其他
数据指标在金融行业的应用
导读 本文将基于帆软(FineBI)BI 产品的建设经验,介绍数据指标体系建设和底层建设,并以授信余额等金融指标为例,展示父子指标、指标下钻、问答AI 等在金融行业的应用。
今天的介绍会围绕下面四点展开:1. 怎么建体系
2. 怎么建底层
3. 怎么用指标
4. Q&A
分享嘉宾|张鲲 帆软软件有限公司 咨询总监
编辑整理|吉恩
内容校对|李瑶
出品社区|DataFun
怎么建体系
怎么建底层
怎么用指标
第一种是统计型,即基于现在的数据做统计分析,了解现在的数据呈现怎样的特征,这是大多数客户使用 BI 的场景。 第二种是归因型,即了解为什么数据会呈现某种统计结果,是由哪些原因导致的,可以通过指标的维度分布查看,也可以通过下钻查看关联指标和子指标的情况。 第三种是预测型,即根据现有的数据去预测未来的趋势。现在通常的做法是通过一个项目来做,例如预测下个周期的不良率,或某个客户的投诉概率,在风险领域的建模,就是这样一个过程,很少能通过 BI 直接完成这个建模和预测的过程。当然目前有拖拉拽式的自助式建模分析平台,这是另一条技术路线。 第四种是决策型,现在能做到这一步的非常少,或者说这不是 BI 的定位。决策型是指当发现某业务的趋势后,直接通过接口把需要修正的业务通过 API 发送给业务系统进行修正,例如改一个开关功能、改限额、改属性等,整体上是把 BI 的边界做得很大,这是不是 BI 的职责目前还没有定论。但这确实是指标分析的终极目标,即能够完成从分析、归因到改进的闭环,并且能够监控改进后的结果。
Q&A
分享嘉宾
INTRODUCTION
张鲲
帆软软件有限公司
咨询总监
拥有 15 年以上银行及金融行业从业经验,曾参与民营银行筹建,头部咨询公司特聘专家,专注于金融行业大数据架构及应用,包括基于大数据的精准营销、风险控制和反欺诈,对于银行业数据应用、管理和治理有深刻见解。
往期推荐
【参会攻略】DataFunCon 北京站开幕倒计时 2 天!直播预约、幻灯片免费下载……
全球化视野下,多云数据架构如何应对出海挑战?
京东零售数据湖应用与实践
辛选集团数据建设历程以及数据在直播电商的应用
实时智能全托管-云器Lakehouse重新定义多维数据分析
优化数据管理效率:DataFun助力企业提升竞争力
通义灵码智能编码助手技术解密
要跟 Spark PK,新一代计算加速引擎 Meson 的底气来自哪里?
甘启-Soul 基于 AIGC 的实践与探索
点个在看你最好看