注册 / 登录

美国NFCU银行如何利用大数据AI开启转型之路

分会场:  数据科学/人工智能/数据驱动

分享时间: 2017年11月9日 - 12日

案例来源 :

案例讲师

江晓东

NFCU 金融数据架构师

中美职场22年,曾受聘担任奥巴马政府经济刺激计划HAMP项目咨询顾问,前美国证监会项目资深信息技术咨询顾问。历任世界500强企业资深商务系统分析师、数据分析师、数据产品研发师、金融数据建模师和项目经理等职位。参与和运用大数据做商业创新的项目,包括美国二手车Carfax车史报告、美国最大手机运营商Verizon公司的手机音乐系列数码产品管理、好莱坞数码娱乐企业RealNetworks千万级用户行为数据分析等。 2016年参与全球最大互助银行NFCU客服储户互动行为大数据分析项目。2017年策划和主导大数据和AI应用项目(娱乐业,制造业)。

扫描二维码分享案例

建议该分享案例适用范围:

大中型商业银行及其分支行,全国信用合作社及其分理处,一切希望提高现金流管理的金融服务机构。

 

为什么这个案例值得分享?

大数据/AI技术首次成功运用于美国传统受保护的大型商业银行,以提升现金流运营效率和降低成本,发现新盈利模式。对传统商业银行转型有良好的借鉴作用。

 

 

案例简述

 

美国NFCU银行是家财富200强企业,到2016年底,已在全球拥有280个分行,资产超过 $7千4百亿美元,全美拥有6多万会员(客户), 全球雇员1万4千人。其银行业务分线上和线下两个运营板块。如何管理体量如此庞大的全球线下各分行,ATM机每日的现金流,整合总部与分行,分行柜台与顾客,顾客与ATM机间的现金存储,转账,提取等交易额,决定着银行与运钞车,央行以及银行内部的结算和现金流监管管理成果和效率。

在比较了各种BI产品,企业内部研发资源和市场软件供应商后,NFCU银行发现运用大数据和人工智能算法是当下和未来解决企业现金流管理的最佳方法和途径。 此案例为大型传统金融企业实施大数据和AI项目开辟了一个非常有意义的案例,其中的主要实践如下:
1.如何在传统企业既有战略规划发展架构下开始策划和实施一个靠谱的大数据/AI项目。
2. 如何衡量这个项目的成效和投资回报。
3. 如何通过这个项目培养企业自身的大数据和AI人才与团队。
4. 如何选择最适合企业自身条件的大数据/AI架构系统。
5. 如何选择靠谱的大数据/AI团队。

 

案例目标

 

传统银行的现金流管理和监控由于金融数据收集和分析结果无法准时获得,各分行之间,分行与ATM机之间,总行与分行间,往往在每天合帐,对账,现金需求,现金运输和更正人为错误等方面耗费大量人力物力和财力,与此同时,现金流数据不透明又导致银行管理层无法预判未来各部门每天/每周/每月所需现金量,靠经验去管理现金流总是赶不上市场需求变化,有时也因为现金挤占严重,错失商机。
此项目的预期有以下几点:
1.通过运用第三方大数据供应商提供的几款软件,将软件植入银行所有分行里各种类型的现金存储设备和ATM机,构建SaaS平台和云平台,运钞车服务的各类现金流进出数据,银行客户的各种反馈和市场需求变化数据等也纳入整个系统平台。
2.在此基础上对银行全球日常运营的所有现金流和币种进行实时监控,据此形成的各种报表和仪表盘可以让从支行到总行对银行现金流进出的数量,去向,分布等状况有着清晰的掌控。
3.通过对具体客户的存储,转账和提现行为数据的收集,这些历史沉淀的大数据又为银行相关的AI算法模型提供了可靠的依据。
4.在此大数据平台和AI算法模式基础上,对企业各分行,ATM机上未来现金流和货币币种需求做出可靠的预判。
5.借助此项目,成功整合企业分布在各分行的会计和财务管理系统,从而大幅度减少人工参与对账,合账,制作报表,协调第三方现金配送等活动的工作量,提高工作效率和减少人为错误。

 

成功(或教训)要点

 

成功经验有以下几点:
•通过银行内小数据样本,测试供应商软件各项功能,依据测试结果,选择最合适的软件集成商。
•以项目的核心业务及银行战略规划要求和企业自身的技术资源能力去匹配和筛选软件供应商。
•企业相关主管的持续支持和整合企业所有相关资源的能力。
•管理整合大数据和AI团队与业务团队的能力。
•打通企业内各部门间数据孤岛和分享的能力。
•即使采用软件集成商的解决方案,也应该从迅捷开发的角度去实施项目,以业务痛点为目标,从小处切入,迭代进行个案化开发。
•系统测试与迭代开发同步,用户测试必须由所有业务部门参与人员亲自实施。

教训:
•所有项目参与人员必须接受相应的大数据/AI的基本培训,以便从思维方式和行为方式上对运用供应商软件有更深的了解和掌握。
•所有项目参与人员必须对企业现存的整体现金流数据及其影响因素有宏观的把握,对自己所属部门所涉及的数据流的进出有具体详细的了解,对未来项目实施后给业务数据带来的变化有充分的预期。
•在项目迭代过程中,所有业务部门参与者必须在自己负责的业务流程中提出相应的用户体验反馈。

 

案例ROI分析

 

•投资200万美元,从5个系统集成商里选择了专门为华尔街企业服务的世界某著名SaaS集成商及其大数据/AI产品,相比企业自己组建团队,进行相应开发,需要15个核心技术人才,9个从不同部门抽调过来的业务人员,一年以上开发时间,整体预算240万美元,这个项目外包ROI的选择除了节省费用开支外,还有以下其它好处。
•充分利用集成商软件优势和技术整合能力,在SaaS平台的建设过程中,从金融数据的输入输出,数据储存和调用,各种业务报告的生成制作,各种现金流监控和预测和软件的全流程使用方面,全方位培养银行内部各相关业务部门的参与人员的软件操作技能和金融数据知识。从而为企业培养了一批既懂金融业务,又能做相关数据分析和挖掘的特殊人才。
•由于所选集成商的软件除了能收集和分析金融数据,对现金流做监管和预测外,还自带销售扩展功能,为银行的ATM机上销售电影票,邮票,球赛票,演出票等提供了额外收益渠道。从ROI角度,相当于花240万美元,同时还带来数百万美元潜在年收益。
•在大幅度提高业务工作效率的同时,还为企业节省一笔不菲的数据分析和运营培训费用。

 

案例启示

 

在当下大数据和AI成为全面提升企业竞争力的时期,据Gartner 的预测,到2018年,美国有75%的企业会投资其大数据项目。到2020年,美国80%企业会或多或少地都会应用AI技术。对传统企业而言,如何运用大数据技术来提升工作效率,降低成本,开辟新的商业和盈利模式,如果要上类似的项目,应该从何处入手,如何界定ROI,如何判断此项目的成败等。这些问题是摆在每个传统企业决策者面前的问题。而作为传统行业的金融企业,如何把每天的各种金融大数据充分利用起来,进而进行各种形式的“变现”,从而使传统银行转型为以数据驱动业务的现代银行则是中外传统金融高管都关心的课题。
此案例最值得借鉴的经验有以下几点:
第一, 银行历史沉淀的大数据和实时采集的大数据流只有通过深度分析和挖掘出其独有的价值,才不会成为鸡肋,才能真正成为银行的资产。
第二, 要打破银行内的数据孤岛和部门利益,运用大数据平台管理是最有效的工具。因为大数据汇集了银行各部门所需的各类数据,涉及银行从运营,客服,产品研发,市场,销售,财务,会计,审计,投融资,债券,金融监管到风控等一系列功能部门,要了解银行日常运营的点滴,只有整合所有核心部门所掌握和管理的各类数据,才能在决策层面实现对各个负责部门的精准把握,而唯有大数据工具可以实现此战略目的。
第三, 确定企业业务痛点,以业务需求选择相应的大数据工具和团队,而非以大数据解决方案去驱动业务。
第四, 在所有痛点中选择容易解决的问题入手,业务人员和软件终极用户全程参与集成商的定制化设计,开发和测试。以最大限度保证所有主要问题在迭代开发和试错中都得到解决。

 

案例在团队中的意义

 

大数据/AI技术首次成功运用于美国传统受保护的大型商业银行,以提升现金流运营效率和降低成本,发现新盈利模式。对传统商业银行转型有良好的借鉴作用。