为了督促自己学习，开始的时候要求自己每周写一篇关于大数据的博客，可回过头发现，有一个多月没有写内容了。为了督促自己学习，接下来会每周写篇大数据在七个领域（金融，电信，CRM，可视化，另三个待定）的应用。督促自己，整理自己的思路的过程，对所学内容有一个深化。
金融分析，实际上，占到金融的这两个字就会有一定的神秘性。而在实际的应用中，它却能够为企业带来很大的利润。就像有的时候说的一样，短时间内卖出大量产品，这就营销的力量。而长时间卖出同样量的产品，这叫销售。举一个简单的例子，在微信圈的那个免费睡衣的例子就是这样。而到金融上，成功的例子也有很多。接下来，我们就来看看，大数据在它里边起到的作用。
用实例来说明，我们身边最近非常流行的高额理财产品。比如说，答应年收益8%的某宝产品。还有就是银行现在也会推出基于自己手机端的理财产品。资本永远是追逐利益的，银行若推出8%的理财产品，势必是要拉入那些高额储户，而同时要避免低储蓄额用户也来享受利差优惠。这就会到数据分析知识了。
有的时候，在进行相应数据分析之前，技术并不是最重要的。最重要的是要确保你拿到的数据的准确性。有的时候，我们中国人看到的数据很可能被动的被造假了。所以，第一步最重要的就是数据清洗。有人说，银行是国家经济命脉，怎敢在数据上造假？但有的时候，我们还是过分相信自己的直觉了。一般做银行的金融分析之前，对我们来说，最为准确的要数用户的***ID，与储蓄额度了。但仅从这些数据中能得出什么信息。通过***ID，我们可以通过SAS的ETL功能，抽取出用户的出生日期，这样就可以用于后期挖掘的年龄限制。而***前几位，还可以用于客户的区域限制，***上的最后几位还可以用于确定用户的性别。而储蓄额度，可以通过相应的计算，可以大体确定出我们所抽取样本的分布情况，平均数，中位数等信息。
在金融分析中，有几个方面是需要注意的。一个是选取目标客户上，最好不要选平均数来做为决策点，这样很容易会造成误判。因为国人大部分是被平均的。而要从中位数的角度来选择，选取出最能体现我们数据样本特性的，才能分析出那些才是我们的目标客户。
再一个就是在分支决策点的选择上，当你用不同的条件作为分支决策的时候，你的分析结果是不一样的。但一身般目标客户都是要在10%以内，因为这样，便于你做验证。当你验证成功率在90%以上的时候，不要急于在总体样本中去测试，验证与训练。而是找出那10%不成功的，向他们询问为什么不购买你的产品，先优化你的产品内容。然后再去总体样本中找出目标客户，再去做主动营销。
从以上的分析中，我们也可以看出，以后的金融理财分析人员是要有一定的严谨性的。属于技术与营销都需要懂的人。而在主动营销的过程中，并不需要我们一个人一个人的找来询问从而确认其为你的目标客户，而是要有步骤的进行相应销售。从而也能够提高传统销售人员的业绩，试想，在经历一个大数据分析后，你确定这个客户的购买意愿有40%，而当你将这一数据告诉销售人员，他就会在此基础上更容易达成销售任务。
而一个技术型的销售，只会简单的从一定指标分析。缺少了人与人之间的沟通。所以说，真正的大数据在金融领域的应用，一定是技术与营销的结合。这样，才能够达到一个更高效的目的！