業(yè)相關(guān)專利數(shù)量、實(shí)際研發(fā)投入等)、對(duì)新技術(shù)的迭代與掌控能力(涵蓋對(duì)于銀行分布式微服務(wù)架構(gòu)、AI、云原生、容器云等應(yīng)用的契合與產(chǎn)品更迭速度等),這些指標(biāo)與銀行科技創(chuàng)新應(yīng)用有極強(qiáng)相關(guān)性,也能夠側(cè)面反映服務(wù)商在面對(duì)銀行日新月異的新技術(shù)新業(yè)務(wù)時(shí),是否有足夠的應(yīng)對(duì)能億歐智庫:觀遠(yuǎn)BI支撐力護(hù)航解析銀行需求觀遠(yuǎn)支撐力解析銀行需求性價(jià)比極高解方案:經(jīng)濟(jì)性強(qiáng)極具優(yōu)勢的單品價(jià)格及解決方案價(jià)格,同時(shí)提供線上線下全周期服務(wù)經(jīng)濟(jì)性強(qiáng)完善的運(yùn)營推廣服務(wù):自帶用戶行為分析,跟蹤產(chǎn)品推廣,完整日志、運(yùn)維系統(tǒng),獨(dú)立運(yùn)維模塊,全方位監(jiān)控系統(tǒng)狀服務(wù)效率/廠商經(jīng)驗(yàn)足為銀行項(xiàng)目提供完善服務(wù)團(tuán)隊(duì),服務(wù)效率/廠商經(jīng)驗(yàn)足隊(duì)”的全周期培訓(xùn)與運(yùn)營,輔助銀行建設(shè)數(shù)據(jù)驅(qū)動(dòng)文化,不僅部署好BI,且實(shí)現(xiàn)用好BI億歐智庫:觀遠(yuǎn)BI創(chuàng)新力應(yīng)用解析更智能化現(xiàn)代化的銀行更智能化現(xiàn)代化的銀行BI服務(wù)幫助用戶基于指標(biāo)異動(dòng)自動(dòng)歸因分析,自動(dòng)生成分析報(bào)告檻、不斷優(yōu)化構(gòu)建增強(qiáng)分析應(yīng)用,輔助用戶自動(dòng)歸因分析,可自動(dòng)生成分析報(bào)告新技術(shù)融入更智能化的數(shù)據(jù)分析處理力直接問答可獲得數(shù)據(jù)分析結(jié)果等觀遠(yuǎn)數(shù)據(jù)雖在其他領(lǐng)域更為深耕,l3.3.3集成力:向云而生,靈活有力觀遠(yuǎn)BIB/S集成力重點(diǎn)衡量服務(wù)商在軟硬件適配及系統(tǒng)、應(yīng)用集成部署方面的能力,側(cè)面反映出銀行BI服務(wù)商的生態(tài)集成、產(chǎn)品/解決方案的拓展性、國產(chǎn)環(huán)境下銀行BI億歐智庫:觀遠(yuǎn)BI的集成力解析兼容適配適配眾多主流國產(chǎn)數(shù)據(jù)庫觀遠(yuǎn)BI基于云原生,純B/S架構(gòu)DeltaLake+Clickhouse+Sparksk8s+docker容器化部署,Lambda架構(gòu)目前適配主流數(shù)據(jù)庫且支持眾多國產(chǎn)數(shù)據(jù)庫,支持?jǐn)?shù)據(jù)直連與抽取分析,在極限條件下,可支撐極高并發(fā)數(shù)據(jù)的響應(yīng)對(duì)接。數(shù)據(jù)對(duì)接集成拓展系統(tǒng)集成軟件:例如企業(yè)微信、釘釘、泛微OA等均可以界面化配置集群能力架構(gòu)原生支持集群化部署控制中心、計(jì)算中心、元數(shù)據(jù)中心、文件中心均可集群化部署,借助K3s實(shí)現(xiàn)的容器化部署,可避免單點(diǎn)故障,極大提升了系統(tǒng)集群拓展化安全化觀遠(yuǎn)BI改造路徑可相輔相成,潛力極大。數(shù)據(jù)流暢通、創(chuàng)新BI工具的應(yīng)用,使其建立良性循環(huán),相輔相成,通過觀遠(yuǎn)一站式智能分析,為數(shù)據(jù)管理數(shù)據(jù)分析提供精細(xì)化助力、為數(shù)據(jù)應(yīng)用提供精細(xì)化平臺(tái),賦能決策輔助;有效為銀行業(yè)務(wù)賦能、數(shù)據(jù)流驅(qū)動(dòng)數(shù)據(jù)流驅(qū)動(dòng)觀遠(yuǎn)數(shù)據(jù)一站式智能分析數(shù)據(jù)應(yīng)用觀遠(yuǎn)數(shù)據(jù)一站式智能分析業(yè)務(wù)量分析產(chǎn)能分析憑證分析業(yè)務(wù)量分析產(chǎn)能分析憑證分析……網(wǎng)點(diǎn)管理可視化看板數(shù)據(jù)自助分析挖掘部門決策者核心數(shù)據(jù)分析師管理駕駛艙經(jīng)營分析風(fēng)險(xiǎn)監(jiān)控……管理決策客戶360客戶360視角營銷分析理財(cái)分析……對(duì)公業(yè)務(wù)數(shù)據(jù)預(yù)警數(shù)據(jù)管理管理駕駛艙數(shù)據(jù)預(yù)警數(shù)據(jù)管理管理駕駛艙新工具賦能數(shù)據(jù)文化推動(dòng)AUM規(guī)模結(jié)構(gòu)分析信貸分析……零售業(yè)務(wù)獲客分析轉(zhuǎn)化分析運(yùn)營分析……營銷獲客獲客分析轉(zhuǎn)化分析運(yùn)營分析……營銷獲客項(xiàng)目專題owner模塊數(shù)據(jù)分析師周邊協(xié)作方…….規(guī)模分析結(jié)構(gòu)分析績效考核……普惠金融報(bào)表交叉分析報(bào)送數(shù)據(jù)自檢報(bào)表交叉分析報(bào)送數(shù)據(jù)自檢監(jiān)管規(guī)則分析……監(jiān)管合規(guī)決策輔助強(qiáng)化風(fēng)險(xiǎn)管控產(chǎn)品質(zhì)量分析審批分析賬齡分析……風(fēng)控業(yè)務(wù)過程考核管理業(yè)務(wù)用數(shù)部門科技部門一線人員分析經(jīng)營異常確保合規(guī)經(jīng)營零售業(yè)務(wù)洞察提升數(shù)字化治理內(nèi)部數(shù)據(jù)分析對(duì)C端客戶交易等生產(chǎn)數(shù)據(jù)進(jìn)行即時(shí)查詢、計(jì)算和分析上下游企業(yè)數(shù)據(jù)分析上下游企業(yè)數(shù)據(jù)分析對(duì)上下游企業(yè)級(jí)客戶產(chǎn)生的數(shù)據(jù)進(jìn)行分析、管理及運(yùn)營提升改進(jìn)優(yōu)化業(yè)務(wù)接入與準(zhǔn)備分析與可視化數(shù)據(jù)應(yīng)用分享協(xié)作企業(yè)拓展 產(chǎn)品介紹基礎(chǔ)知識(shí)培訓(xùn)產(chǎn)品介紹基礎(chǔ)知識(shí)培訓(xùn)案例實(shí)操案例實(shí)操面向“業(yè)務(wù)團(tuán)隊(duì)”的全周期培訓(xùn)與運(yùn)營,輔助自下而上建設(shè)數(shù)據(jù)驅(qū)動(dòng)文化數(shù)據(jù)接入數(shù)據(jù)可視化數(shù)據(jù)分享與協(xié)作數(shù)據(jù)接入數(shù)據(jù)可視化數(shù)據(jù)分享與協(xié)作數(shù)據(jù)應(yīng)用管理數(shù)據(jù)分析案例實(shí)操/數(shù)據(jù)分析思維數(shù)據(jù)分析應(yīng)用案例高級(jí)可視化/函數(shù)計(jì)算高級(jí)分析貼近業(yè)務(wù)s3.4.2最佳實(shí)踐:解決分行向總行“取數(shù)用數(shù)看數(shù)”問題務(wù)部門用數(shù)需求復(fù)雜多變,IT響應(yīng)存在瓶頸,組織能力難以提升,觀遠(yuǎn)數(shù)據(jù)于2021年初與該銀行開展合作,搭建數(shù)據(jù)分析平臺(tái)。上線運(yùn)行一年后,目前已推廣至全行;服務(wù)全行超過50%用戶,單項(xiàng)數(shù)據(jù)分析工作效率大大提升,從平均5個(gè)工作日縮減到成效價(jià)值銀行痛難點(diǎn)成效價(jià)值銀行痛難點(diǎn)數(shù)據(jù)分散手工數(shù)據(jù)迭代更新慢數(shù)據(jù)分析耗時(shí)長分行滲透少取數(shù)過程曲折數(shù)據(jù)分析平均耗時(shí)5個(gè)工作日下降到1數(shù)據(jù)分散手工數(shù)據(jù)迭代更新慢數(shù)據(jù)分析耗時(shí)長分行滲透少取數(shù)過程曲折服務(wù)全行超過50%用戶數(shù)十億觀遠(yuǎn)解決方案同業(yè)規(guī)模對(duì)比同業(yè)規(guī)模對(duì)比客戶運(yùn)營及管理客戶運(yùn)營及管理賦能B端客戶,從傳統(tǒng)的金融服務(wù)衍生到數(shù)據(jù)創(chuàng)新服務(wù),使銀行提供的普通金融工具產(chǎn)品區(qū)別與其他普通客戶指標(biāo)分析效益指標(biāo)分析內(nèi)部數(shù)據(jù)分析客戶指標(biāo)分析效益指標(biāo)分析內(nèi)部數(shù)據(jù)分析核心客戶指標(biāo),客戶發(fā)展概況,客戶主要構(gòu)成等盈利性指標(biāo),核心客戶指標(biāo),客戶發(fā)展概況,客戶主要構(gòu)成等盈利性指標(biāo),流動(dòng)性指標(biāo)及風(fēng)險(xiǎn)指標(biāo)的數(shù)據(jù)分析,指標(biāo)預(yù)警及指標(biāo)管理渠道運(yùn)營及管理渠道運(yùn)營及管理資金流動(dòng)渠道分析,跨行轉(zhuǎn)賬把控渠道經(jīng)營狀況產(chǎn)品運(yùn)營及管理產(chǎn)品運(yùn)營及管理產(chǎn)品交叉持有概況,重點(diǎn)組合分析等技術(shù)手段,提升產(chǎn)品收益及運(yùn)營優(yōu)化上下游企業(yè)數(shù)據(jù)分析上下游企業(yè)數(shù)據(jù)分析面對(duì)上下游企業(yè)級(jí)客戶產(chǎn)生的數(shù)據(jù)進(jìn)行分析、管理及運(yùn)營該銀行通過觀遠(yuǎn)數(shù)據(jù)的智能分析平臺(tái)及解決方案,實(shí)現(xiàn)了“讓業(yè)務(wù)用起來”的目標(biāo),為分行提供了高效便捷的用數(shù)體驗(yàn),解現(xiàn)線上化過程管理,解決“業(yè)務(wù)流程缺乏閉環(huán)管理、數(shù)據(jù)安全保護(hù)觀遠(yuǎn)數(shù)據(jù)于2022年初與該銀行開展合作,幫助該銀行完善底層數(shù)據(jù)開發(fā)平臺(tái)和數(shù)倉開發(fā)、構(gòu)建智能化數(shù)據(jù)挖掘模型,上線一站式智能數(shù)據(jù)分析平臺(tái)2.0版本,智能數(shù)據(jù)分析平臺(tái)對(duì)接該銀行20余個(gè)系統(tǒng)數(shù)據(jù),通過開箱即用的AI能力,以預(yù)測性分析輔助進(jìn)行智能決策,實(shí)現(xiàn)業(yè)務(wù)和技術(shù)的深度融合,提升銀行風(fēng)險(xiǎn)管控的智能化水10x近百萬20x數(shù)據(jù)產(chǎn)品開發(fā)效率人工運(yùn)維費(fèi)用系統(tǒng)數(shù)據(jù)對(duì)接銀行痛點(diǎn)與主要訴求項(xiàng)目實(shí)踐內(nèi)容銀行痛點(diǎn)與主要訴求項(xiàng)目實(shí)踐內(nèi)容賦能數(shù)據(jù)價(jià)值最大化,解決決策效率問題:可視化數(shù)據(jù)大屏建設(shè),涵蓋豐富可視化組件·業(yè)務(wù)流程缺乏閉環(huán)管理賦能數(shù)據(jù)價(jià)值最大化,解決決策效率問題:可視化數(shù)據(jù)大屏建設(shè),涵蓋豐富可視化組件·數(shù)據(jù)統(tǒng)一查看繁瑣復(fù)雜,時(shí)效性低實(shí)現(xiàn)隨時(shí)隨地查用數(shù)據(jù):重新定義移動(dòng)端輕應(yīng)用,一鍵同步移動(dòng)端,減少重復(fù)勞動(dòng)·實(shí)現(xiàn)業(yè)務(wù)人員數(shù)據(jù)分析簡易化,實(shí)現(xiàn)業(yè)務(wù)價(jià)值最大化數(shù)據(jù)報(bào)告輸出定時(shí)更新,實(shí)現(xiàn)簡潔實(shí)時(shí)的向上匯報(bào)向下同步;基于BI工具建設(shè)PC儀表、移動(dòng)駕駛艙、業(yè)務(wù)監(jiān)控大屏與業(yè)務(wù)自實(shí)現(xiàn)移動(dòng)端/PC端同步數(shù)據(jù)報(bào)告輸出,圖文交互,副文本數(shù)據(jù)每月更新,義移動(dòng)端輕應(yīng)用,一鍵同步移動(dòng)端,減少重復(fù)勞動(dòng),解決業(yè)務(wù)人員隨時(shí)隨用問題;基于BI工具建設(shè)業(yè)務(wù)監(jiān)控大屏與業(yè)務(wù)自助建模,實(shí)現(xiàn)移動(dòng)端/PC端同步數(shù)據(jù)報(bào)告輸出,圖文交互,副文本數(shù)據(jù)可每月更新,查看簡便,實(shí)現(xiàn)銀行簡潔實(shí)時(shí)的向上匯報(bào)向下同步。除此之外,為了進(jìn)一步保障數(shù)據(jù)安全,觀遠(yuǎn)與銀行協(xié)力共建“數(shù)據(jù)脫敏自動(dòng)探測”以防止數(shù)據(jù)泄露,保障數(shù)據(jù)安全性。應(yīng)用層應(yīng)用層報(bào)表報(bào)表可視化探索分發(fā)歸因分類預(yù)測關(guān)聯(lián)數(shù)據(jù)分析數(shù)據(jù)建模線上調(diào)用自動(dòng)調(diào)參即席查詢數(shù)據(jù)整合工具層數(shù)據(jù)分析數(shù)據(jù)建模線上調(diào)用自動(dòng)調(diào)參即席查詢數(shù)據(jù)整合工具層BI范疇訂閱預(yù)警任務(wù)調(diào)度調(diào)用監(jiān)控模型訓(xùn)練模型評(píng)估數(shù)據(jù)接入底座層大數(shù)據(jù)智能分析平臺(tái)---BI+AI底座層趨勢展望:實(shí)現(xiàn)銀行敏捷運(yùn)營與智能洞察數(shù)據(jù)文化:“人人都是數(shù)據(jù)分析師”文化融入日常工作,打造