|
谈到大数据，就必然要谈到可视化分析，因为大数据分析的目的是发现有价值的信息，供决策者和业务人员使用，更好地做出企业的决策，实现大数据商业价值。 如何把信息传达给相应的人，这就需要一种深入浅出、图文并茂的形式，一张图甚至可以胜过千言万语。
在这些范例图形中，当然并不能单纯停留在好看的层面，大数据可视化的目的是需要反映出真实的情况，让用户及时注意并防范这些问题以及更好的进行营销。所以这些抽象的图像在真正的系统中可以实现缩放，每一个点都可以看到是哪个客户，以及客户的一些信息，如行业、规模、地区、存款等，线条上也可以看到具体的交易金额。最终的目的：更好的做决策。
资金喷泉 “资金喷泉”展示了不同公司之间的资金流动关系，是一个可以清晰发现客户层级的资金视图，图中所展示的是中国一家大型银行的企业银行业务其中一个分析项目，使用转账交易数据了解风险和发现市场机会。
市场营销人员可以利用它切入核心企业，了解上下游关联关系，开展供应链金融。在纷繁复杂的交易过程中，寻找合适的营销目标，捕捉适当的营销时机；风险人员则可以根据它识别客户异常资金交易，防范风险，通盘考虑相关参与方，而不是单单交易对手一方。
图中每一个点代表公司，线代表两家公司之间的资金转移，箭头代表资金的流向。在营销和供应链角度，需要从图中找到核心企业，再延伸到上下游；在风险角度，一方面衡量市场变化，一方面监控资金流向。
谈到“资金喷泉”的形成，因为每家公司每天资金流量都是非常大，怎么删繁就简，把一些比较主要的问题呈现出来，需要经过大量的计算后提炼出一些比较有价值数据。如果把几百万个客户都展现在一张图中，解读起来也很困难，因此需要分门别类，这里就需要通过一些业务和分析进行提炼。
担保圈焰火 汽车信贷业务的超常规发展确实为银行带来了利润，但在分享车贷“蛋糕”喜悦的同时，不断攀升的车贷违约率也向银行业敲响了警钟，因为越来越多的车贷存在一些不易规避的风险。“担保圈焰火”展现了在某家银行的汽车厂商、4S店和个人客户之间建立的担保关系网络。
图中点代表车贷客户或者车贷担保人，线代表担保人和被担保人的担保关系，不同颜色用来区分相应的担保网络。
图中比较明显的是黄色、蓝色、紫色三个群体，黄色群体比较正常，中心是4S店，周围是一对一的个人客户。而左下角的蓝色和紫色群体存在重叠，也就是有些客户在两家以上的公司申请汽车贷款，存在一定的骗贷可能，需要银行高度关注。
这里只是使用银行的数据进行图形显示，并没有使用汽车公司的数据。张玉瑞指出，以往的分析都是单独看每笔贷款，其实贷款之间并不是独立的，现在我们把他们关联起来，就很容易发现之前很难发现的问题。
担保圈之谜 挥别了黄金时代的房地产行业，未来房地产价格将在不同地区出现分化。目前一、二线城市住宅地产需求旺盛，价格坚挺，三、四线城市市场低迷，部分区域价格下滑，销售不畅。为了促进销售，部分开发商或者房产中介为购房者提供担保，降低购房门槛，低首付甚至零首付，一旦房价出现大幅波动，这些房贷将给银行带来巨大的风险。
“担保圈之谜”揭示了房地产开发行业所产生的潜在风险，每一个辐射源是房地产公司，散开的点是个人客户。不同颜色可以区分不同担保网络。你会看到一些房地产开发商为大量的客户提供贷款的担保。
“央行和银监局要求银行降低首付贷，说明政府对房贷的加杠杆高度关注。”房贷本来是银行优质的资产，如果购房者或者炒房者变成一两成首付或者零首付，杠杆就会陡增，风险就会放大。
所以通过担保圈之谜，让银行展现和监控风险暴露的规模和真实的特性。银行可以对高风险客户采取措施，这些措施包含收紧贷款审批，甚至拒绝贷款。
如何可视化
借助第三方数据分析工具，导入数据，按自己的需求做分析配置，即可分析。在互联网时代，很多CRM系统自带大数据分析工具（如智云通CRM系统），在企业在经营过程中，使用CRM系统，在这过程中会积累大量数据。想要盘点或分析经营状况，只要打开大数据分析工具，调用经营数据，按需配置（自定义横纵轴数据），就可以得到自己想要的可视化结果，从图形结果中得出结论，帮助做最好的决策。如果一张图表还难分析，亦可做一个图表集，作对比分析，这更有利于决策分析。
在整个可视化分析的过程，数据有可能来自不同的数据源，把它们加载到分析工具中，可能会有一些数据质量的问题，所以还需要进行清洗。之后建模是一个重要的工作，最后是分析，如果企业数据基础较好，准备的时间也会较短，分析质量也会很高。
|
发表于 2016-9-22 17:27:49
v
