大数据时代下的银行业商业智能发展概况（苏州站）
2014-12-08 14:44:48   评论：0 点击：

　　随着中国金融市场的快速发展，互联网金融对传统金融行业的竞争，以及监管力度的不断加强，IT咨询服务公司对金融企业的商业智能方案也面临不断创新。如何提升金融机构在管理、盈利、风险控等多方位的能力？如何将国际经验更好的为中国市场服务？如何通过解决方案将海量数据转化为对经营决策有价值的信息之路？如何将客户智能分析成果行之有效地运用于服务渠道，并最终转换为销售业绩？为解决中国金融机构在发展中所面临的新问题，文思海辉在西安、苏州、北京、成都、深圳五地举办了6场“乘数据之舟，达价值彼岸”系列活动。

　　在主题为“乘数据之舟，达价值彼岸”的文思海辉商业智能解决方案系列研讨会苏州站现场，文思海辉金融事业群商业智能部的高级副总裁王闯舟对大数据时代下的银行业商业智能发展做出了分析。

文思海辉金融事业群商业智能部的高级副总裁 王闯舟

　　以下为演讲实录：

　　大家下午好，欢迎大家来参加我们今天这样的一个研讨会，乘数据之舟、达价值彼岸，这也是我们连续第三年在国内举办以这个主题的在金融行业的这么一个研讨会，这个主题它有两个关键词，一个是数据，一个是价值。也就意味着我们如何通过深度的数据分析来帮助银行、帮助客户获得更大的业务价值，我想通过大概20分左右的时间来跟大家分享一下，从我们这个角度来看，目前国内金融行业尤其是银行业，整个市场一些发展的情况。

　　先简单的介绍一下公司的背景，文思海辉是由文思和海辉两个上市公司通过在去年初对等合并的方式组建的，中文名字就叫文思海辉，英文我们起了一个新的名字叫pactera，pact表示多个伙伴之间战略联盟的关系，era大家知道是一个新的时代。这样的一个英文名字也表示了文思海辉在新的时代下我们和我们的客户和我们的合作伙伴，像IBM这样的合作伙伴我们大家共同结成这样一个战略的联盟，为我们的客户来创造一个价值，这样的一个目标和这样的一个定位。

　　文思海辉去年初对等合并以后在美国的纳斯达克上市，在去年底我们完成了私有化，美国的资本市场上对中国概念不是特别好，我们在去年底的时候完成了私有化，重新给我们做了对未来几年的一个战略定位。在公司有五个发展目标，在这五个发展目标里面大家可以看到有三个是和我们今天的主题，和我们这个行业是密切相关的。第一个就是我们要在15年前，在明年底成为中国最大的一个金融行业的IT服务公司，目前文思海辉的金融事业部大概有5千人，到明年的时候完成这样的一个目标应该是没什么问题的。第二个就是我们要成为中国最大的一个商业智能的解决方案供应商，专注在商业智能大数据它的一个解决方案。第三个就是希望能够成为中国IT市场客户最佳选择，成为解决的合作伙伴，这三个愿景和目标和我们今天主要是银行、商业智能、战略合作伙伴客户的一个最佳选择，这是紧密相关的。

　　在整个国内金融事业部5千多人里面我们有四个大的方向，其中解决最大的方向就是商业智能，目前整个商业智能大概到8月底有差不多900人这样的一个规模，整个团队分成了三个部分，第一个是解决方案，第二个就是我们的咨询服务，我们这个咨询服务和我们传统上大家看到的四大咨询公司，跟IBM的GBS还是有些区别，我们的咨询服务主要是侧重在，它有两个特点，第一个主要是侧重在数据平台、数据管控这样的一个领域。第二个它可能是偏落地的咨询，目前我们在国内和很多的一些客户也在这个领域有非常多的合作。最大的一个团队，最大的一部分就是我们的交互，平常给大家提供服务的交互，在这个里面标红色的其实是我们比较专长在这个领域得到客户很多认可的，在应用这个方面我们通过在数据平台模型管控角度不断加深和客户的合作，在这个之上我们不断建立的应用，更好的体现业务价值，这个是我们团队的一个构成和它的一个特点。我们的使命或者说我们核心的价值观文化氛围主要是三个方面，第一个就是专注在商业智能这个领域，第二个我们所谓的把自己定位成BI的黄埔军校，目前这两块也是国内现在大部分的商业智能的服务团队多少都跟我们还是有一些关系。第三点就是要有责任和承担。

　　从它的核心能力、从它的服务角度，刚才其实已经讲了咨询、解决方案，包括一些日常的外包服务，在过去很多年，我们也是形成了相对比较成熟的一个方法论，还有从平台的角度，我们是一个跨平台，有多个平台，比如说IBM、Apple等等，事实上以今天这个主题，乘数据之舟、达价值彼岸，IBM在过去三年都是很积极的在参与我们这样的一个研讨会，积极的在参与。他们有一个所谓的海内数据处理的平台，一体机的方案，他们在国内我记得国内最早的三套在金融行业的数据仓库系统都是我们负责实施的，我们是一个真正的跨平台的解决方案提供商。

　　从11年到14年这是我们一些主要客户的情况，大家可以看到，在政策性银行四大行到股份制银行到城商行都有，目前从数据仓库平台的角度大概有27个，总共金融这方面的客户有39个，这样的一个客户规模。最近这两年在城商行这块，随着大家对信息、对商业智能的重视，越来越多的城商行、区域性银行都在实施这样的一些系统，所以在近两年这方面的客户很多。

　　刚才简单的跟大家把这个团队，还有解决方案的一些情况跟大家做了一个简单的回顾。下面跟大家分享一些市场上的特征，和近两年发展的一些情况，这个是我从大客户部他对全球在金融行业上市场的投入做了一个分析。这个圈圈的大小表示IT投入的金额，总的投入的大小，这个是不同的区域，大家看到这个横轴在14年它的增长比例，正轴是从13年到17年的一个年负荷的增长率，大家可以看到一个特点是什么，整个的GC，GC就是中国大陆，在GC里面我们从增长率来看，还有复合增长率来看都是在最高的位置，但是我们投入的大小跟先进国家，比如说跟北美，跟先进的国家相比还是有很大一个差距，简单的目测一下大概差4倍，你看这个圈圈要是跟北美比起来我们大概差4倍，但我们的增长率很快，每年投入，我今年的投入跟去年增长很块，这些增长率的特点里面我后面还有一个数据，针对国内它的一些特点，后面还会跟大家说明。

　　这样的一些在整个IT投入里面，又在哪些地方，他们投在哪里，其实在这三个大的方向，一个是移动，一个是sosh（音），一个是商业智能，这三个方向投入是比较大的，尤其是在大数据和商业智能，这个也是对239个金融机构的CIO做的一个调查所看出来，得到的一个结论，对全球239个金融机构的CIO，其中大概三分之二是在银行，三分之一是保险。就是讲这些投入，这些大的方向在哪些方面，一个是它画了一个横轴，移动，然后这一个正轴，只是移动的，大概在这里，他们是15%，如果只是大数据和智能，大概是在这里，10%，如果是交叉的，又认可sosh，社交又认可大数据，商业智能这方面在这边。所以大家可以看到跟大数据和商业智能相关的我们加起来超过60%，所以大家可以看到在未来大数据商业智能确实是从全球范围内来看，是一个很重要的方向。今天我们开这个会除了我们这个会以外，还有另外一个很重要的事件，就是今天晚上阿里巴巴正式上市，像阿里包括BAT其实他们是很典型的依靠信息技术发展的案例，而在他的信息发展技术里面，我认为最主要的支撑就是他对于信息的使用和对信息的掌握。

　　在这个大数据里面，它的真正的去使用，又是在哪些方面，它又做了一个调查，其实从银行、从金融机构来看，目前我们用的比较多的还是，这是个比例，最主要还是交易类的数据，还是我们日积累数据，这些数据都是结构化的，下面这些是一些半结构化或者非结构化数据，这些数据在过去相对来讲应用比较少，但随着近两年大数据Hadoop这样一些技术的发展，他们使用的比例逐步在提升。我们看了一下整个国际上全球在这个领域的一些趋势，我们看一下国内，国内的话IDC做的这个分析相对被引用的比较多一些，这个是它对13年市场的情况，IDC每年都做，我之前也都看过，其实在以前BI这个方向是排在挺后面的，到去年商业智能已经上升到什么，上升到仅次于核心系统的投入，达到了12.7亿的规模，这个只是服务，只是讲服务。差不多60%，另外一个特点，评审这个方面提升的也很快，这是它的一个特点。

　　14年跟13年相比，整个市场大概增长了27%，文思海辉增长大概40%，所以我们比这个市场的平均增长还是高很多，我们把这个具体数据看一下，这个是他按照应用软件、应用服务，他分了几个领域去看他过去这几年从10年开始IT的投入，以及对后面市场的估计，大家看增长率，我们不去看具体的数据，这里面有两个特点。一个特点是从硬件，从设备角度它的增长率不高，为什么，因为越来越便宜。那么在这个硬件里面只有成熟设备还有一些增长，因为数据量越来越大，尽管成熟的价格在下降，但是总的投入还是有10%多一点点增长，这是第一个特点。第二个特点这些主要的增长在哪里，主要的增长在应用服务上面，这个也符合大概的分析。

　　我们简单的看了一下整个国际上和国内市场的一些情况，我们国内这些客户他怎么用这样一个系统，这是典型的银行在规划他的商业智能系统的情况，分了几个方面，比如说像客户的分析管理等等，这个我们可以这样子看，一个是广度一个是深度，在这两个方向，客户在用信息的方式都有不断的深入。过去大部分的客户基本上还是以所谓的结构化数据为主，结构化数据有一些特点，在有些方式上它是比较擅长的，就像半结构化和非结构化数据，数据的一些丰富，ETL的复杂度成本等等，现在的一种结构是把两个，就是把Hadoop和传统的信息技术结合起来，当中把它结合在一块的时候，这样的一个架构是真正，我们把它称为集成的混合的数据平台。

　　上面就是传统讲的所谓EGW，下面的就是所谓的大数据平台，这两个平台它是可以共存通过很好的一个方式可以把它整合在一起，这些衔接的方案有技术的同仁，如果大家感兴趣的话可以一块进行讨论。那么，这样一些应用的场景主要在哪方面呢，大概是可以在五个方面，大家讲的有的讲是5个，有的讲是10个，无外乎像客户的分析，分析的管控，流程的优化，大概是这些方面。举两个简单的例子，一个是在风险上面，这个也是我前不久刚刚从微信的朋友圈里面看到的，但这个客户我知道是谁，这是一个大行，他们在今年上半年有一个矿业企业，他通过利用银行之间信息不对称的方式，重复的质押去骗取贷款，这个事情发生以后，这个行业迅速采取一些措施，从新浪微博等等一些社交媒体上去找跟这个企业相关的一些信息，通过文本发掘的方式建立模型，去找还有哪些和他相关，最后他们还定出来差不多有16个企业跟这个事件有关联，他们又去找这16家企业在我这个行里面有一些什么样的往来，有多少存贷款，这样的话他的信贷部门就能够及时的掌握这些情况，及时的采取一些措施，防止损失进一步的去发生，这是很典型的一个例子。

　　第二个例子就是我们讲的所谓的客户360度视图，大家都知道过去我们所谓的客户360度视图基本上是用传统的结构化数据来实现的，这个相对会有一些单一，会有一些缺失，利用混合的架构，我们就能够把这个客户的360度视图建的更完整，这样的话我们的业务部门能够对这个客户有更好的了解。

　　刚才讲的这两个是一个蛮典型的案例，我刚才把我们的一些市场的情况还有整个商业智能的一些发展简单的跟各位做了一个介绍，我们今天也是准备了蛮丰富的一个议题，希望通过这样的一些议题的交流能够给大家带来一些参考，带来些在商业智能，在大数据的应用方面带来一些反省和思考。今天晚上我们也安排了一个交流和聚餐，在这个里面我们的技术的同事都在，大家有什么问题可以有更进一步的讨论，我就简单说这些，谢谢大家。