金融服務行業通用FineBI分析方案
金融服務行業大數據應用背景
近年來，我國金融科技快速發展，在多個領域已經走在世界前列。大數據、人工智能、云計算、移動互聯網等技術與金融業務深度融合，大大推動了我國金融業轉型升級，助力金融更好地服務實體經濟，有效促進了金融業整體發展。在這一發展過程中，又以大數據技術發展最為成熟、應用最為廣泛。從發展特點和趨勢來看，“金融云”快速建設落地奠定了金融大數據的應用基礎，金融數據與其他跨領域數據的融合應用不斷強化，人工智能正在成為金融大數據應用的新方向，金融行業數據的整合、共享和開放正在成為趨勢，給金融行業帶來了新的發展機遇和巨大的發展動力。
但是，國際金融服務商摩根士丹利公司的研究報告顯示，金融服務業的數字化指數并不高。事實上，由于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。主要體現在數據質量不高、獲取方式單一、數據系統分散等方面。
2.應用技術和業務探索仍需突破。主要體現在金融機構原有的數據系統架構相對復雜，涉及的系統平臺和供應商較多，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于起步階段，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。
金融服務行業大數據技術應用架構
大數據技術應用架構
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
業務分析整體架構圖：
金融服務行業典型FineBI應用場景
1.行長綜合駕駛艙
a.問題背景：1.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。
2.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。
3.傳統數據統計采用人工核算、匯報的方式，反饋滯后，沒有時效性。
b.問題解決分析思路：1.利用FineBI制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。
2.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。
3.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。
c.方案/指標體系：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
d.應用對象：
總裁、高層領導或者綜合業務管理者
e.成果展示和應用價值：1.公司整體狀況一覽無余，數據實時展示，輔助進行決策
2.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
a.問題背景：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：
1.大部分銀行的系統雖然覆蓋主要風險類型，但無法實現風險類型的全覆蓋，近一半銀行的系統僅覆蓋子公司的少部分業務，但無法實現各子公司風險數據的全覆
2.雖然支持監管指標的逐日監控，但無法實現操作風險指標的逐日監控，但限額指標體系還不夠豐富
3.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
b.問題解決分析思路：1.利用FineBI的多源數據連接，以及自助數據加工能力，保證數據的真實、準確、完整，繼而有效的用于風險識別、計量、評估、監測和報告。
2.每個分公司、業務部門都可利用FineBI的自助分析與簡便易上手的可視化組件，制作對應業務方向的風險分析dashboard，真正實現數據驅動業務。
c.方案/指標體系：分析指標：不良貸款余額、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
d.應用對象：風險管理部門與相關業務人員
e.成果展示和應用價值：1.為公司管理層提供一站式風險數據展示平臺
2.具備監管指標管理功能，確保公司外部風控指標持續達標
3.根據各類風險管理特征，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
a.問題背景：1.所有數據分析的工作需要各業務部門在現有平臺中的業務數據明細表的基礎上手動加工，通過月報和季報等形式對數據進行分析處理，將業務情況中的趨勢、占比、排名等分析制作成圖表給領導和上級部門審閱，無法在平臺中直觀展現；
2.現有的數據分析統計基本都是處于線下文件存儲，定期數據匯總，導致數據數據采集、匯總、處理、審核、可視化各各步驟都需要人力重復勞動、效率極低。
b.問題解決分析思路：1. 利用FineBI從財務管理系統、萬得（wind）系統及流動性管理系統等獲得數據。同時也可以從EXCEL電子表格導入方式輸入報表數據，方便快捷。
2. 使用FineBI前端組件，將總部多部門多維度或匯總后進行分析，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。
c.方案/指標體系：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
d.應用對象：集團財務部
e.成果展示和應用價值：1.按日、月、季度、年度等頻度展示分析的權益指標
2.靈活定義權益分析的各項指標以及分析的結構，對權益分析指標結果進行圖形效果展示，可自由選擇
3.分析結果可通過多種形式導出，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
a.問題背景：1.資產負債信息不透明，不能及時了解到風險所在
2.數據反饋不及時，存在大量的重復性線下工作量，同時會產生手工統計上的偏差；
b.問題解決分析思路：1.根據業務部門的相關需求設計相應的分析指標；結合圖表的聯動和鉆取，多維度動態展示業務數據；通過PC端和移動端結合，多平臺展現數據，多渠道讓業務人員實時查看數據；
2.根據業務部門的報表設計模板，關聯后臺數據取數；將定期的報表制作從手工工作量轉變為定時自動化生成；通過不同的查詢條件可以實時自動生成需要的報表；
3.從業務平臺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
c.方案/指標體系：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
d.應用對象：集團財務部
e.成果展示和應用價值：1.將數據從業務系統中抽取存儲于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，并對數據進行同比環比以及占比計算；通過關聯餅圖實現數據圖表的聯動和鉆取
5.A股走勢分析
a.問題背景：自2015年以來，長久的股市低迷狀態被2019年開春之后的市場所打破，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，隨后開啟急速攀升模式。
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臺，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，對于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，對于近期或出現的關口震蕩休整也屬于正常現象。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。
b.問題解決分析思路：1.使用FineBI連接到A股數據庫，利用自助數據集進行數據的加工與清洗工作。
2.在前端通過簡單的拖拽字段制作K線圖、詞云、時序預測等組件，點擊聯動、鉆取等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。
c.方案/指標體系：成交量、漲跌幅、換手率、開盤價、最高價、最低價、收盤價
d.應用對象：股市相關從業人員
e.成果展示和應用價值：1.從股票的日線走勢可以看出，自2018年以來，股票市場處于一路震蕩走低的大趨勢，2018年10月份出現觸底，2018年11月份又一波小的上漲行情，但是隨后12月份又迅速回調。到2019年1月份，開始出現小幅上漲，2月份春節之后，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后，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，采用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月份后，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。
