决策科学及大数据在金融行业的应用

简介: 各位专家早上好! 欢迎今日早餐会嘉宾:王世今,在美国摩根大通担任风险总监,具有多年管理250亿美金余额高端T&E;客户组合的经验,北美大型客户包括美国联合航空、西南航空、Amtrak美国铁路公司、万豪酒店、凯悦酒店等十余个,兼任风险部高管培训委员会委员、摩根大通零售社区数据运营委员会委员、
0.jpg

各位专家早上好!

欢迎今日早餐会嘉宾:王世今,在美国摩根大通担任风险总监,具有多年管理250亿美金余额高端T&E;客户组合的经验,北美大型客户包括美国联合航空、西南航空、Amtrak美国铁路公司、万豪酒店、凯悦酒店等十余个,兼任风险部高管培训委员会委员、摩根大通零售社区数据运营委员会委员、导师计划精英;曾任美国银行信用卡风险部资深副总裁、美国银行亚裔领导组织执行副会长;美国花旗银行高级风险经理,负责Smith Barney、CitiMorgage等特殊金融投资贷款管理;曾任通用财经决策科学高级经理及美国国际集团高级分析师,专长于消费金融包括信用卡、零售银行业的风控、财务、数据分析、市场等。

 

各位朋友,大家早安! 我现在在费城的家里,今天刚下了大雪,窗外雪景美不胜收,心里又也特别高兴、荣幸有机会在此与大家相识,并向各位行家、精英、领导、领袖们学习交流。
今天我想和大家聊的题目有关金融、决策科学(Decision Science)和大数据,这就是我在美国多年的工作领域,不仅是我的初恋,而且还嫁的无怨无悔(哈哈),今天在各位专家面前班门弄斧了,希望大家多多指教,想和大家讨论以下几个话题:
(1)决策科学是什么、为什么重要、给我们的启示
(2)如何理解并踏实地真正理解大数据
(3)大数据在金融行业应用方面的案例分享

 

(1)决策科学:先说说决策科学吧,就是Decision Science,在美国大公司工作的朋友们对此应该都不陌生。顾名思义,它就是运用科学的理论和方法做决策,而非主观意识、完全凭经验

 

听上去很简单,但是内容很多,在美国,它是高校单独的一个科目、一个系,它被称为跨学科专业(transdisciplinary major),学生要学习一些统计、数学、工程、计算机语言等,同时又要学习管理、经济、行为学、甚至心理学。 MIT、Carnegie Mellon University、George Washington University等都有决策科学专业,Harvard、Stanford有决策科学实验室,欧美国家都有自己的决策科学学会或机构。

 

在大学的网站上,想吸引生源的决策科学部门会问“Do you want to be a leader?”,就好像说想当领导者,一定要学决策科学,因为这是时代趋势,的确,在一年一度的美国国家大学协会和雇主工薪调查中,决策科学荣登了去年8大最高工薪的非传统高校专业排行榜。这个专业成为传统的工商管理和工程学的桥梁,满足了市场对综合能力、决策能力的需求。

 

人们渴望通过决策科学实现的是,在尊重经验、感知的前提下,把Science引荐到人文、社会、政治、商务、决策等领域,并让之可行可靠,推动决策的科学性、准确性、有效性、时效性等,最终的目的,是减少决策的风险,制定出好的、能创造巨大价值的决策。如同Computer Science一样,国外的Decision Science已经有了很长的历史,并且走人了各行各业。

 

美国一流金融公司决策科学的大规模开始,大约在1985年左右吧,从累加的逻辑规则飞跃到单一评估、模型的使用,再飞跃到贯通的、多元行为的分析,发展之迅猛令人感叹。今天,一流公司在做优化,各种优化软件、系统层出不穷,比如风险定价、offer设置,可以因人而异,公司的网页信息,可以根据登入信息不同而有不同呈现等等。在中国我的观察是各大公司也越来越注重数据分析、用科学方法判断风险、创造收益了。这与我十几年前离开中国的时候有了很大进

 

(2)大数据时代

不管我们是否已经准备好了,大数据时代已经到来了。最近大数据非常时髦,大家都在谈它,有人说:大数据到底是什么呢,它代表着一个时代,就是一个数据量已经到了大小超过了现有典型的数据库软件和工具的处理能力,而必须使用在数十、数百甚至数千台服务器上同时平行运行的软件来处理。


摩根大通近一两年已经调整了IT部门的组织架构,并投资进行系统更新。摩根大通使用的决策科学工具非常多,比如数据库解决方案用的是被誉为“商业并行处理的领导者”的Teradata系统,传统的数据分析平台是SAS,还有用户界面用Tableau, Cognos以及Qlikview等等。这些平台工具,使得数据分析、决策科学大放光彩。


然而求索的脚步是不会停歇的,在已经很前沿的基础上,国外一流公司进而在研究非传统性数据的采集、读取、录入,比如社交媒体数据、网络日志、语音视频数据等等,新时代的大数据平台要能够完美接受非结构化数据、使之可用,并实现数据实时性。比如现在机构都有了微信,大家在微信或facebook里讨论了一款产品,分析人员要去读取、输录、之后分析。未来这些信息可直接推送出结论,比如某产品差评过多,某产品引来市场热议等。


国内目前即使是很好的金融机构,可能不少还停留在有了数据库和存储数据能力,但是数据使用不多,工具不多,普及也不广的状态。同时我们每天又在各种新闻中体会着无比绚丽、神奇的未来,也有着时不待人的急迫感。所以我个人认为,当前,我们要心怀伟岸的梦想,脚踏实地的先做好最基础的工作,比如搭建数据分析平台,建立决策科学环境,利用现有数据,增加决策科学思维,“为飞奔的汽车换轮胎”,不断努力,不断进取。


我就带着这样的心怀梦想、脚踏实地的心态,回了家,今天能在早餐会上和这么多专家、精英们相识,特别荣幸,先感谢大家的支持、帮助、鼓励,希望和大家一起努力,踏实做些事情。

 

(3) 大数据及决策科学在金融行业的应用
和有四、五十年历史的美国知名的卡组织Visa、Mastercard一样,银联是中国的卡组织。在短短的十二年里,银联已经成为世界第二大的卡组织,40亿张卡片,400家发卡机构,140多个国家,1400多万商户,年交易100亿条以上,已经成为中国知名品牌,在世界上有着越来越大的影响力。这是宝贵的财富,尤其是我们自己的卡组织的宝贵财富。


银联的大数据,如果有效开发利用,可以带给中国政府、企业、银行、机构、商户等很大价值。比如Visa和Mastercard,他们利用美国市场的交易数据,做出各种零售消费分析,做类似美国政府的消费者信心指数,帮助没有实力搭建高端决策科学平台的小企业主做精准营销,极大的减少营销成本。


他们的防欺诈模型,通过对每一笔、每一次交易的行为、规律、时间、地点、用途、金额等多维度的规律的判断,来评估欺诈的风险。如果风险倾向高,那么防欺诈部门立刻行动,冻结这笔交易,电话客户验证客户身份。全程1-3分钟,通过验证则交易通过,否则交易失败。大数据良好的应用,最终使公司、消费者都受益。


我现在任职的公司,银联智策,是银联旗下的子公司,成立于2012年底,总部在上海浦东,是一家金融大数据咨询公司。大数据时代下的决策科学,需要符合三方面的条件,即以海量数据为支撑,有先进的数据分析平台为依托,有前沿的决策科学方法、技术力量和实战经验为核心。就好比做顿饭需要米、锅和巧媳妇!三者具备就可以转换数据为准确、快速、高效的可执行策略,转化大数据时代下的市场不确定性为可确定性,从而帮助客户实现客户管理的差异化,产品的创新化、渠道的多样化及服务的高效和人性化。我很高兴我的公司是具备这些能力的。


最近一个银行信用卡额度提升项目,成为该银行历史上第一次应用风险模型、消费量预测模型,并完美剔除了套现行为的突破,也是该行历史上第一次通过多元测试跟踪到准确活动效果,展示了交易额提升30%,盈利千万元的好项目。请允许我举最后一个决策科学应用实例,就是贷款的风险管理。


总之,我今天的话题就是:
1. 决策科学将越来越重要
2. 心怀梦想、脚踏实地做大数据
3. 大数据在金融行业应用方面将势不可挡


原文发布时间为:2014-03-05


本文来自云栖社区合作伙伴“大数据文摘”,了解相关信息可以关注“BigDataDigest”微信公众号

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
14天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
27天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
118 1
|
2月前
|
数据采集 监控 算法
利用大数据和API优化电商决策:商品性能分析实践
在数据驱动的电子商务时代,大数据分析已成为企业提升运营效率、增强市场竞争力的关键工具。通过精确收集和分析商品性能数据,企业能够洞察市场趋势,实现库存优化,提升顾客满意度,并显著增加销售额。本文将探讨如何通过API收集商品数据,并将这些数据转化为对电商平台有价值的洞察。
|
3月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
3月前
|
存储 机器学习/深度学习 算法
大数据时代下的智能洞察:大规模数据处理的创新与应用
在信息爆炸的时代,大规模数据处理成为了科技领域的核心挑战之一。本文将探讨大规模数据处理的定义、创新技术和广泛应用,并阐述数据驱动的决策和洞察对现代社会带来的巨大影响。
76 3
|
24天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
100 0
|
3月前
|
数据挖掘
离线大数据分析的应用
离线大数据分析的应用