为了快速识别和补救问题，银行往往使用数据分析平台。通过探测可能被忽略的异常活动，数据分析平台可以从源头防止问题的发生。除了有助于防范风险和满足监管要求外，数据分析还为银行提供大量信息，用于提升客户服务。
银行使用数据分析平台，通常受三个主要因素驱动。成本和效率是最重要的两个考虑因素，因为使用此类平台，通常有助于降低分析成本和提高分析速度。第三个考虑因素是监管风险 — 银行需要确保不招致额外的监管风险，因此使用专注于特定领域的数据平台可以提高安全性。
格局不断变化
与全球标准相比，香港银行业在就采用数据分析平台方面进展不错。这部分归功于金管局的鼓励推动。金管局近年来将数据分析平台作为监管重点，持续跟踪采用情况和相关活动。
尽管数据分析平台对银行来说并非新鲜事物，但随着创新技术不断涌现，技术不断变化，银行需要跟上趋势。近年来，银行已经熟练使用传统和现有数据集。然而，为了从数据分析中切实受益，银行还应该利用新型数据集，更好地了解客户行为并发现异常情况。
随着银行业基础设施发生变化，且越来越多的客户使用移动设备办理银行业务，银行目前面临的一大关键挑战是确保有能力利用随之产生的新数据。如果银行想要挖掘如此丰富的数据宝藏，需要拥有合适的平台和能力过硬的人才 — 无论是在内部开发培养，还是利用第三方服务提供商。
香港地区新设立的虚拟银行在一定程度上具有某些优势。由于所有业务都在线上办理，因此虚拟银行的客户足迹完全是数字化的，虚拟银行掌握一系列全新的数据集（包括IP地址、地理位置甚至生物特征），因此对客户活动有更全面的了解。例如，虚拟银行可以识别客户是否使用与平时不同的设备登录账号。
随着客户日益使用移动设备办理银行业务，传统银行也在从新数据集中受益。此外，目睹虚拟银行在这方面取得的进展，促使大型银行采用新技术。香港的大型银行也有自己的优势：拥有更庞大的客户群，因此有更多数据可以使用。
向前迈进
由于数据分析对银行而言变得日益重要，对于如何向前迈进，银行面临诸多问题。需要考虑的一个关键方面是使用外包服务。
各大银行使用数据分析已有一段时间，但随着形势发展，银行有充分的理由重新审视数据分析平台利用方式及相关员工。过去几年，在这项技术最初兴起之时，银行聘请了许多数据科学家和网络安全和法证等领域的专家来运营数据分析平台。高素质员工自然需要支付高薪，因此用人成本高昂。
但是，早期类型的数据科学现在对于银行而言已经是标配，现在的问题是高薪聘用的员工是否还有必要继续专注于这些领域。如果可以将这类数据分析外包出去，这将节省不少成本，银行聘用的一流数据科学家可以转而专注于下一代技术创新。
市场上有众多成熟的第三方供应商，可以提供专业的数据分析平台，对银行而言是更具经济效益的解决方案。
与数据分析平台相关的第二个重要考虑因素是员工转型。许多银行业务领域目前依靠数据驱动，或以数据分析为重点。银行正在意识到，即使与几年前相比，当今环境下需要的员工数量和类型也可能大不相同。
数据分析平台的一大优势是为银行员工省去大量枯燥乏味的日常工作。因此，银行不再像过去那样需要那么多员工从事技术含量低的工作。
以更先进的技术作为支撑，数据分析平台正日益胜任更复杂的分析工作。数据科学家可以腾出手来，利用自己的专业知识聚焦前沿领域，帮助银行识别有助于提升韧性和改善服务的最新数据分析技术。
目前，香港已取消疫情相关限制，银行应借此良机重新审视员工队伍和业务运作，包括考虑利用数据分析平台，实现降本增效，赋能银行员工腾出手来做更有意义的工作。
