鲍忠铁在会上发表主题演讲《深度商业分析在金融行业的实践》，主要内容简介：一 深度商业分析的七大基石、 二 客户洞察和数据应用、 三 机器学习在金融行业应用实践

今天跟大家分享三方面的内容，一个是深度商业分析的七大基石，另外是怎么做客户洞察和数据的应用，因为我们很多大数据应用在金融行业的初始点就是进行客户画像和客户洞察的，最后讲机器学习在金融行业应用实践。

深度商业分析还没有一个行业的定义，我们按照我们的一些理解去定义：利用数据和工具找到一些隐藏在数据背后的商业规律，对即将发生的商业行为进行预测，为企业的经营者提供决策支持，这是我们认为是深度商业分析。数据的成熟度有五个阶段，一个是数据的采集、一个数据的描述、一个数据的挖掘、一个数据的预测、一个数据的决策，整个数据科学最成熟的阶段就是数据的决策，就是AI要做的事情。

深度商业分析的七大基石

过去的科学家统计过，在没有大数据的时代之前，人类社会中至少有70%的决策没有数据支撑，也就是只有30%的决策是在数据的基础上进行的。如果进行了深度的商业分析，数据就是一个基石，可以是自己的数据，也可以是外部的数据，也可以是一些分析后的数据，也可以是行业的数据。无论是哪一种数据，最后归结到数据应用的成熟度，也就是所谓的决策。

我们提到整个数据应用的决策，是五个阶段最重要的。大数据有两个特点，一个特点就是可以很快地处理海量的实时数据，第二是可以利用实时的处理能力找到一些数据背后的规律，用这些规律做一些模型。数据是整个商业分析的基础，现在有些企业在做数据分析的时候说我没有数据，比如制造业或者其他传统企业，没有像电商、金融这样的丰富数据，但是它有一些社交数据、外部数据和销量数据，这些数据都可以作为数据分析的基石。
第七个就是创新的基石

商业分析首先是揭示一些逻辑，然后是预测商业行为，最后是优化商业活动。成功的企业在数据分析和商业分析有几个特征，第一个要聚焦客户，过去都是以产品为中心，未来一定是以客户为中心。另一个要做到产品的差异化，第三要做理解和预测市场以及趋势，第四要执行的迅速，还要鼓励员工推行分析和创新。

以上讲的七个方面都是做深度商业分析的基石，如果按照这个方法论和这个基础去做的话，相信这个企业在数据文化、数据思维和数据的商业应用上会有提升。

二、客户洞察和数据应用

三、机器学习在金融行业的实践应用