大數(shù)據(jù)分析給零售銀行帶來(lái)新機(jī)遇_數(shù)據(jù)分析師

　零售銀行為了給客戶(hù)提供更加優(yōu)質(zhì)的服務(wù)，需要通過(guò)分析銀行系統(tǒng)本身數(shù)據(jù)庫(kù)所保留的客戶(hù)資料信息，對(duì)客戶(hù)進(jìn)行分類(lèi)管理。

　　近年來(lái)，大數(shù)據(jù)已成為科技界和企業(yè)界關(guān)注的熱點(diǎn)，越來(lái)越多的企業(yè)和研究者正在關(guān)注大數(shù)據(jù)的應(yīng)用。大數(shù)據(jù)的分析與挖掘技術(shù)在科學(xué)界正在如火如荼的展開(kāi)，各種大數(shù)據(jù)的新算法被開(kāi)發(fā)研究出來(lái)，例如近年來(lái)發(fā)展比較完善的一種數(shù)據(jù)分析挖掘算法支持向量機(jī)。

　　與此同時(shí)，大數(shù)據(jù)分析在商業(yè)中的運(yùn)用受到人們的追捧，各種大數(shù)據(jù)在商業(yè)中成功運(yùn)用的案例層出不窮，比如美國(guó)大型零售商target公司的廣告精準(zhǔn)推送。本文將對(duì)大數(shù)據(jù)分析技術(shù)以及大數(shù)據(jù)分析技術(shù)在零售銀行行業(yè)的作用進(jìn)行一番探討。

　　什么是大數(shù)據(jù)

　　2011 年，麥肯錫在題為《海量數(shù)據(jù)，創(chuàng)新、競(jìng)爭(zhēng)和提高生成率的下一個(gè)新領(lǐng)域》的研究報(bào)告中首次提出大數(shù)據(jù)的概念。報(bào)告認(rèn)為數(shù)據(jù)已經(jīng)滲透到每一個(gè)行業(yè)和業(yè)務(wù)職能領(lǐng)域，數(shù)據(jù)中蘊(yùn)含著巨大的價(jià)值，這些價(jià)值將導(dǎo)致數(shù)據(jù)成為重要的生產(chǎn)因素。2012年《紐約時(shí)報(bào)》的一篇專(zhuān)欄中寫(xiě)到，“大數(shù)據(jù)”時(shí)代已經(jīng)降臨，在商業(yè)、經(jīng)濟(jì)及其他領(lǐng)域中，最終決策將日益基于數(shù)據(jù)和分析而作出，而并非基于經(jīng)驗(yàn)和直覺(jué)。2012年3月，美國(guó)奧巴馬政府宣布投資2億美元啟動(dòng)“大數(shù)據(jù)研究和發(fā)展計(jì)劃”，這是繼1993年美國(guó)宣布“信息高速公路”計(jì)劃后的又一次重大科技發(fā)展部署。美國(guó)政府認(rèn)為大數(shù)據(jù)是“未來(lái)的新石油”，將“大數(shù)據(jù)研究”上升為國(guó)家意志，對(duì)未來(lái)的科技與經(jīng)濟(jì)發(fā)展必將帶來(lái)深遠(yuǎn)影響。

　　進(jìn)入21世紀(jì)，互聯(lián)網(wǎng)的興起促成了數(shù)據(jù)量的大規(guī)模增長(zhǎng)。互聯(lián)網(wǎng)時(shí)代，幾乎全民都在制造數(shù)據(jù)，與此同時(shí)，數(shù)據(jù)的形成也極其豐富。一方面，既有社交網(wǎng)絡(luò)、多媒體、協(xié)同創(chuàng)造、虛擬服務(wù)等應(yīng)用所主動(dòng)產(chǎn)生的數(shù)據(jù)；另一方面，又有搜索引擎、網(wǎng)頁(yè)瀏覽過(guò)程中被記錄、被收集的數(shù)據(jù)。該階段數(shù)據(jù)的特點(diǎn)是用戶(hù)原創(chuàng)、主動(dòng)、交互。

　　根據(jù)國(guó)際數(shù)據(jù)公司（IDC）的研究報(bào)告，2011年全球被創(chuàng)建和被復(fù)制的數(shù)據(jù)總量為1.8ZB（數(shù)據(jù)存儲(chǔ)單位，澤字節(jié)，等于1024艾字節(jié)或270個(gè)字節(jié)），且增長(zhǎng)趨勢(shì)遵循新摩爾定律，預(yù)計(jì)到2020年，全球數(shù)據(jù)量大約每?jī)赡攴环?，全球?qū)碛?5ZB的數(shù)據(jù)量。正是由于信息技術(shù)的發(fā)展，大數(shù)據(jù)才能生成和發(fā)展。大數(shù)據(jù)技術(shù)正是從海量的、多樣化的數(shù)據(jù)中，快速獲得有價(jià)值信息的能力。

　　大數(shù)據(jù)指的是所涉及的數(shù)據(jù)量規(guī)模巨大到無(wú)法通過(guò)人工，在合理時(shí)間內(nèi)達(dá)到截取、管理、處理、整理成為人類(lèi)所能解讀的信息。在維克托?邁爾-舍恩伯格及肯尼斯?庫(kù)克耶編寫(xiě)的《大數(shù)據(jù)時(shí)代》中，大數(shù)據(jù)分析是指不用隨機(jī)分析抽樣調(diào)查的方法，而采用對(duì)所有數(shù)據(jù)進(jìn)行分析的方法。

　　基于目前對(duì)大數(shù)據(jù)的認(rèn)識(shí)，通常認(rèn)為大數(shù)據(jù)具備了4V特點(diǎn)，即Volume（大量）、Variety（多樣）、Velocity（高速）、Value（價(jià)值）。這四個(gè)特點(diǎn)從四個(gè)方面描述了大數(shù)據(jù)分析技術(shù)：第一，數(shù)據(jù)體量巨大。從TB級(jí)別到PB級(jí)別，甚至躍升至EB乃至ZB級(jí)別；第二，數(shù)據(jù)類(lèi)型多樣。包括網(wǎng)絡(luò)文本、日志、視頻、圖片、地理位置信息等各種結(jié)構(gòu)化和非結(jié)構(gòu)化的數(shù)據(jù)都有，一切信息皆為數(shù)據(jù)。第三，處理速度快。利用各種大數(shù)據(jù)分析工具，比如hadoop和SPSS，可從各種類(lèi)型的數(shù)據(jù)中快速獲得高價(jià)值的信息，這一點(diǎn)和傳統(tǒng)的數(shù)據(jù)分析技術(shù)有著本質(zhì)的區(qū)別。第四，只要合理利用數(shù)據(jù)并對(duì)其進(jìn)行正確、準(zhǔn)確的分析，挖掘出數(shù)據(jù)內(nèi)部隱藏的相關(guān)關(guān)系將會(huì)帶來(lái)很高的價(jià)值回報(bào)。

　　與傳統(tǒng)的邏輯推理研究不同，大數(shù)據(jù)研究是對(duì)數(shù)量巨大的數(shù)據(jù)做統(tǒng)計(jì)性的搜索、比較、聚類(lèi)和分類(lèi)等分析歸納。大數(shù)據(jù)分析比較關(guān)注數(shù)據(jù)的相關(guān)性或稱(chēng)關(guān)聯(lián)性，所謂“相關(guān)性”是指兩個(gè)或兩個(gè)以上變量的取值之間存在著某種規(guī)律?！跋嚓P(guān)分析”的目的是找出數(shù)據(jù)集里隱藏的相互關(guān)系網(wǎng)（關(guān)聯(lián)網(wǎng)）。因此大數(shù)據(jù)是側(cè)重找出相關(guān)關(guān)系而不是找出因果關(guān)系。也許正是由于大數(shù)據(jù)分析側(cè)重于尋找相關(guān)關(guān)系，才促使大數(shù)據(jù)分析技術(shù)在商業(yè)領(lǐng)域廣泛應(yīng)用。商業(yè)的運(yùn)用在于盈利，因此只要從數(shù)據(jù)挖掘中發(fā)現(xiàn)某種因素與增加盈利有較強(qiáng)的關(guān)聯(lián)性，然后全面開(kāi)發(fā)該相關(guān)因素就行。

　　大數(shù)據(jù)分析建模的基本思路技巧

　　有了大量數(shù)據(jù)之后，下一步就是分析這些數(shù)據(jù)，期望通過(guò)合適的數(shù)據(jù)分析挖掘技術(shù)建立模型找到蘊(yùn)藏在數(shù)據(jù)下面的客觀規(guī)律。大數(shù)據(jù)分析技術(shù)經(jīng)過(guò)這么多年的發(fā)展，已經(jīng)形成了一些分析建模的基本思路。CRISP-DM（即“跨行業(yè)數(shù)據(jù)挖掘標(biāo)準(zhǔn)流程”的縮寫(xiě)）是一種業(yè)界認(rèn)可的用于指導(dǎo)大數(shù)據(jù)分析挖掘工作的方法。

　　CRISP-DM認(rèn)為在大數(shù)據(jù)分析中存在一個(gè)大數(shù)據(jù)分析挖掘生命周期模型。在這個(gè)生命周期模型中存在著商業(yè)理解、數(shù)據(jù)理解、數(shù)據(jù)準(zhǔn)備、建立模型、模型評(píng)估和結(jié)果部署這六個(gè)階段。圖1中展示了這六個(gè)階段的關(guān)系，其中箭頭的多少表示各個(gè)階段間依賴(lài)關(guān)系的使用頻率和重要程度，每個(gè)階段之間并不一定要嚴(yán)格遵守順序。實(shí)際上，大多數(shù)項(xiàng)目都會(huì)根據(jù)需要在這些不同的階段之間來(lái)回移動(dòng)。

　　商業(yè)理解通常是指理解業(yè)務(wù)的實(shí)際類(lèi)型，業(yè)務(wù)上的實(shí)際問(wèn)題并且嘗試盡可能多地了解數(shù)據(jù)挖掘的業(yè)務(wù)目標(biāo)。數(shù)據(jù)理解是指數(shù)據(jù)理解階段包含深入了解可用于挖掘的數(shù)據(jù)，此過(guò)程包括初始數(shù)據(jù)的收集，初始數(shù)據(jù)的描述以及數(shù)據(jù)質(zhì)量的驗(yàn)證。數(shù)據(jù)準(zhǔn)備是數(shù)據(jù)挖掘最重要的階段之一，通常需要花費(fèi)大量的時(shí)間。據(jù)估算，實(shí)際的數(shù)據(jù)準(zhǔn)備工作通常占50-70%的項(xiàng)目時(shí)間和工作量。

　　數(shù)據(jù)準(zhǔn)備通常包含以下任務(wù)：合并數(shù)據(jù)集和記錄、選擇數(shù)據(jù)子集樣本、匯總記錄、導(dǎo)出新的屬性、排序數(shù)據(jù)以便建模、刪除或替換空白值或缺失值、分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集等。經(jīng)過(guò)數(shù)據(jù)準(zhǔn)備，下一階段就是建立模型。建模時(shí)通常會(huì)執(zhí)行多次迭代，選擇合適的模型算法，運(yùn)行多個(gè)可能的模型，然后再對(duì)這些參數(shù)進(jìn)行微調(diào)以便對(duì)模型進(jìn)行優(yōu)化，最終選擇出一個(gè)最佳的模型。在模型評(píng)估階段，需要對(duì)項(xiàng)目結(jié)果是否達(dá)到業(yè)務(wù)成功標(biāo)準(zhǔn)進(jìn)行評(píng)估。此步驟的前提條件是對(duì)聲明的業(yè)務(wù)目標(biāo)有清晰的了解，因此在前期的商業(yè)理解越發(fā)顯得重要。模型評(píng)估完成之后就進(jìn)入到結(jié)果部署階段，在該階段就是將前期選擇出來(lái)的最佳模型應(yīng)用到實(shí)際業(yè)務(wù)中去，并得到最終報(bào)告。

　　大數(shù)據(jù)分析通過(guò)預(yù)測(cè)未來(lái)趨勢(shì)及行為，做出知識(shí)的決策。大數(shù)據(jù)分析挖掘的主要目標(biāo)功能有以下幾個(gè)：

　　第一，自動(dòng)預(yù)測(cè)趨勢(shì)和行為。數(shù)據(jù)挖掘自動(dòng)在大型數(shù)據(jù)庫(kù)中尋找預(yù)測(cè)性信息，以往需要進(jìn)行大量手工分析的問(wèn)題如今可以迅速直接由數(shù)據(jù)本身得出結(jié)論。比如在GOOGLE流感分析案例中預(yù)測(cè)流感爆發(fā)的時(shí)間和地點(diǎn)。

　　第二，關(guān)聯(lián)分析。數(shù)據(jù)關(guān)聯(lián)是數(shù)據(jù)庫(kù)中存在的一類(lèi)重要的可被發(fā)現(xiàn)的知識(shí)，若兩個(gè)或多個(gè)變量的取值之間存在某種規(guī)律性，就稱(chēng)為關(guān)聯(lián)。關(guān)聯(lián)分析旨在找出具有強(qiáng)相關(guān)關(guān)系的幾個(gè)屬性。典型案例是啤酒和尿布的關(guān)聯(lián)分析，關(guān)聯(lián)分析經(jīng)常用在電子商務(wù)的產(chǎn)品推薦中。

　　第三，聚類(lèi)。數(shù)據(jù)庫(kù)中的一些相類(lèi)似的記錄可以劃歸到一起，即聚類(lèi)。聚類(lèi)常常幫助人們對(duì)事物進(jìn)行再認(rèn)識(shí)。在社交網(wǎng)絡(luò)分析中經(jīng)常用到聚類(lèi)技術(shù)。

　　大數(shù)據(jù)分析技術(shù)經(jīng)過(guò)這幾年的發(fā)展，已經(jīng)形成了一些比較成熟穩(wěn)定的模型算法。常見(jiàn)的模型算法有關(guān)聯(lián)規(guī)則分析（Apriori）、決策樹(shù)、神經(jīng)網(wǎng)絡(luò)、K-MEANS聚類(lèi)、支持向量機(jī)、多元線(xiàn)性回歸、廣義線(xiàn)性回歸、貝葉斯網(wǎng)絡(luò)、Cox以及K近鄰等。這些算法模型有的適合預(yù)測(cè)趨勢(shì)和行為，有的適合關(guān)聯(lián)分析，有的適合聚類(lèi)分析；每種模型算法都有各自的優(yōu)劣性，我們可以針對(duì)不同的場(chǎng)景選擇合適的算法模型進(jìn)行大數(shù)據(jù)分析挖掘。一些常用的模型算法的優(yōu)劣性和適用場(chǎng)合如表1所示：

　　表1：大數(shù)據(jù)常用模型算法的特征分析

　　模型算法 優(yōu)點(diǎn) 缺點(diǎn) 應(yīng)用場(chǎng)合

　　關(guān)聯(lián)規(guī)則分析（Apriori） 算法容易理解，能夠用簡(jiǎn)單的if-then 規(guī)則描述數(shù)據(jù)之間的完備關(guān)系；得出的規(guī)則具有可讀性；能處理連續(xù)和離散的數(shù)據(jù) 數(shù)據(jù)間可能不存在強(qiáng)規(guī)則；由于要查找整個(gè)數(shù)據(jù)庫(kù)中的所有可能規(guī)則，可能會(huì)出現(xiàn)組合爆炸問(wèn)題 數(shù)據(jù)形式規(guī)范，分組容易；零售業(yè)和時(shí)間序列分析，電子商務(wù)中的產(chǎn)品推介

　　決 策 樹(shù) 最容易理解，當(dāng)求解基于多個(gè)復(fù)雜屬性的特定目標(biāo)值時(shí)其性能較佳，可以產(chǎn)生相互獨(dú)立的規(guī)則 預(yù)測(cè)連續(xù)屬性值時(shí)性能較差；不能分析和時(shí)間有關(guān)的屬性變量 用于進(jìn)行分類(lèi)的場(chǎng)合；要求模型具有較強(qiáng)的解釋性的時(shí)候

　　神經(jīng)網(wǎng)絡(luò) 通用性強(qiáng)，對(duì)非線(xiàn)性、有噪音的復(fù)雜數(shù)據(jù)分析效果良好；能處理規(guī)模較大的數(shù)據(jù)庫(kù)，能預(yù)測(cè)連續(xù)數(shù)據(jù)，分類(lèi)或聚類(lèi)離散數(shù)據(jù)；能處理有噪音或?qū)傩灾涤腥笔У臄?shù)據(jù) 無(wú)法直觀解釋得到的規(guī)則，結(jié)果較難解釋?zhuān)凰惴ㄊ諗康锰?，容易出現(xiàn)局部最優(yōu)解或者過(guò)擬合現(xiàn)象 用于進(jìn)行分類(lèi)預(yù)測(cè)的場(chǎng)合，并且變量之間線(xiàn)性關(guān)系難以解釋的情況下

　　聚類(lèi)（K-MEANS） 應(yīng)用簡(jiǎn)單，無(wú)需先驗(yàn)知識(shí)，能處理分類(lèi)型數(shù)據(jù)，數(shù)字型數(shù)據(jù)和字符型數(shù)據(jù) 聚類(lèi)的個(gè)數(shù)需要人為事先定好，難以選擇適當(dāng)?shù)木嚯x函數(shù)和屬性權(quán)值 對(duì)數(shù)據(jù)按照屬性進(jìn)行歸類(lèi)，發(fā)現(xiàn)離群數(shù)據(jù)和不符合預(yù)測(cè)模型的數(shù)據(jù)

　　支持向量機(jī) 對(duì)數(shù)據(jù)適應(yīng)性比較強(qiáng)，魯棒性強(qiáng) 經(jīng)典的算法只能分為兩類(lèi)，分多類(lèi)比較麻煩 用于進(jìn)行分類(lèi)預(yù)測(cè)的場(chǎng)合，在神經(jīng)網(wǎng)絡(luò)不好用的情況下

　　零售銀行中的大數(shù)據(jù)類(lèi)型

　　在現(xiàn)代經(jīng)濟(jì)生活中，個(gè)人和家庭生活與銀行零售業(yè)務(wù)聯(lián)系密切，比如投資理財(cái)、電子商務(wù)、移動(dòng)支付、家居生活以及外出旅游無(wú)不與銀行零售業(yè)務(wù)緊密相連。正因?yàn)榱闶坫y行的客戶(hù)龐大、分布廣泛、業(yè)務(wù)量大且復(fù)雜，因此零售銀行對(duì)業(yè)務(wù)的管理、風(fēng)險(xiǎn)的控制、客戶(hù)的營(yíng)銷(xiāo)都有不同的要求。并且隨著互聯(lián)網(wǎng)金融的發(fā)展，銀行零售業(yè)務(wù)越來(lái)越受到其他非銀機(jī)構(gòu)的挑戰(zhàn)，零售銀行對(duì)其業(yè)務(wù)的穩(wěn)固及發(fā)展面臨著新的壓力并提出了新的要求。要應(yīng)對(duì)這種挑戰(zhàn)，不斷擴(kuò)展業(yè)務(wù)，創(chuàng)造新的利潤(rùn)空間，就必須對(duì)市場(chǎng)需求進(jìn)行周密的調(diào)查研究，并且在調(diào)查研究的基礎(chǔ)上發(fā)現(xiàn)價(jià)值點(diǎn)，而這些正好是大數(shù)據(jù)分析的用武之地。

　　零售銀行經(jīng)過(guò)了這么多年的發(fā)展，尤其是在最近幾年互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)快速發(fā)展的前提下，本身已經(jīng)積累了大量的數(shù)據(jù)，這些數(shù)據(jù)幾乎涵蓋了市場(chǎng)和客戶(hù)的各個(gè)方面。零售銀行的這些數(shù)據(jù)主要包括以下幾個(gè)方面：

　　第一，現(xiàn)有客戶(hù)的屬性數(shù)據(jù)?？蛻?hù)的屬性數(shù)據(jù)包括客戶(hù)的性別、年齡、收入以及客戶(hù)的職業(yè)。這些數(shù)據(jù)是客戶(hù)在開(kāi)戶(hù)或者購(gòu)買(mǎi)產(chǎn)品時(shí)留下來(lái)的屬性數(shù)據(jù)，通過(guò)這幾個(gè)屬性基本上可以描述客戶(hù)的大概情況，比如收入水平、資產(chǎn)狀況等。

　　第二，客戶(hù)的賬戶(hù)信息?？蛻?hù)的賬戶(hù)信息里包含了客戶(hù)的賬戶(hù)余額、賬戶(hù)類(lèi)型以及賬戶(hù)狀態(tài)。客戶(hù)的賬戶(hù)信息記錄了客戶(hù)當(dāng)前的一種資產(chǎn)狀態(tài)，對(duì)零售銀行分析客戶(hù)以及挖掘客戶(hù)起到了重要作用。

　　第三，客戶(hù)的交易信息。客戶(hù)的交易信息里包含了客戶(hù)交易的日期和時(shí)間，交易的金額以及交易的類(lèi)型。通過(guò)這些我們可以知道客戶(hù)交易的頻度及總額，由此可以推斷出客戶(hù)的交易喜好以及資產(chǎn)能力。

　　第四，客戶(hù)的渠道信息。渠道信息是指客戶(hù)是偏好去銀行柜臺(tái)辦理業(yè)務(wù)，還是通過(guò)互聯(lián)網(wǎng)客戶(hù)端或者移動(dòng)互聯(lián)網(wǎng)客戶(hù)端來(lái)辦理業(yè)務(wù)?？蛻?hù)的渠道信息對(duì)客戶(hù)的管理及拓展至關(guān)重要。

　　第五，客戶(hù)的行為信息。在互聯(lián)網(wǎng)時(shí)代，各個(gè)零售銀行都有網(wǎng)銀日志和手機(jī)銀行日志，這些日志記錄了客戶(hù)辦理業(yè)務(wù)的行為信息。相對(duì)于前幾個(gè)方面的數(shù)據(jù)信息，網(wǎng)銀日志和手機(jī)銀行日志信息是一種非結(jié)構(gòu)化的數(shù)據(jù)信息。

　　對(duì)比以上數(shù)據(jù)來(lái)源，可以發(fā)現(xiàn)零售銀行的數(shù)據(jù)信息主要包括以下幾類(lèi)：客戶(hù)的屬性、交易習(xí)慣、渠道偏好以及行為信息。這些數(shù)據(jù)信息儲(chǔ)存于零售銀行的網(wǎng)銀系統(tǒng)、客戶(hù)管理系統(tǒng)、電子支付平臺(tái)、ECIF系統(tǒng)、核心銀行系統(tǒng)或者其它系統(tǒng)里面。這些系統(tǒng)對(duì)數(shù)據(jù)的保存及分析提供了極大的便利性和準(zhǔn)確性。

　　大數(shù)據(jù)分析對(duì)零售銀行的商業(yè)價(jià)值

　　近幾年來(lái)，大數(shù)據(jù)分析在各個(gè)相關(guān)領(lǐng)域飛速發(fā)展，零售銀行也不例外。鑒于零售銀行的業(yè)務(wù)類(lèi)型以及零售銀行的數(shù)據(jù)類(lèi)型，大數(shù)據(jù)分析在零售銀行的商業(yè)價(jià)值主要存在于以下幾個(gè)方面。

　　第一，客戶(hù)的精細(xì)分類(lèi)和檔案管理。零售銀行為了給客戶(hù)提供更加優(yōu)質(zhì)的服務(wù)，需要通過(guò)分析銀行系統(tǒng)本身數(shù)據(jù)庫(kù)所保留的客戶(hù)資料信息，對(duì)客戶(hù)進(jìn)行分類(lèi)管理。

　　相關(guān)統(tǒng)計(jì)表明，只有大約20%的客戶(hù)能給銀行帶來(lái)最大收益，因此找到這20%的優(yōu)質(zhì)客戶(hù)就成為零售銀行的一大主要目標(biāo)。而根據(jù)客戶(hù)的數(shù)據(jù)信息資料找出客戶(hù)背后的社會(huì)、經(jīng)濟(jì)、消費(fèi)特征，進(jìn)而可以推斷出客戶(hù)的消費(fèi)能力、消費(fèi)水平和消費(fèi)習(xí)慣，并可以計(jì)算出各個(gè)客戶(hù)對(duì)銀行的貢獻(xiàn)率，最終根據(jù)這些特征對(duì)客戶(hù)進(jìn)行精細(xì)化的分類(lèi)及管理。通過(guò)這些分類(lèi)和管理能給零售銀行帶來(lái)最大的收益，而這些操作只能通過(guò)大數(shù)據(jù)分析才能實(shí)現(xiàn)。

　　第二，客戶(hù)流失的預(yù)防和精準(zhǔn)營(yíng)銷(xiāo)。從行業(yè)經(jīng)驗(yàn)來(lái)看，發(fā)展一個(gè)新客戶(hù)的成本遠(yuǎn)遠(yuǎn)大于維持一個(gè)原有客戶(hù)的成本，尤其是優(yōu)質(zhì)客戶(hù)。如今，銀行零售業(yè)務(wù)的競(jìng)爭(zhēng)非常激烈，市場(chǎng)區(qū)域飽和，因此維持原有客戶(hù)防止客戶(hù)流失顯得愈發(fā)重要。如何保留原有的客戶(hù)并且不斷為這些客戶(hù)提供優(yōu)質(zhì)的增值服務(wù)是零售銀行業(yè)面臨的一項(xiàng)重要挑戰(zhàn)和機(jī)遇。目前大數(shù)據(jù)分析可以幫助零售銀行精細(xì)的定位和劃分客戶(hù)，從而找出具有潛在流失可能性的現(xiàn)有客戶(hù)。通過(guò)對(duì)數(shù)據(jù)進(jìn)行分析，挖掘和整理出客戶(hù)流失的具體原因，客戶(hù)不滿(mǎn)意哪些產(chǎn)品和服務(wù)，客戶(hù)消費(fèi)行為的定位等等。通過(guò)大數(shù)據(jù)分析可以對(duì)不同的客戶(hù)提出具有強(qiáng)烈吸引力的個(gè)性化營(yíng)銷(xiāo)方案，進(jìn)而幫助零售銀行預(yù)防客戶(hù)流失進(jìn)行精準(zhǔn)營(yíng)銷(xiāo)。

　　第三，產(chǎn)品的分析和管理。零售銀行有眾多的產(chǎn)品，這些產(chǎn)品適合不同的客戶(hù)群體，如何對(duì)產(chǎn)品進(jìn)行分析、管理和優(yōu)化也是零售銀行面臨的一個(gè)難題。以往的產(chǎn)品分析和管理只是單純的利用統(tǒng)計(jì)分析來(lái)對(duì)產(chǎn)品的當(dāng)前狀態(tài)進(jìn)行描述，缺少的是深入的挖掘。而在如今的大數(shù)據(jù)時(shí)代，通過(guò)大數(shù)據(jù)分析不僅可以對(duì)產(chǎn)品的覆蓋人群、產(chǎn)品的盈利能力、用戶(hù)的反應(yīng)、用戶(hù)的留存率、產(chǎn)品的營(yíng)銷(xiāo)推廣、產(chǎn)品的優(yōu)化升級(jí)進(jìn)行全方位的挖掘，還可以在此基礎(chǔ)上找到新的價(jià)值增長(zhǎng)點(diǎn)。通過(guò)大數(shù)據(jù)分析，零售銀行對(duì)產(chǎn)品的把控能力必將得到更大的提高。

　　第四，風(fēng)險(xiǎn)控制和管理。信用卡的使用就是零售銀行面臨的風(fēng)險(xiǎn)之一，客戶(hù)惡意透支信用卡，逾期不還款這些都是銀行面臨的潛在風(fēng)險(xiǎn)。因此，如何提前識(shí)別有風(fēng)險(xiǎn)的客戶(hù)，如何預(yù)防客戶(hù)的惡意透支以及如何進(jìn)行風(fēng)險(xiǎn)管控，這些都是零售銀行面臨的難題。在大數(shù)據(jù)分析大規(guī)模應(yīng)用之前，銀行只是簡(jiǎn)單的通過(guò)用戶(hù)的背景資料來(lái)進(jìn)行預(yù)防，這種方法既被動(dòng)又無(wú)效。而如今，在大數(shù)據(jù)的幫助下，銀行可以從客戶(hù)的歷史數(shù)據(jù)中分析出客戶(hù)的消費(fèi)行為習(xí)慣，一旦客戶(hù)出現(xiàn)非常規(guī)的消費(fèi)行為，即可認(rèn)為風(fēng)險(xiǎn)指數(shù)超標(biāo)從而中止交易，進(jìn)而有效地防止風(fēng)險(xiǎn)的出現(xiàn)。

　　另外，通過(guò)大數(shù)據(jù)分析也可對(duì)用戶(hù)的信用等級(jí)進(jìn)行評(píng)估，對(duì)信用評(píng)估得分低的客戶(hù)可以重點(diǎn)進(jìn)行風(fēng)險(xiǎn)管理和控制；對(duì)信用評(píng)估得分高的客戶(hù)可以進(jìn)一步挖掘出這部分客戶(hù)的消費(fèi)潛力進(jìn)而提高零售銀行的業(yè)績(jī)。


　　第五，銀行經(jīng)營(yíng)狀況分析。大數(shù)據(jù)分析不僅可以對(duì)零售銀行的客戶(hù)進(jìn)行精準(zhǔn)定位、營(yíng)銷(xiāo)和風(fēng)險(xiǎn)管理，也可以對(duì)零售銀行的總體經(jīng)營(yíng)狀況進(jìn)行深度分析。通過(guò)數(shù)據(jù)挖掘及時(shí)了解營(yíng)業(yè)狀況、資金情況、利潤(rùn)情況等重要信息。同時(shí)，還可以結(jié)合歷史同一時(shí)間的經(jīng)營(yíng)狀況數(shù)據(jù)，挖掘出現(xiàn)階段經(jīng)營(yíng)狀況的問(wèn)題以及改進(jìn)的策略，進(jìn)而提出在該條件下最大收益的經(jīng)營(yíng)方式。

　　以上五點(diǎn)只是大數(shù)據(jù)分析對(duì)零售銀行商業(yè)價(jià)值存在的主要方面，也是大數(shù)據(jù)分析對(duì)零售銀行影響最大的幾個(gè)層面。隨著大數(shù)據(jù)分析在零售銀行業(yè)的應(yīng)用與發(fā)展，大數(shù)據(jù)分析對(duì)零售銀行其它業(yè)務(wù)的商業(yè)價(jià)值必將得到更大的顯現(xiàn)。

　　總而言之，大數(shù)據(jù)是創(chuàng)新、競(jìng)爭(zhēng)和提高生產(chǎn)率的新領(lǐng)域，蘊(yùn)含著許多市場(chǎng)機(jī)會(huì)與利潤(rùn)空間；大數(shù)據(jù)所蘊(yùn)藏的巨大價(jià)值必將引起包括零售銀行在內(nèi)的諸多行業(yè)的經(jīng)營(yíng)創(chuàng)新和企業(yè)管理的重大變革。今后，大數(shù)據(jù)分析對(duì)零售銀行的影響會(huì)越來(lái)越大，零售銀行業(yè)在大數(shù)據(jù)的推動(dòng)下必將迎來(lái)一個(gè)新的增長(zhǎng)機(jī)遇。
       CDA數(shù)據(jù)分析師培訓(xùn)官網(wǎng)