大數(shù)據(jù)在金融領(lǐng)域的應(yīng)用方案

1、大數(shù)據(jù)在金融領(lǐng)域應(yīng)用第1頁CONTENTSPART 01 金融大數(shù)據(jù)介紹PART 02金融大數(shù)據(jù)應(yīng)用場景第2頁金融大數(shù)據(jù)發(fā)展第3頁 伴隨大數(shù)據(jù)技術(shù)廣泛普及和發(fā)展成熟，金融大數(shù)據(jù)應(yīng)用已經(jīng)成為行業(yè)熱點趨勢，在交易欺詐識別、精準(zhǔn)營銷、黑產(chǎn)防范、消費信貸、信貸風(fēng)險評定、供給鏈金融、股市行情預(yù)測、股價預(yù)測、智能投顧、騙保識別、風(fēng)險定價等包括銀行、證券、保險等多領(lǐng)域詳細(xì)業(yè)務(wù)中，得到廣泛應(yīng)用。對于大數(shù)據(jù)應(yīng)用分析能力，正在成為金融機(jī)構(gòu)未來發(fā)展關(guān)鍵競爭要素。 金融大數(shù)據(jù)擁有著遼闊發(fā)展前景。然而，金融大數(shù)據(jù)應(yīng)用也面臨著數(shù)據(jù)資產(chǎn)管理水平不足、技術(shù)改造難度大、行業(yè)標(biāo)準(zhǔn)缺失、安全管控壓力大和政策保障仍不完善等一系列制約

2、原因。為推進(jìn)金融大數(shù)據(jù)更加好發(fā)展應(yīng)用，必須從政策扶持保障、數(shù)據(jù)管理能力提升、行業(yè)標(biāo)準(zhǔn)規(guī)范建設(shè)和應(yīng)用合作創(chuàng)新等多個方面入手，不停強化應(yīng)用基礎(chǔ)能力，連續(xù)完善產(chǎn)業(yè)生態(tài)環(huán)境。金融大數(shù)據(jù)介紹第4頁金融大數(shù)據(jù)介紹數(shù)據(jù)起源99%人類活動人類活動數(shù)據(jù)信息系統(tǒng)信息系統(tǒng)產(chǎn)生數(shù)據(jù)硬件設(shè)備物理世界產(chǎn)生數(shù)據(jù)人：指是人類活動數(shù)據(jù)，它是人類在活動過程所產(chǎn)生各類數(shù)據(jù)，包含評論、通話統(tǒng)計、照片、網(wǎng)頁瀏覽痕跡、交易統(tǒng)計等信息機(jī)：指是信息系統(tǒng)產(chǎn)生數(shù)據(jù)，這些信息主要以文件、多媒體等形式存在，包含審計、日志這么自動生成信息物：指是物理世界產(chǎn)生數(shù)據(jù)，是經(jīng)過攝像頭、傳感器等數(shù)字設(shè)備在監(jiān)測中采集數(shù)據(jù)，比如服務(wù)器運行監(jiān)控數(shù)據(jù)、押運車監(jiān)控數(shù)據(jù)等

3、。金融數(shù)據(jù)產(chǎn)生主體：人、機(jī)、物第5頁大數(shù)據(jù)應(yīng)用水平正在成為金融企業(yè)競爭力關(guān)鍵要素金融關(guān)鍵是風(fēng)控，風(fēng)控以數(shù)據(jù)為導(dǎo)向。金融機(jī)構(gòu)積累了大量數(shù)據(jù)，分散在各個系統(tǒng)中，利用大數(shù)據(jù)技術(shù)和平臺實現(xiàn)數(shù)據(jù)統(tǒng)一管理，幫助企業(yè)做出更加好決議金融行業(yè)數(shù)據(jù)整合、共享和開放成為趨勢數(shù)據(jù)越關(guān)聯(lián)越有價值，越開放越有價值。大數(shù)據(jù)發(fā)展需要全部組織和個人共同協(xié)作，將個人、企業(yè)、政府自由數(shù)據(jù)整合，將私有數(shù)據(jù)轉(zhuǎn)換為共有數(shù)據(jù)金融數(shù)據(jù)與其它跨領(lǐng)域數(shù)據(jù)融合應(yīng)用不停強化以前，金融機(jī)構(gòu)主要基于金融業(yè)自由信息進(jìn)行分析，數(shù)據(jù)多起源于自由系統(tǒng)，伴隨大數(shù)據(jù)技術(shù)成熟，數(shù)據(jù)采集技術(shù)發(fā)展和多樣化，金融機(jī)構(gòu)可取得政府公開數(shù)據(jù)、企業(yè)數(shù)據(jù)、社交數(shù)據(jù)、電商數(shù)據(jù)等。金融

4、大數(shù)據(jù)介紹發(fā)展趨勢第6頁金融大數(shù)據(jù)應(yīng)用場景分析第7頁金融大數(shù)據(jù)應(yīng)用場景分析應(yīng)用場景金融大數(shù)據(jù)應(yīng)用場景銀行大數(shù)據(jù)應(yīng)用保險大數(shù)據(jù)應(yīng)用證券大數(shù)據(jù)應(yīng)用010203123第8頁01經(jīng)過整合內(nèi)外部資源讓信貸風(fēng)控更趨近現(xiàn)實02供給鏈金融風(fēng)險控制從授信主體向整個鏈條轉(zhuǎn)變03利用大數(shù)據(jù)構(gòu)建客戶畫像，在此基礎(chǔ)上銀行能夠有效開展精準(zhǔn)營銷04市場和渠道分析、產(chǎn)品和服務(wù)優(yōu)化、輿情分析銀行大數(shù)據(jù)應(yīng)用場景信貸風(fēng)控精準(zhǔn)營銷供給鏈金融運行優(yōu)化第9頁銀行大數(shù)據(jù)應(yīng)用信貸風(fēng)控評定在傳統(tǒng)方法中，銀行對企業(yè)客戶違約風(fēng)險評定多是基于過往信貸數(shù)據(jù)和交易數(shù)據(jù)等靜態(tài)數(shù)據(jù)，這種方式最大弊端就是缺乏前瞻性。因為影響企業(yè)違約主要原因并不但僅只是企業(yè)歷

5、史信用情況，還包含行業(yè)整體發(fā)展情況和實時經(jīng)營情況。而大數(shù)據(jù)伎倆介入使信貸風(fēng)險評定更趨近于事實。商業(yè)銀行在識別客戶需求、估算客戶價值、判斷客戶優(yōu)劣、預(yù)測客戶違約可能過程中，既需要借助銀行內(nèi)部已掌握客戶相關(guān)信息，也需要借助外部機(jī)構(gòu)掌握人行征信信息、客戶公共評價信息、商務(wù)經(jīng)營信息、收支消費信息、社會關(guān)聯(lián)信息等。第10頁銀行大數(shù)據(jù)應(yīng)用信貸風(fēng)控評定Bank微信微博等社交平臺信息知乎類知識分享平臺客戶社交媒體上行為信息用戶存取款統(tǒng)計借貸統(tǒng)計信用卡使用情況銀行自由系統(tǒng)數(shù)據(jù)假如銀行掌握了企業(yè)所在產(chǎn)業(yè)鏈上下游數(shù)據(jù)，能夠更加好掌握企業(yè)外部環(huán)境發(fā)展情況，從而能夠預(yù)測企業(yè)未來情況產(chǎn)業(yè)鏈上下游數(shù)據(jù)建設(shè)銀行則將自己電子商

6、務(wù)平臺和信貸業(yè)務(wù)結(jié)合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去信用即可電商網(wǎng)站交易數(shù)據(jù)數(shù)據(jù)第11頁銀行大數(shù)據(jù)應(yīng)用信貸風(fēng)控評定步驟123以客戶級大數(shù)據(jù)為基礎(chǔ)，為存量客戶建立畫像，使銀行能夠向各管轄機(jī)構(gòu)、各業(yè)務(wù)條線、各產(chǎn)品條線進(jìn)行內(nèi)容全方面、形式友好、靈敏客戶級大數(shù)據(jù)集中供給。建立客戶畫像建立專題集中企業(yè)及個人風(fēng)險名單庫，統(tǒng)一“風(fēng)險客戶”等級標(biāo)準(zhǔn)，集中支持各專業(yè)條線、各金融產(chǎn)品對高風(fēng)險客戶過濾工作。建立風(fēng)險名單庫統(tǒng)籌各專業(yè)條線、各業(yè)務(wù)步驟對大數(shù)據(jù)增量信息需求優(yōu)先序列，對新客戶、高等級客戶、高時效業(yè)務(wù)、高風(fēng)險業(yè)務(wù)實現(xiàn)大數(shù)據(jù)實時采集式更新；對存量、普通、普通時效業(yè)務(wù)、低風(fēng)險業(yè)務(wù)實現(xiàn)

7、大數(shù)據(jù)集中、批量、排序、滾動更新。數(shù)據(jù)更新管理信貸風(fēng)控評定步驟：建立客戶畫像建立風(fēng)險名單庫建立數(shù)據(jù)動態(tài)更新第12頁銀行大數(shù)據(jù)應(yīng)用供給鏈金融供給鏈金融風(fēng)險控制從授信主體向整個鏈條轉(zhuǎn)變。供給鏈關(guān)鍵企業(yè)擁有良好資產(chǎn)、充分資金和高額授信額度。而依附于關(guān)鍵企業(yè)上下游企業(yè)可能需要資金，不過貸不到款。供給鏈金融能夠由關(guān)鍵企業(yè)做擔(dān)保，以產(chǎn)品或應(yīng)收賬款做質(zhì)押，幫助上下游企業(yè)取得資金。利用大數(shù)據(jù)技術(shù)，銀行能夠依據(jù)企業(yè)之間投資、控股、借貸、擔(dān)保以及股東和法人之間關(guān)系，形成企業(yè)之間關(guān)系圖譜，利于關(guān)聯(lián)企業(yè)分析及風(fēng)險控制。知識圖譜在經(jīng)過建立數(shù)據(jù)之間關(guān)聯(lián)鏈接，將碎片化數(shù)據(jù)有機(jī)組織起來，讓數(shù)據(jù)愈加輕易被人和機(jī)器了解和處理，并

8、為搜索、挖掘、分析等提供便利。上游供給商關(guān)鍵優(yōu)質(zhì)企業(yè)分析與上游企業(yè)關(guān)系下游商戶分析與下游商戶關(guān)系以關(guān)鍵企業(yè)為切入點，將供給鏈上多個企業(yè)作為一個整體，建立交往圈模型，經(jīng)過分析企業(yè)間交往數(shù)據(jù)改變，評定供給鏈健康度等。第13頁銀行大數(shù)據(jù)應(yīng)用精準(zhǔn)營銷銀行基于用戶大量社交和電商消費數(shù)據(jù)，建立客戶畫像，在客戶畫像基礎(chǔ)上銀行能夠有效開展精準(zhǔn)營銷實時營銷是依據(jù)客戶實時狀態(tài)來進(jìn)行營銷，比如客戶當(dāng)初所在地、客戶最近一次消費等信息來有針對地進(jìn)行營銷，或者將改變生活狀態(tài)事件（換工作、改變婚姻情況、置居等）視為營銷機(jī)會實時營銷即不一樣業(yè)務(wù)或產(chǎn)品交叉推薦，如招商銀行能夠依據(jù)客戶交易統(tǒng)計分析，有效地識別小微企業(yè)客戶，然后用

9、遠(yuǎn)程銀行來實施交叉銷售；交叉營銷銀行能夠依據(jù)客戶喜歡進(jìn)行服務(wù)或者銀行產(chǎn)品個性化推薦，如依據(jù)客戶年紀(jì)、資產(chǎn)規(guī)模、理財偏好等，對客戶群進(jìn)行精準(zhǔn)定位，分析出其潛在金融服務(wù)需求，進(jìn)而有針對性營銷推廣個性化推薦客戶生命周期管理包含新客戶獲取、客戶防流失和客戶贏回等。如招商銀行經(jīng)過構(gòu)建客戶流失預(yù)警模型，對流失率等級前20%客戶出售高收益理財產(chǎn)品給予挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點.客戶生命周期管理第14頁銀行大數(shù)據(jù)應(yīng)用運行優(yōu)化Copy paste fonts. Choose the only option to retain text.Text hereCopy paste

10、fonts. Choose the only option to retain text.Text hereCopy paste fonts. Choose the only option to retain text.Text here經(jīng)過大數(shù)據(jù)，銀行能夠監(jiān)控不一樣市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣質(zhì)量，從而進(jìn)行合作渠道調(diào)整和優(yōu)化。同時，也能夠分析哪些渠道更適合推廣哪類銀行產(chǎn)品或者服務(wù)，從而進(jìn)行渠道推廣策略優(yōu)化市場和渠道分析優(yōu)化銀行能夠?qū)⒖蛻粜袨檗D(zhuǎn)化為信息流，并從中分析客戶個性特征和風(fēng)險偏好，更深層次地了解客戶習(xí)慣，智能化分析和預(yù)測客戶需求，從而進(jìn)行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。如興業(yè)銀行當(dāng)前對大數(shù)據(jù)進(jìn)行

11、初步分析，經(jīng)過對還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶，依據(jù)客戶還款數(shù)額差異，提供差異化金融產(chǎn)品和服務(wù)方式產(chǎn)品和服務(wù)優(yōu)化銀行能夠經(jīng)過爬蟲技術(shù)，抓取小區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)相關(guān)信息，并經(jīng)過自然語言處理技術(shù)進(jìn)行正負(fù)面判斷，尤其是及時掌握銀行以及銀行產(chǎn)品和服務(wù)負(fù)面信息，及時發(fā)覺和處理問題；對于正面信息，能夠加以總結(jié)并繼續(xù)強化輿情分析第15頁金融大數(shù)據(jù)應(yīng)用場景分析應(yīng)用場景金融大數(shù)據(jù)應(yīng)用場景銀行大數(shù)據(jù)應(yīng)用保險大數(shù)據(jù)應(yīng)用證券大數(shù)據(jù)應(yīng)用010203123第16頁介紹及分類 過去，因為保險行業(yè)代理人特點，所以在傳統(tǒng)個人代理渠道，代理人素質(zhì)及人際關(guān)系網(wǎng)是業(yè)務(wù)開拓最為關(guān)鍵原因，而大數(shù)據(jù)在在新客戶開發(fā)和維

12、系中作用就沒那么突出。但伴隨互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及大數(shù)據(jù)發(fā)展，網(wǎng)絡(luò)營銷、移動營銷和個性化電話銷售作用將會日趨顯現(xiàn)，越來越多保險企業(yè)注意到大數(shù)據(jù)在保險行業(yè)中作用。保險行業(yè)大數(shù)據(jù)應(yīng)用能夠分為三大方面： 客戶細(xì)分及精細(xì)化營銷 欺詐行為分析 精細(xì)化運行保險大數(shù)據(jù)應(yīng)用第17頁保險大數(shù)據(jù)應(yīng)用客戶細(xì)分及精細(xì)化營銷客戶細(xì)分和差異化服務(wù)風(fēng)險偏好是確定保險需求關(guān)鍵。風(fēng)險喜好者、風(fēng)險中立者和風(fēng)險厭惡者對于保險需求有不一樣態(tài)度。普通來講，風(fēng)險厭惡者有更大保險需求。在客戶細(xì)分時候，除了風(fēng)險偏好數(shù)據(jù)外，要結(jié)合客戶職業(yè)、興趣、習(xí)慣、家庭結(jié)構(gòu)、消費方式偏好數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法來對客戶進(jìn)行分類，并針對分類后客戶提供不一樣產(chǎn)品

13、和服務(wù)策略客戶關(guān)聯(lián)銷售保險企業(yè)能夠關(guān)聯(lián)規(guī)則找出最正確險種銷售組合、利用時序規(guī)則找出用戶生命周期中購置保險時間次序，從而把握保戶提升保額時機(jī)、建立現(xiàn)有保戶再銷售清單與規(guī)則，從而促進(jìn)保單銷售潛在客戶挖掘及流失用戶預(yù)測經(jīng)過大數(shù)據(jù)整合客戶線上和線下相關(guān)行為，經(jīng)過數(shù)據(jù)挖掘伎倆對潛在客戶進(jìn)行分類，細(xì)化銷售重點。經(jīng)過大數(shù)據(jù)進(jìn)行挖掘，綜合考慮客戶信息、險種信息、既往出險情況、銷售人員信息等，篩選出影響客戶退?；蚶m(xù)期關(guān)鍵原因，并經(jīng)過這些原因和建立模型，對客戶退保概率或續(xù)期概率進(jìn)行預(yù)計，找出高風(fēng)險流失客戶，及時預(yù)警，制訂挽留策略，提升保單續(xù)保率客戶精準(zhǔn)營銷在網(wǎng)絡(luò)營銷領(lǐng)域，保險企業(yè)能夠經(jīng)過搜集互聯(lián)網(wǎng)用戶各類數(shù)據(jù)，如

14、地域分布等屬性數(shù)據(jù)，搜索關(guān)鍵詞等即時數(shù)據(jù)，購物行為、瀏覽行為等行為數(shù)據(jù)，以及興趣興趣、人脈關(guān)系等社交數(shù)據(jù)，能夠在廣告推送中實現(xiàn)地域定向、需求定向、偏好定向、關(guān)系定向等定向方式，實現(xiàn)精準(zhǔn)營銷。第18頁保險大數(shù)據(jù)應(yīng)用欺詐行為分析醫(yī)療保險欺詐與濫用通常可分為兩種，一是非法騙取保險金，即保險欺詐；另一類則是在保額程度內(nèi)重復(fù)就醫(yī)、浮報理賠金額等，即醫(yī)療保險濫用。保險企業(yè)能夠利用過去數(shù)據(jù)，尋找影響保險欺詐最為顯著原因及這些原因取值區(qū)間，建立預(yù)測模型，并經(jīng)過自動化計分功效，快速將理賠案件依照濫用欺詐可能性進(jìn)行分類處理。醫(yī)療保險欺詐與濫用分析保險企業(yè)夠利用過去欺詐事件建立預(yù)測模型，將理賠申請分級處理，能夠很大

15、程度上處理車險欺詐問題，包含車險理賠申請欺詐偵測、業(yè)務(wù)員及修車廠勾結(jié)欺詐偵測等車險欺詐分析欺詐行為分析基于企業(yè)內(nèi)外部交易和歷史數(shù)據(jù)，實時或準(zhǔn)實時預(yù)測和分析欺詐等非法行為，包含醫(yī)療保險欺詐與濫用分析以及車險欺詐分析等。第19頁保險大數(shù)據(jù)應(yīng)用精細(xì)化運行$過去在沒有精細(xì)化數(shù)據(jù)分析和挖掘情況下，保險企業(yè)把很多人都放在同一風(fēng)險水平之上，客戶保單并沒有完全處理客戶各種風(fēng)險問題。不過，保險企業(yè)能夠經(jīng)過自有數(shù)據(jù)以及客戶在社交網(wǎng)絡(luò)數(shù)據(jù)，處理現(xiàn)有風(fēng)險控制問題，為客戶制訂個性化保單，取得更準(zhǔn)確以及更高利潤率保單模型，給每一位用戶提供個性化處理方案產(chǎn)品優(yōu)化，保單個性化基于企業(yè)內(nèi)外部運行、管理和交互數(shù)據(jù)分析，借助大數(shù)據(jù)

16、臺，全方位統(tǒng)計和預(yù)測企業(yè)經(jīng)營和管理績效?；诒ｋU保單和客戶交互數(shù)據(jù)進(jìn)行建模，借助大數(shù)據(jù)平臺快速分析和預(yù)測再次發(fā)生或者新市場風(fēng)險、操作風(fēng)險等運行分析依據(jù)代理人員（保險銷售人員）業(yè)績數(shù)據(jù)、性別、年紀(jì)、入司前工作年限、其它保險企業(yè)經(jīng)驗和代理人人員思維性向測試等，找出銷售業(yè)績相對最好銷售人員特征，優(yōu)選高潛力銷售人員代理人（保險銷售人員）甄選第20頁金融大數(shù)據(jù)應(yīng)用場景分析應(yīng)用場景金融大數(shù)據(jù)應(yīng)用場景銀行大數(shù)據(jù)應(yīng)用保險大數(shù)據(jù)應(yīng)用證券大數(shù)據(jù)應(yīng)用010203123第21頁證券大數(shù)據(jù)應(yīng)用介紹和分析大數(shù)據(jù)時代，券商們已意識到大數(shù)據(jù)主要性，券商對于大數(shù)據(jù)研究與應(yīng)用正在處于起步階段，相對于銀行和保險業(yè)，證券行業(yè)大數(shù)據(jù)應(yīng)

17、用起步相對較晚。當(dāng)前國內(nèi)外證券行業(yè)大數(shù)據(jù)應(yīng)用大致有以下三個方向：股價預(yù)測客戶關(guān)系管理智能投顧第22頁證券大數(shù)據(jù)應(yīng)用股價分析5月英國對沖基金Derwent Capital Markets建立了規(guī)模為4000 萬美金對沖基金，該基金是首家基于社交網(wǎng)絡(luò)對沖基金，該基金經(jīng)過分析Twitter 數(shù)據(jù)內(nèi)容來感知市場情緒，從而指導(dǎo)進(jìn)行投資。利用 Twitter 對沖基金 Derwent Capital Markets 在首月交易中確實盈利了，其以1.85%收益率，讓平均數(shù)只有0.76%其它對沖基金相形見絀第23頁證券大數(shù)據(jù)應(yīng)用客戶關(guān)系管理分析客戶賬戶狀態(tài)、交易習(xí)慣等進(jìn)行客戶聚類和細(xì)分，找出最有價值和盈利潛力客戶群客戶細(xì)分客戶流失預(yù)測券商可依據(jù)客戶歷史交易行為和流失情況來建模量化分析從而預(yù)測客戶流失頻率第24頁證券大數(shù)據(jù)應(yīng)用智能投顧分析客戶賬戶狀態(tài)、交易習(xí)慣等進(jìn)行客戶聚類和細(xì)分，找出最有價值和盈利潛力客戶群客戶細(xì)分客戶流失預(yù)測券商可依據(jù)客戶歷史交易行