在互联网金融风生水起的大背景下，作为实体银行业，正面临着重大的产业转型。传统银行业与客户之间的单向交流局面会导致越来越多客户的流失，再加上新技术手段缺失，所谓数据分析的机制也比较粗糙。因此，如何充分利用网点可以和客户面对面的优势，洞察消费者潜在需求和满意度，在增加盈利的同时控制好风险，是每一家银行都在考虑的问题。 01/08

如果能提前对客户的需求与可能的心理进行预判，将有助于银行在与具体的客户打交道时做好准备，从而有的放矢的提供更好的服务，并改善银行金融产品。通过各种渠道收集的客户信息经过完整的数据分析，能够很清晰地了解客户的产品偏好并有针对性地开发产品和提供服务，这还是传统银行业的短板之一。 02/08

举例来说，银行可以通过在银行门口以及相关用户进出银行的必经位置，以及柜台位置上安装有高清的摄像头，抓取客户的实时表情。前端收集来自传感器、社交平台和网络的数据，后端数据中心运用高速分析，以最快的速度交付数据分析结果，以便企业以此作为依据做出决策，在合适的时间为消费者提供合适的商品和体验。 03/08

高清摄像头和传感设备捕捉到进出银行的人群的各种实时表情，有喜悦的、紧张的、沮丧的、困惑的、无奈的……随时记录客户当前的各种心情表现和行为动作，这些庞大且琐碎的数据都将成为数据分析的基础资料，从中挖掘出各种维度的分析结果和洞察力。 04/08

各种表情代表了客户内在的心态，银行将结果实时反馈、整合到自己的系统中来，通过基于大数据的面部表情分析系统来进行客户的情绪、风险和满意度的评价，在第一时间确定客户对于银行的产品、服务、定价或政策调整的反应。银行还可以根据客户以往的消费记录，尤其是与金融产品直接相关的消费记录，以及目前所持有的银行产品的使用情况，与实时分析结果相匹配，建立数据收集模型，并积累了一定时间的数据收集和分析之后，为银行下一步的产品策划与营销提供详实的数据参考。事实上，这种数据分析已经被服务零售业和制造业等很多行业广泛采用，通过收集海量的顾客信息和意见，从而更精确地掌握市场需求并做出快速生产销售决策。 05/08

一直致力于打造开放和开源大数据平台的英特尔，正联合Cloudera打造融合的Hadoop解决方案，Cloudera将选择英特尔架构作为首选的开发和优化平台，使之能够充分释放和利用英特尔现有和未来将发布的数据中心计算、存储以及网络平台和技术的潜能。在这方面英特尔至强E5v2+Hadoop，外加选配的至强E7v2+关键查询数据库的组合，可以发挥出最大的效率，是这一解决方案的首选平台。至强E5v2和E7v2在性能上大幅提升，可作为多重需求的灵活高效数据中心的核心，用于部署更加安全的私有云，快速处理大数据，并以更高的能效充分利用数据中心。而在大数据方面，至强E5v2和E7v2系列处理器大幅度缩短了大型数据集的处理时间，从而以比前代处理器更低的成本实现更快速的数据分析。 06/08

通过表情分析，配合相应的历史资料分析，结合银行这一特定的场景，就可以初步得出相应表情的客户在银行可能进行的业务，甚至可以分析出相关业务的迫切性，同时配合历史数据的分析，还可以对相关的高危人群进行预警，控制金融风险。在客户走出银行时，也会经过情绪分析来判断其对这次银行业务的满意程度，经过倒溯结合其办理的业务内容、银行相应的接待人员来进行相应的业务优势与员工绩效的辅助参考。 07/08

以运用于金融行业的客户情绪分析为代表的大数据分析，事实上已经被其他很多行业广泛采用。例如，在服装零售业，通过这种方式收集数据并分析需求偏好反馈给设计人员，待做出决策后传送到生产线改变产品样式，这样的作法大大降低了存货率，并且根据这些数据分析出区域性的需求偏好以做出最靠近客户需求的市场区隔。不管是金融业、制造业还是零售等行业，大数据和数据分析让这些行业更加贴近客户，通过数据分析更加快速地洞察最终用户的需求变化，及时对生产和销售策略进行调整，而不再缓慢而盲目地做出主观判断，从而跟上市场快速变化的步伐。 08/08