传统银行在数据分析行业的挑战，这些细节证明了数据分析师挑战与机遇的共存?

传统商业银行是最先使用信息技术也是信息技术使用最广泛的行业之一。银行对客户、账户信息的存储和使用都有健全的管理机制。但是与新兴的互联网企业相比，由于起点不同，银行的数据管理能力存在明显差距，银行业整体在大数据使用方面也面临挑战。

1、传统银行在数据分析行业的挑战——银行在内部数据收集方面遇到的挑战

银行在数据应用方面的挑战是全方位的，传统的IOE架构因为存储成本相对较高，大量的历史数据存储在磁带中，甚至档案馆中还有大量没有数字化的物理凭证或没有结构化的影像数据。即使将这些数据结构化，银行还要面临历史数据标准不统一，缺乏有效数据治理手段，数据质量参差不齐，数据应用无章可循等历史遗留问题。与此同时，传统的以账户为中心，以会计为导向的银行IT系统缺乏收集客户账户查询、咨询、投诉等行为信息的能力，无法体现高维度的数据价值。数字时代银行的IT系统必须是以客户为中心，以市场为导向，具备采集全渠道客户基本信息、交易信息、交易对手信息、客户与银行的接触轨迹信息等更多维度信息的能力。这就要求银行从客户信息治理、丰富客户模型开始，不断完善客户、账户信息的同时开始客户行为信息的收集。数据的价值将会随着维度的增加而显著提高。

2、传统银行在数据分析行业的挑战——银行在外部数据收集方面遇到的挑战

互联网平台公司拥有大量与客户频繁互动的场景，在收集客户行为信息，客户之间关联信息等方面具有天然优势。银行必须通过与互联网企业合作才能采集更多维度的信息，但是银行必须在保护客户隐私的合规前提下，及时有效地获取相关信息。其合规成本与合作的代价也是传统银行在开发相关数据应用时必须考虑的。

3、传统银行在数据分析行业的挑战——银行在大数据应用IT支撑方面遇到的挑战

大数据应用的软硬件支撑平台对传统银行的IT系统提出了新的要求。特别是在分布式存储和处理实时数据能力方面银行迫切需要专业的人才支持。非结构化数据的结构化，具备自学习能力的数据模型机制还要求银行具备将前沿的人工智能技术与大数据应用相结合的能力。此外，商业银行还需要在实践中培养可以支持开放式平台架构，分布式应用系统，Hadoop架构等的开发和运营维护人员。

以上就是有关于传统银行在数据分析行业的挑战的相关内容，以及相应的解析，不论你是已经入职数据分析师岗位的新人，还是打算进入数据分析岗位的小白，以上的内容都或多或少会对大家有所帮助，环球网校的小编在这里祝大家的数据分析师职业道路顺利。