目前AI在各行業(yè)的滲透正在改變我們的工作方式和生活方式令蛉，尤其是在智能數(shù)據(jù)分析領(lǐng)域弟劲。今天我們就來看一下新時代數(shù)據(jù)分析的產(chǎn)品DeepBI與傳統(tǒng)BI之間的差距有多大汇鞭。

BI在過去的二十年被錯誤定義數(shù)據(jù)可視化虱咧，根本原因在于，過去的BI服務商都假設數(shù)據(jù)分析和數(shù)據(jù)挖掘需要由人類來做，機器只能提供相關(guān)工具輔助人類完成工作择懂。在AI時代這個假設是錯誤的谦去，AI可以完整的代替人類做數(shù)據(jù)分析和數(shù)據(jù)挖掘鳄哭，這才是BI這個詞的真正意義所在。

新時代BI工具-DeepBI效果展示：

一句話既能得出答案也可同時實現(xiàn)數(shù)據(jù)可視化宣脉！

我們接下來看看DeepBI與傳統(tǒng)BI工具的差異。

數(shù)據(jù)背景介紹&數(shù)據(jù)來源

業(yè)務背景：

貸款是商業(yè)銀行的一項重要業(yè)務塑陵，同時個人貸款是銀行貸款不可或缺的一部分阻桅。那么個人貸款客戶畫像的重要性就顯而易見，它不但可以讓銀行知道其個貸客戶年齡，性別，學歷等因素分布情況蜀漆，同時對于精準營銷吐限，個貸分析都有潛移默化的輔助毯盈。

需求痛點：

對于銀行個人業(yè)務部來說益缠，每月甚至每周都會進行機構(gòu)下綜合貸款數(shù)據(jù)上報以及個貸客戶分析數(shù)據(jù)宋欺，基于excel報表手工統(tǒng)計的時間太長并且人工統(tǒng)計難免出錯，這樣會浪費大量的時間精力祷杈。此表可以協(xié)助工作人員把相關(guān)數(shù)據(jù)都進行歸集，統(tǒng)計并上報給個人條線負責人僵缺。

數(shù)據(jù)來源：

數(shù)據(jù)來源于德國人信貸風險數(shù)據(jù)懊纳。

字段：年齡嗤疯，性別，工作龟糕，住房衬以，存款賬戶阶淘，檢查（支票）賬戶溪窒，貸款額度珠闰，持續(xù)時間坛悉，貸款目的，風險評估 （部分字段數(shù)據(jù)源表均是英文，后自行處理“住房均践，性別鞭铆，貸款目的斯辰，風險評估”字段中的數(shù)據(jù)衣陶，翻譯成中文數(shù)據(jù)存入表中）

使用參考數(shù)據(jù)：（源于德國人信貸風險數(shù)據(jù)表）

傳統(tǒng)BI數(shù)據(jù)分析

為了用傳統(tǒng)BI更好的得出分析結(jié)論湖苞，又在原本數(shù)據(jù)集上自創(chuàng)了部分數(shù)據(jù)：聯(lián)系方式财骨，居住城市（區(qū)/CN）,學歷，征信認證捌臊，所屬機構(gòu)。

分析思路

先確定分析目標：了解銀行內(nèi)個人貸款客戶以及貸款目的等情況，根據(jù)自身發(fā)展需要確定下一步選擇貸款客戶方向揩抡，貸款目的以及不良貸款的控制屋摔。

以下為拿到數(shù)據(jù)后分析思考的過程：

此個貸信息主要包含兩個層面：

1：客戶層面：包含了客戶性別署尤，聯(lián)系方式硝烂，居住地滞谢，學歷。

2：貸款層面：貸款目的，風險評估华烟，貸款額度，持續(xù)時間（貸款期數(shù)）返十，征信認證赏表，存款瓢剿，支票賬戶。

我們從客戶的地區(qū)分布，年齡牛欢，性別犹菱，學歷等情況進行匯總查看访得，分析目前哪些客戶是貸款的主力軍捆姜。

然后從貸款目的，風險評估簸呈，貸款額度蜕便，持續(xù)時間（貸款期數(shù)）丛楚，征信認證仿荆，賬戶等層面進行分析舶替，同時對風險評估進行過濾展父，只取不良貸款數(shù)據(jù)孵延，顯示不良貸款下年齡-性別占比以及住房類型占比惶凝。從而得知哪些人群是經(jīng)常存在不良貸款的玷犹。這樣可以讓金融機構(gòu)在面對大額長期的信貸業(yè)務時坯屿，更好的提高警惕，同時也可以優(yōu)化銀行的風控模型。

在客戶地區(qū)分布圖中瘾晃，銀行相關(guān)部門可以發(fā)掘哪些地區(qū)是貸款客戶的高頻發(fā)區(qū)域肉津，同時也可以發(fā)現(xiàn)哪些地區(qū)占比低偶洋，這樣對客戶的管理以及營銷區(qū)域的管理都有很好的促進效果悍引。

下面是分析思路圖：

數(shù)據(jù)處理

1.對貸款額度進行分組

2.對貸款持續(xù)時間（貸款期數(shù)）分組：

3.對工作數(shù)值進行轉(zhuǎn)譯：（例如：0-非熟練和非居民）

4.創(chuàng)建年齡分組下的貸款額度-風險評估-性別-住房數(shù)據(jù)集

以上就是傳統(tǒng)BI為做分析需要準備的工作漫仆，截圖雖然體現(xiàn)不出多么復雜玄渗，只要操作一遍才能體會的到浴滴。

可視化圖表的選擇與制作步驟

1：我們需要根據(jù)整理后的數(shù)據(jù)選擇合適的圖表，通過分許炕倘，我們根據(jù)展示需要選擇了橫向柱狀圖罩旋，折線圖涨醋，餅圖浴骂，區(qū)域地圖等溯警，以便于直接展現(xiàn)結(jié)果梯轻，突出要點檩淋。

2：選擇好圖表蟀悦，將維度字段拖入右側(cè)【橫軸】、【縱軸】中浙炼，構(gòu)成圖表的橫軸和縱軸弯屈。

3：進入FineBI幫助文檔资厉，根據(jù)操作步驟宴偿，包括表格屬性和組件樣式窄刘，對圖表進行優(yōu)化娩践。

4：進入儀表板欺矫，將各圖表進行排位穆趴。

經(jīng)過艱苦卓越的奮斗產(chǎn)出的可視化圖表：

貸款人相關(guān)因素信息分析：

不良貸款分析：

工作技能與貸款目的分析：

通過對可視化圖表分析得出結(jié)論

再對得出的可視化圖表進行分析然后就是考察個人報告編寫能力（是否全面）：

1：通過分析總體情況表族檬，我們可以全面掌握銀行的貸款概況单料，包括總貸款額度和總貸款人數(shù)点楼。這些數(shù)據(jù)為我們提供了銀行信貸業(yè)務的整體規(guī)模與活躍度掠廓。進一步地蟀瞧，通過營銷機構(gòu)下的不良與優(yōu)秀貸款額度展示，我們可以深入了解各機構(gòu)在貸款風險管理方面的表現(xiàn)钉蒲。這一分析不僅揭示了不同機構(gòu)的風險敞口子巾，也反映了各機構(gòu)在信貸投放和風險控制上的策略差異。

2：在貸款人相關(guān)因素信息分析中怠益，我們運用到了多個表來展現(xiàn)不同信息分析瘾婿，其中有折線圖蜻牢，區(qū)域地圖以及餅圖。

對于不同年齡下貸款額度變化圖中：我們可以清晰的發(fā)現(xiàn)20-40歲的人是貸款的主力軍偏陪。

對于學歷-統(tǒng)計貸款人數(shù)圖中：我們可以看到貸款人中本科和研究生學歷的人數(shù)居多抢呆。

在貸款客戶所屬地區(qū)分布圖中：我們可以看到南山，福田笛谦，羅湖是絕大多數(shù)貸款人的所屬區(qū)域抱虐。

在四個餅圖中：我們分為了四個不同的貸款人因素分別展示：

<1>：征信認證分布圖中展示出貸款人絕大多數(shù)是有征信認證并且認證成功的。

<2>：貸款期數(shù)分布圖中展示出12-36個月的貸款期數(shù)占了總體的近65%恳邀。

<3>：貸款人的存儲賬戶分布情況來看：絕大多數(shù)人存儲賬戶是沒有太多錢的。

<4>：性別占比圖中我們可得知：男性是貸款的主力灶轰。

3：在不良貸款分析板塊中谣沸，不良貸款的人群大部分是20-50歲的人群，其中男性居多笋颤，女性相較于男性面對透支風險更謹慎乳附，面對透支消費的行為更理性；而有自己住處或者不擔憂房租的人對刷爆信用卡的沖動更加難以克制伴澄；金融機構(gòu)在面對大額長期的信貸業(yè)務時赋除，更應該提高警惕，應該更加細致的調(diào)查申請人員的工作收入以及存款情況秉版。

4：在工作技能-貸款目的分析板塊中：大多數(shù)人的貸款目的是汽車贤重，住房相關(guān)以及家居設備。這表示大多數(shù)人的貸款目的是為了能夠擁有更高品質(zhì)的生活清焕。同時并蝗，我們也可以看到祭犯，工作技能屬于熟練或者是高技能工作者（這代表他們的工作屬于高精尖或者是收入較高群體），他們的貸款總額是要高于工作非熟練群體的滚停，這表示擁有高技能的工作者貸款的幾率以及貸款的額度也是要較高的沃粗。

DeepBI數(shù)據(jù)分析

注意：下方的數(shù)據(jù)分析是我直接連的數(shù)據(jù)庫使用的原數(shù)據(jù)未做任何修改，想測原數(shù)據(jù)集請留言键畴！

上面?zhèn)鹘y(tǒng)的BI使用的Excel表上傳的單位用的是RMB最盅，DeepBI是直接連接的數(shù)據(jù)庫單位用的數(shù)據(jù)集中的德國馬克。

上傳數(shù)據(jù)集后DeepBI直接給到我們字段描述

DeepBI對任何問題直接得出結(jié)論

就算是可視化也是一句話就能搞定：

是不是很方便起惕，任何問題都能快速準確的給出答案涡贱，讓我們繼續(xù)看一下

讓DeepBI全面分析給出結(jié)論

看完DeepBI做數(shù)據(jù)分析感覺如何？是不是很便捷惹想，不需要我們絞盡腦汁去想可視化圖表樣式選擇和如何制作了吧问词，更不需要我們一遍遍揣測自己的編寫的報告，DeepBI直接生成報告嘀粱，真正實現(xiàn)AI生成圖表激挪，這才是真正的人工智能BI工具。

最后總結(jié)

在這個數(shù)據(jù)驅(qū)動決策的時代锋叨，傳統(tǒng)BI工具與DeepBI相比你會怎么選擇垄分？

傳統(tǒng)的BI工具需要我們先做出分析思路，再去根據(jù)思路創(chuàng)建新的計算字段還要用的復雜的函數(shù)關(guān)系娃磺，拖拖拽拽生成可視化圖薄湿，再對可視化圖表分析自己去編寫結(jié)論報告。

而AI原生的數(shù)據(jù)分析工具DeepBI不需要你做任何準備偷卧，上傳數(shù)據(jù)集或者連接數(shù)據(jù)源后直接提需求即可嘿般。而且DeepBI支持多數(shù)據(jù)源鏈接：MySql，Doris, starRocks, PostgreSql,CSV 和 Excel等等涯冠，官宣是：只要是數(shù)據(jù)范圍內(nèi)任何問題“隨便問炉奴，問不倒”！

了解到DeepBI真正感覺到數(shù)據(jù)分析“零門檻”的時代已經(jīng)到來蛇更。

有的人一直在問普通人如何抓住AI這個風口瞻赶？

DeepBI給所有人提供了平臺，任何人都可以做一名數(shù)據(jù)分析師派任，真正的ai結(jié)合數(shù)據(jù)倉做智能數(shù)據(jù)分析砸逊！

DeepBI已在GitHub開源：https://github.com/DeepInsight-AI/DeepBI

沒有GitHub的朋友可以公眾號：DeepBI

免費領(lǐng)取Api Key，20w Token 隨便用掌逛！