随着社会经济地不断发展，金融企业业务规模日益增大，积累的客户数据、交易记录、管理数据等呈爆炸性增长，海量数据席卷而来。同时，金融机构的经营管理体系得到不断完善、业务不断拓展，监管也日趋严密。如何利用数据这一重要的资产来开展有效的分析和挖掘，从而促进管理并提升企业价值，是目前大多数金融机构所面临的重要挑战之一。随着技术的不断发展，金融机构已经积累相当规模的数据，但现有的报表系统业务数据分散、功能单一、界面交互性差、性能不佳，已无法满足经营管理活动的需求。为更好地支撑决策层的管理需求，需要构建综合、全面、直观、友好、易用的数据分析平台。

金融行业数据分析应用的价值在于，通过它充分整合金融机构现有数据，基于永洪一站式数据分析平台，构建综合、全面、高效、易用的管理驾驶舱系统以及数据分析平台，实现全行数据化运营：基于数据支持决策，及时提取业务数据并进行分析，将业务数据转化为信息，支撑管理层的经营决策。为各级管理人员达成利润目标、竞争目标、风控目标等各项业务目标提供支持。提供高效、易用的数据分析平台，用户可以进行自服务数据准备、自服务数据分析，根据灵活需求，及时创建、修改报告，更快捷、准确的获取数据、分析数据，形成信息。随着不断积累，形成多个数据应用。

管理驾驶舱指标体系主要包括三方面：综合性分析、经营数据分析、客户结构分析、监控指标预警、专项分析。针对资本状况对核心资本、附属资本以及资本风险三个方面进行分析。资产方面对资产规模进行时序分析，对各分支机构的资产规模情况进行分析，出现异常波动即可对资产组成进行分析。从风险资产与非风险资产两方面分析资产组成情况，明确资产规模异常波动原因。银行卡按分支机构、发卡类型对卡数量、卡存款余额、消费金额、消费笔数、笔均金额进行分析。网银可分企业、个人用户对网银开户数、交易金额、使用情况进行分析，并且对各分支机构贡献度进行分析。分析利润时对机构、渠道、产品角度对利润及利润完成情况进行占比、排名、时序分析。针对收入情况对不同机构对不同类型的收入进行比较分析、时序分析、占比分析。对存款按不同机构、不同类型进行对比分析、占比分析以及计划完成情况分析。对贷款按不同机构、不同类型、不同期限进行对比分析、占比分析以及计划完成情况分析。

综合性分析
综合性分析主要针对各项指标进行机构横向对比，可视化方式展现主要指标及变化情况，以及风险指标的分析与预警，旨在通过可视化报告让管理者、决策人快速掌握当前经营情况。

经营指标排名
对各分支机构的存款、贷款、不良贷款、承兑贷款、利润、收息率、垫款率的本期值、环比增幅、同比增幅等指标进行排名，通过横向对比明确各分支机构的经营情况，同时也通过纵向对比上日、去年确定各分支机构自身发展情况。

风控指标预警分析
对跟分支机构的不良贷款、不良贷款率、库存现金、垫款率、存贷款比例、备付金比例进行监控，对超过安全阈值范围的指标进行预警。

经营数据分析
经营数据分析从资本、资产、银行卡、网银、利润、收入、存款、贷款 8 个方面入手，全方位刻画各分支机构的经营情况。

趋势分析

通过对年、季度、月度、日进行趋势分析，按年、月进行同环比分析更好的掌握指标的变化趋势。筛选出节假日，对比节假日与工作日指标变化情况。

排名分析

对各分支机构指标进行排名分析，可以晒先出 TopN\BottomN，管理者、决策者可以更为直观看到所属、所辖机构的排名情况。

构成分析

通过占比分析、80/20 分析提高管理效率。

移动分析

设定安全阈值范围，超过阈值范围及时进行预警，通过邮件等方式及时提醒相关负责人。通过下钻、笔刷、缩放、跳转等联动功能分析异动原因。

比较分析

通过横向对比、纵向对比等方式明确指标优劣。

当前，金融零售业务发展面临内外部诸多挑战，如去存款化进程加快、资管新规、基础获取客户增速放缓、高息策略获客量有增长但利息差减小，利润减小、基础负债业务增长放缓等等。然而面对这些挑战，金融企业对零售过程的监督还有很多不足的地方，如潜在客户或 VIP 客户需银行维护和转换，但由于销售体系没有形成闭环管理，导致很多结果没有反馈机制，对过程的分解和监督还有很多需要完善的地方。数据驱动零售业务增长解决方案站在高管的角度思考并梳理指标体系，总共包括 4 大业务主题，160+ 指标体系例如：效益类：营收分析 中收分析 产品结构 客户贡献 网点贡献 产品持有 客户迁移。客户迁移矩阵 成本收益交叉分析。客户类：分层客户 分群客户 客户获取 长尾用户价值提升 防流失 客户忠诚度 事件分析 交叉销售。产品类：分群客户 产品持有 产品渠道 产品渗透 产品贡献 分层。客户产品营收 产品特征。网点类：网点业务类型 网点产能 网点效能 网点成本收益比 网点人员 网点运营。

建设目标：行长驾驶舱、手工报表自动化。建设内容：搭建 BI 大数据分析应用、搭建大数据平台、行长驾驶舱业务指标梳理开发、手工报表自动化、底层业务数据梳理。

建设目标：建立统一、开放、集成等面向应用的大数据平台。建设内容：整理行内、行外的数据，建设统一数据标准、面向。分行业务应用的数据中心，满足后期数据应用的需求。

建设目标：场景式数据应用。建设内容：基于二期统一数据标准的大数据平台，完成场景式营销数据应用，如潜客挖掘、高净值用户防流失、场景式营销服务、闭环业务监控等。

从效益、规模、客户、成本角度出发，梳理与构建银行管理视图。

效益提升类

零售业务效益情况，营收、中收、净利润、经济利润、成本收益比（全行对比、全行排名、同环比……）零售营收情况，机构、同环比、产品结构（负债、轻资本……）、存贷、个贷情况分析……中间业务收入，机构、排名、主要产品、客户贡献、网点经营……说明：银行分行有小组内对比和排名设置（举例：河北、西安、郑州分行体量用户还可以的定义为 A 类，北京上海体量用户占比比较高的定义为 A+ 类，西藏新疆体量用户比较少的定义为 C类。），对比分清楚是组内还是总体对比。

规模建设

规模类指标总览，AUM、存贷、余额、增量、计划完成率、不良率等……AUM 规模，增量产品结构（理财带动 AUM 增长）、增量客户、网均 AUM 余额……存贷业务规模、个人贷款规模、增量、同业对比、增量产品结构、全行对比、增长……信用卡业务规模、产品渗透率、渠道、网点、团队、经营。

客户经营

客户概览，客户数、增速、计划完成率，分层客户概览、贵宾客户、普卡用户、私人银行、金葵花用户……（按资产规模看），分群客户概览、理财、保险、持有产品等……（按持有产品看）

成本构成类

成本收益比、成本收益全行对比、分行对比、网点对比，运营成本增长、运营成本结构（人力、零售版块、网点），费用与收入，运营结构构成。

在经济环境新常态下，银行面临这经营成本上升、利润下行的压力。1. 为了应对新的经济形势，提出网点智能化策略。2. 主要目标是压缩成本、提高效益，最终实现网点的精细化管理。3. 同时社区银行建设稳步推进，网点数量快速扩展。而作为业务发展的基础渠道却始终缺少管理系统工具的支持。本方案通过量化分析手段实现网点的数字化运营，提升网点员工效率、员工体验、网点效能，从而提升网点业绩并且从提高收入、降低成本、提升客户体验。三个方面着手。借助大数据技术，有针对性、创造性地在可控的情况下，推进业务创新，一方面推动服务的进一步升级，另一方面通过电子渠道与网点的配合实现面向客户、单一客户视图的多渠道整合。我们将网点转型的路径拆分成 5 个阶段。网点运营信息化的推进，关键在于充分发挥数据价值真是体现业务开展的情况并充分把握“以客户为中心”的转型思路，与零售银行型策略相结合，紧密结合网点转型的定量和定性目标，在网点制度与流程体系、考核管理、全行管理机制等方面统筹设计，并在实施过程中统一全行步骤以实现网点绩效的全面提升。

提高收入
网点个人储蓄

降低成本
交易效率单位销售成本

提升客户体验
员工测评结果

华夏银行业务数据种类多、报表需求旺盛，而以前的技术平台过于复杂，业务人员不仅需要懂业务，还需要会技术，最终导致数据分析过程耗时过长，数据分析人员流失率较高。因此华夏银行需要搭建一个易用性、实用性都非常好，能满足业务人员完成数据准备后，基于可视化拖拽的方式，完成实际业务数据分析的需求，帮助业务人员通过自助分析进行自我驱动，找出业务价值的数据服务平台。永洪 BI 帮助华夏银行在人力有限的条件下，搭建行之有效的数据分析系统，基于华夏银行各个分行以及风险管理部、资产管理部等业务部门所产生出来的数据，通过可视化拖拽的方式即可完成实际业务数据分析的需求，并建立了数据看板，通过可视化图表将他们关心的指标直观的展示出来，从而可以清晰看到各自关心的指标变化，实现对各个分行、各个业务部门产生的业务数据进行高效管控与分析，辅助管理层和业务人员及时、准确的进行业务决策。

随着科技的不断发展和进步，尤其是互联网的兴起，移动智能设备的广泛应用，保险企业传统的营销渠道和模式也被迫发生变化，传统的保险代理人模式逐渐失去特色。保险行业对传统的数据应用有着悠久的历史。但随着互联网带来的即时性、多样性的海量数据，保险企业传统数据分析经验已不足以支撑其业务的深度发展。如何利用大数据，促进业务发展已成为各大保险企业关注的重点。永洪科技帮助用户解决需求日趋多样化，更倾向个性化的服务，从而更好的挖掘潜客，维护老客户。通过 PASO 平台实现数据化运营，帮助保险企业创新、运营、优化不同类型的保险产品，建行业的领先性，逐步提升企业区域乃至全国范围内的品牌影响力。

随着保险行业渠道多样化，对于保险公司精准营销、战略决策要求越显重要，例如，客户群在哪？客户需要什么？如何能真正的了解客户，针对性的提供服务、产品，从而能更好的经营客户。就以上关键痛点，阳光保险急需要一款敏捷式、探索式的分析工具，帮助企业能够了解客户各种需求、行为，从而分析客户，优化业务，提供决策支撑。针对阳光保险当前关键痛点，永洪团队通过对现状及需求分析，按照不同场景进行系统的搭建，共上线 13 个主题应用、115 张报表、注册用户数 300+、每日最大并发用户 170 左右、永洪数据集市共存储近 20 亿条数据、每日新增及循环更新 1 亿 + 条数据。

为了在不断变化、日益激烈的市场竞争环境中维护和提升公司以及品牌的地位，在高速增长的同时夯实企业发展的基础，泰康人寿越来越深刻地认识到整合高效可靠的管理系统，对采购、印刷、职场和资产等业务的管理和分析的紧迫性和必要性。同时，为了配合和支撑公司未来的发展战略和业务需求，泰康人寿开始意识到必须加大、加快、加强信息化建设，获得全面、准确的信息，提高战略、战术和运营等多个层面的决策水平和响应速度。因此，物控大数据的建设被推上了日程。通过永洪 BI 泰康集团实现了对行政物控管理部各业务板块的数据采集，全面梳理、整合物控数据。建立部门指标体系，结合大数据分析平台，形成灵活自服务的工作数据可视化展现、分析。开发各部门的专题分析模型，构建指标体系，实现精细化管理。与外部数据结合（手工数据、网络抓取等数据或公司外数据）形成对公司管理富有建设性意见的数据分析报告。指导各业务板块完善信息化建设。