更多精彩內容參見：https://liuhuapeng.jiangshi.org

金融危機之后，世界各國的銀行和金融機構逐漸意識到實現成功沒有捷徑。相對于全方位大規模的變革，從“帳戶中心”到”客戶中心”的框架改革是一個更好的實現路徑。而這條路徑只能通過我們通常所稱的大數據分析來實現。

通常意義上的大數據是結構化數據和非結構化數據的組合。除了銀行可獲得的客戶的結構化數據（例如賬號、賬戶類型資產負債等），還有大量的非結構化數據。后者主要來源于電子郵件、呼叫中心、社交媒體、網站、客戶反饋和各種機構等。這種結構化和非結構化數據的結合聚集了巨量數據，對重大事項的決策起到了不可忽視的作用。

在當今競爭激烈的世界中，金融機構已經意識到，必須通過分析掌握各個細分市場客戶的行為特點，才能夠將合適的產品在合適的時間賣給合適的客戶。在此之前，銀行一直對巨量的非結構化數據視而不見，然而如今，銀行已開始借助持續增加的各類數據進行大規模的投資活動。

根據凱捷咨詢公司（Capgemini）最近發布的一項研究顯示，超過70%的銀行高管贊同以客戶為中心這一理念的重要性，但只有37%的客戶認為銀行了解他們的需求和偏好并能給與及時的應對。

銀行更加注重分析非結構化數據，并通過將其與結構化數據映射，全面了解客戶特點，從而建立起一個實時的推薦系統以預測其下一步行動。在數字消費時代，金融機構正在深入探索極為豐富的大數據。這可以用在很多方面，例如銀行提出的個性化報價。在銀行業數字化的時代，個性化可以最大限度地發揮其盈利能力。

由商業銀行開發并使用的實時推薦系統呈現出不斷增長的趨勢。例如，你可能會收到用信用卡購買電影票將享受折扣的促銷短信；收到提醒咖啡時間快到了的手機短信，而你可以使用信用卡累積積分購買咖啡；當你出國旅行時，如果收到一條來自你銀行的短信，通知你最近的自動取款機地點，這是否會給你帶來驚喜？這就是大數據分析的力量。要充分利用和了解客戶下一個可能的動作，將推薦在正確的時間發送給正確的人是非常重要的。

然而，完善這些實時的推薦并不容易，這需要組合使用多種先進的統計方法和機器學習算法。基于Hadoop的分布式計算逐漸成為銀行業進行大數據分析的主流方式，這將幫助銀行有效地留住現有客戶并增加收入。

目前所需的就是整合各個系統的信息，如來自客戶關系管理、產品組合、貸款、借記卡、信用卡等的數據，并建立一個針對客戶全方位360度的分析視角。客戶分析是銀行最具功效的工具。麥肯錫研究表明，具備較高的客戶分析能力的銀行相較其他對手來說，在市場份額上將領先四到六個百分點。

另一項正在進行的研究是探討大數據分析在輔助央行政策制定上所發揮的作用。印度儲備銀行一直擁護這樣的信念—即所有貨幣政策制定都應是數據導向（此數據為結構化數據）的。也許有一天，這樣的決策也可以通過非結構化數據驅動（從非結構化數據源收集的通脹預期）。有趣的是，很多發展經濟學正式是基于隨機實驗，與此類似，也可以基于日常數據得出通貨膨脹預期。

綜上所述，在現如今的大數據時代，銀行業的發展前景就在于如何明智的利用大數據分析能力。

更多精彩內容參見：https://liuhuapeng.jiangshi.org