
隨著移動(dòng)互聯(lián)網(wǎng)、云計(jì)算、物聯(lián)網(wǎng)和社交網(wǎng)絡(luò)的廣泛應(yīng)用,人類社會(huì)已經(jīng)邁入一個(gè)全新的“大數(shù)據(jù)”信息化時(shí)代。而銀行信貸的未來,也離不開大數(shù)據(jù)。
國(guó)內(nèi)不少銀行已經(jīng)開始嘗試通過大數(shù)據(jù)來驅(qū)動(dòng)業(yè)務(wù)運(yùn)營(yíng),如中信銀行信用卡中心使用大數(shù)據(jù)技術(shù)實(shí)現(xiàn)了實(shí)時(shí)營(yíng)銷,光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫(kù),招商銀行則利用大數(shù)據(jù)發(fā)展小微貸款。從發(fā)展趨勢(shì)來看,銀行大數(shù)據(jù)應(yīng)用總的可以分為四大方面:
第一方面:客戶畫像應(yīng)用。
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)人客戶畫像包括人口統(tǒng)計(jì)學(xué)特征、消費(fèi)能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險(xiǎn)偏好等;企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運(yùn)營(yíng)、財(cái)務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。值得注意的是,銀行擁有的客戶信息并不全面,基于自身?yè)碛械臄?shù)據(jù)有時(shí)難以得出理想的結(jié)果甚至可能得出錯(cuò)誤的結(jié)論。
比如,如果某位信用卡客戶月均刷卡8次,平均每年打4次客服電話,從未有過投訴,按照傳統(tǒng)的數(shù)據(jù)分析,該客戶是一位滿意度較高流失風(fēng)險(xiǎn)較低的客戶。但如果看到該客戶的微博,真實(shí)情況是:工資卡和信用卡不在同一家銀行,還款不方便,好幾次打客服電話沒接通,客戶多次在微博上抱怨,該客戶流失風(fēng)險(xiǎn)較高。所以銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù),更應(yīng)考慮整合外部更多的數(shù)據(jù),以擴(kuò)展對(duì)客戶的了解。包括:
(1)客戶在社交媒體上的行為數(shù)據(jù)(如光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫(kù))。通過打通銀行內(nèi)部數(shù)據(jù)和外部社會(huì)化的數(shù)據(jù)可以獲得更為完整的客戶拼圖,從而進(jìn)行更為精準(zhǔn)的營(yíng)銷和管理;
(2)客戶在電商網(wǎng)站的交易數(shù)據(jù),如建設(shè)銀行則將自己的電子商務(wù)平臺(tái)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的信用即可;
(3)企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)。如果銀行掌握了企業(yè)所在的產(chǎn)業(yè)鏈上下游的數(shù)據(jù),可以更好掌握企業(yè)的外部環(huán)境發(fā)展情況,從而可以預(yù)測(cè)企業(yè)未來的狀況;
(4)其他有利于擴(kuò)展銀行對(duì)客戶興趣愛好的數(shù)據(jù),如網(wǎng)絡(luò)廣告界目前正在興起的DMP數(shù)據(jù)平臺(tái)的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)。
第二方面:精準(zhǔn)營(yíng)銷
在客戶畫像的基礎(chǔ)上銀行可以有效的開展精準(zhǔn)營(yíng)銷,包括:
(1)實(shí)時(shí)營(yíng)銷。實(shí)時(shí)營(yíng)銷是根據(jù)客戶的實(shí)時(shí)狀態(tài)來進(jìn)行營(yíng)銷,比如客戶當(dāng)時(shí)的所在地、客戶最近一次消費(fèi)等信息來有針對(duì)地進(jìn)行營(yíng)銷(某客戶采用信用卡采購(gòu)孕婦用品,可以通過建模推測(cè)懷孕的概率并推薦孕婦類喜歡的業(yè)務(wù));或者將改變生活狀態(tài)的事件(換工作、改變婚姻狀況、置居等)視為營(yíng)銷機(jī)會(huì);
(2)交叉營(yíng)銷。即不同業(yè)務(wù)或產(chǎn)品的交叉推薦,如招商銀行可以根據(jù)客戶交易記錄分析,有效地識(shí)別小微企業(yè)客戶,然后用遠(yuǎn)程銀行來實(shí)施交叉銷售;
(3)個(gè)性化推薦。銀行可以根據(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,如根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財(cái)偏好等,對(duì)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(duì)性的營(yíng)銷推廣;
(4)客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構(gòu)建客戶流失預(yù)警模型,對(duì)流失率等級(jí)前20%的客戶發(fā)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)。
第三方面:風(fēng)險(xiǎn)管控
包括中小企業(yè)貸款風(fēng)險(xiǎn)評(píng)估和欺詐交易識(shí)別等手段。
(1)中小企業(yè)貸款風(fēng)險(xiǎn)評(píng)估。銀行可通過企業(yè)的產(chǎn)、流通、銷售、財(cái)務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進(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。
(2)實(shí)時(shí)欺詐交易識(shí)別和反洗錢分析。銀行可以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)則引擎進(jìn)行實(shí)時(shí)的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數(shù)據(jù)有效地預(yù)防與管理金融犯罪,摩根大通銀行則利用大數(shù)據(jù)技術(shù)追蹤盜取客戶賬號(hào)或侵入自動(dòng)柜員機(jī)(ATM)系統(tǒng)的罪犯。
第四方面:運(yùn)營(yíng)優(yōu)化。
(1)市場(chǎng)和渠道分析優(yōu)化。通過大數(shù)據(jù),銀行可以監(jiān)控不同市場(chǎng)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。同時(shí),也可以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。
(2)產(chǎn)品和服務(wù)優(yōu)化:銀行可以將客戶行為轉(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,更深層次地理解客戶的習(xí)慣,智能化分析和預(yù)測(cè)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(duì)大數(shù)據(jù)進(jìn)行初步分析,通過對(duì)還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶,根據(jù)客戶還款數(shù)額的差別,提供差異化的金融產(chǎn)品和服務(wù)方式。
(3)輿情分析:銀行可以通過爬蟲技術(shù),抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息,并通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)現(xiàn)和處理問題;對(duì)于正面信息,可以加以總結(jié)并繼續(xù)強(qiáng)化。同時(shí),銀行也可以抓取同行業(yè)的銀行正負(fù)面信息,及時(shí)了解同行做的好的方面,以作為自身業(yè)務(wù)優(yōu)化的借鑒。
銀行是經(jīng)營(yíng)信用的企業(yè),數(shù)據(jù)的力量尤為關(guān)鍵和重要。在“大數(shù)據(jù)”時(shí)代,以互聯(lián)網(wǎng)為代表的現(xiàn)代信息科技,特別是門戶網(wǎng)站、社區(qū)論壇、微博、微信等新型傳播方式的蓬勃發(fā)展,移動(dòng)支付、搜索引擎和云計(jì)算的廣泛應(yīng)用,構(gòu)建起了全新的虛擬客戶信息體系,并將改變現(xiàn)代金融運(yùn)營(yíng)模式。
大數(shù)據(jù)海量化、多樣化、傳輸快速化和價(jià)值化等特征,將給商業(yè)銀行市場(chǎng)競(jìng)爭(zhēng)帶來全新的挑戰(zhàn)和機(jī)遇。數(shù)據(jù)時(shí)代,智者生存,未來的銀行信貸,是從數(shù)據(jù)中贏得未來,是從風(fēng)控中獲得安穩(wěn)。
數(shù)據(jù)分析咨詢請(qǐng)掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
訓(xùn)練與驗(yàn)證損失驟升:機(jī)器學(xué)習(xí)訓(xùn)練中的異常診斷與解決方案 在機(jī)器學(xué)習(xí)模型訓(xùn)練過程中,“損失曲線” 是反映模型學(xué)習(xí)狀態(tài)的核心指 ...
2025-09-19解析 DataHub 與 Kafka:數(shù)據(jù)生態(tài)中兩類核心工具的差異與協(xié)同 在數(shù)字化轉(zhuǎn)型加速的今天,企業(yè)對(duì)數(shù)據(jù)的需求已從 “存儲(chǔ)” 轉(zhuǎn)向 “ ...
2025-09-19CDA 數(shù)據(jù)分析師:讓統(tǒng)計(jì)基本概念成為業(yè)務(wù)決策的底層邏輯 統(tǒng)計(jì)基本概念是商業(yè)數(shù)據(jù)分析的 “基礎(chǔ)語言”—— 從描述數(shù)據(jù)分布的 “均 ...
2025-09-19CDA 數(shù)據(jù)分析師:表結(jié)構(gòu)數(shù)據(jù) “獲取 - 加工 - 使用” 全流程的賦能者 表結(jié)構(gòu)數(shù)據(jù)(如數(shù)據(jù)庫(kù)表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
2025-09-19SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實(shí)戰(zhàn)優(yōu)化 在 SQL Server 的數(shù)據(jù)處理中,日期格式轉(zhuǎn)換是高頻需求 —— 無論 ...
2025-09-18MySQL 大表拆分與關(guān)聯(lián)查詢效率:打破 “拆分必慢” 的認(rèn)知誤區(qū) 在 MySQL 數(shù)據(jù)庫(kù)管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫(kù)表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫(kù))處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場(chǎng)景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對(duì)象的 text 與 content:區(qū)別、場(chǎng)景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請(qǐng)求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫(kù)表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請(qǐng)求工具對(duì)比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請(qǐng)求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長(zhǎng)浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營(yíng)問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營(yíng)銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營(yíng)銷成為企業(yè)突圍的核心方 ...
2025-09-11