360SDN.COM

同样是银行,同样的目的和数据,为什么大数据解决方案不一样?

来源:  2016-09-08 22:07:37    评论:0点击:

导读:颗粒度太粗的需求不具有任何价值,它既无法明确当前问题的具体场景,也无法细究问题产生的根源,还无法科学决策解决方案的适配程度高低,更无法让不同干系人对不同需求点重要性排序和未来“理想国”的理解一致,当然也不会产生合力,最终最好的情况是收获一些皮毛价值,差的情况更多是系统成功上线了,原始问题没解决。

在今日头条上看到一篇文章《[金融行业大数据的应用案例分享(中信、民生、青岛)](http://toutiao.com/a6299565795522871553/)》,同样是商业银行,同样的业务目的,同样的数据,采用的却是不同的解决方案。都是成功案例,甚至有一个是IBM做的,单独来看应该说从需求到解决方案的推导过程经得起各种“科学性、先进性等等”推敲,但并列在一起,大家会不会和我产生一样的疑问:为什么是不同的解决方案?推导过程真的没问题吗?产生不同解决方案的根源是什么?为了解答上述的疑问,首先让我们来摘录原文的一些内容:

数据源真是完全一样,近乎拷贝

- 个人特征数据:年龄、性别、职业、收入、工作区域、社会关系等。

- 资产数据:个人定期存款、活期存款、信用贷款、抵押贷款等。

- 其他数据:个人互联网行为数据、个人位置信息数据、商户数据(商户客户对象、商品种类等)。

应用背景略有不同,其实一致

- 中信银行:信用卡业务的竞争,就是优质客户的竞争。现有系统无法提供以客户为中心的突发、复杂分析。

- 民生银行:存贷利差收窄趋势迫使银行通过数据驱动业务运营和创新,需要个性化的精准营销。

- 青岛银行:银行拥有客户的账户、产品、交易等大量的结构化数据,以及语音、图像、视频等非结构化信息。这些信息蕴藏了诸如客户偏好、社会关系、消费习惯等信息资源。希望能提升精准营销能力,为银行提供全方位、精确化和实时的决策信息支持。

总结一下,3个案例的所谓应用背景,或者说业务目的、业务问题、业务痛点、项目目标都是数据驱动运营,识别客户,个性化精准营销。

不同的实现路径

同样是银行,同样的目的和数据,为什么大数据解决方案不一样?

显然,中信银行采用的是传统的基于数据仓库的BI和数据挖掘解决方案。

同样是银行,同样的目的和数据,为什么大数据解决方案不一样?

民生银行的解决方案在BI、数据挖掘的基础上,还增加了机器学习、检索、业务规则引擎等内容。

同样是银行,同样的目的和数据,为什么大数据解决方案不一样?

青岛银行采用的是跟上两家完全不一样的Hadoop大数据解决方案,估计是3个案例中最新实施的。但完全没有采用DW和BI的技术,难道客户、账户、产品、交易等结构化数据不需要多维度透视?

同样的行业、同样的问题、同样的目的、同样的数据,3个案例的不同解决方案有对错或高下之分吗?其实依据原文提供的信息,是无法判断的。因为信息或者说问题和需求的颗粒度太粗,没有当前问题场景的细节、没有未来期待场景的细节、没有阻碍未来场景取得的当前问题根源细节分析、没有多因素的权衡和优先度排序、没有自身特点和约束的分析,任何一种解决方案的科学性都可以找到大堆的理由,甚至可以找到各自的很多成功客户。其实这已经是预设结论后,反过来找理由,你一定能在粗颗粒度的需求和解决方案之间找到关联点,本案例就说明了这一点,你可以推导出任何一种你想要的解决方案,或者被洗脑认为这种推导是科学的。

问题的根源出在粗颗粒度的需求和业务痛点上,在这一颗粒度上,一个行业的所有企业存在的问题都是一样的,没有差异,就像家庭装修,都需要装修厨房、卫生间、客厅、卧室。可哪怕房型一样、三口之家一样,你见过两套装修一样的房屋吗?为什么没有,因为需求、喜好、约束的细节不一样,所以,套用现在的流行语,一切粗颗粒度的需求都是耍流氓,家庭装修你知道需求细致化,信息化也请一样。

为您推荐

友情链接 |九搜汽车网 |手机ok生活信息网|ok生活信息网|ok微生活
 Powered by www.360SDN.COM   京ICP备11022651号-4 © 2012-2016 版权