說起銀行、保險、股票投資這樣的金融行業，很多人都認為它們是依靠數據驅動的企業，畢竟大數據的誕生本來就是為了金融信息流通而服務的，但在我身邊很多搞證券、投資的朋友看來，事實卻並非如此。

真正在金融行業做數據分析的人，都知道金融業雖然有著很強的交易數據流，但其實它們的數據化程度已經遠遠落後於普通電商、電信行業，落後的IT業務系統沒有辦法實現與數據分析的深度融合，整個行業的數據價值早就被掩蓋了。

所以我找到了一些金融業的朋友，做了一份詳細的金融業數據分析管理模型，從五個角度分別探究一下數據分析如何來挖掘金融業的數據價值。

首先要搞清楚，金融行業為何在數據應用上落後了？

國際金融服務商摩根史坦利公司的研究報告顯示，由於IT遺留系統和過時的業務流程，只有35%的金融服務公司實現了數字化。而在數字化進程中但在數據應用管理、業務場景融合、標準統一、頂層設計等方面存在的瓶頸也有待突破：

1、數據資產管理水平仍待提高。主要是數據質量不高、獲取方式單一、數據系統分散等。

2、應用技術和業務探索仍需突破。金融機構原有的數據系統架構相對複雜，涉及的系統平台和供應商較多，實現大數據應用的技術改造難度很大。同時，金融行業的大數據分析應用模型仍處於起步階段，成熟案例和解決方案仍相對較少，需要投入大量的時間和成本進行調研和試錯，系統誤判率相對較高。

3、是頂層設計和扶持政策還需強化。體現在金融機構間的數據壁壘較為明顯，各自為戰問題突出，缺乏有效的整合協同。同時，行業應用缺乏整體性規劃，分散、臨時、應激等特點突出，信息價值開發仍有較大潛力。

金融行業需要一個完整的數據架構

從大數據技術的應用架構上來看，要從源數據對接—>數據抽取轉化—>數據倉庫—>數據集市—>整合分析—>自助分析包含整個過程；從業務分析的架構上看，包含數據支撐平台和數據決策平台兩個部分，具體如下：

五個思路，建立金融業的分析模型

搭建好架構架後，就要進行數據分析模型的建立，為此我嘗試用過很多工具，比如Tableau，但這些國外廠商很難適用於國內企業，為此我選擇了國內數據分析的龍頭工具FineBI，它最大的好處就是擁有著完整的行業化一站式解決方案。

1.行長綜合分析

對於管理者來說，各經營業務關鍵指標分散在各業務系統，管理者想查看了解比較麻煩，往往會遇到兩個麻煩：

海量的數據指標、數據維度，而決策層關注的往往不是明細數據。

傳統數據統計採用人工核算、彙報的方式，反饋滯後，沒有時效性。

為此，我利用FineBI製作直觀的數據駕駛艙，將業務中產生的關鍵數據進行呈現，提供給總裁、管理層進行核心指標的查看。並針對利潤完成率設置警戒線，可以了解哪一段時間利潤水平下滑，從而進一步探尋原因。最終通過地圖、折線圖、KPI指標卡等組件，從地理等多個維度觀察數據，輔助決策。

具體的分析思路如下：

• 分析指標：總資產、總負債、總利潤、不良貸款率、總存款、利潤完成率等等
• 分析維度：時間、地理維度、各分行、業務條線等等
• 展現方式：地圖、面積圖、矩形圖、折線圖、KPI指標卡等等

最終通過FineBI輸出了行業數據駕駛艙，可以保證公司整體狀況一覽無餘，數據實時展示，輔助進行決策；異常數據預警與檢測，有問題及時暴露、及時解決。

2.風險分析

目前許多銀行與券商已經擁有了不少分散的業務系統，但在系統對接、數據互通，以及分析指標方面還存在不少問題：

• 大部分銀行的系統無法實現風險類型的全覆蓋，近一半銀行的系統無法實現各子公司風險數據的全覆；
• 無法實現操作風險指標的逐日監控，限額指標體系還不夠豐富
• 依靠手工或半自動化簡單工具進行風險數據的收集、核對和整理，無法完全自動生成定期報告

為此，我利用FineBI的多源數據連接，以及自助數據加工能力，製作對應業務方向的風險分析dashboard，真正實現數據驅動業務。

具體思路如下：

• 分析指標：不良貸款餘額、不良貸款完成率、存貨比、比計劃、季度風險指標、貸款五級分類占比
• 分析維度：時間、地理維度、各分行、業務條線等等
• 展現方式：組合圖、餅圖、指針圖、明細表等等

最終通過FineBI輸出了公司管理層的一站式風險數據展示平台，具備監管指標管理功能，確保公司外部風控指標持續達標；根據各類風險管理特徵，建立相應的風險管理功能，滿足各類風險的管理需求。

3.權益分析

金融行業中最重要部分之一的權益分析，很多企業目前還需要各業務部門手動加工，無法在平台中直觀展現；同時，現有的數據分析統計基本都是處於線下文件存儲，定期數據匯總，導致數據數據採集、匯總、處理、審核、可視化各各步驟都需要人力重複勞動、效率極低。

為此，我利用FineBI從財務管理系統、wind系統及流動性管理系統等獲得數據，使用FineBI前端組件，將總部多部門多維度或匯總後進行分析，實現將所有機構按機構、條線、部門等形式通過多種財務分析方法（例：趨勢分析法、比較分析法、環比分析法、結構分析法）進行展示、排名。

具體思路如下：

• 分析指標：凈利潤、利潤預算、存貸款利息凈收入、市場類業務利息凈收入、中間業務凈收入、營業費用等等
• 分析維度：時間、地理維度、各分行、業務條線等等
• 展現方式：組合圖、餅圖、指針圖、明細表等等

通過FineBI的可視化，可以按日、月、季度、年度等頻度展示分析的權益指標；靈活定義權益分析的各項指標以及分析的結構，通過多種形式導出，在各集團會議中通過pdf、Excel等形式展示分析成果。

4.資產負債分析

資產負債的重要性不必多言，很多企業資產負債信息不透明，不能及時了解到風險所在；數據反饋不及時，存在大量的重複性線下工作量，同時會產生手工統計上的偏差。

為此，我利用FineBI設計了相應的分析指標，結合圖表的聯動和鑽取，多維度動態展示業務數據；同時，根據業務部門的報表設計模板，關聯後台數據取數，將定期的報表製作從手工工作量轉變為定時自動化生成；最終，從業務平台將數據抽取過來形成數據倉庫，有效整合業務數據、形成數據資產。

具體思路如下：

• 分析指標：資產金額、資產結構占比等等
• 分析維度：時間、地理維度、資產項、資產結構等等
• 展現方式：組合圖、餅圖、指針圖、明細表等等

將數據從業務系統中抽取存儲於FineBI的Spider數據引擎中，將資產負債數據指標按照客戶類型和時間維度（本月末、上月末、去年同期）從Spider引擎中取數，並對數據進行同比環比以及占比計算，同時通過關聯餅圖實現數據圖表的聯動和鑽取。

5.A股走勢分析

自2015年以來，長久的股市低迷狀態被2019年開春之後的市場所打破，政策紅利持續釋放以及券商業績需要改善。從近期來看，券商行情有望持續推進，阻力A股持續倒逼推進，從數據體現來看也就是漲幅、交易量、換手率君大幅攀升。2月中旬各股呈」金叉「態勢，隨後開啟急速攀升模式。

從股票熱點來看，最大的熱點可能是金融板塊，周末大篇幅的政策也隨之出台，可以重點關注。另外，創業板塊、證券板塊或許也都將有不俗表現。大消費，藍籌股可以重點跟蹤，對於中長期股民來說更為利好，擅長長線投資者可以重點關注其市場走勢。

整體來看，上股/深股兩市放量創新高說明市場運行還是相對健康的，對於近期或出現的關口震盪休整也屬於正常現象。在國家政策的大力引導之下，特別是滬指未來應該具備突破3000點大關的能力，未來總體股票市場行情看好。

為此，我使用FineBI連接到A股資料庫，利用自助數據集進行數據的加工與清洗工作；在前端通過簡單的拖拽欄位製作K線圖、詞雲、時序預測等組件，點擊聯動、鑽取等OLAP多維分析功能，針對大盤以及各股的數據進行探索性分析。

具體思路是：成交量、漲跌幅、換手率、開盤價、最高價、最低價、收盤價

1.從股票的日線走勢可以看出，自2018年以來，股票市場處於一路震盪走低的大趨勢，2018年10月份出現觸底，2018年11月份又一波小的上漲行情，但是隨後12月份又迅速回調。到2019年1月份，開始出現小幅上漲，2月份春節之後，股票市場迅速拉升，一路飄紅，換手率也是一路飆升。今年年初經過小幅調整後，立即放量拉升，2月份呈現「價量齊升」的態勢，頗有一番從過往低迷熊市轉向高昂牛市的勢頭。

2.通過FineBI聯動對比分析深圳、上海A/B股的市場情況可以看出，A股的市場行情總體提升較B股明顯，A股占據主體成交量。

3.分析股票的移動平均線，5日、10日、30日、60日均線呈發散向上趨勢，在股市術語來說這個叫做」金叉「，這些都是牛市可能來臨的信號。

4.未來趨勢預測方面，採用FineBI的時序預測法，按周開盤價、周成交量預測未來走勢，根據預測結果未來5周仍然勢態良好，進入3月份後，大盤行情持續走高，截止目前（3月6日），滬市A股已站上3100點，深市A股已站上9700點。

以上解決方案的所有demo以及免費工具FineBI，都可以私聊回復我關鍵詞「金融」獲得！