大數(shù)據(jù)時(shí)代的到來(lái)，已經(jīng)引起了世界各國(guó)政府的高度重視。2012年3月，美國(guó)政府發(fā)布《大數(shù)據(jù)研究發(fā)展行動(dòng)計(jì)劃》，強(qiáng)調(diào)要提高從海量數(shù)據(jù)中提取知識(shí)和見(jiàn)解的能力，幫助加速科技研究的進(jìn)展，加強(qiáng)國(guó)家安全和相關(guān)教育。具有異曲同工之妙的是：2012年4月，中國(guó)政府推出的《軟件和信息技術(shù)服務(wù)業(yè)“十二五”發(fā)展規(guī)劃》中也提出，面向日益增長(zhǎng)的數(shù)據(jù)處理需求，積極發(fā)展數(shù)據(jù)編輯、整理、分析、挖掘等數(shù)據(jù)加工處理服務(wù)。

大數(shù)據(jù)對(duì)每個(gè)行業(yè)都會(huì)產(chǎn)生影響，而金融業(yè)無(wú)疑是受此影響***的行業(yè)之一。這是因?yàn)槭紫?，金融業(yè)本身就是一個(gè)信息密集型的服務(wù)產(chǎn)業(yè)，隨著互聯(lián)網(wǎng)的應(yīng)用普及和種類(lèi)繁多的網(wǎng)絡(luò)金融產(chǎn)品的推出，金融信息化程度迅速深化。其次，現(xiàn)代金融企業(yè)普遍大量投資信息化基礎(chǔ)設(shè)施，建立了龐大的數(shù)據(jù)庫(kù)系統(tǒng)，一直擁有著質(zhì)量較高的數(shù)據(jù)資源。再次，其實(shí)也是最重要的是：銀行利率市場(chǎng)化進(jìn)程的加快，壽險(xiǎn)費(fèi)率徹底市場(chǎng)化政策的逐步落實(shí)，以支付寶的“余額寶”、微信的“財(cái)付通”為代表的新型金融產(chǎn)品對(duì)傳統(tǒng)金融業(yè)構(gòu)成一浪高過(guò)一浪的沖擊波等行業(yè)大環(huán)境因素的影響，使中國(guó)金融業(yè)的行業(yè)競(jìng)爭(zhēng)日趨激烈，催化了企業(yè)進(jìn)行產(chǎn)品和服務(wù)創(chuàng)新的迫切需求。

不難發(fā)現(xiàn)，大數(shù)據(jù)在金融業(yè)發(fā)展的進(jìn)程中扮演著更為積極的角色。諸如客戶(hù)行為特征分析、精準(zhǔn)營(yíng)銷(xiāo)、客戶(hù)滿意度模型、風(fēng)險(xiǎn)管控、需求預(yù)測(cè)、精益化流程、六西格瑪質(zhì)量水平、卓越運(yùn)營(yíng)、數(shù)據(jù)驅(qū)動(dòng)的決策之類(lèi)的名詞越來(lái)越多地出現(xiàn)在各級(jí)工作報(bào)告和會(huì)議交流上，而探索性數(shù)據(jù)分析、決策樹(shù)、回歸、聚類(lèi)分析、神經(jīng)網(wǎng)絡(luò)、關(guān)聯(lián)規(guī)則、數(shù)據(jù)挖掘、時(shí)間序列分析等分析術(shù)語(yǔ)也越來(lái)越頻繁地被行業(yè)內(nèi)各類(lèi)人士提及。

但不幸的是，“如何讓這些先進(jìn)而又時(shí)髦的管理理念和技術(shù)落地，實(shí)實(shí)在在地讓從業(yè)人員體驗(yàn)到大數(shù)據(jù)的價(jià)值”卻不是那么容易的事，常?？梢栽谄髽I(yè)內(nèi)部可以聽(tīng)到這樣的抱怨：公司花重金搭建了數(shù)據(jù)倉(cāng)庫(kù)，高薪聘請(qǐng)了海歸的分析專(zhuān)家，但數(shù)據(jù)分析團(tuán)隊(duì)對(duì)業(yè)務(wù)部門(mén)提出的分析需求響應(yīng)速度很慢，好不容易出來(lái)個(gè)模型，業(yè)務(wù)人員卻看都看不懂，更談不上應(yīng)用了。這一切不由地讓人感嘆：金融業(yè)大數(shù)據(jù)，聽(tīng)上去很美，做起來(lái)……

其實(shí)，大數(shù)據(jù)在為金融業(yè)帶來(lái)新機(jī)遇的同時(shí)也帶來(lái)了新挑戰(zhàn)，先不說(shuō)數(shù)據(jù)來(lái)源的復(fù)雜化、安全性等基礎(chǔ)架構(gòu)問(wèn)題，在最終應(yīng)用階段的數(shù)據(jù)分析“傻瓜化”（即易學(xué)易用性）也比以往顯得更為重要。這是因?yàn)樵诖髷?shù)據(jù)時(shí)代，數(shù)據(jù)分析已經(jīng)不再僅僅是少數(shù)統(tǒng)計(jì)學(xué)家手中的專(zhuān)利了，數(shù)據(jù)化運(yùn)營(yíng)需要全體員工的參與。企業(yè)中的數(shù)據(jù)分析與挖掘項(xiàng)目也呈現(xiàn)出多元性，有的項(xiàng)目需要分析部門(mén)和業(yè)務(wù)部門(mén)的共同配合與協(xié)作，花費(fèi)較長(zhǎng)時(shí)間精雕細(xì)刻地完成，有的項(xiàng)目則要求業(yè)務(wù)部門(mén)能夠在較短時(shí)間內(nèi)獨(dú)立完成，快速響應(yīng)客戶(hù)要求和市場(chǎng)變化。

從不少領(lǐng)先一步的國(guó)內(nèi)外知名金融企業(yè)的應(yīng)對(duì)之道中可以發(fā)現(xiàn)：數(shù)據(jù)可視化Data Visualization和交互式分析Interactive Analysis是將大數(shù)據(jù)從“精英化”轉(zhuǎn)變成“平民化”的兩種最重要的信息技術(shù)。JMP（全球***的統(tǒng)計(jì)學(xué)軟件公司SAS的產(chǎn)品）是在強(qiáng)調(diào)數(shù)據(jù)挖掘權(quán)威性基礎(chǔ)上能夠發(fā)揮交互式可視化分析的大數(shù)據(jù)分析平臺(tái)，下面我們就借助這個(gè)軟件工具，用一個(gè)案例來(lái)簡(jiǎn)要說(shuō)明金融業(yè)大數(shù)據(jù)分析應(yīng)該如何落地。

某保險(xiǎn)公司的汽車(chē)保險(xiǎn)部門(mén)為了降低理賠風(fēng)險(xiǎn)和理賠成本，提高盈利能力，想利用現(xiàn)有的數(shù)據(jù)資源（包含客戶(hù)購(gòu)買(mǎi)及理賠記錄的龐大數(shù)據(jù)庫(kù)）進(jìn)行一些深入的客戶(hù)特性分析，以此得到一些改進(jìn)思路，制定一些“快贏”方案。然而面臨的困難有：

1 公司的IT部門(mén)正在從事一些重大IT項(xiàng)目，無(wú)暇顧及該業(yè)務(wù)部門(mén)的分析需求；

2 本部門(mén)內(nèi)部的業(yè)務(wù)人員大多是文科背景出身，沒(méi)有一個(gè)是計(jì)算機(jī)、數(shù)學(xué)或統(tǒng)計(jì)背景出身的，數(shù)據(jù)分析基礎(chǔ)非常薄弱。

但是，也有一些有利的因素，如：

1 這些業(yè)務(wù)人員的從業(yè)經(jīng)驗(yàn)都很豐富，能夠在數(shù)據(jù)分析之前在數(shù)據(jù)庫(kù)中大膽且比較準(zhǔn)確地選擇一些潛在因素；

2 公司已為各個(gè)業(yè)務(wù)部門(mén)配置了交互式可視化分析的大數(shù)據(jù)分析平臺(tái)JMP，使非統(tǒng)計(jì)人士也可以快速地從“工具學(xué)習(xí)”階段進(jìn)入到“業(yè)務(wù)分析”階段。

因此，該部門(mén)領(lǐng)導(dǎo)決定揚(yáng)長(zhǎng)避短，結(jié)合行業(yè)經(jīng)驗(yàn)，運(yùn)用先進(jìn)分析工具開(kāi)展一次“Analyze DIY（自助式分析）”。分析的過(guò)程比想象的要輕松很多，在幾次鼠標(biāo)點(diǎn)擊之后，一個(gè)以交互式圖形展現(xiàn)出來(lái)的汽車(chē)保險(xiǎn)用戶(hù)風(fēng)險(xiǎn)模型就在業(yè)務(wù)人員邊討論邊分析的過(guò)程中誕生了。從數(shù)據(jù)挖掘的專(zhuān)業(yè)角度講，這個(gè)分析用到了“決策樹(shù)”的高級(jí)分析技術(shù)。雖然，當(dāng)時(shí)沒(méi)有人懂決策樹(shù)的理論和計(jì)算公式，但這絲毫不影響分析業(yè)務(wù)人員的分析效率，或者說(shuō)業(yè)務(wù)人員的分析效率反而比以往得到了大幅提升。

因?yàn)樵谙旅孢@個(gè)圖形化的模型中，我們可以看到以往復(fù)雜冗長(zhǎng)的統(tǒng)計(jì)分析報(bào)告無(wú)法直觀揭示的結(jié)論：在眾多候選因素中，年齡等級(jí)（Age Class）、城市居民與否（City(Y/N)）、信用等級(jí)（Rating Class）是影響理賠風(fēng)險(xiǎn)***的三個(gè)關(guān)鍵因素。進(jìn)一步來(lái)看，年長(zhǎng)、非城市居民、信用等級(jí)為A和B的細(xì)分人群絕對(duì)是汽車(chē)保險(xiǎn)營(yíng)銷(xiāo)的***目標(biāo)群體！因?yàn)樗麄儗?lái)的理賠概率只有3%~4%，遠(yuǎn)遠(yuǎn)低于近20%的整體市場(chǎng)平均水平。

用JMP軟件交互式可視化技術(shù)生成的汽車(chē)保險(xiǎn)用戶(hù)風(fēng)險(xiǎn)模型

分析到這里，會(huì)議室里的氣氛立刻活躍了起來(lái)。因?yàn)樗谐蓡T通過(guò)圖形化的決策樹(shù)模型中都一致地找到了合理客戶(hù)分群的線索，而且這個(gè)線索與他們的實(shí)際工作經(jīng)驗(yàn)也非常吻合，解決問(wèn)題的方案也就隨之產(chǎn)生了。再經(jīng)過(guò)一段時(shí)間的具體實(shí)施和后續(xù)跟蹤，事實(shí)證明了該解決方案確實(shí)是有效的。

所以說(shuō)，金融業(yè)大數(shù)據(jù)不僅僅“聽(tīng)上去很美”，它完全可以落地實(shí)現(xiàn)，關(guān)鍵還要看你是采用什么方法來(lái)處理大數(shù)據(jù)。“業(yè)務(wù)人員只提分析需求，分析人員只管搭建模型”的傳統(tǒng)工作模式已經(jīng)越來(lái)越無(wú)法適應(yīng)當(dāng)前的工作節(jié)奏，“既能夠提供業(yè)務(wù)參考意見(jiàn)，又能夠勝任常見(jiàn)數(shù)據(jù)分析工作”的復(fù)合型人才將會(huì)越來(lái)越受到金融企業(yè)的青睞。