真正在金融行业做数据剖析的人，都知道金融业虽然有着很强的交易数据流，但实在它们的数据化程度已经远远掉队于普通电商、电信行业，掉队的IT业务系统没有办法实现与数据剖析的深度领悟，全体行业的数据代价早就被粉饰了。
以是我找到了一些金融业的朋友，做了一份详细的金融业数据剖析管理模型，从五个角度分别探究一下数据剖析如何来挖掘金融业的数据代价。
首先要搞清楚，金融行业为何在数据运用上掉队了？
国际金融做事商摩根士丹利公司的研究报告显示，由于IT遗留系统和过期的业务流程，只有35%的金融做事公司实现了数字化。而在数字化进程中但在数据运用管理、业务场景领悟、标准统一、顶层设计等方面存在的瓶颈也有待打破：
1、数据资产管理水平仍待提高。紧张是数据质量不高、获取办法单一、数据系统分散等。
2、运用技能和业务探索仍需打破。金融机构原有的数据系统架构相对繁芜，涉及的系统平台和供应商较多，实现大数据运用的技能改造难度很大。同时，金融行业的大数据剖析运用模型仍处于起步阶段，成熟案例和解决方案仍相对较少，须要投入大量的韶光和本钱进行调研和试错，系统误判率相对较高。
3、是顶层设计和扶持政策还需强化。表示在金融机构间的数据壁垒较为明显，各自为战问题突出，缺少有效的整合协同。同时，行业运用缺少整体性方案，分散、临时、应激等特点突出，信息代价开拓仍有较大潜力。
金融行业须要一个完全的数据架构从大数据技能的运用架构上来看，要从源数据对接—>数据抽取转化—>数据仓库—>数据集市—>整合剖析—>自助剖析包含全体过程；从业务剖析的架构上看，包含数据支撑平台和数据决策平台两个部分，详细如下：
五个思路，建立金融业的剖析模型
搭建好架构架后，就要进行数据剖析模型的建立，为此我考试测验用过很多工具，比如Tableau，但这些国外厂商很难适用于海内企业，为此我选择了海内数据剖析的龙头工具FineBI，它最大的好处便是拥有着完全的行业化一站式办理方案。
1.行长综合剖析
对付管理者来说，各经营业务关键指标分散在各业务系统，管理者想查看理解比较麻烦，每每会碰着两个麻烦：
海量的数据指标、数据维度，而决策层关注的每每不是明细数据。
传统数据统计采取人工核算、申报请示的办法，反馈滞后，没有时效性。
为此，我利用FineBI制作直不雅观的数据驾驶舱，将业务中产生的关键数据进行呈现，供应给总裁、管理层进行核心指标的查看。并针对利润完成率设置鉴戒线，可以理解哪一段韶光利润水平下滑，从而进一步探寻缘故原由。终极通过舆图、折线图、KPI指标卡等组件，从地理等多个维度不雅观察数据，赞助决策。
详细的剖析思路如下：
剖析指标：总资产、总负债、总利润、不良贷款率、总存款、利润完成率等等剖析维度：韶光、地理维度、各分行、业务条线等等展现办法：舆图、面积图、矩形图、折线图、KPI指标卡等等终极通过FineBI输出了行业数据驾驶舱，可以担保公司整体状况一览无余，数据实时展示，赞助进行决策；非常数据预警与检测，有问题及时暴露、及时办理。
2.风险剖析
目前许多银行与券商已经拥有了不少分散的业务系统，但在系统对接、数据互通，以及剖析指标方面还存在不少问题：
大部分银行的系统无法实现风险类型的全覆盖，近一半银行的系统无法实现各子公司风险数据的全覆；无法实现操作风险指标的逐日监控，限额指标体系还不足丰富依赖手工或半自动化大略工具进行风险数据的网络、核对和整理，无法完备自动天生定期报告为此，我利用FineBI的多源数据连接，以及自助数据加工能力，制作对应业务方向的风险剖析dashboard，真正实现数据驱动业务。
详细思路如下：
剖析指标：不良贷款余额、不良贷款完成率、存货比、比操持、季度风险指标、贷款五级分类占比剖析维度：韶光、地理维度、各分行、业务条线等等展现办法：组合图、饼图、指针图、明细表等等终极通过FineBI输出了公司管理层的一站式风险数据展示平台，具备监管指标管理功能，确保公司外部风控指标持续达标；根据各种风险管理特色，建立相应的风险管理功能，知足各种风险的管理需求。
3.权柄剖析
金融行业中最主要部分之一的权柄剖析，很多企业目前还须要各业务部门手动加工，无法在平台中直不雅观展现；同时，现有的数据剖析统计基本都是处于线下文件存储，定期数据汇总，导致数据数据采集、汇总、处理、审核、可视化各各步骤都须要人力重复劳动、效率极低。
为此，我利用FineBI从财务管理系统、wind系统及流动性管理系统等得到数据，利用FineBI前端组件，将总部多部门多维度或汇总后进行剖析，实现将所有机构按机构、条线、部门等形式通过多种财务剖析方法（例：趋势剖析法、比较剖析法、环比剖析法、构造剖析法）进行展示、排名。
详细思路如下：
剖析指标：净利润、利润预算、存贷款利息净收入、市场类业务利息净收入、中间业务净收入、业务用度等等剖析维度：韶光、地理维度、各分行、业务条线等等展现办法：组合图、饼图、指针图、明细表等等通过FineBI的可视化，可以按日、月、季度、年度等频度展示剖析的权柄指标；灵巧定义权柄剖析的各项指标以及剖析的构造，通过多种形式导出，在各集团会议中通过pdf、Excel等形式展示剖析成果。
4.资产负债剖析
资产负债的主要性不必多言，很多企业资产负债信息不透明，不能及时理解到风险所在；数据反馈不及时，存在大量的重复性线下事情量，同时会产生手工统计上的偏差。
为此，我利用FineBI设计了相应的剖析指标，结合图表的联动和钻取，多维度动态展示业务数据；同时，根据业务部门的报表设计模板，关联后台数据取数，将定期的报表制作从手工事情量转变为定时自动化天生；终极，从业务平台将数据抽取过来形成数据仓库，有效整合业务数据、形成数据资产。
详细思路如下：
剖析指标：资产金额、资产构造占比等等剖析维度：韶光、地理维度、资产项、资产构造等等展现办法：组合图、饼图、指针图、明细表等等将数据从业务系统中抽取存储于FineBI的Spider数据引擎中，将资产负债数据指标按照客户类型和韶光维度（本月末、上月末、去年同期）从Spider引擎中取数，并对数据进行同比环比以及占比打算，同时通过关联饼图实现数据图表的联动和钻取。
5.A股走势剖析
自2015年以来，长久的股市低迷状态被2019年开春之后的市场所冲破，政策红利持续开释以及券商业绩须要改进。从近期来看，券商行情有望持续推进，阻力A股持续倒逼推进，从数据表示来看也便是涨幅、交易量、换手率君大幅攀升。2月中旬各股呈”金叉“态势，随后开启连忙攀升模式。
从股票热点来看，最大的热点可能是金融板块，周末大篇幅的政策也随之出台，可以重点关注。其余，创业板块、证券板块或许也都将有不俗表现。大消费，蓝筹股可以重点跟踪，对付中长期股民来说更为利好，善于长线投资者可以重点关注其市场走势。
整体来看，上股/深股两市放量创新高解释市场运行还是相对康健的，对付近期或涌现的关口震荡休整也属于正常征象。在国家政策的大力勾引之下，特殊是沪指未来该当具备打破3000点大关的能力，未来总体股票市场行情看好。
为此，我利用FineBI连接到A股数据库，利用自助数据集进行数据的加工与洗濯事情；在前端通过大略的拖拽字段制作K线图、词云、时序预测等组件，点击联动、钻取等OLAP多维剖析功能，针对大盘以及各股的数据进行探索性剖析。
详细思路是：成交量、涨跌幅、换手率、开盘价、最高价、最低价、收盘价
1.从股票的日线走势可以看出，自2018年以来，股票市场处于一起震荡走低的大趋势，2018年10月份涌现触底，2018年11月份又一波小的上涨行情，但是随后12月份又迅速回调。到2019年1月份，开始涌现小幅上涨，2月份春节之后，股票市场迅速拉升，一起飘红，换手率也是一起飙升。今年年初经由小幅调度后，立即放量拉升，2月份呈现“价量齐升”的态势，颇有一番从过往低迷熊市转向高昂牛市的势头。
2.通过FineBI联动比拟剖析深圳、上海A/B股的市场情形可以看出，A股的市场行情总体提升较B股明显，A股霸占主体成交量。
3.剖析股票的移动均匀线，5日、10日、30日、60日均线呈发散向上趋势，在股市术语来说这个叫做”金叉“，这些都是牛市可能来临的旗子暗记。
4.未来趋势预测方面，采取FineBI的时序预测法，按周开盘价、周成交量预测未来走势，根据预测结果未来5周仍旧势态良好，进入3月份后，大盘行情持续走高，截止目前（3月6日），沪市A股已站上3100点，深市A股已站上9700点。
以上办理方案的所有demo以及免费工具FineBI，都可以私聊回答我关键词“金融”得到！
