商业智能 BI 是信息化倒退的必然产物。在信息化过程中,企业将依据须要建设各种业务体系,进步日常运行效率。这些业务零碎运行一段时间后,会产生大量的业务数据。这些数据的剖析和利用能够进一步提高企业的效率。中国各行业的银行信息化始终处于领先水平,其倒退过程根本遵循这条路线。尽管 IT 技术突飞猛进,呈现了大数据利用、数据智能等新概念,但归根结底,它们都是对于数据分析或商业智能 BI 的,但它们在商业智能 BI 的利用广度和深度上一直倒退和延长。在本文中,笔者将依据多年在思迈特软件从事银行 BI 征询的教训,探讨一些个人观点。
1、商业智能 BI 根本利用:辅助数据分析决策。
银行经理和业务人员作为最常经理和业务人员须要进行数据分析,以理解银行的业务情况。数据分析须要不同的剖析主题和残缺的指标零碎。例如,为了剖析银行的竞争力,咱们应该剖析排汇贷款、发放贷款等相干指标,因为这是银行生存的根底。优良的银行应该是排汇贷款成本低、贷款品质高的银行。排汇贷款指标能够剖析利率最低的活期存款比例。比例越高,排汇贷款的老本越低,总资产收益率和净资产收益率越高。集体贷款的比例能够剖析集体贷款的比例。因为在银行贷款中,集体贷款的危险低于公司贷款的危险,集体贷款越高,贷款损失的机会就越小。此外,还能够剖析逾期贷款率、不良贷款率等指标。这些指标数据首先须要通过 ETL 从银行的各种业务零碎中收集,而后放入数据仓库,依据不同的主题进行整顿和总结。最初,它们以 BI 工具和仪表板的模式显示。用户能够通过 PC 或手机、平板电脑等挪动终端浏览。
思迈特软件生产的企业报表平台是一种以真 Excel 为特色的 BI 报表工具,将 Officexcel 和 WPS 表格转化为企业 WEB 报表设计器。表格格调和计算逻辑的灵活性显而易见,能够轻松制作出简单的中国报表。同时,企业报表平台还反对无需建模的多维分析和仪表盘设计界面。
在商业智能 BI 利用中,数据处理是根底,数据分析是伎俩,辅助决策是目标。数据分析作为商业智能 BI 的根本利用,在银行进步外围业务流程、市场反应速度和业务管理程度方面施展着重要作用。
2、商业智能 BI 广度利用: 每个人都是数据分析师。
在商业智能 BI 的根本利用阶段,用户通常是银行的各级经理,因为他们有更突出的决策需要。然而,随着银行业务的一直倒退和商业智能 BI 利用的一直推广,业务人员对数据分析的要求也越来越高,心愿数据分析更加灵便和具体。显然,银行技术人员提供的报告和仪表盘在效率和性能上都不能满足,此时 BI 工具的另一个应用程序是自助剖析。这是商业智能 BI 在银行应用程序中的一个宽泛扩大,容许每个人应用数据,每个人都是数据分析师。
阿拉丁平台就是一个典型的例子。该平台容许一线业务和营销剖析人员成为数据专家,查问平台上所需的数据,辨认数据并进行相干数据分析。例如,银行的客户经理须要找到潜在的高价值客户的生产规定(如应用非凡的手机号码、驾驶豪华车、住在高端社区等)。因而,他通过阿拉丁平台自助剖析相干数据,对该地区的潜在客户进行肖像,而后精确地营销肖像中的高价值客户。这样,不仅大大提高了客户的营销成果,而且节俭了大部分的营销老本,成果非常明显。
在阿拉丁平台上,思迈特软件的自助剖析平台扮演着前端 BI 工具的角色。自助剖析平台是一个围绕业务人员提供数据分析服务的企业门户平台。通过提供自助数据拜访、摸索和显示工具,不仅放慢了数据经营的效率,还为业务思维、业务拓展和治理翻新提供了凋谢共享和交换互动的平台。它不仅使数据的应用更加平安无效,而且使银行的数据资产贬值。
3、商业智能 BI 深度利用: 预测将来发展趋势。
无论是报表、自助仪表盘还是自助剖析,都揭示了数据之间的过来和已知关系,次要采纳计算机技术。商业智能 BI 在肯定水平上对数据分析有更高的要求。一种联合计算机技术、统计学和模型算法的技术应运而生,即数据挖掘。数据挖掘能够进一步开掘数据的价值,提醒数据之间未知的关系,并能够用来预测将来。这是 BI 的深度扩大。在银行中,数据挖掘广泛应用于精准营销、风险管理、信用调查服务、精密治理等利用场景中。例如,银行的企业守约危险预警我的项目依据公共客户的结算行为,包含交易频率、交易金额、交易对手等信息,联合客户行业、规模和业务情况,描述客户肖像。应用逻辑回归模型构建逾期客户预警。模型成熟后,利用 CRM 零碎关上客户经理告诉渠道,及时向客户经理推送预警数据,做好风险管理。
在这种状况下,应用的 BI 工具是思迈特软件的数据挖掘平台。数据挖掘平台操作非常简单,在界面上实现了建模、培训和部署。业务人员能够参加,整个过程十分直观。有许多内置的模型算法,默认调整到最佳状态,大大降低了应用阈值。零碎能够随时扩大,解决大量数据没有问题。
4、商业智能 BI 发展前景。
依据 Gartner 的定义,商业智能 BI 的倒退分为三个阶段:传统 BI、自助 BI 和智能 BI,完全符合商业智能 BI 在银行的倒退过程。然而,不是 BI 的类型不是互相排挤的,而是独特存在于银行的理论利用中,以满足不同场景下的剖析需要。现在,银行间竞争日益强烈,面临金融科技巨头的挑战。各大银行迫切需要冲破传统商业模式,扭转思维形式,加大科技翻新力度,努力实现银行数字化转型,以更好的产品和服务满足客户需要。在此过程中,不仅须要数字业务流程,还须要建设新的数据驱动业务模式。商业智能 BI 利用作为数据经营的重要伎俩,具备很大的倒退空间。
对于商业智能 BI 利用的数据根底,银行也经验了从数据仓库到大数据平台的倒退阶段。现在,大数据平台不仅能够像传统的 OLAP 一样解决大量的结构化数据和离线数据,还能够解决非结构化数据和实时数据。BI 工具在增强数据筹备、自然语言查问、自然语言生成等新兴畛域也在一直成熟。展望未来,商业智能 BI 利用将持续在银行推广和深入,为银行转型降级服务。