针对某金融行业信息化建设，可以分成以下几个任务，如图4-11所示。

图4-11 某金融行业信息化建设的任务分析

（1）信息采集任务

信息采集任务主要是充实采集内容，优化采集方式，根据业务需求，动态地增加采集信息。例如，在个人欠款信息中增加欠款发生的日期。同时需要扩大对公共信息的采集，包括各种的税务信息、司法信息和电信信息等。

（2）数据处理和加工任务

数据处理和加工任务是建立数据处理和快速加工响应机制，能够将各种新业务快速纳入到系统中，提高数据的自动化处理能力和快速加载能力。例如，可以将客户的信用评分能力、身份验证、关联查询、风险预警和各种的数据统计功能快速接入到系统中。

（3）应用

应用任务是建立多样化的产品交付方式，如离线交付、专网交付等，尽量做到7×24对外服务。

随着大数据时代的到来，数据应用可以产生更大的机遇和挑战。只有更好地利用数据，才能在未来的竞争中获得更大的优势。一般来说，数据的应用主要包括报表功能、统计分析和数据挖掘三种方式，如图4-12所示。

（1）报表功能(www.daowen.com)

报表功能是数据应用的基础，也是最传统和常见的数据应用。报表是决策分析的基础。报表功能的完善、灵活程度能够影响工作的效率。

（2）统计分析

图4-12 数据的应用

统计分析功能是常见的数据应用方式。随着统计分析工具的推广，统计分析在很多行业中得到了越来越广泛的应用。例如，通过假设检验或者方差分析帮助分析经济运行的规律。

（3）数据挖掘

数据挖掘是数据统计分析的进一步发展，是对数据的深度应用。

数据挖掘起源于20世纪70年代，但在最近10年内得到了广泛的应用和发展，特别是在金融行业、电信行业、互联网行业等。

数据挖掘的目的是为了发现数据背后隐藏的规律，它可以通过使用模型来表达复杂的事物和现象。例如，通过使用回归分析、聚类分析和分类分析等数据挖掘手段在银行业中发现事物的本质和规律。

总之，我们可以通过报表功能、统计分析、数据挖掘等技术手段利用数据和使用数据，为决策者提供决策依据和技术支持。