招商银行吴颖：招行大数据应用经验分享(1)
借助移动大数据,招商银行实现“互联网+”战略落地
借助移动大数据，招商银行实现“互联网＋”战略落地作者：李庆莉来源：《中国金融电脑》 2015年第8期本刊记者李庆莉在“互联网＋”时代，移动大数据分析管理平台作为招商银行互联网金融“平台、流量、大数据”整体布局的重要组成部分，在推动招商银行业务模式向网络化和数字化运营转变的过程中发挥了重要作用。
未来，招商银行将以更加开放的竞争合作方式，进一步融入互联网经济形态，打造招商银行互联网金融生态体系。
伴随信息技术和移动通信技术的飞速发展，企业业务数据、移动终端数据、客户信息数据之间联系愈来愈密切，庞大的数据流游走在各部门之间，其背后是数据本身所蕴藏的无限价值。
可以说，移动互联网时代，具备大数据价值洞察能力的企业将会在竞争激烈的商业市场中取得领先优势。
招商银行作为国内具有影响力的商业银行，一直以持续的金融创新、优质的客户服务、稳健的经营风格和良好的经营业绩闻名。
近年来，招商银行进入高速发展期, 资本净额超过3600 亿元、资产总额超过4.7 万亿元、全国超过1200 家网点、员工超过7 万人, 跻身全球前100 家大银行之列。
2015 年，为应对互联网金融挑战，充分发挥大数据价值，招商银行采用了TalkingData统计分析与管理平台，借助移动大数据咨询服务、开展移动APP 平台运营，不断优化客户体验，激活老客户，获得新客户，实现招商银行“互联网＋”战略的落地。
实现数字化APP 运营，将数据转化为价值移动应用正在以前所未有的强势渗透人们的生活。
数据统计表明，用户平均一天使用移动设备的时间在4个小时左右。
为顺应用户行为方式改变，进一步提升用户体验，招商银行推出手机银行APP，拓展新的客户群体，激活客户的金融服务需求。
手机银行APP 作为招商银行与客户沟通、为客户提供服务的主要渠道之一，产生了大量的行为数据。
如何通过精准的数据分析了解用户偏好，从用户的点击情况、位置信息、消费情况、交易明细中整理出清晰的客户需求，提供个性化的金融服务，提高移动运营的水平，从而提升招商银行移动互联网转型能力，成为招商银行亟待解决的重要课题。
大数据在商业银行中的运用与发展论文
大数据在商业银行中的运用与发展论文大数据在商业银行中的运用与发展摘要：随着科技的不断进步和信息化发展的推动，商业银行作为金融行业的中枢，也面临着巨大的变革。
大数据作为一种新兴的技术和工具，对商业银行的发展具有重要的意义。
本文将着重探讨大数据在商业银行中的运用和发展。
1. 引言商业银行作为金融行业的中枢，具有信息量大、特定行业和客户群体的特点。
随着金融行业的不断发展，商业银行面临着巨大的挑战和机遇。
大数据的兴起为商业银行带来了新的发展机遇。
2. 大数据在商业银行中的运用2.1 风控和欺诈检测商业银行需要不断进行风控和欺诈检测以确保金融交易的安全和稳定。
大数据可以帮助银行分析海量的交易数据，识别潜在的风险和欺诈行为，提前做出预警和处理。
2.2 客户分析和营销商业银行拥有大量的客户数据，通过对这些数据的分析，可以更好地了解客户的需求和喜好，为客户提供个性化的金融产品和服务，并提高客户的满意度和忠诚度。
2.3 信用评估和贷款审批商业银行需要对客户的信用评估和贷款审批进行准确和高效的处理。
大数据可以帮助银行从海量的数据中提取有用的信息，为信用评估和贷款审批提供更准确和全面的依据。
3. 大数据在商业银行中的发展3.1 技术支持和人才培养商业银行需要持续投入资金和资源来推动大数据技术的应用和发展，并培养专业人才来应对大数据的挑战和机遇。
3.2 数据安全和隐私保护商业银行需要加大对大数据的安全和隐私保护的力度，确保客户信息的安全和保密，避免数据泄露和滥用。
3.3 合作与共享商业银行可以与科技公司、数据公司和其他金融机构进行合作，共享和交流数据和技术，提高数据的利用价值和商业化程度。
4. 面临的挑战和机遇大数据在商业银行中的运用和发展不仅面临着各种技术和安全问题，还需要应对监管政策和商业模式的变革等多重挑战。
但同时也带来了更大的机遇，可以提高银行的效率、降低成本，并且创造更多的商业机会。
5. 结论大数据在商业银行中的运用和发展具有重要的意义和潜力。
【经验分享】数据分析在银行逆袭之路
【经验分享】数据分析在银行逆袭之路科技爸2020-03-20 17:01:00数据分析，是大数据时代一项重要的职能，尤其是银行业，非常重视用数据说话。
在一些主要依靠线上的银行，比如微众、新网银行等，数据分析已成为了银行的核心支撑技术。
但是尴尬的是，有很多时候，数据分析师沦为了提数机器，被业务部门呼来唤去，成为了打杂人员。
1 数据分析的尴尬处境在很多传统银行，数据分析工作在很多时候充斥着这样的内容：（1）筋疲力尽的为业务部门汇总各项指标数据，形成月报、季报、年报；（2）计算某业务今年营业额，利润，计算同比增长幅度，给业务经理出经营报告。
（3）不断收到业务部门临时提数要求，要提供激活率、留存率、增长人数。
……总结起来，就是深陷于写SQL，无止境的出各种简单数字汇总的统计报表、报告，成为了“表哥”“表姐”，经常被各业务部门催促，地位很低。
2 数据分析职能定位著名的咨询公司Gartner于2013年总结、归纳、提炼出一套数据分析的框架，把数据分析分为了四个层次，分别是：（1）描述性分析（Descriptive Analysis）-解决发生了什么？该层次主要是对已经发生的事实用数据做出准确的描述，这也是许多企业需求最多、最杂的统计工作。
比如某企业本月订单签约额比上月增加100万，至1100万。
（2）诊断性分析（Diagnostic Analysis）-解决为什么会发生？知道到底发生了什么，对我们的帮助不大，更重要的是，我们要明白为什么发生。
比如经过分析，发现订单履约率下降的原因是成品生产不出来，无法完成交付。
而成品生成不出来的原因则是部分原材料的供应商未能按时送货，导致原材料不齐套，无法开始生产。
到这一个层次就开始脱离的打杂，成为了辅助经营的角色。
（3）预测性分析（Predictive Analysis）-解决什么可能会发生？通过寻找相关特征和运行逻辑规律，借助定量和定性的分析，实现预测。
不仅能找到问题发生原因和解决办法，还能防患于未然，提前调整发展方向，这是辅助经营的更高一个层次。
数据驱动未来——招商银行数据驱动的互联网智能获客系统建设
数据驱动未来——招商银行数据驱动的互联网智能获客系统建设作者：赵春辉康方向来源：《中国金融电脑》 2017年第12期在《亚洲银行家》主办的“2017 年度国际零售金融服务卓越大奖”评选中，招商银行第8 次登顶“中国最佳零售银行”。
一直以来，零售业务都是招商银行总体战略的核心业务和立行之本，2014 年，招商银行开启了“一体两翼”打造轻型银行的战略转型，其中“一体”就是指零售银行，在“一体两翼”中，更加突出了零售银行的战略地位。
目前，信用卡发卡市场所采用的传统直销模式日益呈现出竞争激烈、效率低下的特征，人力驱动的信用卡推广模式难以为继。
与此同时，互联网网民规模日益壮大，智能手机用户持续增长，以80 后、90 后为主的中坚群体已成为强大的消费力量。
用户在线上自主选择并申请信用卡的需求日益强烈，银行便捷的线上信用卡申请服务可以更好地支持用户的消费行为。
银行将线上与线下服务进行双向融合，可以形成更加有效的客群聚合平台，既提升了用户体验，又实现了低成本获客。
科技进步日益加快，“互联网+”、大数据和人工智能的时代已经来临，新科技未来的应用前景十分广阔，既具有传统银行业务无边性，又能融合大数据风控技术，将获客业务下沉到长尾群体，因此潜力巨大。
同时，在商业经济及其他领域中，决策将日益基于数据和分析，而并非基于经验和直觉。
在以“网络化、数据化、智能化”为目标的金融科技战略指引下，招商银行正发起一场由技术驱动的渠道优化和服务升级革命，以建设平台、引入流量、内接场景为重点，提升零售业务体系化运营能力，以开启全行新零售的未来。
一、数据驱动的互联网智能获客系统1. 系统业务简介数据驱动的互联网智能获客由用户从线上发起，银行实时进行名单收集及数据承接，随后进入“网上申请，上门服务”或“网上申请，网点核身”的业务流程，通过“线上申请+ 双线下”的体系化服务模式，帮助用户办理信用卡，在线获取信用卡价值客户。
目前，系统每天实时向各地下发新户申请名单，巨大的数据流量支撑了招商银行全国39 个信用卡部门、数千名的信用卡直销队伍及全国所有的招商银行营业网点，使招商银行成为全国率先实现规模化、集约化、成体系运作的商业银行。
如何进行大数据分析在金融行业的应用
如何进行大数据分析在金融行业的应用大数据分析在金融行业中的应用正变得越来越普遍。
大数据分析提供了一种方法，可以帮助金融公司更好地理解其客户，做出更准确的决策，发现新的商机。
此外，大数据分析还可以帮助金融公司更好地控制风险、减少欺诈、提高稳定性和降低成本。
本文将探讨如何进行大数据分析在金融行业的应用。
我们将从以下几个方面讨论这个话题。
1. 数据采集对于金融公司来说，数据是非常重要的。
如果没有数据，就不能进行大数据分析。
数据采集是大数据分析的第一步。
金融公司可以从多渠道收集数据，例如：网站交互、电话、社交媒体、电子邮件、应用程序等等。
这些数据可以被用来帮助预测客户的行为和需求，并帮助金融公司更好地了解其客户。
2. 数据质量数据分析的结果将取决于数据的质量。
因此，金融公司需要确保其数据的准确性和完整性。
数据的质量包括数据的精确度、可靠性、完整性和一致性等。
如果数据不准确或不完整，那么分析结果就可能会被歪曲或误导。
3. 数据分析数据分析是大数据分析的最重要的步骤之一。
数据分析可以为金融公司提供有用的信息，从而帮助决策者做出更好的决策。
数据分析可以帮助金融公司预测未来的市场趋势、了解客户行为和需求以及发现新的商业机会。
4. 数据可视化对于非技术专业人士来说，大量的数据可能很难理解。
因此，数据可视化是非常重要的。
数据可视化可以把数据呈现在图表、图形和其他可视化对象中，使数据更容易理解。
金融公司可以使用数据可视化工具（如Tableau、PowerBI、QlikView等）来快速生成各种图表和报表，使更客观的分析数据方案。
5. 预测建模预测建模可以使金融公司获得更深入的分析结果，进而帮助他们做出更明智的决策。
预测建模是指使用历史数据来预测未来的趋势。
金融公司可以使用一些预测建模工具（如SPSS）来帮助他们实现这个目标。
6. 应用案例数据分析可以在金融行业中的不同领域应用，以下是一些最常见的应用案例：a. 风险管理：金融公司可以分析数据，以确定哪些客户可能会违约或欺诈，并将这些客户排除在风险管理的范围之外。
银行大数据应用
银行大数据应用随着科技的不断发展，大数据技术在各行各业都得到了广泛应用，其中银行业也不例外。
银行大数据应用已经成为银行业务发展的重要支撑，为银行提供了更精准的客户服务和风险管理。
本文将从不同角度探讨银行大数据应用的重要性和优势。
一、客户服务优化1.1 个性化推荐：银行可以通过大数据分析客户的消费习惯和需求，为客户提供个性化的产品推荐，从而提高客户满意度。
1.2 客户画像：通过大数据分析客户的行为数据，银行可以建立客户画像，更好地了解客户需求，提供更精准的服务。
1.3 服务升级：银行可以通过大数据分析客户反馈和投诉数据，及时调整服务策略，提升服务质量。
二、风险管理提升2.1 信用评估：银行可以通过大数据分析客户的信用记录和行为数据，更准确地评估客户的信用风险，降低不良贷款率。
2.2 反欺诈监测：大数据技术可以帮助银行监测和识别潜在的欺诈行为，保护银行和客户的资金安全。
2.3 风险预警：银行可以通过大数据分析市场数据和宏观经济数据，提前预警风险，采取相应的风险控制措施。
三、营销推广增效3.1 精准营销：银行可以通过大数据分析客户的消费行为和偏好，制定精准的营销策略，提高营销效果。
3.2 跨渠道营销：大数据技术可以帮助银行实现跨渠道的营销推广，提升客户转化率和留存率。
3.3 数据驱动决策：银行可以通过大数据分析市场数据和客户数据，为决策提供数据支持，提高决策的准确性和效率。
四、产品创新加速4.1 产品定制：银行可以通过大数据分析客户需求，定制个性化的金融产品，提高产品的市场竞争力。
4.2 快速迭代：大数据技术可以帮助银行快速收集和分析市场反馈数据，及时调整产品策略，加速产品迭代。
4.3 创新孵化：银行可以通过大数据技术挖掘潜在的创新机会，推动产品创新和业务转型。
五、成本效益提升5.1 自动化流程：银行可以通过大数据技术实现业务流程的自动化和智能化，降低运营成本。
5.2 精细管理：大数据技术可以帮助银行精细管理各项业务指标，提高运营效率和成本控制能力。
商业银行如何利用大数据提升营销效果
商业银行如何利用大数据提升营销效果随着信息技术的不断发展，互联网大数据时代已经来临。
在这个时代，数据成为了一种重要的资源，商业银行也开始意识到大数据对于提升营销效果的重要性。
本文将探讨商业银行如何利用大数据来提升营销效果，并给出相应的实施策略。
一、数据采集商业银行需要通过各种手段来采集客户信息和行为数据。
其中，客户信息数据主要包括个人基本信息、家庭状况、职业信息等；而行为数据包括客户的消费行为、投资偏好、信用评级等。
通过采集这些数据，银行可以了解客户的需求、偏好和风险承受能力，为下一步的精准营销打下基础。
在数据采集方面，商业银行可以通过以下几种方式获取数据：1. 内部数据：商业银行可以利用自身的客户关系管理系统（CRM）或核心银行系统来采集客户信息和交易数据。
2. 外部数据：通过与第三方数据提供商合作，商业银行可以获取更多的外部数据，如信用评级、社交媒体数据等。
3. 移动端数据：随着智能手机的普及，商业银行可以通过移动端应用程序收集客户的地理位置、消费行为等数据。
二、数据分析商业银行需要将采集到的大量数据进行整合和分析，以便更好地了解客户需求和市场动态。
数据分析可以帮助银行发现客户的消费习惯、潜在需求和市场趋势，从而为营销策略的制定提供决策依据。
在数据分析方面，商业银行可以采取以下几个步骤：1.数据清洗和整合：对采集到的数据进行清洗和整理，确保数据的准确性和完整性。
2.数据挖掘：通过应用数据挖掘技术，商业银行可以从大数据中发现隐藏的模式和规律，为制定个性化营销策略提供支持。
3.预测分析：商业银行可以利用预测分析模型，对客户的行为做出预测，从而提前做出相应的调整和决策。
三、个性化营销在了解客户需求和行为后，商业银行可以通过个性化营销来提升营销效果。
个性化营销是指根据客户的特征和需求，向其提供个性化的产品、服务和推荐。
个性化营销可以通过以下几个方面实施：1.个性化产品设计：商业银行可以根据客户的需求和风险承受能力，设计出符合其特点的金融产品，满足不同客户的个性化需求。
浅谈大数据在商业银行经营管理方面的应用
统计与管理二○一五·八财经论坛摘 要：由于人们越来越频繁地使用互联网，网络购物、网络视频、网络社交等纷纷兴起，互联网日益渗入日常生活，随着时间推移，海量数据得以积累，另一方面，计算能力持续提高，不仅单个电脑能够处理越来越多的信息，不同电脑还可以通过网络连接起来同步运算。
这两方面互相配合，共同催生了大数据时代的到来。
这势必对商业银行传统的经营管理模式带来挑战，促进商业银行的转型发展。
笔者结合自身的知识和工作体会，简要分析了大数据在中国商业银行经营管理方面的应用。
关键词：大数据 商业银行 经营 管理DOI：10.3969/j.issn.1674-537X.2015.08.025在大数据时代，数据资产是产业兴衰、企业存亡的关键因素，公司的价值与其数字资产的规模、活性成正比，与其解释、运用数据的能力成正比，商业银行也不例外。
微众银行和阿里小贷是互联网企业利用大数据优势分食银行业蛋糕的两个案例，可称其为互联网银行。
目前，他们的规模在整个银行业里面是微不足道的，但他们代表着一种新趋势，假以时日，很可能颠覆传统银行业，正如电商对传统商业的颠覆。
本文就如何将大数据应用到商业银行经营管理、促进商业银行转型发展谈几点认识。
一、培养大数据思维在《大数据时代》一书中，作者舍恩伯格认为大数据思维的三个因素是：分析数据的全体而不是部分；关注效率而不是精确度；重视相关性而不是因果关系。
这是比较具体的大数据思维。
从更基本的角度看，大数据思维就是对于数据的重视，只有不断培养大数据思维，才能持续提高利用大数据的能力。
（一）大数据思维要重视数据的搜集和存储数据的搜集和存储是分析利用的前提，如果没有数据，再强大的分析利用能力也是“巧妇难为无米之炊”。
在搜集和存储数据方面，要有长远的眼光，当前已会分析利用的数据需要搜集，还不会分析利用的数据也要搜集，等到新的数据分析利用方式出来之后再开始搜集数据就已悔之晚矣。
由于数据的存储需要花费不少成本，搜集、存储一些看似无用的数据需要有坚定的信心和雄厚的财力。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
招商银行吴颖：招行大数据应用经验分享该文为招商银行信息技术部数据仓库开发团队负责人吴颖在第六届中国（深圳）金融信息服务发展论坛银行保险业分论坛上的发言。
很高兴今天能够有机会,跟大家分享招商银行在大数据应用体系建设方面的一些思考与实践。
我们今天的分享会围绕着大数据技术应用这样一个主题，谈一谈招商银行在当今时代背景下面所面临的挑战，我们对此的一些思考和实践，以及我们对未来的展望。
互联网特别是移动互联网对银行的冲击，我想大家都是深有体会的。
以招商银行为例，今天我们手机银行的登录次数已经是我们网点访问量的10倍，是我们网上银行专业版的2倍，同时这个数字仍以每个月10%的速度持续增长。
移动互联网的流量竞争和经营，我们认为会是未来竞争的一个主战场。
最近招商银行发布的手机银行3.0版，它的整个设计思路与以前的版本有了非常大的变化。
我们做这样一个变化的目的，实际上就是通过打造极简金融、极致体验去抢占移动互联网的制高点。
从表面上看，手机银行和移动互联网，它们是银行与客户在交互渠道上面的一个革新，但是我想更为本质的，应该是数据驱动对银行服务的一种颠覆。
这里有一组企业对大数据的投资意愿及大数据领域相关市场增长率预测的数字。
它进一步可以佐证大数据的火热程度以及它受关注的程度。
我想跟两年前相比，现在已经很少会有人再去质疑大数据在影响未来人类生活方面的巨大作用。
从前面的介绍中我们可以看到，互联网和移动互联网给银行业带来的变革需求。
互联网思维正在影响我们整个社会的方方面面，包括像普惠、开放、极致体验等一些概念，已经对传统银行业提出了巨大的挑战。
我想，既然这个挑战已经不可避免，作为其中一个主要的数据拥有者——银行，我们是不是可以直面挑战、抓住机遇、争取逆袭？我想，这是需要我们思考的。
大数据应用体系的建设，它包含了技术上和管理上的一系列措施和政策，是一个系统性的工程。
尽管大数据的热度很高，但是在具体的实践上面，我们还是需要避免出现头脑发热、一哄而上的情况，需要我们能够有理性的分析，以一个全局性的视角去思考，正视过去、立足现在、放眼未来。
以下四点是招商银行在大数据应用体系建设过程中所遵循的一个指导思想：第一、我们认为就单一的大数据技术而言，它并不能够解决我们所面临的所有技术问题。
另一方面，不是我们所有碰到的问题都是可以用技术去解决的。
所以我们不能对单一的技术存在过度的预期，我想这是招商银行的一个观点。
第二、我们认为传统的仓库技术与新兴技术，它们之间不应该是一种替代关系，而更多的应是一种互补关系。
至少在现在这个阶段，招行是这样认为的。
第三、在进行相关建设的时候，我们不能够单纯为了技术而技术。
任何一种技术的采用，它最终都是需要回归到能够提升业务洞察力的目标上。
第四、目前，整个大数据领域均处于基础建设的阶段，它的投入实际上是会大于产出的，我们需要把有限的资源用到关键点上面，快速试错，避免偏大求全。
招行认为，整个大数据应用体系的搭建包括三个环节：第一个是平台建设，第二个是数据的获取，第三个是应用的创新，三者实际上是缺一不可的。
简单地说，招商银行认为平台是基础、数据是核心、应用是关键。
实际上前面已经谈到了，整个大数据应用的建设涉及到非常庞大的投资，目前还处于基础建设的阶段，我们需要甄别和关注重点，有的放矢。
除了控制成本之外，我们还需要有一个因小而美的价值观。
这里说的“小”，不是数据量的小，而是在从事相关研究时，我们应用的目标是需要很具体的。
招行不会选择特别宽泛、空泛的方向，而是以解决具体问题作为导向，去设定一些研究的方向，同时基于招行目前所能够采集到的数据去做尝试。
所以在2012年到2013年这两年的时间，招行结合了零售、对公等业务领域的具体场景，利用大数据技术做了一系列的预研性的项目。
从结果上看，效果都还不错。
在这样的过程中，实际上招行一方面积累了相关的技术经验，另一方面也验证了大数据应用本身在银行的价值和可行性。
在具体介绍招行在大数据应用的一些实践之前，我先简单回顾一下，招行在传统的数据仓库领域的一些历程。
实际上，招行是国内最早一批开展企业级数据仓库建设的银行。
招行从最早的Sybase仓库，到DB2的仓库，再到2013年开始重构的第三代仓库。
招行在16年的时间里面，基本上建成涵盖客户服务、产品销售、风险管理、绩效管理、监管审计等领域的完整的数据应用平台。
在大数据领域，招行从2012年开始接触相关的技术。
2013年，招行完成了平台的选型，同时搭建了一个实验性的分析平台，去做刚才提到的一些预研项目。
2014年，招行在8月份投产了第一个生产系统，是基于hadoop技术搭建的属于历史数据查询平台。
同时，招行现在正在搭建一个正式的大数据分析平台，目前这个平台的环境已经准备好了，正在做数据加载。
这个是招行做的一个访问路径分析的例子，通过对访问招行一卡通网站的一卡通客户和信用卡客户的行为对比分析，我们发现，招行信用卡客户在网站的停留时间相对长一些。
导致这个差异的原因，主要是因为招行一网通网站里面信用卡的栏目与互动性的内容比较多，这一部分客户会在这些内容、这些栏目之间做跳转。
这是招行在图分析方面的一个实践，使用对公客户的属性标签、企业间的往来交易信息、集团关系、担保关系等等一系列关系，通过图分析，得到一系列的关系网络图。
这些关系网络图以可视化的方式，展示给招行的客户经理、风险经理，就可以加强对客户的管控和风险的防范。
这是招行做拦截销售的一个例子，首先我们可以通过使用路径分析的方法，去判断客户的喜好、需求，从而形成客户的标签。
第二步，我们可以基于算法引擎，对客户标签进行计算，得到客户最有可能需要的一个产品列表。
最后，我们可以在各个客户触点部署客户的识别模块，在我们触达客户的时候，及时地对这个客户进行有针对性的营销，这样将可以提高我们的销售效率。
这是一个基于事件营销的例子，首先客户的行为会产生一系列的事件。
对于这些事件进行分析和侦测，我们可以部署一些策略，基于事件去触发一些服务信息。
客户收到信息给我们回馈进一步明确的意向之后，我们可以把这样一个事件转到我们的客服，开始做跟进的营销。
前面简单介绍了招行的一些实践。
展望未来，我们觉得在大数据时代，过去单一性的平台需要过渡到一个多样化的生态系统，这样才能够发掘更多数据的价值。
招行提出建设大数据应用的体系，正是基于这样的一个理解。
招行规划中的数据应用体系，分成三层，包括数据获取层、整合层和分析应用层。
在数据获取层，招行借助交换平台、消息队列的技术，去采集批量、准实时和实时的数据。
数据整合层，它的核心是包括传统的数据仓库和大数据平台所组成的一个逻辑的数据仓库。
数据获取层采集的数据，招行会根据类型、需求和目标，分别由传统的数据仓库或者是大数据平台，进行加工整合，形成数据模型和数据分析的指标，供上层应用使用。
在应用层，它主要包括面向业务用户和面向客户渠道这两大类集群，主要提供决策支持、分析探索、实时决策、信息交互以及其它专业应用的环境。
在这个架构里面，最核心的是刚才提到的两个平台：一个是传统的数据仓库平台，一个是大数据平台。
招行对这两个平台的定位是不尽相同的，传统的数据仓库平台，它是基于数据逻辑模型去整合全行的数据，形成像客户风险、财务绩效等全景的视图。
大数据平台有几个职能：一、它会是招行高性价比的半结构化和非结构化数据的存储平台；二、它是招行对半结构化和非结构化数据进行规整和预处理的计算平台；三、它是基于大数据创新的工具、方法，去探索分析创新应用的探索环境。
这是招行对这两个平台的定位，不尽相同。
招行这两个平台大体的情况是这样的。
因为现在处于新旧过渡阶段，所以招行现在拥有两个仓库平台，老的平台大概是150T，新的平台现在是240T。
招行目前每天处理的数据量大概是2个TB，对外的数据接口超过2千个，招行每天会从150个左右的源系统抽取数据，然后运行差不多13000个ETL作业。
招行的大数据平台今年大概是170T、28个节点，到明年招行会扩展到150个节点、650T的规模。
除了平台建设之外，IT 的支持模式也是需要招行有相应的调整和变化。
在传统的模式下，通常是业务提出一个相对确定的问题，IT会组织数据，对数据进行回答。
大数据时代，招行将转变为更侧重于建设和提供平台，同时协助我们的用户去做自主的探索。
除了IT 支持模式发生变化之外，招行还需要在分析方法上引入像路径分析、文本分析、图分析等一些新的方法，对传统的方法进行扩展，来支撑对全方位信息进行探索和分析的需要。
除了我们提到的像平台、支撑模式、分析方法的一些变化，所有的这些东西最终它都是需要具备相应能力的人去使用的。
大数据分析能力建设，招行认为它是我们整个大数据体系能不能成功最重要的一个环节。
招行会按照这样的一个思路，根据不同的工作性质和能力的要求，对招行的业务人员作一个划分，形成一个分析能力的矩阵。
在这个矩阵下面，更有侧重地对业务人员进行技能培训和实战经验的积累，从而形成一个全行使用数据的文化，这将是招行未来要做的一个非常重要的工作。
当招行有了平台，有了新的模式，有了新的方法，有了具备相应技能的人，我想整个大数据的运用体系在市场营销、客户服务、风险防范、反欺诈、运营优化等一些领域，都会有非常显著的应用前景，它让招行有机会去尝试用一些新的技术、新的方法去解决当前所面临的业务痛点。
这是招行现在正在实施中的一个项目，这个项目是一个非常典型的大数据应用的例子。
招行实施这样一个个性化推荐的项目，一方面它可以解决现在非常严重的信息过载问题，从而创造更好的用户交互体验，提升销售效率。
更重要的是它是招行最终实现全渠道协同、全渠道营销一个非常重要的环节。
以上就是我今天分享的全部内容，谢谢大家！。