物联网卡安全管理平台的子模块包括

设备管理，用户管理，数据传输管理，数据管理。
1，设备管理：设备管理顾名思义就是定义设备相关信息，如设备类型、设备属性等。注：定义设备的类型，一般由设备的制造商来定义，一种设备类型最重要的是关联到一套独有的数据解析方法，数据的存储方法，已经设备规格等数据，也只有设备的制造商才可以编辑有关设备类型的数据，而设备的使用者只能浏览设备类型的相关信息。
2，组织管理：在物联网卡平台中，所有的设备、用户、数据都是基于组织的管理的。用户管理：用户是基于一个组织下的人员构成，每个组织下面都有管理员角色，管理员可以为其服务的组织添加不同的用户，并分配每个用户不同的权限。注：一个用户也可以属于多个不同的组织，并且扮演不同的组织。
3，数据传输管理，定义针对一类型设备的数据传输协议，基本格式是：每一个设备都有唯一的序列号，但没有固定格式(因为每个制造商有自己的编码格式);命令码一般采用2位数字编码00~99;而数据部分是此条报文，所包含的数据部分，每个协议可以定义不同的解析方式，比如服务器在收到数据包后，会根据预先定义好的解析方式解析数据字段，并按照规则存储。
4，(1)权限管理，数据的权限是至关重要的。(2)大数据，物联网数据是一个海量的数据，我们可以根据这些数据来实现数据的可视化分析。(3)数据的导出，用户可以导出数据到本地做分析。
通过上述介绍我们知道，物联网卡管理平台由设备管理、用户管理、数据传输管理与数据管理四个板块构成，各个板块负责各，自数据查询、管理，通过网络系统与通信技术的彼此连接共同组建物联网卡平台系统，实现数据的即时连接查询。我们表示，物联网卡管理平台的出现是物联网技术发展到一定阶段的必然产物，也是物联网卡得以批量连接硬件设备的基础，通过物联网卡管理平台管理物联卡，对物联网卡发展趋势大有裨益。

#TMT# 招商TMT电话会议，是不错的产业趋势跟踪资料。大家关心的物联网通信模组和苹果产业链问题，都有详细讲解。

传媒：
推荐的3家公司表现不错，继续坚定推荐。
国联股份：TO B工业品电商，最早创立于2000年，做黄页手册，06年转为网上撮合，积攒了客户资源后往电商转型。目前注册用户300万，都是需求精准的客户。受疫情影响，老客户消费下降30%，但是新客户200%增长，目前老客户备货量已经恢复到疫情前，新增长的客户也留下来了，复购率超过94%。长期看，工业品电商公司比较少，对团队要求高，需要对材料有深入了解，TO C电商容易复制线下场景，但是TO B业务是谨慎理性的备货，每单都是合同，需要对细分品类非常了解，既要有对工业品材料的了解又要有互联网思维。公司找到了合理的商业模式，通过集采红利，在交易环节、运输环节取代经销商，自己不备货，不承担原材料价格波动风险，不涉及供应链金融业务，减少了很多风险。过去5年公司复合增速没有低过90%，今年明年做到60%没有，公司目前交易量占行业壁垒不到1%，长期看是蓝海市场。
锋尚文化：目前没有太多可比公司。主要业务是高端文化创意，最高端的是国家大型项目，奥运会开幕、春节晚会分会场等，在文化设计里面是对设计水平要求最高的。另外就是类似宋城演艺的景区秀的总包，从剧本创作、设计、到灯光舞台，首演成功后业务就接下，不涉及运营那块，虽然没有长期稳定的运营收入，但也减少了很多风险，因为国内景区运营很多亏损。赛道不是特别大，但是公司作为竞争优势最明显的品牌，大型国家项目背书，再去拿下沉订单就会容易，未来能做文旅秀，互联网平台、电视台晚会、光影博物馆网红打卡等项目。公司以创意设计为主，不涉及工程，没有垫资，现金流很好，上市前有5-6亿在手现金，上市融了20亿，未来通过其他方式转化为EPS，比如说参股好项目，目前在郑州项目参股了40%，未来看落地后的运营效果。长期看好公司，疫情过去后文旅需求增加，明后年的冬奥会、建党100周年、全运会等大型活动是非常多的
三人行：国内比较好的4A公司，客户包括大的国企央企、大的消费品牌公司，原有老客户的量在增长，比如说伊利投放的量越来越大，新客户也在不断持续，今年突破运营商、银行、快消品的可，出现了 汽车 的一汽大众、一汽奔腾，京东、快手互联网作为媒体投放平台之外转为化为广告主，未来看好 汽车 、互联网客户的增长。
通信：
前3季度总体收入6000亿，同比增长37%，净利润242亿，出现了同比下降。毛利率略有下降，疫情影响下全行业的管理、销售费用率下滑。联通和中兴通讯占行业一半，剔除后，营收同比增长1%，利润下降4%。单3季度收入2100亿，同比增8%，净利103亿，同比增长6%，3季度情况比前3季度好。剔除两家公司后，营收同比6%，利润同比增40%，3季度中兴通信对行业的影响非常大。
分板块看，光模块、物联网，军工信息化、北斗业绩非常不错，通信设备、光钱光缆压力大。光模块重点公司新易盛15亿，天孚通信8800万，光迅18亿，基本上都超预期。4季度到明年，行业利润存在压力，2季度末3季度初是业绩最好的点，基站推进比较紧，是拉货最好的阶段，由于财务惯性的3季度表现还是不错，但是4季度会往下走，基站建设量不如之前那么大。3季度好的板块在4季度存在压力，但是都是短暂压力，到了明年进入到新的建设节奏，明年算上广电和移动合建，加上宏基站，明年100万站是大概率，110-120万站也有可能。
中兴通讯3季度业绩低于预期，低了几个亿。压力主要在于毛利率，在2季度已经有所反应，有5-6%的下滑，3季度下降趋势进一步确认。2-3季度体现了5G低毛利率的水平，今年两次重次重点设备招标，移动无线2期把价格压到了16万，下降速度很快，给公司比较大的压力。除此以外费用率、现金流都在往好的方向走，对未来还是充满信心，明年价格还是会下降，但是幅度比今年收窄，公司降成本能力强，利润有d性。
广和通和移远通信业绩相当不错，甚至超市场预期。物联网赛道未来几年业绩兑现不断出现，移远通信净利率低，收入增长、行业卡位很明确。广和通深耕高价值赛道，具备龙头投资价值。
亿联网络之前有质疑，通过事实证明是盈利能力很强，在全球在具备强竞争力的龙头，在未来视频通信领域还是具备全球抗衡的能力。公司和可选消费影响，受到疫情压制，明年疫情消退、海外逐步恢复后，还有不出错的机会，明年还是新产品的爆发。
计算机：
中小市值：
春风动力：业绩和股价表现都不错，国内两轮车、海外四轮车需求比较旺盛，明年有2款新车型车型放量。发动机产能4条线，年底达产2条，明年产能明年放出来，明年产能和爆款车型都会出来。
安车检测：检测进度低于预期，影响了业绩。后续需求是确定的，订单持续落地；检测服务重点观察青岛推进进度和检测站的并购进度，青岛在国内检测站领域是比较乱，如果经过赋能后数据持续向好的表现，比较有说服力；最后看并购基金逐渐落地。
上海新洋：3季报业绩不错，墙布经销端增长非常快，单季度同比增长105%。另外保碧进场，通过物业平台模式去突变，目前在前景准备的阶段，年底明年量就体现出来。公司产品力非常好，一刷就上墙，销售模式从纯C端转型B2B2C，有了大B渠道加持，墙布放量值得期待，3季度墙布创了 历史 新高，有1600多万，后续10-12月预计还是不错。保碧基金带来赋能后，量上来的话股价反应会非常剧烈。
电子：
上周板块有一些调整，苹果链波动比较大，原因是苹果3季报中手机销量下滑比较明显，市场感觉低于预期。3季度手机销量下降其实市场早有预期，逻辑是今年新机延后生产和发货。另外电话会中强调，各渠道库存水位比较低，做了老品清库存的工作，都是为了4季度的超预期作准备。首批预订和销售数据还是不错的，Pro系列有加单，库克强调iPhone的需求很旺盛，主要是供应不足的问题，3季度零部件是很多厂商备了货，但不一定是全部同步，导致了供给不足。今年在少备货1个月的情况，总量不比去年差，手机业务占比高的公司更集中4季度。3季度没那么好是有预期，稼动率低了盈利有影响，还有3季度汇率以上，还有零部件库存问题，4季度现金流和库存改善。鹏鼎电话中，公司降到了10月往后需求比较好，3季度差一点，4季度坚持完成全年目标。以此类推，立讯手机占比不多，4季度也是比3季度好。其实苹果营收和盈利符合或者超预期，非手机业务快速增长，MAC和PAD 30-40%增长，手表新的两款产品在售，也是超预期的。Airpod有分歧，但我们认为今年9000万，明年12亿有希望，AirPods pro质量有小问题，苹果官方说免费更换。主要是设计的小纰漏，固件升级有问题，通过固件优化可以解决，和组装环节没有关系，而且比例也有限。对明年苹果链全系产品增长、业绩增长有信心，继续看好苹果链公司对台系从组装到零件的替代逻辑，调整后迎来优质公司的布局机会。

说到物联网，肯定是要与当今发展迅速的信息技术关联到一块，物联网是新一代信息技术的重要组成部分之一，同时也是当前快速发展的信息化时代的重要发展内容及阶段，它的英文名字是：Internet of things(IoT)，解释也可以通俗易懂点，就是物物相连的互联网组成了物联网。物联网凭借着只能感知、部分识别技术、通信感知技术等等技术广泛的应用于各种网络应用中，这样的发展也被称为世界信息产业发展的第三次浪潮。物联网的核心是应用创新能力。所以把握好了用户的感受，以用户为核心那么物联网技术必定会有非常好的前景。
其实物联网技术不是对现在的技术加以翻新革命，而是通过对现有相关技术的综合运用，目前有很多大学已经开设了物联网相关专业，其实物联网专业是一个比较混杂的学科，涉及到计算机课程、通信技术课程、电子技术课程、测控技术课程等专业性较强的专业基础知识，可能有的学校会开设一些管理学和软件开发等方面的课程知识。相关专业也开设了有6-7年左右了，很多学校也专门制定了物联网人才培养方案，学生需要学习包括基础课程、计算机系列课程、信息与通信技术、数模电技术、物联网技术及应用、物联网安全、嵌入式等等相关技术，另外做物联网开发、IT开发的人员，都需要对外语能力有一定要求，因为很多产品芯片资料都是外文的，需要保证可以读得懂才行。另外，因为物联网专业是们交叉学科，涉及到的技术非常多，所以在本科阶段如果想深入学习这些知识的话难度很大，所以面对找工作来说不仅要求学历，而且技术深度专业方向、应用能力都是企业用人的标准。
物联网将是下一个推动世界高速发展的“重要生产力”，是继通信网之后的另一个万亿级市场。业内专家认为，物联网一方面可以提高经济效益，大大节约成本。我国也正在高度关注、重视物联网的研究，工业和信息化部会同有关部门，在新一代信息技术方面正在开展研究，以形成支持新一代信息技术发展的政策措施。
随着物联网技术的不断发展和市场规模的不断扩大，其已经成为全球各国的技术及产业创新的重要战略。美国提出“智慧地球”概念，引发全球物联网关注热潮，将物联网上升为国家创新战略的重点之一。先进的硬件设计制造技术，已经趋于完善的通信互联网络均为物联网的发展创造了良好的条件。目前，美国已经开始在工业、农业、军事、医疗、环境监测、建筑、空间和海洋探索等领域开展物联网应用积累。
我国就物联网发展也做出了多项国家政策及规划，推进物联网产业体系不断完善。《物联网“十二五”发展规划》、《关于推进物联网有序健康发展的指导意见》、《关于物联网发展的十个专项行动计划》，以及近期颁发的《中国制造2025》等多项政策不断出台，并指出“掌握物联网关键核心技术，基本形成安全可控、具有国际竞争力的物联网产业体系，成为推动经济社会智能化和可持续发展的重要力量。”在物联网发展热潮以及相关政策的推动下，我国物联网产业将持续保持高速增长态势，虽然增长率近年略有下降，但仍保持在23%以上的增长速度，到2015年，我国物联网产业规模已经超过7500亿元。预计未来几年，我国物联网产业将呈加速增长态势，预计到2020年，我国物联网产业规模超过15000亿元。
我国目前在物联网应用中的工业、医疗、交通、金融以及安防等方面都得到了相应的发展。当今很多的产品其实都离不开物联网技术，比如我们身边的共享单车、进出地铁站需要刷卡的射频技术、手机移动端的考勤管理软件、小米的智能家居产品等等都是物联网技术的产品。物联网产品就在我们身边，未来只要有人生存的地方就必定会有嵌入式产品、物联网产品存在，这些产品与人类是脱离不了的。
以上由物联传媒转载，如有侵权联系删除

首先，它是各种感知技术的广泛应用。物联网上部署了海量的多种类型传感器，每个传感器都是一个信息源，不同类别的传感器所捕获的信息内容和信息格式不同。传感器获得的数据具有实时性，按一定的频率周期性的采集环境信息，不断更新数据。
其次，它是一种建立在互联网上的泛在网络。物联网技术的重要基础和核心仍旧是互联网，通过各种有线和无线网络与互联网融合，将物体的信息实时准确地传递出去。在物联网上的传感器定时采集的信息需要通过网络传输，由于其数量极其庞大，形成了海量信息，在传输过程中，为了保障数据的正确性和及时性，必须适应各种异构网络和协议。
还有，物联网不仅仅提供了传感器的连接，其本身也具有智能处理的能力，能够对物体实施智能控制。物联网将传感器和智能处理相结合，利用云计算、模式识别等各种智能技术，扩充其应用领域。从传感器获得的海量信息中分析、加工和处理出有意义的数据，以适应不同用户的不同需求，发现新的应用领域和应用模式。

元宇宙的内涵逐渐从社交向产业转移，这是物联网应把握的机遇。AIoT领域创造的很多元宇宙应用已经诞生，包括导航、智能楼宇、智慧城市等。对于物联网来说，元宇宙不仅有用，而是已经在用了。元宇宙的架构是七层，其中基础设施层包含物联网、5G、AI，它是进入元宇宙的钥匙”。在彭昭看来，物联网需要把握的并非社交元宇宙，而是产业元宇宙，物联网应通过虚拟反馈到现实，增强人们的生活便利性。
有业内人士进一步向记者解释，“相信元宇宙将对产业带来改进，但2022年元宇宙会不会对物联网带来新的变化，取决于咱们怎么定义元宇宙。目前业界还没有对元宇宙有统一定义，如果元宇宙是扎克伯格说的那种完全虚拟的世界，那明年技术应该进展不到那个地步；如果认为元宇宙是从虚拟回到现实并帮助现实改进的话，那一定会出现很多新的物联网应用”

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。

　
　大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。

　
　数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

11成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。

　
　虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。

　
　另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

12变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？

　
　无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。

　
　因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

121数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度

　
　在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

122数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”

　
　在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

123数据分析的成本（Cost）：大数据降低了数据分析的成本门槛

　
　大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

124数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化

　
　在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。

　
　例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2应用场景与基础设施—纵览海内外金融机构的大数据发展实践

　
　金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

21大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

211海外实践：全面尝试

2111银行是金融行业中发展大数据能力的“领军者”

　
　在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。

　
　BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。

　
　银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。

　
　相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。

　
　银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的yhk交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。

　
　客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。

　
　在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。

　
　银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。

　
　BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。
　
　银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

---