日前，觀遠數據G-park「Let's Date！BI！」系列直播第二期「2023，金融業如何應對“流浪數據”」順利落幕。金融數字化轉型大數據分析資深專家/國際競爭行銷學博士孫子辰、觀遠數據金融行業解決方案專家舒方濤、數據科學家字節三位嘉賓老師，就“如何有效提升數據運營”，“打破數據孤島”，“數據價值有效挖掘”等關鍵詞展開探討（關注觀遠數據訂閱號，回復【流浪數據】，即可觀看完整直播回放）。

此次G-park主題聚焦“金融數據運營的快與慢”，觀遠數據匯總整理三個嘉賓分享的精彩觀點，期望為金融業數據價值挖掘提供可靠參考借鑒。

數字化時代的銀行數據運營升級：ABCD為引擎

隨著互聯網信息技術逐漸融入金融領域，誕生了互聯網金融，并對傳統金融業產生了深遠的影響。金融數字化轉型大數據分析資深專家/國際競爭行銷學博士孫子辰帶來了《數字化時代的銀行數據運營升級》的主題分享。孫子辰從互聯網對傳統銀行業的挑戰出發，分享了銀行數字化轉型的探索與分析，以及銀行的細分場景化解析。

互聯網對傳統金融業的影響可以大致分為三個階段。第一階段體現出“金融電子化”的特征，在互聯網出現以后，金融業開始應用互聯網技術改造金融產品和服務。第二階段是初步融合階段，以“金融信息化”為主要特征。金融機構開始廣泛使用信息技術，在大量關鍵領域完成對傳統業務流程的替代。第三階段則是重塑階段，也是離我們最近的階段，即“金融互聯網化”特征。從2011年以來，互聯網金融加速發展，類型日益豐富，非金融機構借助大數據和移動互聯網技術紛紛進入互聯網金融領域。

孫子辰表示，“在此場景之下，A（人工智能）B（區塊鏈）C（云計算）D（大數據）將成為賦能新金融的核心引擎。”

孫子辰還在分享中總結了銀行數據運營升級的四大挑戰。第一完善數據管理系統，包括數據采集、存儲、清洗等方面；第二加強數據分析能力，數據的分析與挖掘才能夠展現出更多商業價值；第三優化流程，智能化提高整個業務相關的效率。最后是強化數據安全管理。

現代化BI賦能銀行數字化轉型：真正讓業務用起來

數字化已成為銀行業發展的普遍共識和重要戰略。推動業務和數據深度的融合，核心即“讓業務用起來”。真正讓更多的業務人員通過數字化賦能，能夠自主地將數字化工具用起來，能夠自助消費數據，面向業務的BI分析是第一趨勢。

對此，觀遠數據金融行業解決方案專家舒方濤分享《現代化BI如何賦能銀行數字化轉型》，總結了觀遠數據“讓業務用起來”的現代化BI的三大特性：快速上手匹配的易用性能力；覆蓋到全體系、符合廣泛推廣的企業級能力；在無數個應用場景、決策場景廣泛活躍使用起來的場景化能力。

舒方濤分享了觀遠數據與頭部股份制銀行的“讓業務用起來”的合作案例。一方面通過為業務提供高效便捷的用數體驗，觀遠數據平臺已經成長為數據工作的主戰場，全面提升業務用戶的自主用數能力，助力數字化轉型邁向新臺階；另一方面推廣業務人員自主式的用數模式，全面降低業務人員的用數門檻，大幅提升數據分析效率、全面釋放數據生產力。項目落地后，單項數據分析工作從平均5個工作日縮減到1小時，為全行業超50%的用戶提供了高效便捷的用數體驗，實現了“讓業務用起來”的目標。

面向業務賦能的組織升級

最后舒方濤講述了三個銀行BI的真實故事。

第一個是分析師的故事。區別于其他需要承接支撐業務需求開發的角色，該銀行內部分析師更多承擔著整個數據平臺、數據文化的的推廣。通過與觀遠合作建立數據平臺，服務全行用戶，目前已經在業務部門培養了50多個業務分析師，開發2000多個場景和頁面，在銀行內部占比超70%。這些頁面有超過80%的業務人員在使用，月活超過70%，讓數據分析真正融于業務應用。

第二個是信用卡的故事。信用卡的開卡、激活成本其實很高。業務部門在熟練使用BI來做數據分析后，發現了不同用戶的激活偏好，例如柜臺、線上的不同激活方式；一個星期、兩三個星期的激活時間；不同活動的激活形式。這些背后都是基于數據分析的洞察，最終制定出了不同的激活策略，帶來了6%激活率的提升，相當于大幾千萬的營收增長。

第三個是業務經理的故事。銀行業務經理直接在BI上獲悉客戶整個資金的流向過程，從而洞悉了用戶的理財偏好，進行個性化的推薦，進一步助推業績的增長。

“這都是一線最真實的反饋，也是讓業務用起來的力量。”

ChatGPT與BI結合的探索：融合數據分析全鏈路

最近ChatGPT火爆全網，它是一種人工智能技術驅動的自然語言處理工具，能夠通過學習和理解人類的語言來進行對話，還能根據聊天的上下文進行互動，真正像人類一樣來聊天交流。它與現代化BI又會有哪些可行性的結合？數據科學家字節帶來了《漫談ChatGPT與問答式BI》的探索思考。

字節表示，“在BI數據分析的“問題定義—數據接入—數據處理—可視化展示—交互分析—決策行動”全鏈路上，ChatGPT都有結合的機會。”

BI數據分析鏈路

• 問題定義：對于部分場景問題，基于ChatGPT可以得到初步的數據分析與決策計劃，人工再進行校對與修改；
• 數據接入：原先非結構化數據通常需要清洗，而現在部分數據或許不再需要清洗，直接進行端到端的分析；
• 數據處理：輔助數據工程師做TEL開發。在ETL開發過程中，通過自然語言的提問，ChatGPT生成SQL提供用戶使用，并且可以進行多輪交互式的構建。即便第一步出現偏差，也可以在第二步重新修正；
• 可視化展現：回答業務問題，快速獲得數據結果與結論。提交問題后，自動生成SQL，再提交于ChatGPT生成文字結論以及后續的行動建議，實現問答式的BI。
• 交互分析：深度分析報告的自動化生成。基于BI系統能力，對接企業內部各類數據源，基于可靠的數據指標來源提供可信的業務分析報告。自動識別異常原因有業務含義，并以自然語言的方式展示，避免了數據分析方法差異帶來的認知偏差。
• 決策行動：提供輔助性的預測，基于歷史行動做未來的推薦建議。

以上就是觀遠數據為大家帶來的G-park「Let's Date！BI！」系列直播第二期「2023，金融業如何應對“流浪數據”」精彩內容。關注觀遠數據訂閱號，回復【流浪數據】，即可觀看完整直播回放。