作者：科技州
链接：
来源：知乎
著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。

1 银行数据分析的尴尬处境

在很多传统银行，数据分析工作在很多时候充斥着这样的内容：
（1）筋疲力尽的为业务部门汇总各项指标数据，形成月报、季报、年报；
（2）计算某业务今年营业额，利润，计算同比增长幅度，给业务经理出经营报告。
（3）不断收到业务部门临时提数要求，要提供激活率、留存率、增长人数。
……总结起来，就是深陷于写SQL，无止境的出各种简单数字汇总的统计报表、报告，成为了“表哥”“表姐”，经常被各业务部门催促，地位很低。

2 数据分析职能定位

著名的咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，把数据分析分为了四个层次，分别是：

（1）描述性分析（Descriptive Analysis）

=> 解决发生了什么？
该层次主要是对已经发生的事实用数据做出准确的描述，这也是许多企业需求最多、最杂的统计工作。比如某企业本月订单签约额比上月增加100万，至1100万。

（2）诊断性分析（Diagnostic Analysis）

=> 解决为什么会发生？
知道到底发生了什么，对我们的帮助不大，更重要的是，我们要明白为什么发生。
比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付。
而成品生成不出来的原因则是部分原材料的供应商未能按时送货，导致原材料不齐套，无法开始生产。到这一个层次就开始脱离的打杂，成为了辅助经营的角色。

（3）预测性分析（Predictive Analysis）

=> 解决什么可能会发生？通过寻找相关特征和运行逻辑规律，借助定量和定性的分析，实现预测。不仅能找到问题发生原因和解决办法，还能防患于未然，提前调整发展方向，这是辅助经营的更高一个层次。

（4）处方性分析（Prescriptive Analysis）

=> 解决该做些什么有了预测性分析的结果后，连未来怎样做都准备好了，这已经上升到了战略层面，引领了业务发展。这是数据分析的最高层次，以领导的视角参与的企业决策，成为企业不可获取的角色。

3 数据分析怎样在银行业上位？

（1）数据分析的几个方向

目前在银行，数据分析主要包括两个方向：
一是业务方向，包括基础数据采集和处理、业务报表提取和业务问题分析，数据产品的思考和搭建；

二是技术方向，包括建设数据挖掘系统、搭建大数据平台等工作。在银行这个以金融效益为主的企业，底层算法和技术这类IT专业技术活只能使人成为后台人员，要真正在这里实现自我价值，还得通过数据驱动给业务带来价值来分享企业红利。所以选择业务方向才是一条光明大道。

（2）大数据在银行应用的几个领域

大数据在银行应用时间较短，所以要找到最容易出成果的地方发力，主要可以概括为以下三个方面：

第一方面：营销方面

包括了客户营销（这是应用最多，最容易出价值的方向）。有客户画像（对公、对私客户画像）、精准营销（差异化服务、客户生命周期管理、个性化产品推荐、信用卡贷款精准营销、交叉营销），大数据征信和评价。产品营销：产品定价，产品折扣分析，产品设计，产品运营。量化营销：营销任务量化、过程量化、计划量化。

第二方面：风控方面

包括了信贷风险评估、欺诈交易识别、反洗钱分析。

第三方面：运营优化

包括：效率分析、缺陷分析、市场和渠道分析、产品和服务优化、舆情监测等。从效果和产出效益来看，首选营销方面的分析、其次是风控、最后是运营。

（3）专题分析的流程

想要把数据分析发挥高价值，既需要广度，也需要深度。重点是数据分析技术和对业务的深刻理解。但最终体数据分析价值的地方，还是在专题研究成果中，这是真正帮助企业提升效益的地方。

那么一个数据分析驱动业务发展的全流程可以是这样的：
一是需求收集。
二是取数和统计分析。
三是建模和数据分析。
四是成果展现和汇报。

（4）怎样走上逆袭之路

借用《据分析思维案例实践》spring老师的干货，主要有以下要点：

一是原则：

坚决不做提数机器。

二是整体策略：

针对每一个业务单点问题，先追根溯源，先建立业务分析框架，由点到面，彻底解决该类问题；
同时，在这个过程中，要不断的利用互惠原则和社交技巧，只解决业务方最核心的需求，其它的延伸需求让业务方自己动手完成。

三是实战举例。

某日，信用卡业务经理要求对目前信用卡积分使用效果进行分析，应该怎样做？
1）不要自己分析，直接找到最了解信用卡积分的核心产品经理进行沟通，了解其核心的需求。
2）将需求整理出来后，尽最大努力设计一套全面的方案，与业务经理进行确认。
3）在完成本次需求的专题数据分析后，数据分析师不再对其它个性化增加需求进行处理。请业务经理按照现有方法自行处理。如果非要数据分析师做，那就慢慢排计划
（注意：业务需求是衣食父母，所以遇到业务部门坚持要增加的临时需求不能断然拒绝，而应该有技巧的以排计划的方式巧妙拒绝）。

发布于 2020-04-04

01 每月 MI 報告項分析

:::success 與 Aileen 確認報告內容

  • 每月定期向上頭報告當月情況
  • 取數自各部門
  • 解釋每項指標及各項作用
  • 變化的規律 :::

那么一个数据分析驱动业务发展的全流程可以是这样的：
一是需求收集。
二是取数和统计分析。
三是建模和数据分析。
四是成果展现和汇报。