是否需要更好的投资回报率？超越传统数据点

对于当今的银行和金融机构来说，分析是不可转让的要求。组织正在不断地对数据分析和相关技术进行巨额投资。

但是，这些公司是否能够获得更多回报？

麦肯锡的数据显示，全球排名前50位的银行中有90％以上都在使用高级分析。但是大多数都获得了一次性的成功，但无法扩大规模。

尽管增加了投资，但从分析中看到更高投资回报率的公司数量并不太可观，尤其是那些采用传统技术方法的公司。

许多金融服务公司仍依赖常规数据集。

“大多数传统银行和金融服务公司面临的最重要的数据挑战是识别和利用正确的数据。当前，大多数BFSI参与者使用常规数据点（例如信用历史记录）来评估信用度。MoneyTap首席执行官兼联合创始人Bala Parthasarathy表示：“严重依赖历史数据会限制来自银行和新信贷领域的大部分信誉良好的借款人获得信贷。”

为此，许多新时代的参与者和金融科技正在超越传统的数据采购方法，以有效地利用分析。Parathasarathy说：“我们通过分析传统和非传统数据点以创建更准确的借款人资料来应对这一挑战。”

因此，金融科技似乎已经能够通过这项技术实现更好的投资回报率。“如今，许多金融科技公司都在利用数据分析来获得真正的惊人结果。Qbera.com创始人兼首席执行官Aditya Kumar证实说，开展分析项目已被证明可以通过吸引更多潜在合格消费者来提高ROI并扩大运营规模。

对预测分析的投资不断增加

在过去的几年中，采用预测分析模型已大为增加。BFSI领域的公司通过研究关键数据并几乎毫不费力地做出准确的预测，使用预测分析来更好地了解未来的消费者行为。

预测分析的目的是帮助确定正确的客户来销售产品，正确的产品营销渠道以及正确的产品销售时间。

这些大数据模型帮助实现了一种全新的大规模发送目标化和个性化通信的方式。这些模型有效地帮助公司从营销预算中获得更多收益，而营销预算总是有限的。”银行集市分析与交叉销售部主管Sethu Chidambaram说。

但是，许多公司在现阶段意识到，预测分析模型的成功取决于多种因素，主要围绕数据收集。

“如今，大多数银行都在努力应对的一项重大挑战是如何集成有关其客户的不同数据集，这些数据集往往驻留在许多旧数据库中并创建客户的统一视图。在具有这种统一客户视图的数据库上运行的决策模型通常比仅基于储蓄账户交易数据构建的决策模型要好一个数量级。” Chidambaram补充道。