我们的核心洞察和结论如下：

1. 大数据平台与传统的数据分析系统互为补充，两者相辅相成，共同支撑整个数据条线的应用：

• 数仓加工完成的数据可提供给大数据平台做高效分析处理，数据仓库负责传统报表、指标等负责的统计分析场景；
• 大数据平台加工处理完成的结构化数据可回流给数仓进行进一步的融合处理和展现。大数据平台一般负责历史数据、外部数据、非结构化数据、数据挖掘、客户画像、风控等场景的支撑；

2. 风控领域的创新谨慎而行，主要集中在零售业务和交易相关业务方面：

• 稳定为主，风险管理子系统还是延续传统软件的方式，相对应的服务厂商也是长期服务于银行的解决方案厂商；
• 创新为辅，随着银行业务范围的变化和新风险类型的不断出现，少数细分的风险领域出现了产品创新，如针对零售用户的信贷系统、交易反洗钱系统等，大数据、人工智能等新技术得以发挥作用；

3. 走近用户，客户管理向用户运营转变：

• 传统的客户管理是对客户信息的梳理、分析与应用，更多重在“管理”二字；

• 大数据时代的用户运营同样是客户信息的梳理、分析与应用，但应用方向、分析方法等均有不同。但应用主动性更高、应用范围更广；

4. 银行在客服、音视频平台等领域进行了创新尝试：

• 营销、客服机器人是随着人工智能技术的成熟发展起来的新应用，在银行中应用广泛，其能够帮助银行有效缓解传统呼叫中心压力，进一步提升银行的运营效率；
• 智能音视频平台则是银行在新媒介中的新型内训、营销工具；
• RPA则能辅助处理交易量大、重复性高、易于标准化的业务，帮助银行提高业务处理效率和质量。

建议关注智能化银行管理平台