即使在行業(yè)數(shù)字化取得現(xiàn)在的步伐之前，銀行業(yè)一直是一個(gè)競(jìng)爭(zhēng)激烈的環(huán)境。由于金融技術(shù)的原因，競(jìng)爭(zhēng)變得更加艱難。金融技術(shù)公司之于銀行正如優(yōu)步之于出租車。而且，據(jù)我們所知，出租車司機(jī)對(duì)優(yōu)步很不滿。
除了金融技術(shù)公司面臨利潤危機(jī)外，銀行也面臨監(jiān)管機(jī)構(gòu)的巨大壓力。2008年金融危機(jī)之后，F(xiàn)RB、OCC和FDIC等監(jiān)管機(jī)構(gòu)一直在認(rèn)真關(guān)注銀行。雖然大多數(shù)銀行都沒有參與導(dǎo)致危機(jī)的活動(dòng)，但他們都必須遵守市場(chǎng)崩潰后采用的嚴(yán)格的合規(guī)性規(guī)定。
針對(duì)銀行的競(jìng)爭(zhēng)性商業(yè)智能解決方案必須反映所有這些要求。他們必須靈活透明，以適應(yīng)競(jìng)爭(zhēng)和監(jiān)管環(huán)境。由于越來越多的客戶漸漸忘記了他們最后一次去實(shí)體銀行的經(jīng)歷，他們必須具有可擴(kuò)展性，以跟上行業(yè)日益增長的數(shù)字化潮流。他們必須“智能”，推動(dòng)更好的財(cái)務(wù)和運(yùn)營決策。只是將數(shù)據(jù)分散在多個(gè)圖表和餅圖中，這不再是一種可行的商業(yè)智能方法。
在本文中，我們將介紹一些改變銀行業(yè)務(wù)商業(yè)智能的趨勢(shì)和工具，或者至少可以作為這種持續(xù)轉(zhuǎn)型的證據(jù)。
強(qiáng)大的工具包
我們要理解，銀行業(yè)并非方方面面都有單一的，完美的商業(yè)智能解決方案，這是很重要的。不可能擁有一個(gè)涵蓋整個(gè)流程的系統(tǒng)(從數(shù)據(jù)存儲(chǔ)到數(shù)據(jù)解釋)的管道。當(dāng)然，有些系統(tǒng)正試圖覆蓋大部分這些方面，但都沒有成功。
這就是為什么銀行商業(yè)智能的最大趨勢(shì)之一是銀行業(yè)務(wù)分析師所使用的工具包具有多維度。鑒于有太多的工具，太多訪問和處理數(shù)據(jù)的方法，銀行被迫尋找靈活的解決方案，這些系統(tǒng)將協(xié)同工作并相互補(bǔ)充。
人工智能
人工智能，特別是機(jī)器學(xué)習(xí)正在風(fēng)靡銀行業(yè)。這些技術(shù)改變了“商業(yè)智能”中的“智能”的含義，其原因有很多。
人工智能也變得更容易獲得，并且與Postgres等通用技術(shù)標(biāo)準(zhǔn)兼容。所以，盡管銀行確實(shí)冒險(xiǎn)在工具包中引入新的工具，但這種技術(shù)引進(jìn)所帶來的技術(shù)問題往往是微不足道的。
然后，還要考慮成本/收益分析。高盛公司稱，到2025年，人工智能將為金融業(yè)帶來高達(dá)430億美元的儲(chǔ)蓄和收入機(jī)會(huì)。沒有多少銀行會(huì)輕易放棄這么多的資金。這就是為什么所有美國主要銀行都投資數(shù)億美元用于人工智能/機(jī)器學(xué)習(xí)的原因。
焦點(diǎn)中的數(shù)據(jù)人士
這一趨勢(shì)源于前兩者。沒有數(shù)據(jù)專業(yè)人員，你無法構(gòu)建穩(wěn)定的商業(yè)智能基礎(chǔ)架構(gòu)。在過去的幾年里，對(duì)數(shù)據(jù)工程師的需求翻了一番。對(duì)于希望開始從事銀行業(yè)務(wù)的數(shù)據(jù)分析師和數(shù)據(jù)科學(xué)家來說，情況更加有希望，因?yàn)樵絹碓蕉嗟你y行正在探索先進(jìn)的算法交易系統(tǒng)和其他工具來幫助他們衡量投資風(fēng)險(xiǎn)。這些專業(yè)人員確保銀行內(nèi)部的數(shù)據(jù)能夠正確存儲(chǔ)，可以廣泛訪問并進(jìn)行徹底分析。
對(duì)數(shù)據(jù)精通的人們?nèi)找嬖鲩L的需求也重新定義了這些專家的管理要求。銀行擁有首席數(shù)據(jù)官并不罕見，他負(fù)責(zé)銀行的數(shù)據(jù)，分析和商業(yè)智能議程。
專業(yè)化
就可用數(shù)據(jù)和需要處理的數(shù)據(jù)而言，銀行業(yè)是最復(fù)雜的行業(yè)之一。與此同時(shí)，很多銀行沒有足夠的時(shí)間或能力來根據(jù)自己的特定需求量身定制各種商務(wù)智能工具。還有專門的銀行處理特定類型的金融服務(wù)，這需要專門的商業(yè)智能邏輯方法。
這就是為什么很多商業(yè)智能工具都出現(xiàn)了迎合銀行業(yè)特定行業(yè)的商機(jī)。銀行找到適合其特殊需求的東西的可能性非常高。例如，Motivity專門從事抵押貸款的銀行業(yè)務(wù)。Beye擅長銀行分析，專注于銀行和金融機(jī)構(gòu)。像BankBI這樣的工具預(yù)先打包了與銀行相關(guān)的特定功能。
銀行可以見證專業(yè)商業(yè)智能工具為金融科技公司帶來的結(jié)果。以TradeStop的追蹤股票行為的商業(yè)智能系統(tǒng)為例。該系統(tǒng)經(jīng)過精細(xì)調(diào)整，可以處理，分析和查看與金融技術(shù)相關(guān)的特定數(shù)據(jù)類型，這使得解決方案比現(xiàn)有的一般工具更有效率。
物聯(lián)網(wǎng)
由于物聯(lián)網(wǎng)對(duì)制造業(yè)和零售業(yè)的滲透，它與后兩者緊緊聯(lián)系在一起。當(dāng)然，這是因?yàn)檫@些行業(yè)也更有可能從物聯(lián)網(wǎng)中受益。
金融機(jī)構(gòu)正在大力投資物聯(lián)網(wǎng)，以推動(dòng)商業(yè)智能并改善客戶服務(wù)。例如，它們可以通過可穿戴設(shè)備提供非接觸式支付選項(xiàng)。可以在大多數(shù)支付終端上使用的標(biāo)準(zhǔn)非接觸式信用卡是銀行業(yè)物聯(lián)網(wǎng)技術(shù)流行的又一例證。但它變得更好了，因?yàn)楝F(xiàn)在有些卡可以通過卡上的接口直接與銀行進(jìn)行雙向通信。
銀行的商業(yè)智能團(tuán)隊(duì)可以分析所有這些和其它類似設(shè)備產(chǎn)生的數(shù)據(jù)，以帶來更多收入。例如，銀行可以更多地了解他們的客戶喜歡的位置，并為這些特定地點(diǎn)提供額外的獎(jiǎng)勵(lì)或折扣，從而促進(jìn)他們的忠誠度計(jì)劃中更好的參與度。可能性無窮無盡。
安全性
這往往是銀行業(yè)的一個(gè)重要話題。銀行使用的很多工具基本上成了個(gè)人信息的存儲(chǔ)庫。
Equifax遭到黑客攻擊而暴露了幾百萬銀行客戶的信息，這再次證明銀行必須將欺詐預(yù)防和網(wǎng)絡(luò)安全視為任何商業(yè)智能平臺(tái)的主要特征。因此，為了適應(yīng)安全性需求，商業(yè)智能解決方案應(yīng)具有高級(jí)功能，例如自動(dòng)威脅檢測(cè)。
銀行業(yè)的平衡點(diǎn)
那么銀行應(yīng)該如何構(gòu)建商業(yè)智能管道，記住所有這些趨勢(shì)、技術(shù)和需求?銀行業(yè)高管需要了解功能完善的商業(yè)智能管道所需的所有組件。
數(shù)據(jù)源
信息的存儲(chǔ)方式非常重要，因?yàn)樗梢宰R(shí)別能訪問數(shù)據(jù)的系統(tǒng)。數(shù)據(jù)源還定義了可以用數(shù)據(jù)執(zhí)行的轉(zhuǎn)換類型。你可以想象的，NoSQL數(shù)據(jù)庫比Excel工作表更加靈活。
挖掘數(shù)據(jù)
這些是結(jié)合來自各種數(shù)據(jù)源的數(shù)據(jù)系統(tǒng)。他們的工作是去掉數(shù)據(jù)并將其合并到數(shù)據(jù)湖泊中。
準(zhǔn)備數(shù)據(jù)
金融業(yè)務(wù)涉及很多模型，無論是信用風(fēng)險(xiǎn)的統(tǒng)計(jì)模型還是交易算法系統(tǒng)——所有這些流程和技術(shù)都可以通過充分結(jié)構(gòu)化的數(shù)據(jù)進(jìn)行建模。這些工具通常會(huì)替代數(shù)據(jù)管理工具或與其結(jié)合使用。
建模
除了建立統(tǒng)計(jì)模型和參與高級(jí)定量分析之外，很多銀行現(xiàn)在都意識(shí)到機(jī)器學(xué)習(xí)的力量。用于開發(fā)模型或生成財(cái)務(wù)預(yù)測(cè)的很多工具都需要先進(jìn)的技術(shù)功能，例如各種機(jī)器學(xué)習(xí)庫或自動(dòng)化功能的可用性，這些功能有助于為模型提供來自數(shù)據(jù)管理和數(shù)據(jù)準(zhǔn)備工具的數(shù)據(jù)。
管理模型
如果你已經(jīng)為自己構(gòu)建了一個(gè)能解決商業(yè)智能需求的模型，那么你必須通過將其直接連接到面向客戶的系統(tǒng)來存儲(chǔ)，更新和運(yùn)行。這也需要一個(gè)專門的系統(tǒng)。
消費(fèi)商業(yè)智能
不管你是否構(gòu)建了一個(gè)能夠產(chǎn)生預(yù)測(cè)的系統(tǒng)，這都不重要——你的員工仍然需要一個(gè)接口來處理數(shù)據(jù)。并不是每個(gè)人都知道如何查詢數(shù)據(jù)庫。并不是每個(gè)人都知道如何獨(dú)立顯示不同種類的數(shù)據(jù)。這就是為什么會(huì)誕生能讓銀行的員工緩解所有這些問題的工具。
這份清單并非詳盡無遺。特別是對(duì)于銀行業(yè)來說，正如我們所提到的那樣，專業(yè)工具可能更適合。然而，重要的是要記住，將它們用于銀行業(yè)的商業(yè)智能可能是死路一條，因?yàn)閷I(yè)化系統(tǒng)往往沒有強(qiáng)大的API和后端靈活性來支持日益增長的銀行業(yè)務(wù)或新興技術(shù)。
版權(quán)聲明：本文為企業(yè)網(wǎng)D1Net編譯，轉(zhuǎn)載需注明出處為：企業(yè)網(wǎng)D1Net，如果不注明出處，企業(yè)網(wǎng)D1Net將保留追究其法律責(zé)任的權(quán)利。
京公網(wǎng)安備 11010502049343號(hào)