金融大数据分析总结报告.docxVIP

金融大数据分析平台项目总结报告

总结

银行业一直是一个数据驱动的行业，数据也一直是银行信息化的主题词。银行的信息化进程先后经历过业务电子化、数据集中化、管理模型化等阶段，如今随着大数据技术的飞速发展，银行信息化也进入了新的阶段：大数据时代。

目前，国内银行都积累了海量的金融数据，包括各类结构化、半结构化、非结构化数据，数据量巨大，存储方式多样。但是这些海量数据还没得到充分利用，显得价值含量较低。只有经过合适的预处理、模型设计、分析挖掘后，才能发现隐藏在其中的潜在规律。而应用大数据分析技术，可以从海量的、不完全一致的、有噪声的、模糊的、随机的数据中提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识。银行可以利用这些信息和知识来提升金融业务的服务效率和管理水平，银行的关键业务也能从中获得巨大收益。

银行在大数据技术应用方面具有天然优势：一方面，银行在业务开展过程中积累了大量有价值数据，这些数据在运用大数据技术挖掘和分析之后，将产生巨大的商业价值；另一方面，银行在资金、设备、人才、技术上都具有极大的便利条件，有能力采用大数据的必威体育精装版技术。建立“金融大数据分析平台”，可以通过对金融数据的挖掘、分析，创造数据增值价值，提供针对银行的精准营销、统一广告发布、业务体验优化、客户综合管理、风险控制等多种金融服务。

大数据应用作为新兴技术，从研究到使用需要经历一个过程，应按照循序渐进方式开展相关工作。根据IBM研究，大数据应用建设分为四个阶段：一是教育，需要让大数据的重要性和必须性得到充分认识；二是探索，主要探索大数据到底怎么应用；三是接触，从实际的角度去思考怎么应用大数据；四是执行，真正把大数据结合到业务流程里去。大数据的建设不是一蹴而就，重在实践和迭代发展，在起步阶段可以结合具体痛点问题展开，在不断积累经验后逐步扩大应用范围。

大数据建设的关键是高质量的数据基础，没有数据质量就没有一切，只有高质量的数据才能为企业带来价值。面对数据来源广、信息种类杂、质量参差不齐的情况，需要在建设大数据的同时关注数据治理，一是建立数据规范化标准、数据分类标准、数据定义标准、质量衡量标准等；二是建立用于监控数据从获取、存储、分析、到运用的质量监控体系；三是建立数据问题从检查、反馈到修改的质量改进流程，使问题能够得到及时发现和根本解决。