金融行业大数据解决方案.pptx

金融行业大数据解决方案.pptx

《金融行业大数据解决方案.pptx》由会员分享，可在线阅读，更多相关《金融行业大数据解决方案.pptx（38页珍藏版）》请在冰点文库上搜索。

,大数据应用助力金融创新,金融行业大数据解决方案,大数据应用场景,2,大数据创新方法,大数据应用案例,商业银行的挑战,C,目录ONTENT,金融行业面临的压力与挑战,3,市场化改革加快,新技术创新不足,互联网金融冲击,缺乏产品创新能力,市场竞争的挑战利率市场化让银行面临更严厉的市场化竞争环境，加快业务变革和创新成为企业新阶段必经之路。

产品创新的挑战大部分金融机构认为产品创新不足，需要通过提升业务创新能力，开发新产品。

而数据作为战略性资产，通过数据挖掘快速创新产品也将成为企业的核心竞争力。

互联网金融的挑战互联网金融发展和大数据时代对金融行业的传统经营模式带来重大挑战，造成大量中小客户分流。

商业银行普遍认为，需加快自身互联网金融建设，适应行业发展趋势。

新技术的挑战现有IT无法紧跟业务变化、系统扩展性差等方面。

金融行业将通过IT架构调整和业务优化，提升IT技术水平。

金融行业应加快战略转型步伐,4,零售银行为应对利率化市场带来的市场竞争，吸引用户，商业银行要加快零售银行转型。

利用网点、ATM、手机银行、网银等便捷渠道，针对个人、家庭、中小企业提供小额、高频的金融支付、储蓄、信贷、代理等金融服务。

互联网金融为应对互联网金融的冲击，金融行业加强了互联网金融转型建设。

互联网金融就是采用云计算、大数据和移动互联新技术，对传统金融业务改造，推动金融服务移动化、平台化、数据化和社交化，实现资金、信息和服务的融合创新。

金融产品创新利用大数据推动金融产品创新。

企业应通过组建大数据团队、完善大数据信息和培养大数据分析能力，对银行的内部及外部数据进行整合分析，为金融产品创新、管理优化和服务便捷提供大数据支持。

量化,5,洞察,预测,智慧,决策创新,大数据银行,智慧银行,大数据成为企业竞争的核心商业价值,通过大数据推动产品创新,通过大数据重塑企业流程,以大数据支持科学决策,通过大数据夯实基础管理,通过大数据提升核心竞争力,建行的数据应用历程,6,建行的数据应用模式，已经从最初的报表查询发展到了目前的交互型分析阶段,大数据应用场景,7,大数据创新方法,大数据应用案例,商业银行的挑战,C,目录ONTENT,大数据工作的驱动力,8,客户视角更准确地掌握客户的喜好，预测客户的潜在需求,风险视角更快识别潜在风险，降低客户和我行自身的损失,运营视角优化资源配置，降低运营成本，提升服务质量,产品视角根据客户需求的挖掘，更有针对性地设计满足客户需要的产品，提升整体盈利能力,技术视角,构建一个能够支持业务中长期发展（3-5年）的基础能力平台,1客户画像,9,2运营优化,3风险管控,4精准营销,5业务创新,个人画像；企业画像,批量获客跨界融合整合资源与产业升级,反欺诈应用（申请欺诈；交易欺诈）小微企业贷款评估P2P平台,快速（极速）放贷产品组合优化舆情分析服务升级（个性化、多样化服务）,精准预测个性化推荐联合营销,大数据在金融行业的主要应用,客户管理方面：

“用户或企业画像“精准描述客户特征,10,基本属性,关联关系,兴趣偏好,价值信息,风险信息,营销信息,人口信息生活信息,位置信息,生活关联,金融关联,社交网络,金融产品,非金融产品,用户贡献,行内渠道行外渠道,用户自身价值,风险信息,黑名单信息,近期需求,营销活动,多渠道数据,多产品信息,数据挖掘建模,数据实时采集,风险管控方面：

信用卡欺诈风险监测和阻断,11,算法,规则引擎,模型,模糊匹配算法中文（简/繁体）、英文模糊匹配算法。

反欺诈规则引擎按照区域欺诈特征，定制多维度规则集，实现快速计算。

侦测模型逻辑回归模型、关联分析、聚类分析技术、神经网络等模型进行欺诈行为侦测。

反欺诈,处理快，毫秒级欺诈识别稳，7*24小时服务,措施-事中干预-事后核实,数据-内部数据-外部数据,模型-规则-异常值模型-关联模型-神经网络模型,实现要点,反欺诈技术,12,鼓励大型银行充分利用机构和网点优势，科学调整信贷结构，重点支持小型微型企业和区域经济发展。

引导银行业金融机构针对小型微型企业的经营特点和融资需求特征，创新产品和服务。

各银行业金融机构在商业可持续和有效控制风险的前提下，单列小型微型企业信贷计划。

国家政策,在客户扩展方面，完善所需要的内外部数据，利用大数据的“预测”功能，精准投放信贷资源。

在产品创新方面，提供便捷、快速的小企业信贷产品。

采用提前授信、线上操作、自动放款的自动审批方案，实现快速放贷。

在风险管理方面，采用客户画像方式，充分识别客户特征，结合内外部数据及时发现风险客户，在不良之前退出。

另一方面要归纳总结风险成因，并将掌握的情况运用于风险客户的发现。

应对措施,在客户拓展方面，主要靠散养、守株待兔。

在资产质量方面，行业风险突出，信用风险预警和监测手段不够，关联交易较为普遍。

在业务流程方面，申报流程时间长，大多人工审核，无法满足小企业客户对融资需求急、快的要求。

面临的问题,成本高、效率低、风险大,业务运营方面：

小企业价值分析及提升,低成本、高效率、风险可控,业务运营方面：

客户流失预警分析,13,流失分析,流失预警,休眠户唤醒,1、建立可能出现用户流失的指标2、采用分析模型，分析导致用户流失的原因,1、设置高流失率人员标识并提醒2、根据用户价值，筛选出需要重点维护的易流失用户,1、识别休眠用户2、通过营销、促销手段将其唤醒,业务运营方面：

物理渠道价值提升,14,获得客户洞察，刻画网点客户，加深经营机构对客户的了解优化产品和服务在物理渠道的投放，提升物理渠道经营业绩研究客户交易习惯，提出柜面分流建议，使分流后的交易符合客户习惯和需要,梳理业绩指标，结合区域特性，数据化展现物理渠道经营全貌建立网点经营领先实践，与我行网点进行分析和比较探索形成物理渠道经营监测指标体系对业务趋势进行预测分析，提出员工与设备的合理配置建议、日常运营监控方案优化人员组合，提升员工工作效率和渠道运营效率,目标1：

构建物理渠道经营监测评价指标体系，提升网点精细化管理水平目标2：

优化业务流程，支持产品差异化配置和客户精准营销目标3：

调整人员及设备配置，提升网点运营效率,精准营销方面：

根据客户特征，精准推荐金融产品,15,目标市场调研,目标客户分析,目标客户触达,近2年区域GDP值及增长率,近2年区内GDP与全市各区平均GDP比值变动情况区域人口规模、密度、结构、收入区域网点数量、距离区域人群宏观画像,消费行为习惯：

购物场所/方式选择，优先购物场所/方式，月均购物频率，单次消费金额，分类购物情况，消费金额等交通工具（有无车）居住情况（有无房产，房产价值区间）家庭情况（有无孩子老人）主要活动区域，喜好偏好、生活方式已有金融消费情况，金融消费预测,线上线下方式相结合：

营业网点wifi推送主要商圈wifi+线下宣传推送社区营销活动EDM个性化邮件QQ弹窗手机运营商弹窗主要网站精准广告展示电销（补充用户标签）,通过消费者画像，把握关键的竞争优势，研究区域内市场容量和趋势，预测市场份额。

精准营销方面：

“人+机器“的智能投顾,16,智能投顾被称作为机器人投顾、智能理财、自动化理财。

利用大数据分析、量化金融模型以及智能化算法，根据投资者的风险承受水平、预期收益目标以及投资风格偏好等要求，运用一系列智能算法，投资组合优化等理论模型，为用户提供投资参考，并监测市场动态，对资产配置进行自动再平衡，提高资产回报率，从让投资者实现“零基础、零成本、专家级”动态资产投资配置。

智能投顾的主要特点是分散投资、智能推荐、个性化理财。

17,产品创新方面：

获取外部数据，挖掘潜在客户或产品外部数据源应用模式应用场景,政府机关垄断企业,龙头企业互联网公司数据平台,互联网获客,APP跨界合作分析手机用户特征，选择某些APP开发商，针对特定客群联合开展营销活动，实现获客。

批量获客,风险管理,个性化服务,搜索行为+产品/业务推荐根据客户上网浏览或搜索行为判断客户偏好，预测客户行为，推荐相应的产品。

例如：

发现潜在出境旅游客户，推荐信用卡。

辅助判断企业经营状况根据企业纳税额、每日工厂人流、判断企业经营状态,。

。

。

。

。

。

搜索与推荐。

辅助尽职调查。

大数据应用场景,18,大数据创新方法,大数据应用案例,商业银行的挑战,C,目录ONTENT,数据创造价值、数据驱动投资智慧金融及衍生领域,风控：

建设银行网络渠道交易风控预防客户资金损失,20,通过位置服务、终端识别等新技术应用，提高风险策略控制命中率，实现了对电子渠道交易7*24小时实时风险监控，支持建行互联网金融业务健康发展。

风控,2016年底,监测高风险客户,79万户,避免客户损失,1.55亿元,拒绝可疑风险事件,2.6万起,风控：

工商银行运用大数据打击电信诈骗,21,欺诈检测：

通过收集和整理各行业、机构的黑名单信息，通过多样化的机器学习模型及大数据关联分析等技术，给银行、个人等企业提供风险管控和反欺诈的服务。

风险评级：

使用专业技术和工具，评估风险账户相关数据的客观性、准确度，量化其信用风险、履约等能力;在控制风险前提下，使个人能够实现安全汇款。

实时预警：

用数据挖掘技术，发掘与相关账户的信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至形成最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。

业务运营：

中信银行建立以客户为中心的信用卡业务分析系统,22,应用目标：

信用卡业务竞争本质上就是客户的竞争，而且是优质客户的竞争。

针对客户发现、客户提升、客户保持、市场细分、忠诚度、贡献度、个性化服务乃至个人信用风险等一系列围绕客户关系的新问题。

通过整合银行内部信用卡相关的所有重要数据，通过对数据进行快速而准确的分析和挖掘，以及提供的全方位、多层次的辅助决策支持手段，银行短时间内对市场变化及趋势做出更好的战略性商业决策，以挖掘重点客户、提高服务质量、减少运作成本，为银行带来有利的市场竞争优势。

应用效果：

客户识别。

通过客户信息的分析，识别出给银行带来更好利润并且信用好的客户，并为这些客户提供更多更好的服务。

风险降低。

针对信用差的客户，实时监控，防止发生坏账呆账行。

智慧风控数据票据及小微企业征信,23,小微企业受限于信用平等服务的匮乏，难以取得发展资金，并造成信用逆选择问题，增加金融机构融资困难，造成恶性循环。

透过大数据整合，组织多源数据，辅助传统征信方式，增加中小企业征信精确度，减少信用风险。

小微企业特征：

人的关联度较强，物的关联度（频度）较低；企业规模越大，物（频度）的关联度越高，人的关联度越低（可替代性）。

增加对用户行为描述可能进一步消除小微企业的信用风险。

结合区块链技术，实现智能合约，加强清算/结算效率。

打通供应链、物流链、经销链，未来作为推动数据票据基础。

业务运营：

Kabbage网商运用大数据，实现客户快速放贷,24,Kabbage是一家为网店店主提供营运资金贷款服务的企业，客户是eBay、亚马逊、雅虎、Etsy、Shopify、Magento、PayPal上的美国网商。

通过查看网店店主的销售和信用记录、顾客流量、评论以及商品价格和存货等信息，来最终确定是否为他们提供贷款以及贷多少金额，贷款金额上限为4万美元。

店主可以主动在自己的Kabbage账户中添加新的信息，以增加获得贷款的概率。

Kabbage通过支付工具PayPal的支付API来为网店店主提供资金贷款，这种贷款资金到账的速度相当快，最快十分钟就可以搞定。

Kabbage用于贷款判断的支撑数据的来源还来自于网上商家的自主提供，且提供的数据多少直接影响着最终的贷款情况，这样科学地运用了大数据技术，挖掘和探索虚拟经济形态下的网络和商务平台数据，高效地控制了风险，同时保障了业务的稳定拓展，目前已开拓了近万家客户，成效显著。

精准营销：

健康+大数据助险企精准销售和评估风险,25,面临健康险控费、盈利难题，保险公司需要从大数据精准分析、数据共享等方面解决。

以重大疾病险为例，业内人士称，可以对公司重大疾病险的历史数据进行分析，挖掘与出险疾病有关的一系列相关关系，如从客户购买保险到出险的年限，年龄、性别，所发生的疾病类别，购买保险人的经济状况和职业层次，每一位出险客户的理赔额度等。

通过对这些数据进行分析整合，保险公司可以去比对客户的消费习惯，客户购买的产品，还可协助保险公司催缴、续期保费，以期达到精准销售以及评估风险的作用。

精准营销：

招商银行的摩羯智投开启智能化投资模式,26,摩羯智投是运用机器学习算法，并融入招商银行十多年财富管理实践及基金研究经验，在此基础上构建的以公募基金为基础的、全球资产配置的“智能基金组合配置服务”。

在客户进行投资期限和风险收益选择后，摩羯智投会根据客户自主选择的“目标收益”要求、构建基金组合，由客户进行决策、“一键购买”并享受后续服务。

摩羯智投并非一个单一的产品，而是一套资产配置服务流程，它包含了目标风险确定、组合构建、一键购买、风险预警、调仓提示、一键优化、售后服务报告等，涉及基金投资的售前、售中、售后全流程服务环节。

不仅如此，摩羯智投在向客户提供基金产品组合配置建议的同时，也增加了较为完善的售后服务。

比如，摩羯智投会实时进行全球市场扫描，根据最新市场状况，去计算最优组合比例，如果客户所持组合偏离最优状态，摩羯智投将为客户提供动态的基金组合调整建议，在客户认可后，即可自主进行一键优化。

智慧投顾对冲及量化基金交易策略新范式,27,传统基金产品评价来自于：

1）基金净值历史波动，2）基金经理人记录，3）基金证券投资组合，4）衡量基金产品的Beta值。

目前的舆情/关键字观察来自于：

1）透过股吧/关键字/搜寻引擎观察频度，2）观察到最大声量来自于两种极端群体：

还没卖被套住了、卖了但是亏了（存量），3）模拟竞赛的追踪，4）但是没看到群体、其他投资人信息/数据/焦点的流动（流量）。

新的大数据技术可以赋予传统对冲策略（逻辑为基础）新的思路（关联为本）和计算维度；将过去量化交易逐渐下沉到应用群集层面，吸引更多定制化的投资需求。

举例：

春运的动态规模交通燃油期货/空运行业股价、电力数据变化和房地产行业投资、电子信息口岸数据和进出口/原物料期货交易、医疗数据和保险公司/制药行业等,智慧私募基金/风投评估,28,目前国内创业投资市场规模在人民币4000亿元以上，私募/风投对于标的企业的风险评估仍然仰赖对商业模式/企业主的个人社会资源的“定性”观察，缺乏对企业本身的“定量”观察方式。

新创公司缺乏资产、缺乏业务、缺乏现金造成传统财务评估方式多为事后验证；新创公司最丰富的维度及资产来自于人力资源。

观察用户行为会丰富传统评估的维度。

一般基金管理人一年要看200-300个项目，评估50件，投资10-20件。

投前追踪不是要取代基金管理人的判断，而是加速过滤失败项目的时间耗损。

如此，基金管理人可将主要时间集中在一年10-20个可能项目。

数据库的积累会进一步挖掘双创产业中持续失败/持续成功的模式/要素关联性，对于推动整体产业发展会有进一步升级的可能。

29,产品创新：

民生银行运用大数据驱动业务运营和产品创新,应用目标：

整合客户数据，通过精准的营销设计降低客户流失率，提高忠诚度;借助大数据技术对不同渠道来源的提供商、客户的交易行为进行全面分析，实现链式反应;搭建有效的数据模型，为客户提供全方位管家式的非金融服务;借助对业务的分析与优化，推动自身的转型与创新。

应用效果：

分析洞察。

通过大数据相关技术，可以及时了解本行业及关联行业的变化，快速调整自身企业的运营方向及策略，缩小企业运营风险敞口。

精准营销。

整合金融业内部和外部数据，建立起多维度多层次的分析洞察报表，可提供市场、销售、用户、舆情等多角度的宏观洞察，辅助战略决策，同时也为企业的运营、产品、市场、销售、服务等一线业务人员提供数据洞察，支持其日常的业务行动。

产品创新：

蚂蚁金服推航空延误险“晚点乐”,30,应用目标：

航班延误、取消等状况频发，不但耗费旅客的时间成本，甚至造成经济损失。

不过由于传统的航班延误理赔较为麻烦，繁琐的手续让旅客望而止步。

在此情况下，保险公司与航空大数据的联动及合作将会使旅客在办理延误险时的手续大为简化，解决用户痛点问题。

通过捕获航班信息大数据，结合大数据系统的分析和推导结论，及时分辨当天出现的航班变动并依据紧急程度，提供航班变动情况等信息，帮助用户解决难点。

应用效果：

机场资源跟踪。

基于相关数据分析，更改飞机起飞、降落时间段等。

理赔服务。

通过客户的保单数、飞机延误原因、时长等问题，对用户进行相关的理赔自助服务。

产品创新：

平安大数据打造“互联网+车生活”平台,31,依托近4000万车主的真实大数据的交互共享优势，平安车险进一步实现对车主车生活的全面覆盖，为其提供了准确、有效的车生活指导。

基于此，平安车险对用车、养车、服务等多元化生活场景进行划分，建立起了针对不同客户群体的大数据应用模型，这不仅极大增强了平台对用户的黏性和营销定位精准度，也实现了一站式车生活平台的探索和布局。

在养车方面，用户的驾驶行为习惯将成为平安大数据分析的一部分。

通过为车险的多维度定价和服务推送提供参考,平安与众安也将根据用户用车的习惯、频次、程度等,来设计用户的“理想车险”画像，以“开车赚钱”功能培养用户良好的驾驶习惯。

平安产险运用“互联网+大数据”的优势为产业赋能，让自身互联网+用车服务生态圈进一步走向成熟，建立围绕汽车用户的全面应用场景的生态链。

平安好车主正在给予自身的风险管理优势，打造一个相互共生与促进的动态平衡运营系统，进而去满足用户关于汽车的全方位多角度精准需求，不断迈向汽车生活全能管家的战略蓝图。

大数据应用场景,32,大数据创新方法,大数据应用案例,商业银行的挑战,C,目录ONTENT,驾驭大数据的三大关键,33,高效行动试错机制,鼓励探索小步快跑,拥抱变革开放包容关联分析比因果关系更重要,构筑优势,数据人为跨界人才的要求：

业务数据技术,团队,机制,思维,电商数据,34,社交数据,位置数据,存贷记录,支付投资记录记录,终端交易记录,舆情数据,大数据来源于内部的交易记录和外部互联网数据,内部,外部,大数据支持金融产品创新大数据支持风险管理、产品创新营销、客户服务、征信、合规等领域的业务发展。

构建大数据挖掘和分析能力组建专门的大数据分析部门（威海银行在北京成立数据研发中心）。

专门开展大数据挖掘和数据建模。

汇集和构建大数据平台（外部）通过电子商务（工商银行的融e购电商平台）建立和完善非金融数据，为大数据分析提供信息支持。

构建数据统一存储和管理平台（内部）通过对数据进行分类和清洗，构建数据仓库，支持大数据应用，如汇丰银行对大客户信息进行分类，构建大客户数据平台。

大数据管理管理机构工行设立专门的数据管理部门（管理信息部），统一管理大数据应用，对业务数据进行分析。

通过机构设置、研发团队、平台建设和应用开发构建自己的大数据应用体系,组建专门的大数据管理、分析和开发团队；对现有的数据进行分类、清洗，构建数据仓库；开展风控、客户行为、营销类应用的大数据分析和建模；通过大数据分析支持业务优化和服务智能化，打造智慧型企业。

制定大数据战略,35,技术上，形成业务分析的统一入口，实现知识共享、分析结果便捷交付；业务上，按照四个智能的目标，推动应用分析项目的实施落地,建立大数据工作平台,建立大数据工作平台面向业务人员建立大数据工作平台，实现整体数据分析应用流程化管理，做到分析工具开箱即用，分析成果多渠道应用于生产，知识库全行共享，提升大数据工作的效率。

36,构建开放的金融数据云平台,37,构建开放的金融数据云平台，通过平台、数据和应用三类能力的输出，激活大数据平台的价值，形成合作共赢的数据生态体系,发现“小机会”挖掘“大价值”,