金融企業(yè)到業(yè)務(wù)目標(biāo)一般可以分為資產(chǎn)規(guī)模、產(chǎn)品收入、用戶規(guī)模、交易費(fèi)用等四個(gè)方面。資產(chǎn)規(guī)?？梢苑纸獾疆a(chǎn)品銷售、有效客戶、單個(gè)客戶價(jià)值等幾個(gè)方面；產(chǎn)品收入可以分解為客戶規(guī)模、客戶活躍、單客價(jià)值、持有時(shí)間、產(chǎn)品種類等幾個(gè)方面；用戶規(guī)?？梢苑纸鉃橛脩艨倲?shù)、活躍客戶、休眠客戶、新增客戶、流失客戶等幾個(gè)方面；交易費(fèi)用可以分解為活躍客戶、單客價(jià)值、交易頻率、交易間隔、交易產(chǎn)品等幾個(gè)方面。
金融企業(yè)可以利用數(shù)據(jù)分析來(lái)了解企業(yè)在各個(gè)方面的運(yùn)營(yíng)表現(xiàn)包括客戶分布、客戶價(jià)值、客戶活躍、產(chǎn)品銷售、交易頻率、客戶流失、客戶休眠等數(shù)據(jù)，利用數(shù)據(jù)分析的結(jié)果進(jìn)行決策。例如增加20％的高價(jià)值客戶比例，增加客戶活躍度，增加熱銷產(chǎn)品比例，實(shí)施高凈值客戶挽留，提升客戶交易頻率，激活休眠客戶，增加目標(biāo)客戶，縮短購(gòu)買間隔時(shí)間等。一切的營(yíng)銷活動(dòng)將參考數(shù)據(jù)分析的結(jié)果，包括客戶的行為數(shù)據(jù)和客戶的交易數(shù)據(jù)，以及產(chǎn)品銷售數(shù)據(jù)和客戶體驗(yàn)數(shù)據(jù)等。這種數(shù)據(jù)變現(xiàn)的思路是將可以目標(biāo)分析成用戶經(jīng)營(yíng)行動(dòng)，利用海量行為和交易數(shù)據(jù)來(lái)實(shí)現(xiàn)用戶經(jīng)營(yíng)。
另外一種數(shù)據(jù)應(yīng)用途徑是整理海量數(shù)據(jù)，進(jìn)行統(tǒng)計(jì)分析和數(shù)據(jù)挖掘，從數(shù)據(jù)分析和挖掘的結(jié)果來(lái)找到數(shù)據(jù)應(yīng)用的場(chǎng)景，從而推動(dòng)業(yè)務(wù)發(fā)展。這條路比較苦，適合信息化程度高，具有大數(shù)據(jù)治理和分析能力的成熟金融企業(yè)。從數(shù)據(jù)分析入手來(lái)尋找數(shù)據(jù)應(yīng)用場(chǎng)景，會(huì)陷入技術(shù)怪圈，容易追求全量數(shù)據(jù)分析，全維度數(shù)據(jù)引入，追求完美技術(shù)架構(gòu)，完美數(shù)據(jù)應(yīng)用工具的怪圈。國(guó)內(nèi)某著名四大國(guó)有銀行中的一個(gè)，在升級(jí)改造新核心系統(tǒng)和大數(shù)據(jù)應(yīng)用過(guò)程中，耗用了幾千人，投入了幾百個(gè)億，花費(fèi)了五六年，現(xiàn)在還在不斷投入中。企業(yè)累、員工累、廠商累，大家都傷不起呀。
大數(shù)據(jù)應(yīng)用過(guò)程中，數(shù)據(jù)治理、多數(shù)據(jù)源整合是一個(gè)臟活累活。美國(guó)大數(shù)據(jù)企業(yè)90%的資源都投入在數(shù)據(jù)采集、清洗、處理、整合等方面，只有10%的投資用戶數(shù)據(jù)的分析和應(yīng)用。多數(shù)據(jù)源的整合和處理是行業(yè)的一個(gè)難題，哪個(gè)大數(shù)據(jù)企業(yè)能夠在這個(gè)方面取得突破，這個(gè)大數(shù)據(jù)企業(yè)就會(huì)取得市場(chǎng)領(lǐng)先優(yōu)勢(shì)。
三、引入外部工具和咨詢
大數(shù)據(jù)是一個(gè)實(shí)實(shí)在在技術(shù)驅(qū)動(dòng)的產(chǎn)業(yè)，金融行業(yè)具有數(shù)據(jù)和應(yīng)用場(chǎng)景，但是金融行業(yè)不具備大數(shù)據(jù)平臺(tái)和工具的開發(fā)能力。特別是非結(jié)構(gòu)化數(shù)據(jù)的采集、處理和分析能力。
術(shù)業(yè)有專攻，科技企業(yè)的優(yōu)勢(shì)在于技術(shù)的專研，特別是多數(shù)據(jù)源的處理和整合。金融企業(yè)內(nèi)部的數(shù)據(jù)質(zhì)量較好，以結(jié)構(gòu)化數(shù)據(jù)為主，內(nèi)部已有的數(shù)據(jù)倉(cāng)庫(kù)和BI系統(tǒng)基本上可以滿足需要。一般情況下在數(shù)據(jù)量低于20T，用戶數(shù)量低于50萬(wàn)時(shí)，傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)和分析工具可以滿足數(shù)據(jù)分析需要。如果需要處理的數(shù)據(jù)超過(guò)了20T，用戶數(shù)量超過(guò)50萬(wàn)，傳統(tǒng)數(shù)據(jù)平臺(tái)的投資會(huì)高于幾千萬(wàn)，投入資金巨大，未來(lái)維護(hù)成本也很高。這種情況建議金融企業(yè)利用大數(shù)據(jù)平臺(tái)來(lái)處理。在這個(gè)量級(jí)以上大數(shù)據(jù)平臺(tái)處理效率比傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)要高很多，總的投資費(fèi)用和維護(hù)費(fèi)用也要低的很多。
金融企業(yè)希望像互聯(lián)網(wǎng)企業(yè)一樣，通過(guò)采集非結(jié)構(gòu)化行為數(shù)據(jù)來(lái)了解客戶行為，提高客戶體驗(yàn)，優(yōu)化交易流程，提高客戶活躍程度。非結(jié)構(gòu)化數(shù)據(jù)采集和處理過(guò)程中，需要面對(duì)非常復(fù)雜的情況，例如客戶使用設(shè)備類型、操作系統(tǒng)、采集的數(shù)據(jù)類型、非結(jié)構(gòu)化數(shù)據(jù)ETL處理、數(shù)據(jù)采集和分析、數(shù)據(jù)建模和計(jì)算等。這些工作具有較高的技術(shù)門檻，大數(shù)據(jù)公司投入了巨大的研發(fā)資源，經(jīng)過(guò)幾年的發(fā)展，踩了無(wú)數(shù)個(gè)坑，迭代了很多次之后，才找到了一條比較靠譜的技術(shù)路線和處理架構(gòu)。
金融企業(yè)在大數(shù)據(jù)技術(shù)研發(fā)方面不具有優(yōu)勢(shì)，不能夠像互聯(lián)網(wǎng)公司一樣，擁有強(qiáng)大的基礎(chǔ)技術(shù)研發(fā)應(yīng)用團(tuán)隊(duì)。金融行業(yè)科技部門的優(yōu)勢(shì)是對(duì)金融業(yè)務(wù)的了解和數(shù)據(jù)環(huán)境的了解，數(shù)據(jù)治理和業(yè)務(wù)系統(tǒng)，不是大數(shù)據(jù)技術(shù)研發(fā)和應(yīng)用。
中國(guó)大型國(guó)有銀行擁有上萬(wàn)名技術(shù)開發(fā)員工，其技術(shù)優(yōu)勢(shì)是對(duì)銀行核心業(yè)務(wù)系統(tǒng)的了解和應(yīng)用，但對(duì)于基礎(chǔ)軟件例如數(shù)據(jù)庫(kù)和中間件，大數(shù)據(jù)采集、存儲(chǔ)、處理平臺(tái)不具備研發(fā)能力。國(guó)有五大行一直在研發(fā)自己的非結(jié)構(gòu)化數(shù)據(jù)采集處理分析平臺(tái)，投入巨大，幾年下來(lái)沒(méi)有任何結(jié)果，，沒(méi)到達(dá)到應(yīng)用水平。反而證券公司和股份制商業(yè)銀行采用市場(chǎng)上成熟的大數(shù)據(jù)解決方案，上線了一些非機(jī)構(gòu)化數(shù)據(jù)采集統(tǒng)計(jì)分析平臺(tái)，2013年就開始商用了，在用戶行為洞察和應(yīng)用上取得了一些成果。