爲了督促自己學習，開始的時候要求自己每週寫一篇關於大數據的博客，可回過頭髮現，有一個多月沒有寫內容了。爲了督促自己學習，接下來會每週寫篇大數據在七個領域（金融，電信，CRM，可視化，另三個待定）的應用。督促自己，整理自己的思路的過程，對所學內容有一個深化。
金融分析，實際上，佔到金融的這兩個字就會有一定的神祕性。而在實際的應用中，它卻能夠爲企業帶來很大的利潤。就像有的時候說的一樣，短時間內賣出大量產品，這就營銷的力量。而長時間賣出同樣量的產品，這叫銷售。舉一個簡單的例子，在微信圈的那個免費睡衣的例子就是這樣。而到金融上，成功的例子也有很多。接下來，我們就來看看，大數據在它裏邊起到的作用。
用實例來說明，我們身邊最近非常流行的高額理財產品。比如說，答應年收益8%的某寶產品。還有就是銀行現在也會推出基於自己手機端的理財產品。資本永遠是追逐利益的，銀行若推出8%的理財產品，勢必是要拉入那些高額儲戶，而同時要避免低儲蓄額用戶也來享受利差優惠。這就會到數據分析知識了。
有的時候，在進行相應數據分析之前，技術並不是最重要的。最重要的是要確保你拿到的數據的準確性。有的時候，我們中國人看到的數據很可能被動的被造假了。所以，第一步最重要的就是數據清洗。有人說，銀行是國家經濟命脈，怎敢在數據上造假？但有的時候，我們還是過分相信自己的直覺了。一般做銀行的金融分析之前，對我們來說，最爲準確的要數用戶的***ID，與儲蓄額度了。但僅從這些數據中能得出什麼信息。通過***ID，我們可以通過SAS的ETL功能，抽取出用戶的出生日期，這樣就可以用於後期挖掘的年齡限制。而***前幾位，還可以用於客戶的區域限制，***上的最後幾位還可以用於確定用戶的性別。而儲蓄額度，可以通過相應的計算，可以大體確定出我們所抽取樣本的分佈情況，平均數，中位數等信息。
在金融分析中，有幾個方面是需要注意的。一個是選取目標客戶上，最好不要選平均數來做爲決策點，這樣很容易會造成誤判。因爲國人大部分是被平均的。而要從中位數的角度來選擇，選取出最能體現我們數據樣本特性的，才能分析出那些纔是我們的目標客戶。
再一個就是在分支決策點的選擇上，當你用不同的條件作爲分支決策的時候，你的分析結果是不一樣的。但一身般目標客戶都是要在10%以內，因爲這樣，便於你做驗證。當你驗證成功率在90%以上的時候，不要急於在總體樣本中去測試，驗證與訓練。而是找出那10%不成功的，向他們詢問爲什麼不購買你的產品，先優化你的產品內容。然後再去總體樣本中找出目標客戶，再去做主動營銷。
從以上的分析中，我們也可以看出，以後的金融理財分析人員是要有一定的嚴謹性的。屬於技術與營銷都需要懂的人。而在主動營銷的過程中，並不需要我們一個人一個人的找來詢問從而確認其爲你的目標客戶，而是要有步驟的進行相應銷售。從而也能夠提高傳統銷售人員的業績，試想，在經歷一個大數據分析後，你確定這個客戶的購買意願有40%，而當你將這一數據告訴銷售人員，他就會在此基礎上更容易達成銷售任務。
而一個技術型的銷售，只會簡單的從一定指標分析。缺少了人與人之間的溝通。所以說，真正的大數據在金融領域的應用，一定是技術與營銷的結合。這樣，才能夠達到一個更高效的目的！