专访Peter ku:金融数据背后的商业价值

2023-12-01 13:50

本文主要是介绍专访Peter ku:金融数据背后的商业价值,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文讲的是专访Peter ku:金融数据背后的商业价值,一个大规模生产、分享、应用大数据的时代正在开启,作为数据密集型行业,手机银行、电子支付、社交网络、云计算都让金融企业数据资源的“储量”越来越丰富,数据也越来越成为金融服务企业最有价值的资产之一。但问题随之而来,金融企业能否充分利用这些数据的价值来驱动业务。比如,传统的交易数据虽然可提供有关客户状况的重要视图,但这一视图并不完整;金融机构纷纷开通企业的微博和博客,在交互过程中希望倾听到不同客户对业务的需求或建议,从而开发新业务,发掘新的套利机会……。记者有幸采访到Informatica公司金融服务解决方案市场部资深总监Peter Ku先生,并与他深入探讨了当前金融行业数据应用前景、挑战和机遇,Peter Ku先生通过多个实例来帮助金融机构“把脉开方”,提供数据治理方面的良策,捕捉数据背后的价值。

帮助金融企业挖掘大数据价值
▲Informatica公司金融服务解决方案市场部资深总监Peter Ku先生(左)、Informatica大中国区总经理王晨杰先生(右)

  Informatica投资银行、保险领域业务驱动力

  纵观全球的银行业,可以发现他们优先关注三个领域:一是监管的合规性;二是改善和提升客户的体验;三是更好地控制成本和提高业务敏捷度。保险业的情况与银行业相似,只是优先顺序方面的变化,他们最关心的是增加客户保留率、提高交叉销售/追加销售比率、提高效率。也正是这三方面的需求推动着Informatica加大对银行和保险领域的技术投资,拥有长达近20年数据集成创新经验和领导才能的Informatica,始终将数据视作寻求创新、增长和效率的一种资产,上述三个领域恰恰都与数据和信息息息相关,与Informatica的投资领域相匹配。

  Informatica能够为金融机构提供风险控制的解决方案,包括数据治理、单点风险视图以及企业数据仓库等。Informatica主数据管理技术能够帮助银行确定相应的法律机构和各组织之间的关系,以及这些不同公司和涉及到的按揭抵押贷款之间的关系,这些信息对于银行尤其重要。Informatica解决方案还允许在内存中构建虚拟的数据仓库,数据集中存放在内存虚拟数据仓库中,可以让业务部门随时调用信息,而不必再麻烦IT人员。全球非常知名的一家银行采用Informatica解决方案进行信用风险管理,将资金储备降低1.5亿美金,每年节省IT开支50万美金;另一家银行则选用Informatica产品进行反洗钱活动,更好地搜集数据、数据清洗,之后将高质量的数据交送Email应用。

  获取和留住客户是企业最主要的战略需求,Informatica解决方案在帮助客户获得业务增长、提升客户体验方面也发挥了重要作用。银行要为VIP客户提供单一、可信的视图,将理财、零售、企业业务集成到一起,Informatica主数据管理解决方案可以把所有客户和帐户的信息进行整合,银行能够清晰分辨出个人银行客户、公司银行客户、理财产品客户、中小企业客户是否为同一人的信息,所有的业务线可以共同分享这些信息,大大提升员工的工作动力。美林银行通过采用Informatica解决方案使金融顾问全面了解每一个客户的情况,迅速而主动地满足客户要求,生产效率提升了30%,收入提升了10%,并且拥有了一整套值得信任的完整的客户信息,使其能够更好的规划市场营销活动,更精准的进行营销的定位。

  降低成本已经是金融机构当前必须重视的问题,Informatica认为方法之一就是帮助客户替换掉旧的系统,但同时又要确保原存储信息仍然能够被获取利用。Informatica ILM解决方案能够助力客户安全地淘汰过时系统和应用程序并优化测试数据管理。Informatica动态数据脱敏方案可使企业在单一的环境中,对全面混杂在一起的实时数据进行匿名、阻挡、审查以及报警,进而以更具成本效益的方式解决目前和未来的数据隐私规定。DirectEdge是美国的一家证券交易所,他们通过采用Informatica产品,处理的交易量能力增加了5倍,而硬件成本则只是原来的一半,成本效率提高了10倍。


  帮助金融企业挖掘大数据价值

  随着云计算、社交计算、移动计算的快速发展,银行内部应用系统数目的不断增加,手机银行的使用以及电子支付方式的兴起,产生了大量的新型数据,同时也开启了前所未有的信息增长时期——更大容量、更多种类及更快速度。大数据可为企业提供前所未有的机遇,可以提高营收和绩效,并洞察您的业务、市场和客户。但由于数据量非常巨大,而且数据类型异常复杂,特别是非结构化和半结构数据量远远超过传统的结构化数据,我们很难从中发现蕴含的商业价值,那么如何去处理这些数据,辨别出低使用价值的数据,如何抽丝剥茧发现数据所蕴藏的价值,更好地为商业创新和决策服务呢。

专访Peter ku:金融数据背后的商业价值
▲Informatica公司金融服务解决方案市场部资深总监Peter Ku先生

  事实上,各金融机构已经纷纷踏上挖掘数据价值的旅程,选择适合自己的数据治理方案来实现对大数据的利用。比如Hadoop、HBase这类可以更容易开发和运行处理大规模以及更多类型数据的软件平台,能够以更经济的方式、更好的性能来处理数据。Informatica专注的领域并不是Hadoop这类软件,而是帮助大家把数据集成到软件中,使他们不用特别学习复杂的数据分析、编程方案,就能轻松地操作、应用Hadoop,从海量数据中提炼出有价值的数据值,并降低数据操作中的成本。采用Informatica数据集成平台,西太平洋银行能够更好地通过Hadoop管理和处理社交媒体数据来增进对客户的了解并实现大数据的最大回报。

  对于数据价值如何提取和实现,Peter Ku也有自身的解读,他认为从接收信息中获取价值的唯一途径就是具备一种能力。他曾在信用卡公司工作过很多年,发现如何向客户销售更多信用卡产品的困惑并不是缺乏相关的客户信息,信息都存在,缺乏的是执行信息的能力。而解决这个问题的答案就是要拥有合适的数据分析工具,只有通过数据分析工具实现执行能力才能把数据转化为真正的价值。

  金融机构必须不断寻找新的、更具创意的方法以保持其竞争优势,Informatica提供的一系列全面而先进的数据集成解决方案,已经成功帮助全球超过5000家企业管理其在本地的、云中的和社交网络上的信息资产,其中就包括770多家金融领域的客户。另据Peter Ku介绍,中国金融机构使用Informatica方案更多的是进行数据集成,他希望能够把北美、欧洲银行客户的经验带到中国,将数据质量管理、主数据管理、信息生命周期管理等更多应用推荐给中国用户,帮助他们更好地迎接大数据挑战,实现数据最大化商业价值。

作者: 小野

来源: IT168

原文标题:专访Peter ku:金融数据背后的商业价值

这篇关于专访Peter ku:金融数据背后的商业价值的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/441402

相关文章

大模型研发全揭秘:客服工单数据标注的完整攻略

在人工智能(AI)领域,数据标注是模型训练过程中至关重要的一步。无论你是新手还是有经验的从业者,掌握数据标注的技术细节和常见问题的解决方案都能为你的AI项目增添不少价值。在电信运营商的客服系统中,工单数据是客户问题和解决方案的重要记录。通过对这些工单数据进行有效标注,不仅能够帮助提升客服自动化系统的智能化水平,还能优化客户服务流程,提高客户满意度。本文将详细介绍如何在电信运营商客服工单的背景下进行

基于MySQL Binlog的Elasticsearch数据同步实践

一、为什么要做 随着马蜂窝的逐渐发展,我们的业务数据越来越多,单纯使用 MySQL 已经不能满足我们的数据查询需求,例如对于商品、订单等数据的多维度检索。 使用 Elasticsearch 存储业务数据可以很好的解决我们业务中的搜索需求。而数据进行异构存储后,随之而来的就是数据同步的问题。 二、现有方法及问题 对于数据同步,我们目前的解决方案是建立数据中间表。把需要检索的业务数据,统一放到一张M

关于数据埋点,你需要了解这些基本知识

产品汪每天都在和数据打交道,你知道数据来自哪里吗? 移动app端内的用户行为数据大多来自埋点,了解一些埋点知识,能和数据分析师、技术侃大山,参与到前期的数据采集,更重要是让最终的埋点数据能为我所用,否则可怜巴巴等上几个月是常有的事。   埋点类型 根据埋点方式,可以区分为: 手动埋点半自动埋点全自动埋点 秉承“任何事物都有两面性”的道理:自动程度高的,能解决通用统计,便于统一化管理,但个性化定

使用SecondaryNameNode恢复NameNode的数据

1)需求: NameNode进程挂了并且存储的数据也丢失了,如何恢复NameNode 此种方式恢复的数据可能存在小部分数据的丢失。 2)故障模拟 (1)kill -9 NameNode进程 [lytfly@hadoop102 current]$ kill -9 19886 (2)删除NameNode存储的数据(/opt/module/hadoop-3.1.4/data/tmp/dfs/na

异构存储(冷热数据分离)

异构存储主要解决不同的数据,存储在不同类型的硬盘中,达到最佳性能的问题。 异构存储Shell操作 (1)查看当前有哪些存储策略可以用 [lytfly@hadoop102 hadoop-3.1.4]$ hdfs storagepolicies -listPolicies (2)为指定路径(数据存储目录)设置指定的存储策略 hdfs storagepolicies -setStoragePo

Hadoop集群数据均衡之磁盘间数据均衡

生产环境,由于硬盘空间不足,往往需要增加一块硬盘。刚加载的硬盘没有数据时,可以执行磁盘数据均衡命令。(Hadoop3.x新特性) plan后面带的节点的名字必须是已经存在的,并且是需要均衡的节点。 如果节点不存在,会报如下错误: 如果节点只有一个硬盘的话,不会创建均衡计划: (1)生成均衡计划 hdfs diskbalancer -plan hadoop102 (2)执行均衡计划 hd

【Prometheus】PromQL向量匹配实现不同标签的向量数据进行运算

✨✨ 欢迎大家来到景天科技苑✨✨ 🎈🎈 养成好习惯,先赞后看哦~🎈🎈 🏆 作者简介:景天科技苑 🏆《头衔》:大厂架构师,华为云开发者社区专家博主,阿里云开发者社区专家博主,CSDN全栈领域优质创作者,掘金优秀博主,51CTO博客专家等。 🏆《博客》:Python全栈,前后端开发,小程序开发,人工智能,js逆向,App逆向,网络系统安全,数据分析,Django,fastapi

烟火目标检测数据集 7800张 烟火检测 带标注 voc yolo

一个包含7800张带标注图像的数据集,专门用于烟火目标检测,是一个非常有价值的资源,尤其对于那些致力于公共安全、事件管理和烟花表演监控等领域的人士而言。下面是对此数据集的一个详细介绍: 数据集名称:烟火目标检测数据集 数据集规模: 图片数量:7800张类别:主要包含烟火类目标,可能还包括其他相关类别,如烟火发射装置、背景等。格式:图像文件通常为JPEG或PNG格式;标注文件可能为X

pandas数据过滤

Pandas 数据过滤方法 Pandas 提供了多种方法来过滤数据,可以根据不同的条件进行筛选。以下是一些常见的 Pandas 数据过滤方法,结合实例进行讲解,希望能帮你快速理解。 1. 基于条件筛选行 可以使用布尔索引来根据条件过滤行。 import pandas as pd# 创建示例数据data = {'Name': ['Alice', 'Bob', 'Charlie', 'Dav

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者