در عصر دیجیتال، داده ها و تجزیه و تحلیل آنها به صنعت (BFSI) کمک می کنند تا از مزایای بازتعریف محصولات و خدمات خود برخوردار شوند. این موسسات بویژه بانکها می توانند از داده ها برای این بازتعریف بیشترین بهره برداری را از طریق شناسایی و درک روند رفتار مصرف کننده و ارائه خدمات بهتر به مشتریان داشته باشند. تجزیه و تحلیل از 4 عنصر تشکیل شده است:
1. تجزیه و تحلیل توصیفی[1]
ایده اصلی این عنصر شناسایی و بیان وضعیت فعلی از طریق معیارهای عملکرد است، به عنوان مثال. KPI ها تجزیه و تحلیل توصیفی به ما کمک می کند تا به سوال "چه اتفاقی افتاده؟" پاسخ دهیم.
2. تجزیه و تحلیل تشخیصی[2]
تجزیه و تحلیل تشخیصی به ما کمک می کند تا پاسخ دهیم "چرا این اتفاق می افتد؟"
3. تجزیه و تحلیل پیش بینی[3]
تجزیه و تحلیل پیش بینی به این سوال پاسخ می دهد که "چه اتفاقی می تواند بیفتد؟
4. تجزیه و تحلیل تجویزی[4]
تجزیه و تحلیل تجویزی به این سوال پاسخ می دهد که "چه باید بکنیم؟" سوال برای تعامل تجاری بهتر
یوزکیسهای تحلیل توصیفی و تشخیصی محبوب برای تجزیه و تحلیل مشتری
این یوزکیسها با تحلیل توصیفی داده های خام می تواند بینش مشتری را استخراج کند. تحلیل مشتریان می‌تواند بینش خوبی به بانکها ارائه دهد تا کارایی و بهره وری در شعب و بانکداری آنلاین را بهبود بخشد.
تحقیقات بازار[5] (بینش رفتار مصرف کننده، تحلیل سبد بازار، تحلیل پرسونا برای بخشبندی دقیق و هدف گذاری)
عملیات خدمات[6] (بهبود عملیات خدمات و رسیدگی به شکایات)
فروش[7] (فرصت های پیش فروش و فروش مکمل، پیشنهادات سفارشی )
بازاریابی[8] (ایجاد مشتری بالقوه، تبلیغات پیشبرد فروش، روابط عمومی)
موارد فوق نقش تحلیل را در تعریف مجدد هوش تجاری[9] بانکی نشان می دهد. پس از شناسایی این جنبه‌ها، بسیار مهم است که مرحله اجرا نیز مبتنی بر تحلیل صورت گرفته شود. یک واقعیت تلخ این است که معمولا، داده ها کم استفاده ترین دارایی در BFSI است. بانک هایی که با ترکیب منابع داده ای خود بینش ایجاد می کنند، خود را در خط مقدم مدل بانکداری دیجیتال قرار می دهند.
[1] Descriptive Analytics
[2] Diagnostic Analytics
[3] Diagnostic Analytics
[4] Predictive Analytics
[5] Market Research
[6] Service Operations
[7] Sales
[8] Marketing
[9] business intelligence
