十年Smartbi项目经理：BI应用在银行业的发展历程和展望

商业智能BI是信息化发展的必然产物。在信息化过程中，企业将根据需要建立各种业务体系，提高日常运行效率。这些业务系统运行一段时间后，会产生大量的业务数据。这些数据的分析和利用可以进一步提高企业的效率。中国各行业的银行信息化一直处于领先水平，其发展过程基本遵循这条路线。虽然IT技术日新月异，出现了大数据应用、数据智能等新概念，但归根结底，它们都是关于数据分析或商业智能BI的，但它们在商业智能BI的应用广度和深度上不断发展和延伸。在本文中，笔者将根据多年在思迈特软件从事银行BI咨询的经验，讨论一些个人观点。

​1、商业智能BI基本应用：辅助数据分析决策。

银行经理和业务人员作为最常经理和业务人员需要进行数据分析，以了解银行的业务状况。数据分析需要不同的分析主题和完整的指标系统。例如，为了分析银行的竞争力，我们应该分析吸收存款、发放贷款等相关指标，因为这是银行生存的基础。优秀的银行应该是吸收存款成本低、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比例。比例越高，吸收存款的成本越低，总资产收益率和净资产收益率越高。个人贷款的比例可以分析个人贷款的比例。因为在银行贷款中，个人贷款的风险低于公司贷款的风险，个人贷款越高，贷款损失的机会就越小。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从银行的各种业务系统中收集，然后放入数据仓库，根据不同的主题进行整理和总结。最后，它们以BI工具和仪表板的形式显示。用户可以通过PC或手机、平板电脑等移动终端浏览。

思迈特软件生产的企业报表平台是一种以真Excel为特色的BI报表工具，将Officexcel和WPS表格转化为企业WEB报表设计器。表格风格和计算逻辑的灵活性不言而喻，可以轻松制作出复杂的中国报表。同时，企业报表平台还支持无需建模的多维分析和仪表盘设计界面。

在商业智能BI应用中，数据处理是基础，数据分析是手段，辅助决策是目的。数据分析作为商业智能BI的基本应用，在银行提高核心业务流程、市场反应速度和业务管理水平方面发挥着重要作用。

2、商业智能BI广度应用:每个人都是数据分析师。

在商业智能BI的基本应用阶段，用户通常是银行的各级经理，因为他们有更突出的决策需求。然而，随着银行业务的不断发展和商业智能BI应用的不断推广，业务人员对数据分析的要求也越来越高，希望数据分析更加灵活和详细。显然，银行技术人员提供的报告和仪表盘在效率和功能上都不能满足，此时BI工具的另一个应用程序是自助分析。这是商业智能BI在银行应用程序中的一个广泛扩展，允许每个人使用数据，每个人都是数据分析师。

阿拉丁平台就是一个典型的例子。该平台允许一线业务和营销分析人员成为数据专家，查询平台上所需的数据，识别数据并进行相关数据分析。例如，银行的客户经理需要找到潜在的高价值客户的消费规则（如使用特殊的手机号码、驾驶豪华车、住在高端社区等）。因此，他通过阿拉丁平台自助分析相关数据，对该地区的潜在客户进行肖像，然后准确地营销肖像中的高价值客户。这样，不仅大大提高了客户的营销效果，而且节省了大部分的营销成本，效果非常明显。

在阿拉丁平台上，思迈特软件的自助分析平台扮演着前端BI工具的角色。自助分析平台是一个围绕业务人员提供数据分析服务的企业门户平台。通过提供自助数据访问、探索和显示工具，不仅加快了数据运营的效率，还为业务思维、业务拓展和管理创新提供了开放共享和交流互动的平台。它不仅使数据的使用更加安全有效，而且使银行的数据资产升值。

3、商业智能BI深度应用:预测未来发展趋势。

无论是报表、自助仪表盘还是自助分析，都揭示了数据之间的过去和已知关系，主要采用计算机技术。商业智能BI在一定程度上对数据分析有更高的要求。一种结合计算机技术、统计学和模型算法的技术应运而生，即数据挖掘。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，并可以用来预测未来。这是BI的深度扩展。在银行中，数据挖掘广泛应用于精准营销、风险管理、信用调查服务、精细管理等应用场景中。例如，银行的企业违约风险预警项目根据公共客户的结算行为，包括交易频率、交易金额、交易对手等信息，结合客户行业、规模和业务状况，描绘客户肖像。使用逻辑回归模型构建逾期客户预警。模型成熟后，利用CRM系统打开客户经理通知渠道，及时向客户经理推送预警数据，做好风险管理。

在这种情况下，使用的BI工具是思迈特软件的数据挖掘平台。数据挖掘平台操作非常简单，在界面上完成了建模、培训和部署。业务人员可以参与，整个过程非常直观。有许多内置的模型算法，默认调整到最佳状态，大大降低了使用阈值。系统可以随时扩展，处理大量数据没有问题。

4、商业智能BI发展前景。

根据Gartner的定义，商业智能BI的发展分为三个阶段：传统BI、自助BI和智能BI，完全符合商业智能BI在银行的发展过程。然而，不是BI的类型不是相互排斥的，而是共同存在于银行的实际应用中，以满足不同场景下的分析需求。如今，银行间竞争日益激烈，面临金融科技巨头的挑战。各大银行迫切需要突破传统商业模式，改变思维方式，加大科技创新力度，努力实现银行数字化转型，以更好的产品和服务满足客户需求。在此过程中，不仅需要数字业务流程，还需要建立新的数据驱动业务模式。商业智能BI应用作为数据运营的重要手段，具有很大的发展空间。

对于商业智能BI应用的数据基础，银行也经历了从数据仓库到大数据平台的发展阶段。如今，大数据平台不仅可以像传统的OLAP一样处理大量的结构化数据和离线数据，还可以处理非结构化数据和实时数据。BI工具在加强数据准备、自然语言查询、自然语言生成等新兴领域也在不断成熟。展望未来，商业智能BI应用将继续在银行推广和深化，为银行转型升级服务。