bi数据分析师发展方向-36氪企服点评

bi数据分析师这一职位看起来是在大数据概念的加持下获得的，而且它还将持续下去。以前我也这样想过，但最近一个朋友对我的抱怨却让我对这个行业的前景感到不安。那么，bi数据分析师发展方向如何呢?下面就有小编为您带来bi数据分析师发展方向的相关介绍。

思达商业智能平台 Style Intelligence

0条点评

咨询产品

免费试用

解决用户选型困难的好软件，有各维度的信息

一、bi数据分析师：数据分析辅助决策

银行的管理者和业务人员需要对各种经营数据进行分析，才可以了解银行的经营状况。而分析数据，需要有不同的分析主题以及一套完整的的指标体系。

如分析“银行竞争力”这一主题，应该分析吸收存款、发放贷款等相关指标，因为这是银行的生存之本，优秀的银行应该是吸收存款成本低、发放贷款质量高的银行。

吸收存款指标可以分析利率最低的活期存款占比，占比越高，意味着其吸收存款的成本越低，总资产收益率以及净资产收益率越高。发放货款指标可以分析个人贷款占比。在银行的贷款中，个人贷款的风险低于公司贷款的风险，个人贷款越高，贷款损失的机会越小。

此外，还可以分析逾期贷款率、不良贷款率等指标。这些指标数据首先需要通过ETL从银行各种业务系统中采集，然后再将其放在数据仓库中按不同的主题进行整理、汇总，最后在BI工具中以报表、仪表盘的形式进行展示，用户可以通过PC或者移动终端进行浏览。

在BI经典应用中，使用者一般是银行的各级管理者，其有着更为突出和特定的决策需求，这些需求以项目的形式进行建设，对银行改善其核心业务流程、提高市场反应速度和业务管理水平有着重要作用。

bi数据分析师发展方向

二、bi数据分析师广度应用：人人都是数据分析师

随着银行业务的快速发展和BI应用的不断推广，一般的业务人员也有了数据分析的需求，且要求数据分析更加灵活和细化。显然，靠技术人员提供的报表和仪表盘在效率与功能上已经无法满足，就产生了BI工具的另一个应用——自助分析。这是BI在银行应用的一次广度拓展，让数据为人人所用，使“人人都是数据分析师”。

阿拉丁平台就是一个典型的例子。该平台让一线业务及营销分析人员变成数据专家，能够在平台上查询所需数据并进行辨别，从而开展相关的数据分析。例如，某银行客户经理需要寻找潜在高价值客户的消费规律，可通过阿拉丁平台对相关数据进行自助分析，对所负责区域内的潜在客户进行画像，再对画像中的高价值客户进行精准营销。通过这种方式，不仅大大提升了客户的营销效果，而是节约了大部分的营销费用，效果明显。

三、bi数据分析师深度应用：预测未来发展趋势

无论是报表、仪表盘，还是自助分析，揭示的都是数据之间过去的、已知的关系，主要采用的是计算机技术。BI发展到一定的程度，对数据分析就有了更高的要求，一种结合了计算机技术、统计学、模型算法的技术便应运而生，这就是“数据挖掘”。数据挖掘可以进一步挖掘数据的价值，提示数据之间未知的关系，能够用于预测未来，是BI的一次深度拓展。

在银行中，数据挖掘在精准营销、风险管理、征信服务、精细化管理等应用场景中得到广泛应用。

例如，某银行的“企业违约风险预警”项目，依据对公客户结算行为，将交易频率、交易金额、交易对手等信息作为重要的基础信息，结合客户行业、规模、经营状况刻画客户画像，采用逻辑回归模型搭建客户逾期、违约预警。在模型成熟后，利用CRM系统打通客户经理通知渠道，及时向客户经理推送预警数据，做好风险管理。

四、bi数据分析师发展方向

按照Gartner的定义，BI的发展分为3个阶段：传统BI、自助BI和智能BI，这跟BI应用在银行的发展方向是完全契合的。但是，不同类型的BI并非互斥关系，而是共同存在于银行的实际应用中，满足不同场景下的分析需求。

如今，银行的同业竞争越来越激烈，且面临金融科技巨头的挑战，各大银行亟须突破传统业务模式，改变思维方式，加大科技创新，以期用更好的产品和服务满足客户需求，努力实现银行的数字化转型。

在这个过程中，不仅要求业务流程的数字化，而且需要建立“数据驱动业务”的新模式，用数据化运营的思路进一步提高银行的管理效率和经营效益。BI应用作为数据化运营的重要手段，将继续在银行内部不断普及和深化，为银行的转型升级服务。

还存在一些掌握算法、以及硬核数据技能的数据团队，他们将更倾向于支持底层数据支持和数据挖掘工作。这些职位是不可缺少的，它们需要更高的专业技能，它们将继续存在下去。随着数据和业务之间的界限逐渐清晰，数据分析员或者对算法进行更深入的研究以进行数据挖掘，或者将对业务的深入了解转化为对业务的了解。而且定位不明确的BI数据分析员明显是后者。以上就是小编为您介绍的bi数据分析师发展方向，希望对您有所帮助。