以前,我讨论了个性化在金融服务中的未来。今天，我将深入探讨金融公司在开始他们的个性化旅程时可能遇到的客户数据管理挑战。
任何金融服务公司的数据管理都很复杂。它需要解决跨可用接触点和设备、客户偏好和兴趣、包括第一、第二和第三方数据的数据源集成标识符的问题。数据管理能力需要能够管理结构化和非结构化数据，为分析准备数据，当然，还需要在数据供应链中保护个人数据。
要变得更加数据驱动和个性化客户交互，您需要解决三个关键的数据管理趋势:量、普遍性和用户需求。
体积
这是一个数据密集型行业。内部生成的数据，如客户信息、交易、购买历史、服务查询和索赔信息，每天都会生成数亿个新的数据点。更复杂的是，许多数据是非结构化的。
无处不在
数据也无处不在。数据源的数量，加上存储容量、计算能力和连通性的快速增长，导致数据以前所未有的规模被创建和处理。互联网的本质、互联设备数量的不断增加以及自动化的快速发展意味着数据创造将继续以快速的速度增长。
不仅产生的数据量在爆炸式增长，数据传输的速度和数据可能采用的形式也在成倍增长。结构化和非结构化数据集可以采用多种不同的形式，包括传统数据、替代数据和大数据。每种数据类型的成熟度和用法都不同，不太成熟的类型需要一定程度的专门化，甚至是新的技术来进行有效处理。
用户需求
如今，几乎每一个金融服务部门的员工都是数据分析用户，他们需要的速度和信息相当于他们在个人消费技术方面的体验。用户要求对数据的自助访问和易于使用的工具，以提供决策支持和趋势识别。当然，他们需要相信这些数据的准确性和安全性。
毫无疑问，当前的数据管理领域是复杂的——在我们的客户工作中，我们看到了多个数据湖、数据仓库、运营应用程序、移动应用程序、在线应用程序、呼叫中心和分析解决方案。数据可以，而且通常位于混合环境中，在办公场所和云计算中，这使得将所有数据连接起来以推动对客户、产品和销售渠道的有意义的洞察变得非常困难。
要了解更多关于金融服务的个性化状态，以及您如何开始利用客户情报来支持个性化并赢得客户，请下载我们的指南在这里．
