智能分析，大行其道：金融企业认知商业智能转型之路

一、报告要点

（一）金融企业在分析海量数据中面临的挑战

在分析爆发式增长的数据时，金融企业面临着四大挑战：分析工具门槛过高、分析模版更新缓慢、分析方式挖掘不深、分析工作依赖人工。

（二）认知商业智能可创造新一代的分析体验

认知商业智能可以为金融企业化解海量数据分析挑战，创造新一代的分析体验：交互更简单、使用更灵活、分析更流畅、推荐更懂你。

（三）金融企业构建认知商业智能之五层架构

金融企业可以从五层功能架构着手，构建认知商业智能：平台基础、知识管理、智能查询、可视化交互、增强分析。

二、金融企业在分析海量数据中面临的挑战

随着认知智能和云计算技术的日益普及，金融企业能以更快、更低成本的计算能力获取海量数据，包括大量风控、信用评估等结构化客户数据，以及从年报获取的股东、对外投资和控股信息等非结构化数据。但是，金融企业在分析这些海量数据时，面临着以下四大挑战：

（一）分析工具门槛过高

分析工具使用的技术门槛过高，将大多数业务人员拒之门外。同时，工具入口分散，处理一项业务工作需要在不同的分析系统中获取信息，降低了工作效率。

（二）分析模板更新缓慢

以技术为主导的商业智能（BI, Business Intelligence） 已经无法跟上快速发展的业务变化，部分分析系统支持的预置分析模板有限，无法满足业务扩展可能性，需要有一种支持数据实时计算、业务灵活可配、由业务驱动的分析方式。

（三）分析方式挖掘不深

金融数据爆发式增长，数据多样、复杂，孤岛化，且单一数据价值不高，所以处理金融业务时需要串联大量多源异构数据。当前的分析方式缺少对数据关系的深度探寻，数据深层价值挖掘不足。

（四）分析工作依赖人工

信息格式不统一，结构碎片化，存放位置分散。而业务经理在业务操作处理过程中仍依赖于人工信息检索。

为此，IBM 提出认知商业智能(Cognitive Business Intelligence, 简称 Cognitive BI) 方案，该方案能够无缝接入企业核心业务系统中，通过快速直接的对话，帮助业务人员完成高效的信息检索和数据分析工作。这种创新的分析体验即将成为“认知型企业”的常态。