BI是商業智能（Business Intelligence）的簡稱，核心是對數據進行分析，從而輔助決策。雖然IT技術日新月異，出現了“大數據應用”“數據智能”等新的概念，但歸根到底都是數據分析，仍屬于BI的范疇，只是在應用廣度和深度上不斷發展延伸，如下圖所示。
BI經典應用：數據分析輔助決策
銀行的管理者和業務人員需要對各種經營數據進行分析，才可以了解銀行的經營狀況。而分析數據，需要有不同的分析主題以及一套完整的的指標體系。如分析“銀行競爭力”這一主題，應該分析吸收存款、發放貸款等相關指標，因為這是銀行的生存之本，優秀的銀行應該是吸收存款成本低、發放貸款質量高的銀行。吸收存款指標可以分析利率最低的活期存款占比，占比越高，意味著其吸收存款的成本越低，總資產收益率以及凈資產收益率越高。發放貨款指標可以分析個人貸款占比。在銀行的貸款中，個人貸款的風險低于公司貸款的風險，個人貸款越高，貸款損失的機會越小。此外，還可以分析逾期貸款率、不良貸款率等指標。這些指標數據首先需要通過ETL從銀行各種業務系統中采集，然后再將其放在數據倉庫中按不同的主題進行整理、匯總，最后在BI工具中以報表、儀表盤的形式進行展示，用戶可以通過PC或者移動終端進行瀏覽。
在BI經典應用中，使用者一般是銀行的各級管理者，其有著更為突出和特定的決策需求，這些需求以項目的形式進行建設，對銀行改善其核心業務流程、提高市場反應速度和業務管理水平有著重要作用。
由思邁特軟件出品的“企業報表平臺（Smartbi Insight）”可以幫助技術人員快速部署和開發BI經典應用，滿足固定場景的數據分析需求，包括中國式報表、多維度分析和可視化儀表盤等功能。其中，報表功能以“真Excel”為特色，將Office Excel和WPS表格變為企業級Web報表設計器，企業現有的Excel報表和能力可以得到有效復用。
BI廣度應用：人人都是數據分析師
隨著銀行業務的快速發展和BI應用的不斷推廣，一般的業務人員也有了數據分析的需求，且要求數據分析更加靈活和細化。顯然，靠技術人員提供的報表和儀表盤在效率與功能上已經無法滿足，就產生了BI工具的另一個應用——自助分析。這是BI在銀行應用的一次廣度拓展，讓數據為人人所用，使“人人都是數據分析師”。
阿拉丁平臺就是一個典型的例子。該平臺讓一線業務及營銷分析人員變成數據專家，能夠在平臺上查詢所需數據并進行辨別，從而開展相關的數據分析。例如，某銀行客戶經理需要尋找潛在高價值客戶的消費規律，可通過阿拉丁平臺對相關數據進行自助分析，對所負責區域內的潛在客戶進行畫像，再對畫像中的高價值客戶進行精準營銷。通過這種方式，不僅大大提升了客戶的營銷效果，而是節約了大部分的營銷費用，效果明顯。
在阿拉丁平臺中，思邁特軟件的“自助分析平臺（Smartbi Eagle）”充當前端BI工具的角色。Smartbi Eagle是圍繞業務人員，提供數據分析服務的企業級門戶平臺。通過提供自助化的數據訪問、探索、展現工具，不僅加快了數據化運營的效率，更為業務思考、業務拓展、管理創新提供了開放共享和交流互動的平臺，既讓數據的利用更加安全有效，也讓銀行的數據資產得到升值。
BI深度應用：預測未來發展趨勢
無論是報表、儀表盤，還是自助分析，揭示的都是數據之間過去的、已知的關系，主要采用的是計算機技術。BI發展到一定的程度，對數據分析就有了更高的要求，一種結合了計算機技術、統計學、模型算法的技術便應運而生，這就是“數據挖掘”。數據挖掘可以進一步挖掘數據的價值，提示數據之間未知的關系，能夠用于預測未來，是BI的一次深度拓展。在銀行中，數據挖掘在精準營銷、風險管理、征信服務、精細化管理等應用場景中得到廣泛應用。例如，某銀行的“企業違約風險預警”項目，依據對公客戶結算行為，將交易頻率、交易金額、交易對手等信息作為重要的基礎信息，結合客戶行業、規模、經營狀況刻畫客戶畫像，采用邏輯回歸模型搭建客戶逾期、違約預警。在模型成熟后，利用CRM系統打通客戶經理通知渠道，及時向客戶經理推送預警數據，做好風險管理。
該案例中所采用的BI工具是思邁特軟件的“數據挖掘平臺（Smartbi Mining）”。Smartbi Mining操作簡單，建模、訓練、部署等都在一個界面完成。業務人員可以直接參與，整個過程直觀明了。該平臺有很多內置的模型算法，模型參數默認調整到最優狀態，大大降低了使用門檻，且系統隨時可以擴展，適用于處理海量數據。
未來展望
按照Gartner的定義，BI的發展分為3個階段：傳統BI、自助BI和智能BI，這跟BI應用在銀行的發展方向是完全契合的。但是，不同類型的BI并非互斥關系，而是共同存在于銀行的實際應用中，滿足不同場景下的分析需求。如今，銀行的同業競爭越來越激烈，且面臨金融科技巨頭的挑戰，各大銀行亟須突破傳統業務模式，改變思維方式，加大科技創新，以期用更好的產品和服務滿足客戶需求，努力實現銀行的數字化轉型。在這個過程中，不僅要求業務流程的數字化，而且需要建立“數據驅動業務”的新模式，用數據化運營的思路進一步提高銀行的管理效率和經營效益。BI應用作為數據化運營的重要手段，將繼續在銀行內部不斷普及和深化，為銀行的轉型升級服務。
