大数据时代银行业

⑴ 大数据+银行数据安全何去何从

大数据+银行数据安全何去何从

数据将是未来银行的核心竞争力之一，这已成为银行业界的共识。对于银行来讲，只有拥有强大的“大数据”处理能力，才能使银行数据应用达到价值最大化。在银行信息化、网络化时代，如何利用大数据的优势加强银行机构的内部控制，防范和化解敏感数据信息泄密风险，是当前银行业信息安全关注的重点和难点。

大数据来了 出路OR死路？

根据麦肯锡《大数据的下一个前沿》报告，无论从大数据应用综合价值潜力维度，还是平均数据量而言，银行的大数据应用综合价值潜力都非常高，是继互联网及运营商之后大数据产生最为庞大的热点行业之一，已然成为大数据应用的一片沃土。

大数据的数量巨大、形式多样同时具有瞬时性，可以从移动设备、社交应用、网页访问以及第三方获取，包括信用消费等方面的数据。以正确的数量模型和分析方式来契合银行目前的业务需求，是合理利用大数据，达成更多经济回报的关键。通过大数据技术把收集的海量碎片化数据有效整合，可以在市场分析、客户服务、客户研究、产品研发及产品测试等方面节约成本、提高效率。

没有数据安全就没有信息安全，数据安全管理必须贯穿数据生命周期的全过程。大数据的应用存在运维风险和运营风险等，前者如数据丢失、数据泄露、数据非法篡改、数据整合过程中的信息不对称导致错误决策等，后者如企业声誉风险、数据被对手获取后的经营风险等。因此，必须加强数据管控。尽管大多数银行企业经过多年系统的信息安全建设，但是仍然缺乏内容识别相关的措施来配合防护，当前数据内容防护层面临着识别难、定位难、防护难的系列问题。

明朝万达——实现银行敏感数据安全管理

作为中国领先的内网安全、数据安全和移动安全解决方案提供商，北京明朝万达专注于银行数据安全，以自主可控的国产密码算法为基础，以符合国家和行业监管为要求，基于“安全服务”理念，为银行客户量身打造整体数据安全解决方案。同时，结合银行业务应用场景以及银行的安全管理和特性需求，建立安全服务体系，实现银行内敏感数据从产生、存储、使用、流转、追踪到销毁的整个生命周期的安全管控。

深耕金融业多年，公司凭借优质的产品、专业的服务和良好的信誉，已经成功服务于国开行、中国银行、光大银行、中信银行及中国农业银行等众多客户,在大数据时代，明朝万达将继续秉承“安全服务于业务”的理念，持续为银行的智能化数据安全管理建设献策献力。

以上是小编为大家分享的关于大数据+银行数据安全何去何从的相关内容，更多信息可以关注环球青藤分享更多干货

⑵ 农业银行如何拥抱时代 “秒贷”成真

大银行服务小企业有“三难”——信息不对称、服务成本高、信贷风险大。互联网信息技术的飞速发展为小微信贷找到了新的出路，有着大数据平台优势的小微贷款创新模式在互联网金融的蓬勃发展中显示出旺盛的生命力，也为传统模式下困扰小微金融服务的顽疾找到了解决之道。

此外，农业银行还不断完善差异化的小微企业信贷政策制度体系，推行标准化、流程化、便利化作业，在信贷调查、审查审批、贷后管理各个环节，用标准的表格模板代替文字报告，统一审查审批标准，提高服务效率。对产业集群、商圈、供应链等具有显著共性特点的小微企业客户群体，采取批量营销、批量授信、批量用信模式提供服务。近期，该行在全国推广在线预约开户系统，小微企业可预先在网上填写开户信息、提交资料、预约时间，客户至网点办理开户的时间从1至2小时缩短至半小时。

潮涌大时代，源流小微情。新时期，农业银行将充分发扬担当精神与工匠精神，认真做好普惠金融工作，探索小微企业金融业务新思维、新模式与新做法，用浓情厚意谱写时代新篇章。

⑶ 大数据在银行业的应用与实践

大数据在银行业的应用

一、舆情分析

对于银行来说，舆情分析包括：银行的声誉分析、品牌分析和客户质量分析。它主要是通过分析网络社交媒体的评论，对于客户的流失情况进行预警，还可以通过对新闻热点的跟踪以及政府报道的分析，为银行提供个性化的分析场所。

二、客户信用评级

银行可以通过手机客户申请信用卡的数据，分析客户的信用程度，从而帮助业务人员做出相应的决策。

三、客户与市场洞察

银行可以通过跟踪社交媒体的评论信息，利用各种非结构化数据，对客户进行细分，改进客户的流失情况。这是银行对于市场的趋势分析。

四、运营优化

银行通过大数据平台对各种历史数据进行保存和管理，同时可以对系统日志进行维护、预测系统故障，从而提升系统的运营效率。

五、风险与欺诈分析

主要包括财务风险分析、贷款风险分析、各种反洗钱和欺诈调查和实时欺诈分析等内容。所谓财务风险分析是分析信用风险和市场风险产生的数据；贷款风险分析是从媒体或者社会公众信息中提取企业客户和潜在客户的信息。提高对于风险的预测能力和预警能力；反洗钱与欺诈调查是提取犯罪记录的信息；实时欺诈分析则是对大量的欺诈数据进行分析。

银行数据架构规划

随着银行业务的扩展，可以对数据进行架构规划。大数据的数据架构规划可以采用Hadoop技术，即通过与节后或数据进行关联，进一步拓展对非结构化数据的处理。其数据源包括结构化数据、半结构化数据和非结构化数据。半结构化数据和非结构化数据通过网络爬虫的方式来搜集，再经过内容管理处理，将数据进行结构化处理，然后可以将内容管理处理得出的数据信息存放到基础数据存储中。这是基于HDFS存放的非结构化数据。

大数据为银行创造的价值

当银行客户与银行产生交易，会产生大量的数据，这些数据具有大量的业务价值，为银行进行有针对性的营销创造了机会。

在大部分的应用中，随着数据量指数级的增长，特别是一些非结构化数据的快速增长，大量的数据导致分析时间增长，传统的商业智能已经无法满足需求，阻碍了业务的发展，以FineBI为代表的新型BI的涌现，无论在数据处理量和速度上都相比传统BI有突破性的进步。

在很长的一段时间内，银行的大部分业务是建立在客户和银行的交易过程中的，但是为了能更好地为客户服务，光靠依赖这些数据是不够的。随着技术的进步，银行可以通过很多途径来搜集客户的资料。从而进行有针对性的营销。

随着互联网技术的发展，客户可以通过电子渠道对银行业务发表看法或者购买银行产品。这些操作都是为增强对于客户的了解，降低信息的不对称性。

目前来说，在利率市场化的趋势下，存款的稳定性降低，存贷款的利差收窄，数据分析已经逐渐成为银行实现核心业务价值的重要手段。金融脱媒会导致大量客户的流失和客户忠诚度的降低。银行作为“支付中介”的地位开始动摇，客户对于银行服务的要求越来越高。

在这种情况下，银行需要通过大数据深入全名了解客户的基本信息，提升业务运行的效率，逐步提高客户的体验。通过对大数据的加工以及挖掘，可能为银行带来极大的效益，特别是商业银行。

对于银行来说，风险管控和用户营销是未来最重要的两个方向。而对客户的信用评分是实现这两个方向的重要条件之一。信用评分是根据申请人的申请信息和证明材料，帮助业务员作出决策，降低坏账率。

比如：我们可以根据大数据的分析和查询，有针对性地为客户提供理财产品建议和提醒，同时通过对大数据的分析和挖掘，来评估客户的信用风险和资金偿还能力，降低了银行的各种风险。

⑷ 大数据时代对商业银行的影响

大数据时代到来后,信息的数量剧增,并且传播非常迅速,这对于商业银行来说是一个非常大的挑专战。
大数据有属力地推动了商业银行传统客户管理形式的不断完善,新的经营管理方法因运而生,将第三方加入到了金融竞争中,并迫使其增强自身的管理能力,在这样的状况之下,商业银行如果不在第一时间内转换传统的经营管理形式,就很有可能会成为大数据时代的牺牲品。
身处在大数据时代,应当及时调整原有思维,加大对数据变动的关注度,发扬自身优势,借助大数据努力处理好新产品的研究和开发、客户管理和银行内部管理等事项,采用完备数据库、创建数据平台、建设数据队伍等手段,通过对大数据技术的合理运用,推动商业银行的整体发展。

⑸ 如何在互联网金融时代的潮头踏波而行

中国经济正处在转型升级、三期叠加的关键阶段。面临经济下行压力，宏观货币政策和财政政策审慎出台定向降准和微刺激。大量实体经济增长缺血，金融服务主体对小微和三农的服务渗透力不够。个别行业出现严重的产能过剩，经济发展过程中的资源浪费和环境污染问题仍亟待解决。M2与GDP之比高居不小，大量货币在含影子银行在内的金融体系内部空转，“钱生钱”的社会预期浓郁。互联网金融方兴未艾，无风险利率被不适当抬高，实际推进了利率市场化进程。
在这样一个特殊的时期，中国金融体系面临诸多结构性矛盾和挑战。站在金融改革大时代的潮头，我们该如何做一个专业的冲浪者?才能随经济周期起伏而灵活调整，熟练地驾驭波峰波谷，保持乘风逐浪，踏波而行?笔者想尝试着与诸君探讨几个一直萦绕于胸的问题。
一、互联网跨界金融为什么在中国如火如荼?
有人问，为什么在互联网和金融均是最发达区域的美国，没有出现互联网企业跨界做金融的巨大创新和规模效应?个人认为有三个主要原因：
第一，一场金融压抑和宽松创新的竞赛。以银行为代表的传统金融机构，一直严格遵循包括巴塞尔新资本协议、“腕骨”原则等在内的运行规则。目前，中国还没有放开银行存款利率上限管制，而以宝宝们为代表的互联网理财产品则利用钱荒的特殊试点推出了超过6%的收益率，且不需要在资本约束、拨备覆盖、准备金等方面承担高监管成本。因此，当金融资源从一个高压强的压力场向较低压强的自由空间溢出时，这种流向在短期内是不可逆的。
第二，两个发育程度完全不同的金融市场。现代金融在中国恢复仅仅30年的时间，中美在货币市场和资本市场的发育程度不在一个层级上。与美国相比，我们金融市场的产品创新力度以及立体化丰富程度还有很大提升空间，靠传统金融还无法满足公众日益增长的财富管理需求，互联网跨界金融就恰恰利用了这个发展时间差和利基市场空间。
第三，三个因素的叠加和规模化不对称。西方国家的利率市场化进程一般也走了近20年 的历程，但目前在中国出现了利率市场化演进、金融脱媒和移动互联应用迅猛发展这三个相关因素的叠加。互联网技术最好解决了不对称问题，越是不对称的市场就 越是有规模化的商机和利润。中国目前的城乡人口结构、东西部财富积累程度、教科文卫发展的地域差异等不对称，为互联网跨界金融提供了快速积累客户和创造规 模效益的绝好机遇期。
二、客户在移动互联时代有哪些新的变化?
对移动互联应用的适应速度越来越快。时代在变迁，从工业社会向信息社会演进。科技在快速迭代，移动终端、智能手机拉近了人与互联网的距离，客户对信息和服务的获取更加扁平、高效和低成本。
对金融服务体验的要求越来越高。第三方支付机构、电商网站、互联网公司、移动APP开发团队将金融服务的门槛拉低，把最大众、最低结构化和易于理解的金融服务娱乐化、标准化，提高了其易用性和客户体验。
公司客户对网络服务的依赖越来越强。互联网最先脱媒的是银行的个人金融业务，如在线支付、基金销售、消费金融、生活缴费、跨行汇款等。接下来，随着一些互联网企业深耕行业，将给企业的金融需求(如跨行现金管理、国内保理、供应链融资、账户托管等)带来更低门槛的服务。
三、银行在网络金融服务创新方面在发生什么转变?
从单一产品竞争到平台的角逐。银行之间的竞争，目前是同质化金融产品与服务的竞争。而未来银行之间的竞争，将围绕谁提供更多平台服务而展开。银行要么独立打造电商平台来获取增量客户;要么和其他互联网平台合作，从入口导入流量。
从重点提供个人客户的网络服务到更多投入企业及机构客户。与IT企业的服务重心变迁方向相反，银行在互联网领域先服务了消费者市场，而后将逐渐过渡到企业和机构客户。随着大数据技术、云计算服务、TYD趋势(take your devices，自带设备终端)和在线产业链的发展，这种演进的速度在加快。
从关注供应链到关注整个产业链。供应链金融仅关注链主企业和上下游，即传统意义上的1+N。而在线产业链金融，则发展到 N+1+1+N+M，即全流程在线+主金融服务商+链主企业+上下游企业+第三方服务商，形成产业和金融生态融合的联盟。
从发展电子银行到打造网络银行。从纯粹的网银、手机银行等电子银行渠道建设向外拓展，从更高、更广、更深的视角创新服务模式，为新经济、传统经济转型 升级提供嵌入式网络金融服务，为传统公司金融、个人金融、贸易金融和金融市场业务导入客户，带动营销、服务、销售的规模个性化。
从闭环提升到生态优化。从做内功打基础，到跨界合作。通过大合作，打造网络金融生态圈，从电商平台服务、移动支付、产业链融资、大数据合作等方面切入，与合作伙伴一起搭建开放、共生、互补的新金融生态，获取新的客户和业务增长点。

⑹ 大数据能为银行做什么

随着移动互联网、云计算、物联网和社交网络的广泛应用，人类社会已经迈入一个全新的“大数据”信息化时代。而银行信贷的未来，也离不开大数据。
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。从发展趋势来看，银行大数据应用总的可以分为四大方面：
第一方面：客户画像应用。
客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于自身拥有的数据有时难以得出理想的结果甚至可能得出错误的结论。
比如，如果某位信用卡客户月均刷卡8次，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；
（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
第二方面：精准营销
在客户画像的基础上银行可以有效的开展精准营销，包括：
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
第三方面：风险管控
包括中小企业贷款风险评估和欺诈交易识别等手段。
（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯。
第四方面：运营优化。
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
银行是经营信用的企业，数据的力量尤为关键和重要。在“大数据”时代，以互联网为代表的现代信息科技，特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展，移动支付、搜索引擎和云计算的广泛应用，构建起了全新的虚拟客户信息体系，并将改变现代金融运营模式。
大数据海量化、多样化、传输快速化和价值化等特征，将给商业银行市场竞争带来全新的挑战和机遇。数据时代，智者生存，未来的银行信贷，是从数据中赢得未来，是从风控中获得安稳。

⑺ 大数据时代来临，银行怎么办

大数据概念的兴起似乎还是昨天的事，但托这个高速发展时代的福，我们已经可以看到很多成熟的大数据应用工具了。在很短的时间内，我们就能在茫茫的数据海洋中精确定位、分析，并拿到自己想要的结果。当然，这些技术的进步并非由银行推动，大型零售商、网上商城和各种门类的技术公司才是大数据的主导者，只不过，经过他们的探索之后，大数据也为银行打开了一扇精确营销的大门。从长远来看，银行如能充分利用大数据的优势，可以在市场细分、客户服务、客户研究、产品研发、产品测试等等方面取得重大进步，并在某种程度上彻底改变银行服务客户、销售产品的方式和渠道。 当然，这一切的前提是银行能找对切入大数据时代的方法和工具。对于银行来说，以正确的数量模型和分析方式来契合银行目前的业务需求，是合理利用大数据，达成更多经济回报的关键。其他行业的经验已经证明，大数据固然好，但如果不能对数据进行有效筛选和正确利用，最后只会赔了夫人又折兵。尤其银行是一个比较特殊且敏感的行业，在全局层面彻底进行所谓大数据革命是不实际的，正确的做法是从小的具体业务和关键节点入手，以能被银行现有管理架构和外部监管机制接受的方式，逐步将大数据纳入银行的经营体系中来。 举例来说，当前银行业普遍在为两件事头疼：留住客户、满足客户的期待。对于这两个难题，大数据机制下的情绪分析和行为预测可以发挥意想不到的作用。 分析客户情绪 传统的客户意见收集及调查方式往往以一个组别为单位，通过对于部分群体客户的调查和研究，银行可以得到客户方方面面的情况。随着时代的进步，这样的方式在获得客户金融消费的最新趋势、挖掘客户隐藏的需求等方面已不太管用。最为致命的一点是，这样的客户信息、数据收集方式往往耗时较长，花费更多，但最终得出的结果又往往无法应对客户实时产生的需求变化。 所谓情绪分析，是指收集客户在包括社交网络在内的网络平台上的言论和活动，不仅包括他自己的部分，还包括他最近关联到的其他好友，由此得到的数据，经过一套科学设计过的计算、分析系统，得出某个具体客户近期的情绪走向，为预测客户行动、帮助银行指定具体的应对措施提供帮助。 在这里，“情绪”并不简单代表客户的情感变化，还包括客户的态度立场、情感倾向等等。这在以往的调查分析工具中，是极难把握的东西，但在这个自媒体时代，这样的信息散布在网络上，极易获取、分析。而且抓取、分析这些数据的方法已经相当成熟，从宅在家里的技术男，到正经严肃的学院派，大家都在推出这样的工具。银行只需要选择一个比较稳定的技术供应商，并将结果实时反馈、整合到自己的系统中来，就能在第一时间确定客户对于银行的产品、服务、定价或政策调整的反应，并采取合适的方式应对。如果客户的反应对银行有利，银行可以及时介入，对客户的情绪加以引导，以实现更好的服务和销售；如果客户对银行表露出不太好的情感，银行也能及时发觉并积极处理，进一步提升客户的服务体验。 下面举出几个银行必须及时关注的客户表态例子： “XXX银行在小微业务上的确很好用，但缺乏合适的当天到账服务就太那啥了！” “XX银行的网上查阅账户余额功能的确设计得不错，但客户服务的一些细节真的有待改善。” 以普通人的角度，这不过是两句简单的客户意见表达而已。但在情绪分析工具的帮助下，通过对于“好用”、“缺乏”、“改善”等关键词汇的识别与统计，以及对于上下文意思的了解，就可以形成一张完整的客户情绪变化表，将更多的客户情绪变化汇集到一起，就可以形成一份颇具价值的报告（所谓舆情监控就是这类报告的简单形态）。通过这些报告，银行可以知道自己在客户心中真实的反馈，并知道客户最需要银行在哪些方面做出改变。也就是说，银行可以得知客户的“心愿单”，并将此纳入自己的产品、服务革新计划当中，逐一予以满足。 对于银行来说，客户情绪分析最有用的一点是帮助银行更有效率地回馈客户。我们都组织过各种客户回馈活动，但又不知究竟应当挑选哪些客户进行回馈、哪些客户经过我们的维护可以促成更多的交易——大部分时候，银行只是完成既定的任务，将礼品派送出去就完事，以为这样就能在激烈的竞争中留住自己的目标客户。而现在，银行可以在客户情绪分析工具的帮助下更有选择的进行类似的活动。例如，近期要做一个针对产品的活动，就以产品为关键词，对当前的客户情绪进行研判，得出主流客户群体对于我们产品的态度，再依照态度的不同来选择不同的活动策略和活动力度。这样不仅能帮银行节约成本、提高效率，最为重要的是，这也是维持现有客户忠诚度，并尽可能多地吸收目标客户的有效方式。 当然，批评者会说，目前虽然有大量的客户情绪分析工具，但这些工具的可行性与分析结果的真实性一直都存在疑问。已经有一些银行依照这些工具的帮助进行了一些实验，效果并未如想象中理想。那么，银行应当怎么应对这种尚处在完善过程当中的新兴事物呢？我们的态度很明确：虽然这还是一个有待完善的工具，但大数据的整体趋势是不容置疑的。当银行等到一切都齐备完善到不会出错时，其实就已经落后于时代的脚步了。要想成为行业的领军者，就必须承受创新可能带来的负面效应。 预测客户行为 比分析客户情绪更大的挑战是预测客户行为。关于大数据如何应用于预测客户行为最早最著名的例子，来自美国第二大超市塔吉特百货。明尼苏达州一家塔吉特门店曾被客户投诉，一位中年男子指控塔吉特将婴儿产品优惠券寄给他的女儿——一个高中生。但没多久他却来电道歉，因为女儿经他逼问后坦承自己真的怀孕了。塔吉特百货就是靠着分析用户所有的购物数据，然后通过相关关系分析得出事情的真实状况。 对于银行来说，正确地预计消费者的需求，并及时组织好可匹配的产品与服务响应客户的需求还是一件比较难完成的任务。这需要大量历史数据的储存与分析，还需要有应对各种行为可能的预测机制（不同的行为意味着不同的算法），才能实现塔吉特百货那样“料事如神”的效果。令人头疼的是，零售银行所需的数据关联性与零售商业的数据存在着一定的差异，因此需要针对银行产品和服务的特点进行重新设计。只要银行能解决这样的问题，并把分析的结果实时、具象的体现在前端营销人员的电脑、手机里，就能帮银行解决很多眼下头疼的问题。在全局层面上，这样的预测机制也能帮银行少走很多弯路，避免不必要的资源浪费。 银行可以根据客户以往的消费记录，尤其是与金融产品直接相关的消费记录，以及目前所持有的银行产品的使用情况建立数据收集模型，通过一定时间的数据收集和分析之后，便能为银行下一步的产品策划与营销提供翔实的数据参考。在此基础上，诸如交叉销售、深度挖潜、提升单个客户贡献度、保持客户忠诚度等等业绩或营销目标都能更轻松的完成。当你知道客户的情绪变化，还知道客户可能的购买需求，只要你能以合适的方式将客户所需要的东西及时递上，客户自然会乐意接受。 以合适的方式来发挥大数据的效用非常重要。大数据可能带来的一个负面效应就是客户隐私的被侵犯，前面提到的塔吉特百货就是一个例子。在这个事件之后，塔吉特百货调整了自己寄送优惠广告的方式：当发现某位客户可能怀孕之后，塔吉特百货还是会寄送一份包含孕妇所需产品的小册子到她手上，只不过通过视觉排版、其他品类产品交叉排列等等方式，在不引发客户那种“被窥视”的反感的前提下，实现了产品的精准推荐。最终，在大数据的帮助下，2002年到2010年间，塔吉特百货的销售额从440亿美元增长到了670亿美元。 值得一提的是，大数据应用还能帮助银行实现有效的风控。国外已经有一些金融机构利用大数据来帮助金融产品交易、信用卡消费等方面的风控。尤其是在信用卡、无抵押贷款等产品上，通过大数据建立的模型，银行能准确的知晓某个客户的生活和消费情况，从而选择是不是要发放卡片/贷款给他，或者要不要给他提升额度、延迟还款期。一旦某个客户出现异常行为，银行也能在最短的时间内知晓，并采取相应的措施防止风险案件的发生。 总之，虽然还不够完善，但大数据拥有无可限量的未来。