数字化时代，亟待转型的银行业如何让BI赋能更有价值？

发布时间：2020-11-17      游览量：2575

• bi应用银行自助分析平台自助分析

以下文章来源于金融科技时代 ，作者本刊编辑部

BI是商业智能（Business Intelligence）的简称，核心是对数据进行分析，从而辅助决策。虽然IT技术日新月异，出现了“大数据应用”“数据智能”等新的概念，但归根到底都是数据分析，仍属于BI的范畴，只是在应用广度和深度上不断发展延伸，如图1所示。

▲图1　BI应用在银行的发展方向

BI经典应用：数据分析辅助决策

银行的管理者和业务人员需要对各种经营数据进行分析，才可以了解银行的经营状况。而分析数据，需要有不同的分析主题以及一套完整的的指标体系。如分析“银行竞争力”这一主题，应该分析吸收存款、发放贷款等相关指标，因为这是银行的生存之本，优秀的银行应该是吸收存款成本低、发放贷款质量高的银行。吸收存款指标可以分析利率最低的活期存款占比，占比越高，意味着其吸收存款的成本越低，总资产收益率以及净资产收益率越高。发放货款指标可以分析个人贷款占比。在银行的贷款中，个人贷款的风险低于公司贷款的风险，个人贷款越高，贷款损失的机会越小。此外，还可以分析逾期贷款率、不良贷款率等指标。这些指标数据首先需要通过ETL从银行各种业务系统中采集，然后再将其放在数据仓库中按不同的主题进行整理、汇总，最后在BI工具中以报表、仪表盘的形式进行展示，用户可以通过PC或者移动终端进行浏览。

在BI经典应用中，使用者一般是银行的各级管理者，其有着更为突出和特定的决策需求，这些需求以项目的形式进行建设，对银行改善其核心业务流程、提高市场反应速度和业务管理水平有着重要作用。

由思迈特软件出品的“企业报表平台（Smartbi Insight）”可以帮助技术人员快速部署和开发BI经典应用，满足固定场景的数据分析需求，包括中国式报表、多维度分析和可视化仪表盘等功能。其中，报表功能以“真Excel”为特色，将Office Excel和WPS表格变为企业级Web报表设计器，企业现有的Excel报表和能力可以得到有效复用。

BI广度应用：人人都是数据分析师

随着银行业务的快速发展和BI应用的不断推广，一般的业务人员也有了数据分析的需求，且要求数据分析更加灵活和细化。显然，靠技术人员提供的报表和仪表盘在效率与功能上已经无法满足，就产生了BI工具的另一个应用——自助分析。这是BI在银行应用的一次广度拓展，让数据为人人所用，使“人人都是数据分析师”。

阿拉丁平台就是一个典型的例子。该平台让一线业务及营销分析人员变成数据专家，能够在平台上查询所需数据并进行辨别，从而开展相关的数据分析。例如，某银行客户经理需要寻找潜在高价值客户的消费规律，可通过阿拉丁平台对相关数据进行自助分析，对所负责区域内的潜在客户进行画像，再对画像中的高价值客户进行精准营销。通过这种方式，不仅大大提升了客户的营销效果，而是节约了大部分的营销费用，效果明显。

在阿拉丁平台中，思迈特软件的“自助分析平台（Smartbi Eagle）”充当前端BI工具的角色。Smartbi Eagle是围绕业务人员，提供数据分析服务的企业级门户平台。通过提供自助化的数据访问、探索、展现工具，不仅加快了数据化运营的效率，更为业务思考、业务拓展、管理创新提供了开放共享和交流互动的平台，既让数据的利用更加安全有效，也让银行的数据资产得到升值。

BI深度应用：预测未来发展趋势

无论是报表、仪表盘，还是自助分析，揭示的都是数据之间过去的、已知的关系，主要采用的是计算机技术。BI发展到一定的程度，对数据分析就有了更高的要求，一种结合了计算机技术、统计学、模型算法的技术便应运而生，这就是“数据挖掘”。数据挖掘可以进一步挖掘数据的价值，提示数据之间未知的关系，能够用于预测未来，是BI的一次深度拓展。在银行中，数据挖掘在精准营销、风险管理、征信服务、精细化管理等应用场景中得到广泛应用。例如，某银行的“企业违约风险预警”项目，依据对公客户结算行为，将交易频率、交易金额、交易对手等信息作为重要的基础信息，结合客户行业、规模、经营状况刻画客户画像，采用逻辑回归模型搭建客户逾期、违约预警。在模型成熟后，利用CRM系统打通客户经理通知渠道，及时向客户经理推送预警数据，做好风险管理。

该案例中所采用的BI工具是思迈特软件的“数据挖掘平台（Smartbi Mining）”。Smartbi Mining操作简单，建模、训练、部署等都在一个界面完成。业务人员可以直接参与，整个过程直观明了。该平台有很多内置的模型算法，模型参数默认调整到最优状态，大大降低了使用门槛，且系统随时可以扩展，适用于处理海量数据。

未来展望

按照Gartner的定义，BI的发展分为3个阶段：传统BI、自助BI和智能BI，这跟BI应用在银行的发展方向是完全契合的。但是，不同类型的BI并非互斥关系，而是共同存在于银行的实际应用中，满足不同场景下的分析需求。如今，银行的同业竞争越来越激烈，且面临金融科技巨头的挑战，各大银行亟须突破传统业务模式，改变思维方式，加大科技创新，以期用更好的产品和服务满足客户需求，努力实现银行的数字化转型。在这个过程中，不仅要求业务流程的数字化，而且需要建立“数据驱动业务”的新模式，用数据化运营的思路进一步提高银行的管理效率和经营效益。BI应用作为数据化运营的重要手段，将继续在银行内部不断普及和深化，为银行的转型升级服务。

--------------

本文刊登于本刊2020年第6期