在线客服
扫描二维码
下载博学谷APP扫描二维码
关注博学谷微信公众号
大数据规模化应用是什么?即规模化应用大数据和高级分析,制定价值驱动的大数据实施路线图,端到端大数据用例试点,夯实支撑体系,加速大数据规模化落地,解决国内银行在大数据规模化方面存在的问题。
近年来面对外部经营压力、竞争和监管环境变化,国内银行业收入和利润增长步履维艰,很难突破双位数;但在同样严峻的环境下,全球领先银行通过大数据应用,仍能在公司及零售核心业务上实现增长。
针对困扰很多银行的不良率高企问题,领先银行利用大数据和人工智能技术,在宏观经济下行情况下,仍然实现良好的风险控制。而人工成本上升、科技投入增加,令很多银行的成本/收入比上升,但数字化、大数据和人工智能可以帮助银行有效实现降本增效。
根据麦肯锡全球数据工作坊的分析,规模化应用大数据和高级分析可显著提升银行业务绩效、降低运营成本、优化风控和决策、改善监管数据效率及提升客户体验。大量银行斥巨资于大数据和高级分析技术,就是看到了其背后的巨大价值。据麦肯锡全球研究院(MGI)测算,高级分析在全球各个行业的价值创造潜力高达9.5万~15.4万亿美元,能推动银行业利润增长10%~15%。大数据规模化应用是中国银行业大势所趋。
中国银行业迈向高质量发展的内在要求、国家政策扶持以及相关技术能力的日臻成熟,在中国银行业,大数据和高级分析规模化已进入黄金时代,是整个行业未来发展的大势所趋。
全球前50大银行中,90%以上都在积极应用高级分析技术。全球领先银行将税息前利润的15%至17%投入到数字化、科技和大数据领域,科技和大数据人员占到总人数的17%左右;与之相比,中国银行业的相关人才比例不足5%。拥抱大数据、提升银行竞争力已是整个行业的共识,能够率先转型为‘科技银行’、‘数据银行’的金融机构,将在未来10年领跑同业。可见,目前大数据相关人才极度稀缺,做大数据相关的人才就业前景更为广阔。
现阶段,国内银行在大数据规模化方面还存在几大共性问题,如:大型银行往往耗费大量时间和金钱,从全面数据治理开始大数据规模化应用,但这些投入却久不见价值;小型银行则畏难情绪严重,较差的数据基础致使他们多止于观望;此外,各类银行还普遍存在模型搭建与业务场景应用“两张皮”的情况,未遵循“用例驱动”和“闭环循环优化”原则;大数据人才匮乏进一步制约了规模化应用。
《报告》给出了三项战略举措。首先,制定价值驱动的大数据实施路线图:通过大数据诊断,识别出银行的机会点,定义并对大数据用例进行优先排序,制定最佳实施路线图,并在全行上下达成共识;其次,端到端大数据用例试点:通过落地1至2个试点用例,跑通端到端大数据用例闭环,对用例进行快速迭代优化,并验证其业务价值,实现速赢;最后,夯实支撑体系,加速大数据规模化落地:对于一家信息科技预算在10亿美元的银行而言,简化、梳理及优化数据管理工作,每年能给其节省0.71亿美元。银行需在18个月内循序渐进地建立大数据卓越中心,招募并培养大数据核心人才,完善数据治理机制,以及构建大数据相关系统,是保证大数据规模化落地的重中之重。
银行大数据应用要先从‘小数据’做起,从银行内部数据入手,通过分析产生价值,实现小步快跑;相比从下而上进行数据清理,从上而下用例驱动的方式更加有效;数据清理是一个持续性工程,不是一劳永逸;大数据用例要规模化,从亮点到规模、最终搭建平台;大数据人才培养要规模化,银行应建立人才中心、大数据学院,实现人才的批量培养;搭建联邦制组织架构,在前台业务部门和科技部门都应配备数据分析人员,让业务与数据、科技实现有机融合;银行决策层要形成数据驱动型(IBS)决策文化,让数据文化融入到银行的DNA。
— 申请免费试学名额 —
在职想转行提升,担心学不会?根据个人情况规划学习路线,闯关式自适应学习模式保证学习效果
讲师一对一辅导,在线答疑解惑,指导就业!
相关推荐 更多
大数据应用技术的发展方向分析
如今,大数据的应用对企业公司以及个人都产生了深远影响,本文就来预测一下大数据应用技术的发展方向。可以预见的是,数据资产管理、数据资产管理、AI驱动的数据基础设施、面向AI的分布式计算框架和数据安全这些都将成为大数据应用技术的发展方向。对大数据应用技术感兴趣的小伙伴,可以接着往下看小编的的详细分析。
5479
2019-10-29 17:24:18
大数据工程师加班多吗?工作强度大不大?
大数据时代的来临,使得大数据工程师一职也变得火爆起来。许多想要学习大数据并今后投身于此的伙伴,在羡慕这一行广阔发展前景和高额薪资待遇的同时,难免也会担心这样的问题:大数据工程师加班多吗?工作强度大不大?其实我们都明白高薪的工作肯定不轻松的道理,但是大数据工程师的工作强度,也远远没有大家想象的没那么大。而且不同的公司,加班的强度也是不一样的,因此不能一概而论。
11620
2019-12-05 20:33:40
大数据技术的应用领域有哪些?
大数据技术逐渐成熟,已经在诸多领域得到了广泛的应用,随着5G时代的带来,数据化的企业运营成为企业优化产业结构、提升服务质量的奠基。在数据时代数据量迅速扩大、数据维度不断完善、数据分析的指导性更加明显。那大数据技术的应用领域有哪些呢?对于学习大数据技术的同学们而言,应该精准到哪些行业就业呢?
14272
2019-12-16 18:57:00
大数据岗位Spark面试题整理附答案
众所周知,Spark作为一个集群计算平台和内存计算系统,它是专门为速度和通用目标设计的。从事大数据岗位的工作者,像是ETL工程师、Spark工程师、Hbase工程师、用户画像系统工程师都需要熟练掌握Spark相关知识点,因此Spark也是常常会出现的必考面试题。下面我整理了一些Spark面试题,并附上了答案,一起来看看做一做吧!
7311
2020-04-01 17:52:24
常见的实用型数据可视化工具有哪些?
数据可视化工具介绍,由于每个人的的技术水平和偏好不同这里分类介绍。零编程类:操作简单,无需编程基础,适合新手小白做一些基础性的图表可视化;开发工具类专业化的可视化工具,个性化程度高,适合专业的开发者或者工程师;专业图表类:针对性制作地图、时间轴、金融数据可视化工具。接下来我们就一起来看看吧
2873
2021-01-28 10:38:20