一、背景

随着客户行为线上化，数字化运营成为摆在各家金融机构面前的重要课题。一方面，通过数字化运营，金融机构能实现高效、大规模“获客”，有效弥补线下网点客户流失；另一方面，数字化运营能够帮助金融机构“活客”，通过深度运营提升存量客户价值；此外，数字化还能赋能一线客户经理和网点，提升其产能。

二、金融数字化运营的痛点和挑战

金融机构总是困惑于自身数据量不够、数据质量差等，总是认为要等到数据基础足够完善才能去做客户运营。这一观点本身就是错误的，实际上，金融机构现有数据量已经不少了，关键是如何沿着可贺价值链条去真正挖掘、使用这些数据。这是一个普遍的痛点。金融机构面临的挑战主要有以下四个方面：

1. 数据来源方面：金融机构底层大数据比较割裂、数据标准和口径也不统一。比如，数据分散于不同系统中，金融机构数据往往来源于数据仓库、后督系统、OA系统、应用系统、稽核审计系统、绩效系统、运营管理系统等，各个系统之间未能打通，无法形成一个360度的客户视图，不能全面了解客户需求，数字化运营无从做起。
2. 数据量级方面：金融行业的数据量级大，通常总存储量达到TB级别，而单次计算数据量也在GB级别。例如，在生成报表时，往往要涉及好几个月甚至好几年的数据，其中需要进行复杂的金融分析和计算，处理如此大规模的数据很容易成为性能的瓶颈；多个事务并发修改数据时，若处理不当，也容易引起锁定的问题，大数据量下的数据分析性能很难得到保障。
3. 协同成本方面：在现有组织架构下，国内金融机构各职能间相对孤立，协同成本很高。当市场和客户需求发生变化时，很难在产品、风险、科技、财务等部门间达成一致，做出敏捷反应。而且每一个环节需要反复审核，才能进入下一环节，这种“瀑布式”流程，少则几周，多则数月，无法做到快速迭代和决策，不能适应瞬息万变的数字时代。
4. 智能决策方面：目前，各家机构的大数据分析能力普遍较弱，尤其是数据建模能力、从数据到业务的翻译能力不够。从而无法捕捉大数据分析识别出的机会点，然后有针对性地设计营销活动。加之以产品为中心的文化导向，使得他们很难以客户为中心去匹配产品方案，也就没有能力去做智能决策。

三、招商银行数字化运营借鉴

招商银行长久以来都是金融数智化的积极践行者，观远数据十分荣幸能够在招行金融科技发展的进程中，以数据智能为其变革升级增添助力。观远数据作为行业领先的一站式智能分析平台，全面支撑从团队到企业级规模，从单点到组合式分析能力，从数据接入、报表可视化、自助分析到智能分析全链路。

企业级BI为招商银行构建了结合业务场景的数据分析指标，大大加快了数据分析的周期。除了健全的数据辅助决策机制和与业务场景相结合的数据分析指标，为招商银行解决了取数难和数据口径复杂等问题，使数据分析门槛降低及提升业务人员数据分析能力外，企业级BI的引入为一线业务人员快速、灵活地实现数据分析的目标提供了有力支撑。

招商银行与观远数据合作至今，共同推进建设的分行数据云平台已助力50%的分行用户实现自助用数，平台中数以万计的仪表盘、图标、工作表中70%由业务部门自己建设，没有IT部门参与。并且于今年3月，招商银行的月活用户数首次破万，这充分验证了观远产品能力的企业级性能+易用性，同时也证明了观远数据具有极强的业务落地能力，基于业内顶尖的大数据架构提供企业级平台能力，支持万级用户数及十亿级数据量，可以保障业务更稳定地用起来。