大數(shù)據(jù)在銀行保險(xiǎn)證券等金融行業(yè)的應(yīng)用

大數(shù)據(jù)在銀行、保險(xiǎn)、證券等金融行業(yè)的應(yīng)用目錄CONTENTS1金融行業(yè)大數(shù)據(jù)應(yīng)用概述2銀行大數(shù)據(jù)應(yīng)用3保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用4證券行業(yè)大數(shù)據(jù)應(yīng)用PART01金融行業(yè)大數(shù)據(jù)應(yīng)用概述金融行業(yè)是經(jīng)典的數(shù)據(jù)驅(qū)動行業(yè)，每天都會產(chǎn)生大量的數(shù)據(jù)，涉及交易、報(bào)價(jià)、業(yè)績報(bào)告、消費(fèi)者研究報(bào)告、各類統(tǒng)計(jì)數(shù)據(jù)、多種指數(shù)等。所以，金融行業(yè)擁有豐富的數(shù)據(jù)，數(shù)據(jù)維度比較廣泛，數(shù)據(jù)質(zhì)量也很高，利用本身的數(shù)據(jù)就能夠開發(fā)出諸多應(yīng)用場景。金融行業(yè)大數(shù)據(jù)概述04金融行業(yè)是經(jīng)典的數(shù)據(jù)驅(qū)動行業(yè)，每天都會產(chǎn)生大量的數(shù)據(jù)，涉及交易、報(bào)價(jià)、業(yè)績報(bào)告、消費(fèi)者研究報(bào)告、各類統(tǒng)計(jì)數(shù)據(jù)、多種指數(shù)等金融行業(yè)擁有豐富的數(shù)據(jù)，數(shù)據(jù)維度比較廣泛，數(shù)據(jù)質(zhì)量也很高，利用本身的數(shù)據(jù)就能夠開發(fā)出諸多應(yīng)用場景假如能夠引入外部數(shù)據(jù)，還能夠進(jìn)一步加緊數(shù)據(jù)價(jià)值的變現(xiàn)外部數(shù)據(jù)比很好的有社交數(shù)據(jù)、電商交易數(shù)據(jù)、移動大數(shù)據(jù)、運(yùn)營商數(shù)據(jù)、工商司法數(shù)據(jù)、公安數(shù)據(jù)、教育數(shù)據(jù)、和銀聯(lián)交易數(shù)據(jù)等金融行業(yè)大數(shù)據(jù)應(yīng)用案例05花旗銀行利用IBM沃森電腦為財(cái)富管理客戶推薦產(chǎn)品，并預(yù)測將來計(jì)算機(jī)推薦理財(cái)?shù)氖袌鰧⒊鲢y行專業(yè)理財(cái)師摩根大通銀行利用決策樹技術(shù)，降低了不良貸款率、轉(zhuǎn)化了提前還款客戶，一年為摩根大通銀行增長了6億美金的利潤VISA企業(yè)利用Hadoop平臺將730億交易處理時(shí)間從一種月縮短到13分鐘中國金融行業(yè)大數(shù)據(jù)應(yīng)用投資構(gòu)造06從投資構(gòu)造上來看，銀行將會成為金融類企業(yè)中的主要部分，證券和保險(xiǎn)分列第二和第三位，中國金融行業(yè)大數(shù)據(jù)應(yīng)用規(guī)模及預(yù)測07中國金融行業(yè)大數(shù)據(jù)應(yīng)用規(guī)模年均增長率達(dá)成97.0%，超出23億元。據(jù)不完全統(tǒng)計(jì)，2023年應(yīng)用規(guī)模將達(dá)成44.29億元。中國金融行業(yè)大數(shù)據(jù)應(yīng)用規(guī)模及預(yù)測08估計(jì)到2023-2023年，金融行業(yè)大數(shù)據(jù)應(yīng)用市場規(guī)模年均復(fù)合增長率為55.21%，到2023年，中國金融行業(yè)大數(shù)據(jù)應(yīng)用市場規(guī)模為497億元。PART02銀行大數(shù)據(jù)應(yīng)用銀行的大數(shù)據(jù)應(yīng)用場景比較豐富，比較經(jīng)典的集中在數(shù)據(jù)庫營銷、顧客經(jīng)營、數(shù)據(jù)風(fēng)控、產(chǎn)品設(shè)計(jì)和決策支持等。目前來講，大數(shù)據(jù)在銀行的商業(yè)應(yīng)用還是以其本身交易數(shù)據(jù)和客戶數(shù)據(jù)為主，外部數(shù)據(jù)為輔；描述性數(shù)據(jù)分析為主，預(yù)測性數(shù)據(jù)建模為輔；經(jīng)營客戶為主，經(jīng)營產(chǎn)品為輔。銀行大數(shù)據(jù)應(yīng)用概述10銀行的大數(shù)據(jù)應(yīng)用場景比較豐富，比較經(jīng)典的集中在數(shù)據(jù)庫營銷、顧客經(jīng)營、數(shù)據(jù)風(fēng)控、產(chǎn)品設(shè)計(jì)和決策支持等目前大數(shù)據(jù)在銀行的商業(yè)應(yīng)用情況以其本身交易數(shù)據(jù)和客戶數(shù)據(jù)為主，外部數(shù)據(jù)為輔描述性數(shù)據(jù)分析為主，預(yù)測性數(shù)據(jù)建模為輔經(jīng)營客戶為主，經(jīng)營產(chǎn)品為輔銀行數(shù)據(jù)的類型交易數(shù)據(jù)客戶數(shù)據(jù)信用數(shù)據(jù)資產(chǎn)數(shù)據(jù)銀行大數(shù)據(jù)應(yīng)用類型11銀行大數(shù)據(jù)應(yīng)用能夠分為四大方面：客戶畫像，精確營銷，風(fēng)險(xiǎn)管控，運(yùn)營優(yōu)化。PART02.1銀行客戶畫像應(yīng)用銀行的大數(shù)據(jù)應(yīng)用場景比較豐富，比較經(jīng)典的集中在數(shù)據(jù)庫營銷、顧客經(jīng)營、數(shù)據(jù)風(fēng)控、產(chǎn)品設(shè)計(jì)和決策支持等。目前來講，大數(shù)據(jù)在銀行的商業(yè)應(yīng)用還是以其本身交易數(shù)據(jù)和客戶數(shù)據(jù)為主，外部數(shù)據(jù)為輔；描述性數(shù)據(jù)分析為主，預(yù)測性數(shù)據(jù)建模為輔；經(jīng)營客戶為主，經(jīng)營產(chǎn)品為輔?？蛻舢嬒駪?yīng)用13客戶畫像應(yīng)用主要分為個(gè)人客戶畫像和企業(yè)客戶畫像個(gè)人客戶畫像：涉及人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、愛好數(shù)據(jù)、風(fēng)險(xiǎn)偏好等企業(yè)客戶畫像：涉及企業(yè)的生產(chǎn)、流通、運(yùn)營、財(cái)務(wù)、銷售和客戶數(shù)據(jù)、有關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)客戶畫像背后的原因14客戶消費(fèi)習(xí)慣的變化，企業(yè)無法接觸到客戶，無法了解客戶需求;年輕人成為金融企業(yè)主要的消費(fèi)者，但是他們不樂意到金融網(wǎng)點(diǎn)辦理業(yè)務(wù)年輕人將主要的時(shí)間都消費(fèi)在移動互聯(lián)網(wǎng)，消費(fèi)在智能手機(jī)上金融企業(yè)越來越難面對面接觸到年輕人，從對話中料機(jī)年輕人金融產(chǎn)品的需求客戶需求的分化，企業(yè)需要細(xì)分客戶，為目的客戶開發(fā)設(shè)計(jì)產(chǎn)品金融產(chǎn)品也需要進(jìn)行細(xì)化，為不同客戶提供不同產(chǎn)品有的客戶高風(fēng)險(xiǎn)偏好高，希望高風(fēng)險(xiǎn)高收益；有的客戶風(fēng)險(xiǎn)偏好低，希望穩(wěn)健收益;有的客戶金融理財(cái)意識低，只需服務(wù)很好即可;有的客戶完全沒有主意，你說是啥就是啥不同年齡，不同收入，不同職業(yè)，不同資產(chǎn)的客戶對金融產(chǎn)品的需求都不盡相同。金融企業(yè)需要借助于戶畫像，來了解客戶，找到目的客戶，觸達(dá)客戶?？蛻舢嬒竦哪康?5從業(yè)務(wù)角度出發(fā)對顧客進(jìn)行分析，了解顧客需求，尋找目的客戶在了解客戶需求和消費(fèi)能力，以及客戶信用額度的基礎(chǔ)上，利用畫像信息為客戶開發(fā)出適合目的客戶的產(chǎn)品或開展?fàn)I銷活動顧客畫像需要堅(jiān)持的三個(gè)原則16顧客畫像涉及數(shù)據(jù)的緯度需要業(yè)務(wù)場景結(jié)合，既要簡樸干練又要和業(yè)務(wù)強(qiáng)有關(guān)，既要篩選便捷又要以便進(jìn)一步操作顧客畫像需要堅(jiān)持三個(gè)原則信用信息和人口屬性為主采用強(qiáng)有關(guān)信息，忽視弱有關(guān)信息將定量的信息歸類為定性的信息信用信息和人口屬性為主17信用信息信用信息是描述一種人在社會中的消費(fèi)能力信息，是顧客畫像中主要的信息進(jìn)行客戶畫像的目的是尋找目的客戶，其必須是具有潛在消費(fèi)能力的客戶信用信息涉及消費(fèi)者工作、收入、學(xué)歷、財(cái)產(chǎn)等信息人口屬性信息定位完目的客戶之后，需要觸達(dá)客戶，人口屬性信息就是起到觸達(dá)客戶的作用人口屬性信息涉及姓名、性別，電話號碼，郵件地址，家庭住址等信息人口屬性信息能夠幫助金融企業(yè)聯(lián)絡(luò)客戶，將產(chǎn)品和服務(wù)推銷給客戶采用強(qiáng)有關(guān)信息，忽視弱有關(guān)信息18強(qiáng)有關(guān)信息就是同場景需求直接有關(guān)的信息，0.6以上的有關(guān)系數(shù)就應(yīng)該定義為強(qiáng)有關(guān)信息人的年齡、學(xué)歷、職業(yè)、地點(diǎn)與收入高下是強(qiáng)有關(guān)關(guān)系人口屬性信息例如，35歲左右人的平均工資高于平均年齡為30歲的人，計(jì)算機(jī)專業(yè)畢業(yè)的學(xué)生平均工資高于哲學(xué)專業(yè)學(xué)生，從事金融行業(yè)工作的平均工資高于從事紡織行業(yè)的平均工資，上海的平均工資超出海南省平均工資顧客的身高、體重、姓名、星座等信息，極難從概率上分析出其對消費(fèi)能力的影響，這些是弱有關(guān)信息顧客畫像和顧客分析時(shí)，需要考慮強(qiáng)有關(guān)信息，不要考慮弱有關(guān)信息。將定量的信息歸類為定性的信息19定量的信息不利于對客戶進(jìn)行篩選，需要將定量信息轉(zhuǎn)化為定性信息，經(jīng)過信息類別來篩選人群能夠?qū)⒛挲g段對客戶進(jìn)行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等能夠參照個(gè)人收入信息，將人群定義為高收入人群，中檔收入人群，低收入人群參照資產(chǎn)信息也能夠?qū)⒖蛻舳x為高、中、低檔別將金融企業(yè)各類定量信息，集中在一起，對定性信息進(jìn)行分類，并進(jìn)行定性化，有利與對顧客進(jìn)行篩選，迅速定位目的客戶。顧客畫像信息的類型20金融企業(yè)需要結(jié)合業(yè)務(wù)需求進(jìn)行顧客畫像，能夠?qū)㈩櫩彤嬒裥畔⑻岢晌孱愋畔⑷丝趯傩孕庞脤傩韵M(fèi)特征愛好愛好社交屬性顧客畫像信息的類型21人口屬性用于描述一種人基本特征的信息，主要幫助金融企業(yè)懂得客戶是誰，怎樣觸達(dá)顧客姓名，性別，年齡，電話號碼，郵箱，家庭住址都屬于人口屬性信息信用屬性用于描述顧客收入潛力和收入情況，支付能力，幫助企業(yè)了解客戶資產(chǎn)情況和信用情況，有利于定位目的客戶客戶職業(yè)、收入、資產(chǎn)、負(fù)債、學(xué)歷、信用評分等都屬于信用信息消費(fèi)特征用于描述客戶主要消費(fèi)習(xí)慣和消費(fèi)偏好，用于尋找高頻和高價(jià)值客戶，幫助企業(yè)根據(jù)客戶消費(fèi)特點(diǎn)推薦有關(guān)金融產(chǎn)品和服務(wù)能夠參照客戶的消費(fèi)統(tǒng)計(jì)將客戶直接定性為某些消費(fèi)特征人群，例如差旅人群，境外游人群，旅游人群，餐飲顧客，汽車顧客，母嬰顧客，理財(cái)人群等顧客畫像信息的類型22愛好愛好用于描述客戶具有哪方面的愛好愛好，在這些愛好方面可能消費(fèi)偏好比較高，幫助企業(yè)了解客戶愛好和消費(fèi)傾向，定向進(jìn)行活動營銷愛好愛好的信息可能起源于社交信息和客戶位置信息，例如戶外運(yùn)動愛好者，旅游愛好者，電影愛好者，科技發(fā)燒友，健身愛好者，奢侈品愛好者等消費(fèi)特征起源于已經(jīng)有的消費(fèi)統(tǒng)計(jì)，但是購置的物品和服務(wù)不一定是自己享用社交信息用于描述顧客在社交媒體的評論，這些信息往往代表顧客內(nèi)心的想法和需求，具有實(shí)時(shí)性高，轉(zhuǎn)化率高的特點(diǎn)例如客戶問詢上海哪里好玩?澳大利亞墨爾本的交通?房屋貸款哪家優(yōu)惠多?那個(gè)理財(cái)產(chǎn)品好?這些社交信息都是代表客戶多需求，假如企業(yè)能夠及時(shí)了解到，將會有利于產(chǎn)品推廣金融企業(yè)顧客畫像的基本環(huán)節(jié)23參照金融企業(yè)的數(shù)據(jù)類型和業(yè)務(wù)需求，能夠?qū)⒔鹑谄髽I(yè)顧客畫像工作進(jìn)行細(xì)化基本上從如下五個(gè)方面進(jìn)行篩選目的客戶畫像有關(guān)數(shù)據(jù)的整頓和集中找到同業(yè)務(wù)場景強(qiáng)有關(guān)數(shù)據(jù)對數(shù)據(jù)進(jìn)行分類和標(biāo)簽化根據(jù)業(yè)務(wù)需求引入外部數(shù)據(jù)按照業(yè)務(wù)需求進(jìn)行篩選客戶1.畫像有關(guān)數(shù)據(jù)的整頓和集中24金融企業(yè)內(nèi)部的信息分布在不同的系統(tǒng)中人口屬性信息主要集中在客戶關(guān)系管理系統(tǒng)信用信息主要集中在交易系統(tǒng)和產(chǎn)品系統(tǒng)之中，也集中在客戶關(guān)系管理系統(tǒng)中消費(fèi)特征主要集中在渠道和產(chǎn)品系統(tǒng)中愛好愛好和社交信息需要從外部引入，例如客戶的行為軌跡能夠代表其愛好愛好和品牌愛好，移動設(shè)備到位置信息能夠提供較為精確的愛好愛好信息社交信息能夠借助于金融行業(yè)本身的文本挖掘能力進(jìn)行采集和分析，也是能夠借助于廠商的技術(shù)能力在社交網(wǎng)站上直接取得社交信息往往是實(shí)時(shí)信息，商業(yè)價(jià)值較高，轉(zhuǎn)化率也較高，是大數(shù)據(jù)預(yù)測方面的主要信息起源1.畫像有關(guān)數(shù)據(jù)的整頓和集中25客戶畫像的數(shù)據(jù)倉庫客戶畫像的五大類數(shù)據(jù)都分布在不同的信息系統(tǒng)，金融企業(yè)都上線了數(shù)據(jù)倉庫，全部畫像有關(guān)的強(qiáng)有關(guān)信息都能夠在數(shù)據(jù)倉庫里面整頓和集中數(shù)據(jù)倉庫成為顧客畫像數(shù)據(jù)的主要處理工具，根據(jù)業(yè)務(wù)場景和畫像需求將原始數(shù)據(jù)進(jìn)行分類、篩選、歸納、加工等，生成顧客畫像需要的原始數(shù)據(jù)2.找到同業(yè)務(wù)場景強(qiáng)有關(guān)數(shù)據(jù)26為企業(yè)帶來商業(yè)價(jià)值才是顧客畫像工作的主要?jiǎng)恿椭饕康娜慨嬒裥畔?yīng)該是5大分類的強(qiáng)有關(guān)信息，強(qiáng)有關(guān)信息是指同業(yè)務(wù)場景強(qiáng)有關(guān)信息，能夠幫助金融行業(yè)定位目的客戶，了解客戶潛在需求，開發(fā)需求產(chǎn)品只有強(qiáng)有關(guān)信息才干幫助金融企業(yè)有效結(jié)合業(yè)務(wù)需求，發(fā)明商業(yè)價(jià)值金融企業(yè)內(nèi)部信息較多，在顧客畫像階段不需要對全部信息都采用，只需要采用同業(yè)務(wù)場景和目的客戶強(qiáng)有關(guān)的信息即可，這么有利于提升產(chǎn)品轉(zhuǎn)化率，降低ROI，有利于簡樸找到業(yè)務(wù)應(yīng)用場景，在數(shù)據(jù)變現(xiàn)過程中也輕易實(shí)現(xiàn)不要將顧客畫像工作搞的過于復(fù)雜，同業(yè)務(wù)場景關(guān)系不大，這么就讓諸多金融企業(yè)尤其是領(lǐng)導(dǎo)失去顧客畫像的愛好，看不到顧客畫像的商業(yè)，不樂旨在大數(shù)據(jù)領(lǐng)域投資2.找到同業(yè)務(wù)場景強(qiáng)有關(guān)數(shù)據(jù)27金融行業(yè)強(qiáng)有關(guān)信息舉例姓名、手機(jī)號、家庭地址就是能夠觸達(dá)客戶的強(qiáng)人口屬性信息收入、學(xué)歷、職業(yè)、資產(chǎn)就是客戶信用信息的強(qiáng)有關(guān)信息差旅人群、境外游人群、汽車顧客、旅游人群、母嬰人群就是消費(fèi)特征的強(qiáng)有關(guān)信息攝影愛好者、游戲愛好者、健身愛好者、電影人群、戶外愛好者就是客戶愛好愛好的強(qiáng)有關(guān)信息社交媒體上刊登的旅游需求，旅游攻略，理財(cái)征詢，汽車需求，房產(chǎn)需求等信息代表了顧客的內(nèi)心需求，是社交信息場景應(yīng)用的強(qiáng)有關(guān)信息2.找到同業(yè)務(wù)場景強(qiáng)有關(guān)數(shù)據(jù)283.對數(shù)據(jù)進(jìn)行分類和標(biāo)簽化(定量to定性)29定性信息進(jìn)行定量分類是顧客畫像的一種主要工作環(huán)節(jié)，具有較高的業(yè)務(wù)場景要求，考驗(yàn)顧客畫像商業(yè)需求的轉(zhuǎn)化金融企業(yè)集中了全部信息之后，根據(jù)業(yè)務(wù)需求，對信息進(jìn)行加工整頓，需要對定量的信息進(jìn)行定性，以便信息分類和篩選，這部分工作提議在數(shù)據(jù)倉庫進(jìn)行定性信息進(jìn)行定量分類cq主要目的是幫助企業(yè)將復(fù)雜數(shù)據(jù)簡樸化，將交易數(shù)據(jù)定性進(jìn)行歸類，而且融入商業(yè)分析的要求，對數(shù)據(jù)進(jìn)行商業(yè)加工將定量信息歸納為定性信息，并根據(jù)業(yè)務(wù)需求進(jìn)行標(biāo)簽化，有利于金融企業(yè)找到目的客戶，而且了解客戶的潛在需求，為金融行業(yè)的產(chǎn)品找到目的客戶，進(jìn)行精確營銷，降低營銷成本，提升產(chǎn)品轉(zhuǎn)化率金融企業(yè)還能夠根據(jù)客戶的消費(fèi)特征、愛好愛好、社交信息及時(shí)為客戶推薦產(chǎn)品，設(shè)計(jì)產(chǎn)品，優(yōu)化產(chǎn)品流程，提升產(chǎn)品銷售的活躍率，愈加好地為客戶設(shè)計(jì)產(chǎn)品3.對數(shù)據(jù)進(jìn)行分類和標(biāo)簽化(定量to定性)30定性信息進(jìn)行定量分類舉例能夠?qū)⒖蛻舭凑漳挲g區(qū)間分為學(xué)生，青年，中青年，中年，中老年，老年等人生階段，源于各人生階段的金融服務(wù)需求不同，在尋找目的客戶時(shí)，能夠經(jīng)過人生階段進(jìn)行目的客戶定位企業(yè)能夠利用客戶的收入、學(xué)歷、資產(chǎn)等情況將客戶分為低、中、高端客戶，并根據(jù)其金融服務(wù)需求，提供不同的金融服務(wù)能夠參照其金融消費(fèi)統(tǒng)計(jì)和資產(chǎn)信息，以及交易產(chǎn)品，購置的產(chǎn)品，將客戶消費(fèi)特征進(jìn)行定性描述，辨別出電商客戶，理財(cái)客戶，保險(xiǎn)客戶，穩(wěn)健投資客戶，激進(jìn)投資客戶，餐飲客戶，旅游客戶，高端客戶，公務(wù)員客戶等。利用外部的數(shù)據(jù)能夠?qū)⒍ㄐ钥蛻舻膼酆脨酆?，例如戶外愛好者，奢侈品愛好者，科技產(chǎn)品發(fā)燒友，攝影愛好者，高端汽車需求者等信息4.根據(jù)業(yè)務(wù)需求引入外部數(shù)據(jù)31金融企業(yè)本身的數(shù)據(jù)不足以了解客戶的消費(fèi)特征、愛好愛好、社交信息金融企業(yè)能夠引入外部信息來豐富客戶畫像信息，例如引入銀聯(lián)和電商的信息來豐富消費(fèi)特征信息，引入移動大數(shù)據(jù)的位置信息來豐富客戶的愛好愛好信息，引入外部廠商的數(shù)據(jù)來豐富社交信息等外部信息在引入時(shí)需要考慮幾種問題，分別是外部數(shù)據(jù)的覆蓋率，怎樣和內(nèi)部數(shù)據(jù)打通，和內(nèi)部信息的匹配率，以及信息的有關(guān)程度，還有數(shù)據(jù)的鮮活度外部數(shù)據(jù)的合規(guī)性也是金融企業(yè)在引入外部數(shù)據(jù)時(shí)的一種主要考慮，敏感的信息例如手機(jī)號、家庭住址、身份證號在引入或匹配時(shí)都應(yīng)該注意隱私問題，基本的原則是不進(jìn)行數(shù)據(jù)互換，能夠進(jìn)行數(shù)據(jù)匹配和驗(yàn)證外部數(shù)據(jù)不會集中在某一家，需要金融企業(yè)花費(fèi)大量時(shí)間進(jìn)行尋找5.按照業(yè)務(wù)需求進(jìn)行篩選客戶32顧客畫像是數(shù)據(jù)思維運(yùn)營過程中到一種主要閉環(huán)，幫助金融企業(yè)利用數(shù)據(jù)進(jìn)行精細(xì)化運(yùn)營和市場營銷，以及產(chǎn)品設(shè)計(jì)顧客畫像就是一切以數(shù)據(jù)商業(yè)化運(yùn)營為中心，以商業(yè)場景為中，幫助金融企業(yè)深度分析客戶，找到目的客戶DMP（大數(shù)據(jù)管理平臺）在整個(gè)顧客畫像過程中起到了一種數(shù)據(jù)變現(xiàn)的作用從技術(shù)角度來講，DMP將畫像數(shù)據(jù)進(jìn)行標(biāo)簽化，利用機(jī)器學(xué)習(xí)算法來找到相同人群，同業(yè)務(wù)場景深度結(jié)合，篩選出具有價(jià)值的數(shù)據(jù)和客戶，定位目的客戶，觸達(dá)客戶，對營銷效果進(jìn)行統(tǒng)計(jì)和反饋銀行顧客畫像實(shí)踐簡介33銀行顧客畫像的主要目的銀行具有豐富的交易數(shù)據(jù)、個(gè)人屬性數(shù)據(jù)、消費(fèi)數(shù)據(jù)、信用數(shù)據(jù)和客戶數(shù)據(jù)，顧客畫像的需求較大，但是缺乏社交信息和愛好愛好信息分析客戶、了解客戶、找到目的客戶、為客戶設(shè)計(jì)其需要的產(chǎn)品，是銀行進(jìn)行顧客畫像的主要目的銀行的主要業(yè)務(wù)需求集中在消費(fèi)金融、財(cái)富管理、融資服務(wù)，顧客畫像要從這幾種角度出發(fā)，尋找目的客戶銀行顧客畫像實(shí)踐簡介34銀行顧客畫像的五大環(huán)節(jié)先利用數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)集中，篩選出強(qiáng)有關(guān)信息，對定量信息定性化，生成DMP需要的數(shù)據(jù)利用DMP進(jìn)行基礎(chǔ)標(biāo)簽和應(yīng)用定制，結(jié)合業(yè)務(wù)場景需求，進(jìn)行目的客戶篩選或?qū)︻櫩瓦M(jìn)行深度分析同步利用DMP引入外部數(shù)據(jù)，完善數(shù)據(jù)場景設(shè)計(jì)，提升目的客戶精確度找到觸達(dá)客戶的方式，對客戶進(jìn)行營銷，并對營銷效果進(jìn)行反饋，衡量數(shù)據(jù)產(chǎn)品的商業(yè)價(jià)值利用反饋數(shù)據(jù)來修正營銷活動和提升ROI，形成市場營銷的閉環(huán)，實(shí)現(xiàn)數(shù)據(jù)商業(yè)價(jià)值變現(xiàn)的閉環(huán)PART02.2銀行精確營銷銀行的大數(shù)據(jù)應(yīng)用場景比較豐富，比較經(jīng)典的集中在數(shù)據(jù)庫營銷、顧客經(jīng)營、數(shù)據(jù)風(fēng)控、產(chǎn)品設(shè)計(jì)和決策支持等。在客戶畫像的基礎(chǔ)上銀行能夠有效的開展精確營銷。銀行精確營銷概述36在客戶畫像的基礎(chǔ)上銀行能夠有效的開展精確營銷實(shí)時(shí)營銷實(shí)時(shí)營銷是根據(jù)客戶的實(shí)時(shí)狀態(tài)來進(jìn)行營銷例如根據(jù)客戶當(dāng)初的所在地、客戶近來一次消費(fèi)等信息有針對性地進(jìn)行營銷例如某客戶采用信用卡采購孕婦用具，能夠經(jīng)過建模推測懷孕的概率，并推薦孕婦類喜歡的業(yè)務(wù)例如將客戶變化生活狀態(tài)的事件（換工作、變化婚姻情況、置居等）視為營銷機(jī)會交叉營銷也就是進(jìn)行不同業(yè)務(wù)或產(chǎn)品的交叉推薦，例如招商銀行能夠根據(jù)客戶交易統(tǒng)計(jì)分析，有效地辨認(rèn)小微企業(yè)客戶，然后用遠(yuǎn)程銀行來實(shí)施交叉銷售；銀行精確營銷概述37在客戶畫像的基礎(chǔ)上銀行能夠有效的開展精確營銷個(gè)性化推薦銀行能夠根據(jù)客戶的喜歡進(jìn)行服務(wù)或者銀行產(chǎn)品的個(gè)性化推薦例如根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財(cái)偏好等，對客戶群進(jìn)行精擬定位，分析出其潛在金融服務(wù)需求，進(jìn)而有針對性的營銷推廣客戶生命周期管理客戶生命周期管理涉及新客戶獲取、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%的客戶出售高收益理財(cái)產(chǎn)品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個(gè)和7個(gè)百分點(diǎn)銀行精確營銷應(yīng)用實(shí)例簡介38銀行顧客畫像的大數(shù)據(jù)應(yīng)用場景尋找分期客戶利用銀聯(lián)數(shù)據(jù)+本身數(shù)據(jù)+信用卡數(shù)據(jù)，發(fā)覺信用卡消費(fèi)超出其月收入的顧客，推薦其進(jìn)行消費(fèi)分期尋找高端資產(chǎn)客戶利用銀聯(lián)數(shù)據(jù)+移動位置數(shù)據(jù)(別墅/高檔小區(qū))+物業(yè)費(fèi)代扣數(shù)據(jù)+銀行本身數(shù)據(jù)+汽車型號數(shù)據(jù)，發(fā)目前銀行資產(chǎn)較少，在其他行資產(chǎn)較多的顧客，為其提供高端資產(chǎn)管理服務(wù)尋找境外游客戶利用本身卡消費(fèi)數(shù)據(jù)+移動設(shè)備位置信息+社交好境外強(qiáng)有關(guān)數(shù)據(jù)(攻略，航線，景點(diǎn)，費(fèi)用)，尋找境外游客戶為其提供金融服務(wù)銀行精確營銷應(yīng)用實(shí)例簡介39銀行顧客畫像的大數(shù)據(jù)應(yīng)用場景需找理財(cái)客戶利用本身數(shù)據(jù)(交易+工資)+移動端理財(cái)客戶端/電商活躍數(shù)據(jù)，發(fā)覺客戶將工資/資產(chǎn)轉(zhuǎn)到外部，但是電商消費(fèi)不活躍客戶，其互聯(lián)網(wǎng)理財(cái)可能性較大，能夠?yàn)槠涮峁├碡?cái)服務(wù)，將資金留在本行尋找貸款客戶利用本身數(shù)據(jù)(人口屬性+信用信息)+移動設(shè)備位置信息+社交購房/消費(fèi)強(qiáng)有關(guān)信息，尋找即將購車/購房的目的客戶，為其提供金融服務(wù)(抵押貸款/消費(fèi)貸款)PART02.3銀行風(fēng)險(xiǎn)管控利用大數(shù)據(jù)技術(shù)能夠進(jìn)行對中小企業(yè)貸款風(fēng)險(xiǎn)的評估和對欺詐交易的辨認(rèn)，從而幫助銀行降低風(fēng)險(xiǎn)。銀行風(fēng)險(xiǎn)管控大數(shù)據(jù)應(yīng)用41利用大數(shù)據(jù)技術(shù)能夠進(jìn)行對中小企業(yè)貸款風(fēng)險(xiǎn)的評估和對欺詐交易的辨認(rèn)，從而幫助銀行降低風(fēng)險(xiǎn)銀行風(fēng)險(xiǎn)管控大數(shù)據(jù)應(yīng)用舉例中小企業(yè)貸款風(fēng)險(xiǎn)評估銀行可經(jīng)過企業(yè)的產(chǎn)、流通、銷售、財(cái)務(wù)等有關(guān)信息結(jié)合大數(shù)據(jù)挖掘措施進(jìn)行貸款風(fēng)險(xiǎn)分析，量化企業(yè)的信用額度，更有效的開展中小企業(yè)貸款實(shí)時(shí)欺詐交易辨認(rèn)和反洗錢分析銀行能夠利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式（如轉(zhuǎn)賬）等，結(jié)合智能規(guī)則引擎（如從一種不經(jīng)常出現(xiàn)的國家為一種特有顧客轉(zhuǎn)賬或從一種不熟悉的位置進(jìn)行在線交易）進(jìn)行實(shí)時(shí)的交易反欺詐分析中小企業(yè)貸款風(fēng)險(xiǎn)評估42為數(shù)眾多的中小企業(yè)是金融機(jī)構(gòu)不可忽視的客戶群體，但中小企業(yè)貸款償還能力差；財(cái)務(wù)制度普遍不健全，難以有效評估其真實(shí)經(jīng)營情況；生存能力相對比較低；信用度低據(jù)測算，對中小企業(yè)貸款的平均管理成本是大型企業(yè)的5倍左右，而風(fēng)險(xiǎn)成本卻高諸多這種成本、收益和風(fēng)險(xiǎn)不對稱造成金融機(jī)構(gòu)不樂意向中小企業(yè)全方面敞開大門，這一方面限制了本身的成長，另一方面也限制了中小企業(yè)的成長大數(shù)據(jù)分析技術(shù)已經(jīng)能夠幫助銀行進(jìn)行企業(yè)風(fēng)險(xiǎn)分析評估銀行可經(jīng)過企業(yè)的產(chǎn)、流通、銷售、財(cái)務(wù)等有關(guān)信息結(jié)合大數(shù)據(jù)挖掘措施進(jìn)行貸款風(fēng)險(xiǎn)分析，量化企業(yè)的信用額度，更有效的開展中小企業(yè)貸款中小企業(yè)貸款風(fēng)險(xiǎn)評估舉例43“阿里小貸”根據(jù)會員在阿里巴巴平臺上的網(wǎng)絡(luò)活躍度、交易量、網(wǎng)上信用評價(jià)等，結(jié)合企業(yè)本身經(jīng)營的財(cái)務(wù)健康情況進(jìn)行貸款決定首先經(jīng)過阿里巴巴B2B、淘寶、天貓、支付寶等電子商務(wù)平臺，搜集客戶積累的信用數(shù)據(jù)，涉及客戶評價(jià)數(shù)據(jù)、貨運(yùn)數(shù)據(jù)、口碑評價(jià)等，同步引入海關(guān)、稅務(wù)、電力等外部數(shù)據(jù)加以匹配，建立數(shù)據(jù)模型其次，經(jīng)過交叉檢驗(yàn)技術(shù)輔以第三方驗(yàn)證確認(rèn)客戶的真實(shí)性，將客戶在電子商務(wù)平臺上的行為數(shù)據(jù)映射為企業(yè)和個(gè)人的信用評價(jià)，并對地域客戶進(jìn)行評級分層，研發(fā)評分卡體系、微貸通用規(guī)則決策引擎、風(fēng)險(xiǎn)定量化分析等技術(shù)最終，在風(fēng)險(xiǎn)監(jiān)管方面，開發(fā)了網(wǎng)絡(luò)人際爬蟲系統(tǒng)，獲取和整合有關(guān)人際關(guān)系信息，并經(jīng)過設(shè)計(jì)規(guī)則及其關(guān)聯(lián)性分析得到風(fēng)險(xiǎn)評估結(jié)論，結(jié)合與結(jié)論與貸前評級系統(tǒng)進(jìn)行交叉驗(yàn)證，構(gòu)成風(fēng)險(xiǎn)控制的雙保險(xiǎn)PART02.4銀行運(yùn)營優(yōu)化經(jīng)過大數(shù)據(jù)分析措施改善經(jīng)營決策，為管理層提供可靠的數(shù)據(jù)支撐，使經(jīng)營決策愈加高效、敏捷，精確性更高。銀行運(yùn)營優(yōu)化大數(shù)據(jù)應(yīng)用45經(jīng)過大數(shù)據(jù)分析措施改善經(jīng)營決策，為管理層提供可靠的數(shù)據(jù)支撐，使經(jīng)營決策愈加高效、敏捷，精確性更高市場和渠道分析優(yōu)化產(chǎn)品和服務(wù)優(yōu)化輿情分析銀行運(yùn)營優(yōu)化大數(shù)據(jù)應(yīng)用46市場和渠道分析優(yōu)化經(jīng)過大數(shù)據(jù)，銀行能夠監(jiān)控不同市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進(jìn)行合作渠道的調(diào)整和優(yōu)化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)行渠道推廣策略的優(yōu)化產(chǎn)品和服務(wù)優(yōu)化銀行能夠?qū)⒖蛻粜袨檗D(zhuǎn)化為信息流，并從中分析客戶的個(gè)性特征和風(fēng)險(xiǎn)偏好，更深層次地了解客戶的習(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)銀行目前對大數(shù)據(jù)進(jìn)行初步分析，經(jīng)過對還款數(shù)據(jù)挖掘比較辨別優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差別化的金融產(chǎn)品和服務(wù)方式銀行運(yùn)營優(yōu)化大數(shù)據(jù)應(yīng)用47輿情分析銀行能夠經(jīng)過爬蟲技術(shù)，抓取小區(qū)、論壇和微博上有關(guān)銀行以及銀行產(chǎn)品和服務(wù)的有關(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(shí)掌握銀行以及銀行產(chǎn)品和服務(wù)的負(fù)面信息，及時(shí)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(qiáng)化銀行也能夠抓取同行業(yè)的銀行正負(fù)面信息，及時(shí)了解同行做的好的方面，以作為本身業(yè)務(wù)優(yōu)化的借鑒PART03保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用保險(xiǎn)行業(yè)主要經(jīng)過保險(xiǎn)代理人與保險(xiǎn)客戶進(jìn)行連接，對客戶的基本信息和需求掌握極少，所以極端依賴外部保險(xiǎn)代理人和渠道（銀行）。伴隨互聯(lián)網(wǎng)保險(xiǎn)的興起，顧客會被分流到互聯(lián)網(wǎng)渠道，尤其是年輕人會愈加喜歡經(jīng)過互聯(lián)網(wǎng)這個(gè)渠道來滿足自己的需求。將來線上客戶將成為保險(xiǎn)企業(yè)客戶的主要起源。保險(xiǎn)行業(yè)大數(shù)據(jù)應(yīng)用概述49保險(xiǎn)行業(yè)主要經(jīng)過保險(xiǎn)代理人與保險(xiǎn)客戶進(jìn)行連接，對客戶的基本信息和需求掌握極少，所以極端依賴外部保險(xiǎn)代理人和渠道（銀行）。伴隨互聯(lián)網(wǎng)保險(xiǎn)的興起，顧客會被分流到互聯(lián)網(wǎng)渠道，將來線上客戶將成為保險(xiǎn)企業(yè)客戶的主要起源保險(xiǎn)行業(yè)的產(chǎn)品是一種長周期性產(chǎn)品，保險(xiǎn)客戶再次購置保險(xiǎn)產(chǎn)品的轉(zhuǎn)化率很高，所以，經(jīng)營好老客戶是保險(xiǎn)企業(yè)一項(xiàng)主要任務(wù)，所以應(yīng)該進(jìn)行數(shù)據(jù)挖掘分析和顧客畫像了解客戶保險(xiǎn)行業(yè)的數(shù)據(jù)業(yè)務(wù)場景是圍繞保險(xiǎn)產(chǎn)品和保險(xiǎn)客戶進(jìn)行的，經(jīng)典的數(shù)據(jù)應(yīng)用有利用顧客行為數(shù)據(jù)來制定保險(xiǎn)價(jià)格，利用客戶外部行為數(shù)據(jù)來了解客戶需求，向目的顧客推薦產(chǎn)品等保險(xiǎn)企業(yè)能夠?yàn)榭蛻艚⑷松鷻n案，利用個(gè)人的生命周期各個(gè)階段需要，為客戶提供保險(xiǎn)產(chǎn)品保險(xiǎn)行業(yè)的大數(shù)據(jù)應(yīng)用的三大方面50客戶細(xì)分和精細(xì)化營銷51客戶細(xì)分和差別化服務(wù)風(fēng)險(xiǎn)偏好是擬定保險(xiǎn)需求的關(guān)鍵。風(fēng)險(xiǎn)喜好者、風(fēng)險(xiǎn)中立者和風(fēng)險(xiǎn)厭惡者對于保險(xiǎn)需求有不同的態(tài)度，一般來講，風(fēng)險(xiǎn)厭惡者有更大的保險(xiǎn)需求在客戶細(xì)分的時(shí)候，還要結(jié)合客戶職業(yè)、愛好、習(xí)慣、家庭構(gòu)造、消費(fèi)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，并針對分類后的客戶提供不同的產(chǎn)品和服務(wù)策略客戶精確營銷在網(wǎng)絡(luò)營銷領(lǐng)域，保險(xiǎn)企業(yè)能夠經(jīng)過搜集互聯(lián)網(wǎng)顧客的各類數(shù)據(jù)，如地域分布等屬性數(shù)據(jù)，搜索關(guān)鍵詞等即時(shí)數(shù)據(jù)，購物行為、瀏覽行為等行為數(shù)據(jù)，以及愛好愛好、人脈關(guān)系等社交數(shù)據(jù)，能夠在廣告推送中實(shí)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(shí)現(xiàn)精確營銷客戶細(xì)分和精細(xì)化營銷52潛在客戶挖掘及流失顧客預(yù)測可經(jīng)過大數(shù)據(jù)整合客戶線上和線下的有關(guān)行為，經(jīng)過數(shù)據(jù)挖掘手段對潛在客戶進(jìn)行分類，細(xì)化銷售要點(diǎn)經(jīng)過大數(shù)據(jù)進(jìn)行挖掘，綜合考慮客戶的信息、險(xiǎn)種信息、既往出險(xiǎn)情況、銷售人員信息等，篩選出影響客戶退?；蚶m(xù)期的關(guān)鍵原因，并經(jīng)過這些原因和建立的模型，對客戶的退保概率或續(xù)期概率進(jìn)行估計(jì)，找出高風(fēng)險(xiǎn)流失客戶，及時(shí)預(yù)警，制定挽留策略，提升保單續(xù)保率?？蛻艏?xì)分和精細(xì)化營銷53客戶關(guān)聯(lián)銷售保險(xiǎn)企業(yè)能夠關(guān)聯(lián)規(guī)則找出最佳險(xiǎn)種銷售組合、利用時(shí)序規(guī)則找出顧客生命周期中購置保險(xiǎn)的時(shí)間順序，從而把握保戶提升保額的時(shí)機(jī)、建立既有保戶再銷售清單與規(guī)則，從而增進(jìn)保單的銷售，借助大數(shù)據(jù)，保險(xiǎn)業(yè)能夠直接鎖定客戶需求以淘寶運(yùn)費(fèi)退貨險(xiǎn)為例，據(jù)統(tǒng)計(jì)，淘寶顧客運(yùn)費(fèi)險(xiǎn)索賠率在50%以上，該產(chǎn)品對保險(xiǎn)企業(yè)帶來的利潤只有5%左右，但是有諸多保險(xiǎn)企業(yè)都有意愿去提供這種保險(xiǎn)。因?yàn)榭蛻糍徶眠\(yùn)費(fèi)險(xiǎn)后保險(xiǎn)企業(yè)就能夠取得該客戶的個(gè)人基本信息，涉及手機(jī)號和銀行賬戶信息等，并能夠了解該客戶購置的產(chǎn)品信息，從而實(shí)現(xiàn)精確推送。假設(shè)該客戶購置并退貨的是嬰兒奶粉，我們就能夠估計(jì)該客戶家里有小孩，能夠向其推薦有關(guān)小朋友疾病險(xiǎn)、教育險(xiǎn)等利潤率更高的產(chǎn)品欺詐行為分析54基于企業(yè)內(nèi)外部交易和歷史數(shù)據(jù)，實(shí)時(shí)或準(zhǔn)實(shí)時(shí)預(yù)測和分析欺詐等非法行為醫(yī)療保險(xiǎn)欺詐與濫用分析醫(yī)療保險(xiǎn)欺詐與濫用一般可分為兩種，一是非法騙取保險(xiǎn)金，即保險(xiǎn)欺詐；另一類則是在保額程度內(nèi)反復(fù)就醫(yī)、浮報(bào)理賠金額等，即醫(yī)療保險(xiǎn)濫用保險(xiǎn)企業(yè)能夠利用過去數(shù)據(jù)，尋找影響保險(xiǎn)欺詐最為明顯的原因及這些原因的取值區(qū)間，建立預(yù)測模型，并經(jīng)過自動化計(jì)分功能，迅速將理賠案件根據(jù)濫用欺詐可能性進(jìn)行分類處理車險(xiǎn)欺詐分析保險(xiǎn)企業(yè)夠利用過去的欺詐事件建立預(yù)測模型，將理賠申請分級處理，能夠很大程度上處理車險(xiǎn)欺詐問題，涉及車險(xiǎn)理賠申請欺詐偵測、業(yè)務(wù)員及修車廠勾結(jié)欺詐偵測等精細(xì)化運(yùn)營55產(chǎn)品優(yōu)化，保單個(gè)性化在沒有精細(xì)化的數(shù)據(jù)分析和挖掘的情況下，保險(xiǎn)企業(yè)把諸多人都放在同一風(fēng)險(xiǎn)水平之上，客戶的保單并沒有完全處理客戶的多種風(fēng)險(xiǎn)問題保險(xiǎn)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)的數(shù)據(jù)，處理既有的風(fēng)險(xiǎn)控制問題，為客戶制定個(gè)性化的保單，取得更精確以及更高利潤率的保單模型，給每一位顧客提供個(gè)性化的處理方案代理人（保險(xiǎn)銷售人員）甄選根據(jù)代理人員（保險(xiǎn)銷售人員）業(yè)績數(shù)據(jù)、性別、年齡、入司前工作年限、其他保險(xiǎn)企業(yè)經(jīng)驗(yàn)和代理人人員思維性向測試等，找出銷售業(yè)績相對最佳的銷售人員的特征，優(yōu)選高潛力銷售人員精細(xì)化運(yùn)營56運(yùn)營分析基于企業(yè)內(nèi)外部運(yùn)營、管理和交互數(shù)據(jù)分析，借助大數(shù)據(jù)臺，全方位統(tǒng)計(jì)和預(yù)測企業(yè)經(jīng)營和管理績效基于保險(xiǎn)保單和客戶交互數(shù)據(jù)進(jìn)行建模，借助大數(shù)據(jù)平臺迅速分析和預(yù)測再次發(fā)生或者新的市場風(fēng)險(xiǎn)、操作風(fēng)險(xiǎn)等PART04證券行業(yè)大數(shù)據(jù)應(yīng)用大數(shù)據(jù)時(shí)代，券商們已意識到大數(shù)據(jù)的主要性，券商對于大數(shù)據(jù)的研究與應(yīng)用正在處于起步階段，相對于銀行和保險(xiǎn)業(yè)，證券行業(yè)的大數(shù)據(jù)應(yīng)用起步相對較晚。證券行業(yè)大數(shù)據(jù)應(yīng)用概述58大數(shù)據(jù)時(shí)代，券商們已意識到大數(shù)據(jù)的主要性，券商對于大數(shù)據(jù)的研究與應(yīng)用正在處于起步階段目前國內(nèi)外證券行業(yè)的大數(shù)據(jù)應(yīng)用大致有如下三個(gè)方向股價(jià)預(yù)測客戶關(guān)系管理投資景氣指數(shù)股價(jià)預(yù)測59英國對沖基