日前，观远数据G-park「Let's Date！BI！」系列直播第二期「2023，金融业如何应对“流浪数据”」顺利落幕。金融数字化转型大数据分析资深专家/国际竞争行销学博士孙子辰、观远数据金融行业解决方案专家舒方涛、数据科学家字节三位嘉宾老师，就“如何有效提升数据运营”，“打破数据孤岛”，“数据价值有效挖掘”等关键词展开探讨（关注观远数据订阅号，回复【流浪数据】，即可观看完整直播回放）。

此次G-park主题聚焦“金融数据运营的快与慢”，观远数据汇总整理三个嘉宾分享的精彩观点，期望为金融业数据价值挖掘提供可靠参考借鉴。

数字化时代的银行数据运营升级：ABCD为引擎

随着互联网信息技术逐渐融入金融领域，诞生了互联网金融，并对传统金融业产生了深远的影响。金融数字化转型大数据分析资深专家/国际竞争行销学博士孙子辰带来了《数字化时代的银行数据运营升级》的主题分享。孙子辰从互联网对传统银行业的挑战出发，分享了银行数字化转型的探索与分析，以及银行的细分场景化解析。

互联网对传统金融业的影响可以大致分为三个阶段。第一阶段体现出“金融电子化”的特征，在互联网出现以后，金融业开始应用互联网技术改造金融产品和服务。第二阶段是初步融合阶段，以“金融信息化”为主要特征。金融机构开始广泛使用信息技术，在大量关键领域完成对传统业务流程的替代。第三阶段则是重塑阶段，也是离我们最近的阶段，即“金融互联网化”特征。从2011年以来，互联网金融加速发展，类型日益丰富，非金融机构借助大数据和移动互联网技术纷纷进入互联网金融领域。

孙子辰表示，“在此场景之下，A（人工智能）B（区块链）C（云计算）D（大数据）将成为赋能新金融的核心引擎。”

孙子辰还在分享中总结了银行数据运营升级的四大挑战。第一完善数据管理系统，包括数据采集、存储、清洗等方面；第二加强数据分析能力，数据的分析与挖掘才能够展现出更多商业价值；第三优化流程，智能化提高整个业务相关的效率。最后是强化数据安全管理。

现代化BI赋能银行数字化转型：真正让业务用起来

数字化已成为银行业发展的普遍共识和重要战略。推动业务和数据深度的融合，核心即“让业务用起来”。真正让更多的业务人员通过数字化赋能，能够自主地将数字化工具用起来，能够自助消费数据，面向业务的BI分析是第一趋势。

对此，观远数据金融行业解决方案专家舒方涛分享《现代化BI如何赋能银行数字化转型》，总结了观远数据“让业务用起来”的现代化BI的三大特性：快速上手匹配的易用性能力；覆盖到全体系、符合广泛推广的企业级能力；在无数个应用场景、决策场景广泛活跃使用起来的场景化能力。

舒方涛分享了观远数据与头部股份制银行的“让业务用起来”的合作案例。一方面通过为业务提供高效便捷的用数体验，观远数据平台已经成长为数据工作的主战场，全面提升业务用户的自主用数能力，助力数字化转型迈向新台阶；另一方面推广业务人员自主式的用数模式，全面降低业务人员的用数门槛，大幅提升数据分析效率、全面释放数据生产力。项目落地后，单项数据分析工作从平均5个工作日缩减到1小时，为全行业超50%的用户提供了高效便捷的用数体验，实现了“让业务用起来”的目标。

面向业务赋能的组织升级

最后舒方涛讲述了三个银行BI的真实故事。

第一个是分析师的故事。区别于其他需要承接支撑业务需求开发的角色，该银行内部分析师更多承担着整个数据平台、数据文化的的推广。通过与观远合作建立数据平台，服务全行用户，目前已经在业务部门培养了50多个业务分析师，开发2000多个场景和页面，在银行内部占比超70%。这些页面有超过80%的业务人员在使用，月活超过70%，让数据分析真正融于业务应用。

第二个是信用卡的故事。信用卡的开卡、激活成本其实很高。业务部门在熟练使用BI来做数据分析后，发现了不同用户的激活偏好，例如柜台、线上的不同激活方式；一个星期、两三个星期的激活时间；不同活动的激活形式。这些背后都是基于数据分析的洞察，最终制定出了不同的激活策略，带来了6%激活率的提升，相当于大几千万的营收增长。

第三个是业务经理的故事。银行业务经理直接在BI上获悉客户整个资金的流向过程，从而洞悉了用户的理财偏好，进行个性化的推荐，进一步助推业绩的增长。

“这都是一线最真实的反馈，也是让业务用起来的力量。”

ChatGPT与BI结合的探索：融合数据分析全链路

最近ChatGPT火爆全网，它是一种人工智能技术驱动的自然语言处理工具，能够通过学习和理解人类的语言来进行对话，还能根据聊天的上下文进行互动，真正像人类一样来聊天交流。它与现代化BI又会有哪些可行性的结合？数据科学家字节带来了《漫谈ChatGPT与问答式BI》的探索思考。

字节表示，“在BI数据分析的“问题定义—数据接入—数据处理—可视化展示—交互分析—决策行动”全链路上，ChatGPT都有结合的机会。”

BI数据分析链路

• 问题定义：对于部分场景问题，基于ChatGPT可以得到初步的数据分析与决策计划，人工再进行校对与修改；
• 数据接入：原先非结构化数据通常需要清洗，而现在部分数据或许不再需要清洗，直接进行端到端的分析；
• 数据处理：辅助数据工程师做TEL开发。在ETL开发过程中，通过自然语言的提问，ChatGPT生成SQL提供用户使用，并且可以进行多轮交互式的构建。即便第一步出现偏差，也可以在第二步重新修正；
• 可视化展现：回答业务问题，快速获得数据结果与结论。提交问题后，自动生成SQL，再提交于ChatGPT生成文字结论以及后续的行动建议，实现问答式的BI。
• 交互分析：深度分析报告的自动化生成。基于BI系统能力，对接企业内部各类数据源，基于可靠的数据指标来源提供可信的业务分析报告。自动识别异常原因有业务含义，并以自然语言的方式展示，避免了数据分析方法差异带来的认知偏差。
• 决策行动：提供辅助性的预测，基于历史行动做未来的推荐建议。

以上就是观远数据为大家带来的G-park「Let's Date！BI！」系列直播第二期「2023，金融业如何应对“流浪数据”」精彩内容。关注观远数据订阅号，回复【流浪数据】，即可观看完整直播回放。