大数据时代，要求银行业者将数据的重要性提升到战略层面，更要求银行业者做到所有的服务和行为都可以量化，从而对业务发展形成全方位视角，提升决策质量和业绩表现。 银行的数据应用不再是局限于业务经营管理的统计分析支持，而需要扩展到客户服务、产品设计、风控稽核以及营销成果等领域，使银行经营过程有线可循、有据可依、有案可查。特别是通过数据预测未来业务发展的方向，让数据做主，由数据驱动业务决策这种变化对银行经营者在决策、管理、服务、技术和人才等方面提出新的变革落地要求

1.结合案例、深入研讨、学习利用大数据进行银行营销、客户管理、风险控制的策略和方法 2.对利用大数据进行银行服务的体系建设提出了实施建议

一、银行业面对的竞争挑战

1. 市场营销

2. 客户管理

3. 风险控制

二、透视大数据思维

1. 4V特性

2. 大数据为什么重要？

3. 大数据组成

4. 国外大数据发展

三、大数据打造银行零售业务优势

1. 零售银行的销售模式发生新变化

1) 单客户服务向平台客户群服务模式转变，

2) 单产品销售向各交易环节产品打包销售转变，

3) 分销渠道重心向非物理渠道方向转移

2. 零售银行的营销新趋势

1) 综合化

2) 批量化

3) 精准化

4) 多元化

3.“大数据”是零售银行O2O模式基础和支撑

1) 清单筛选式营销

2) 模型触发式营销

四、大数据提升风控能力

1. 构建网络经营风险评价分析能力，提高银行风险管理能力，

2. 在风险可控条件下满足客户多样化的财富管理需求

3. 反欺诈案例

五、大数据基本分析模型

1. 分析能力的8个等级

2. 互联网时代银行客户经理技能模型

3. 客户分析和交叉销售

六、商业银行网点大数据落地实施

1. 大数据落地场景十八个

2. 大数据结合微信营销技能五式

七、商业银行数据化能力的打造

1. 建立与业务战略相结合的数据战略，

2. 建立行之有效的数据治理长效机制，为数据化能力建设提保障

3. 制订数据治理建设蓝图与路线图。

4. 把数据看做银行重要的资产，建立数据资产的运营管理体系

八、直接面向业务的数据服务模式

1. 数据服务中心

2. 数据服务的合作伙伴

3. 共享数据服务

九、银行大数据IT技术实施

1. 数据来源和存储模式

2. 数据分析模型和工具

3. 专业数据分析人员

4. 新增成本投入较高

5. 案例：阿里信贷、光大银行、招商银行、汇丰银行、余额宝等。