大数据产业发展进入了高速发展的快车道之后，很多企业经意识到了数据价值，不断加大数据领域的投资。特别是金融行业，在大数据领域的商业应用已经走到了其他行业的前面。
金融行业具有信息化程度高，数据质量好，数据维度全，数据场景多的特点，因此大数据应用的成熟度较高，数据应用也取得了较好的成绩。特别是一些股份制商业银行的信用卡中心、领先的保险、证券企业，大数据应用已经取得的成效，得到了行业的认可。
在全世界大数据领域投资中，90%的投资都投向了数据清洗、数据整合，数据计算和存储，数据分析和应用方面仅占投资的10%，外部数据价值应用更是少的可怜，中国市场数据交易的总额还不到10亿人民币，数据交易和数据产品处于一个初级阶段。
金融企业在大数据场景落地方面遇到很多的困难，内心对大数据商业应用非常渴望，但在实际数据应用过程中，面临着很多问题，数据对企业的发展影响很小。渴望找到一条有效的道路，帮助金融企业实现大数据场景落地。
大数据应用和场景落地在领先的金融企业也历经了若干年，经历了很多挫折之后才找到了一条有效的道路。对这些成功实施大数据场景落地的企业进行调研之后，总结了他们共有的一些经验。这些经验可以帮助金融企业，找到一条有效的捷径，避免踩更多的坑。
一般来讲，大数据在金融企业实现场景落地分为五步，分别是专业化团队、业务和数据梳理、外部咨询和工具的引入、业务场景的数据变现、高层汇报和支持。
一、建立专业数据应用团队
理想情况，企业的任何一个部门都需要数据分析和应用，需要数据分析人才帮助企业进行数据决策。中国企业刚刚走完信息化之路，数据型运营的企业不多，每个部门建立自己的数据分析团队是不现实的。并且数据分析和应用具有较高的技术门槛，市场上缺少足够的人才，企业还是要建立独立的数据应用团队，来提升数据应用能力。
金融企业数据意识和数据思维还在发展之中，业务人员可以通过项目来参与数据应用，缺少业务人员参与的数据项目，会离商业应用较远，也很难得到业务部门的支持。
科技人员和数据人员在数据应用中的视角同业务人员不同，科技人员更加关注技术架构，处理效率，以及可扩展性；数据人员关注数据质量、数据纬度、数据的实时性；业务人员关注的是业务场景，商业价值，收入和成本。这些关注点对于数据应用项目都是必需的，需要互相平衡。大数据应用建议采用项目组的形式更加有效，特别是寻找数据应用场景和实现数据变现方面。
独立的数据应用团队可以建立在业务部门内部，也可以建立在科技部门内部，从效率和推动力方面，建立在科技部门内部的数据分析团队，项目执行效率会更高。国外金融企业数据部门大多数也是属于技术部门的一个分支，并且服务于所有业务部门。
一般情况下，金融企业的科技人员应该在5%以上，其中从事数据分析和应用的人员应该不少于科技人员的10%。美国领先的投资银行高盛银行，员工在3万人左右，其从事科技的人员达到了9000人，占其员工总数的三分之一。高盛的董事长经常开玩笑说，高盛更像一家科技公司。国内领先的工商银行员工接近40万，但是科技人员不到3万人，从事数据分析和应用的人才更是少于几百人，而阿里巴巴集团员工3万多人，从事数据挖掘和分析的科学家超过了1000人。
二、梳理数据和业务需求
大数据价值应用是建立在信息化基础之上的，金融企业大部分都已经完成了信息化。客户服务、业务处理、后台操作的各个环节都实现了信息化和数据化。金融企业内部拥有海量、多维度、高质量的数据，过去这些数据主要用于金融企业的财务分析、运营分析、风险管理。在客户洞察、业务支持、营销推广、精细运营等方面应用较少。
大数据在金融企业的应用切入点可以从业务的需求和痛点开始，也可以从数据的整理和统计入手。一般建议从业务的需求和痛点开始，将战略目标和业务目标进行分解。分解后的目标再次映射到具体到运营和营销活动之中，最后将营销和运营活动落实到数据分析需求之上。简单的讲就是讲业务目标分解到具体工作，将具体工作分解到数据分析需求，利用数据分析结果来支撑运营和营销活动。