
金融大數(shù)據(jù)的進(jìn)階之路,從營銷到風(fēng)控再到投融資決策
在互聯(lián)網(wǎng)發(fā)展日新月異的時代背景下,人們的生活、工作、消費、活動的習(xí)慣與行為特點在被不斷重塑,大量數(shù)據(jù)被留存記錄,各行業(yè)對于數(shù)據(jù)的挖掘和使用有了適應(yīng)時代發(fā)展的新特點,這在銀行等金融機構(gòu)的業(yè)務(wù)中尤為凸顯。獲客、信用風(fēng)險控制、留存客戶、觸發(fā)客戶消費是金融行業(yè)的幾大痛點,而大數(shù)據(jù)行業(yè)的發(fā)展正好滿足了這些需求,有效克服了目前金融機構(gòu)數(shù)據(jù)來源單一、覆蓋率不足、數(shù)據(jù)挖掘程度不深等問題。
在這一篇文章中我們將從精準(zhǔn)營銷、金融風(fēng)控和投融資決策三個方面解讀金融大數(shù)據(jù),并在最后指出目前制約金融大數(shù)據(jù)發(fā)展的最大問題。
從多角度進(jìn)行客戶刻畫,實現(xiàn)精準(zhǔn)營銷
要提升金融行業(yè)的營銷效果,最重要的是要知道自己的潛在客戶在哪里,然后將自己的產(chǎn)品信息觸達(dá)這些潛在客戶。傳統(tǒng)的營銷手段雖然能起到一定的效果,但存在諸多弊病,大數(shù)據(jù)技術(shù)的應(yīng)用,可以從以下兩個方面提升營銷效率:
第一,減少人力干預(yù),降低營銷成本。傳統(tǒng)的營銷方式,主要通過人力來進(jìn)行客戶篩選,通過對收集的信息與客戶標(biāo)準(zhǔn)進(jìn)行對比,找到目標(biāo)客戶。這種方式費時費力,也增大了營銷成本。基于大數(shù)據(jù)的營銷系統(tǒng),可以實現(xiàn)自動化、半自動化地客戶篩查,減少人力干預(yù),大大降低營銷成本。
第二,更全面的客戶刻畫,讓營銷更精準(zhǔn)。大數(shù)據(jù)技術(shù)的應(yīng)用,可以幫助銀行等金融機構(gòu)實現(xiàn)更全面的描述,除了傳統(tǒng)的個人銀行信用記錄、資產(chǎn)狀況等信息外,還可以加入更多基于互聯(lián)網(wǎng)和移動互聯(lián)網(wǎng)的個人數(shù)據(jù)信息:個人消費信息,尤其是在電商平臺上的購買記錄以及通過美團(tuán)等平臺的O2O消費記錄,通過對這些數(shù)據(jù)的收集,對客戶的購買力有更全面的掌握;從攜程、途牛、藝龍旅行等旅游平臺上,了解客戶在火車票、機票、酒店的消費記錄,通過對其行程的掌握,從側(cè)面印證其資金實力。
比如經(jīng)常乘坐飛機出差并入駐高檔酒店的客戶,其經(jīng)濟(jì)實力還是比較有保障的;從智聯(lián)招聘、58同城等招聘網(wǎng)站上了解客戶的工作信息,通過分析其工作履歷了解其金融消費和還款能力;從QQ、微信、微博等社交平臺了解客戶的人際網(wǎng)絡(luò)狀況,如果一個人的朋友很多并且關(guān)系良好,其朋友普遍具有較強的資金實力,那么客戶本身的資金實力還是有保障的。另外,從客戶與其朋友的交流信息中,可以分析其感興趣的金融產(chǎn)品以及履約意識等方面的關(guān)鍵信息。
只有更全面的了解客戶信息,才能更清晰的辨別客戶的金融消費能力,進(jìn)而將產(chǎn)品信息精準(zhǔn)的推送給有經(jīng)濟(jì)實力也有金融消費需求的人群。我們以博易大數(shù)據(jù)精準(zhǔn)營銷實現(xiàn)方式為例:通過對客戶進(jìn)行深度分析(客戶屬性、應(yīng)用興趣、生活方式、消費興趣、付費能力等多個角度入手),建立屬性標(biāo)簽,通過數(shù)據(jù)整合建立更全面的用戶畫像,在短時間內(nèi)獲取客戶個性化需求,進(jìn)而幫助銀行等金融機構(gòu)實現(xiàn)更精準(zhǔn)地推廣。
更全面的信息實現(xiàn)精細(xì)化的風(fēng)險管控
金融風(fēng)險主要來自于兩個方面:本來就沒打算履行其金融協(xié)議,存在惡意欺詐的行為;原來有經(jīng)濟(jì)能力的客戶金融實力減弱,其金融履約能力受到威脅,進(jìn)而危及與其有業(yè)務(wù)往來的金融機構(gòu)。其中惡意欺詐的現(xiàn)象較少,更為普遍的風(fēng)險來源是客戶履約能力變動帶來的風(fēng)險。要控制金融風(fēng)險,就需要通過全面深入的用戶監(jiān)控,及時發(fā)現(xiàn)其金融狀況的變動,在風(fēng)險沒有全面爆發(fā)之前就采取措施,消除風(fēng)險或者盡可能的降低風(fēng)險損失。
要全面監(jiān)控客戶的金融狀況,需要更多樣化的數(shù)據(jù)源,縮短監(jiān)測的間隔周期,甚至進(jìn)行實時監(jiān)控。傳統(tǒng)對客戶信用記錄、房產(chǎn)等固定資產(chǎn)的監(jiān)控,一方面信息面太窄,粗線條的刻畫不足以掌握其風(fēng)險狀況;另一方面,這些信息的實時性太差,較長的監(jiān)測周期無法應(yīng)對快速變化的金融市場風(fēng)險。通過大數(shù)據(jù)技術(shù),對多來源的數(shù)據(jù)進(jìn)行實時監(jiān)控和分析,是金融機構(gòu)風(fēng)險管控的必然方向。
我們列舉幾個用大數(shù)據(jù)進(jìn)行風(fēng)險監(jiān)控的應(yīng)用場景:監(jiān)控客戶在電商平臺上的消費行為來,如果客戶突然間大幅降低其購買次數(shù)和金額,就可能是經(jīng)濟(jì)能力出現(xiàn)問題的征兆。當(dāng)然,這需要跟其長期的消費行為進(jìn)行對比,并且只是電商數(shù)據(jù)還不足以確定其經(jīng)濟(jì)能力,還需要與其他數(shù)據(jù)進(jìn)行綜合分析;通過攜程等平臺監(jiān)測其出行數(shù)據(jù),如果客戶在近期入駐酒店的規(guī)格出現(xiàn)明顯降低,也是其經(jīng)濟(jì)能力降低的征兆;監(jiān)測微信等社交平臺以及支付寶等涉及個人支付與轉(zhuǎn)賬的支付平臺上的客戶數(shù)據(jù),如果近期客戶有較多的匯款行為,并且金額較大,也會對其金融履約能力構(gòu)成影響,如果客戶存在借款行為,其履約能力也需要關(guān)注...類似的場景還有很多,大數(shù)據(jù)讓更全面的風(fēng)險監(jiān)控成為可能。
以博易股份為例,在金融風(fēng)控方面,博易在以下幾個方面比較有特色:
反欺詐,比如大額存款快速提現(xiàn)的異常交易,就可以通過閥值設(shè)定用模型進(jìn)行快速確認(rèn),從而提高安全性;
信貸風(fēng)險管理,依托基于用戶行為分析的風(fēng)險引擎,實時快速分析網(wǎng)絡(luò)金融渠道客戶交易行為細(xì)節(jié),對海量的數(shù)據(jù)進(jìn)行比對、甄選,主動識別異常行為,采集異常行為數(shù)據(jù),進(jìn)行實時分析判斷。
智能化投融資決策是金融大數(shù)據(jù)的未來
大數(shù)據(jù)最大的價值不在于分析現(xiàn)狀,而在于預(yù)測未來,并在此基礎(chǔ)上進(jìn)行決策。將大數(shù)據(jù)與人工智能進(jìn)行結(jié)合,讓智能系統(tǒng)在海量實時的數(shù)據(jù)分析基礎(chǔ)上,自動或者半自動地作出投融資建議甚至決策,將是金融大數(shù)據(jù)發(fā)展的必然。
金融領(lǐng)域目前還無法做到智能決策,大數(shù)據(jù)技術(shù)只是作為一種決策輔助工具,最終的投融資行為還是人進(jìn)行操作,這方面存在三個弊病:
人的經(jīng)驗是需要長期培養(yǎng)才能形成的,而人有壽命的限制,一個有經(jīng)驗的金融人才只能服務(wù)幾十年;
人的精力有限,面對快速變化的復(fù)雜金融市場顯得有些吃力,隨著復(fù)雜程度的提升,很可能出現(xiàn)人駕馭不了的情況;
人容易受到情緒等因素的影響,面對壓力時,不一定能進(jìn)行理性分析,有出現(xiàn)決策失誤的可能。
與之對應(yīng)的,建立在大數(shù)據(jù)分析基礎(chǔ)上的智能系統(tǒng),可以突破人的局限,進(jìn)行更理性合理并實時高效的分析和決策。另外,機器系統(tǒng)可以擺脫“壽命”限制,一旦智能系統(tǒng)上限,就可以一直服務(wù),并且會隨著數(shù)據(jù)的積累和系統(tǒng)優(yōu)化不斷提升其智能水平。
目前與智能系統(tǒng)的投融資決策比較相關(guān)的是“高頻交易”系統(tǒng),從那些人們無法利用的極為短暫的市場變化進(jìn)行計算機化交易,并從中尋求獲利。但“高頻交易”還只是國際大投行用的比較多,而且多是用于股票交易,跟智能化投融資決策還存在很大的差距。
未來很可能從兩方面進(jìn)行擴展:
一是大數(shù)據(jù)和人工智能技術(shù)的發(fā)展,讓一般的金融機構(gòu)都具有很強的數(shù)據(jù)分析能力,智能決策系統(tǒng)從頂級投行向一般的金融機構(gòu)拓展,實現(xiàn)普惠科技和普惠金融的夢想;
二是不僅局限于股票交易,智能決策系統(tǒng)向更廣泛的金融領(lǐng)域進(jìn)行擴展,比如債券交易、金融產(chǎn)品設(shè)計、信貸投放、個人的投資理財?shù)?,甚至實現(xiàn)整個社會的經(jīng)濟(jì)金融決策,比如央行的貨幣投放、財政政策、物價調(diào)節(jié)等。
金融大數(shù)據(jù)的未來是星辰大海
但目前依然問題重重
應(yīng)該指出,雖然目前國內(nèi)已經(jīng)有較多的大數(shù)據(jù)企業(yè)在金融領(lǐng)域提供服務(wù),但離成熟狀態(tài)還差的比較遠(yuǎn)。存在諸多問題需要克服,其中最大的一個問題就是數(shù)據(jù)割裂。不管是營銷、風(fēng)控,還是投融資決策,比技術(shù)本身更重要的是數(shù)據(jù)。就金融領(lǐng)域而言,主要的數(shù)據(jù)有幾個部分:銀行、證券、保險等金融機構(gòu)數(shù)據(jù),淘寶、天貓、京東等電商數(shù)據(jù),螞蟻金服務(wù)、P2P平臺等互聯(lián)網(wǎng)金融數(shù)據(jù),微信、QQ等社交數(shù)據(jù)。
數(shù)據(jù)的割裂表現(xiàn)在兩個方面:
一是領(lǐng)域內(nèi)部的數(shù)據(jù)割裂,比如金融系統(tǒng)內(nèi)部銀行、證券、保險的數(shù)據(jù)存在割裂,即使銀行系統(tǒng)內(nèi)部各個銀行的數(shù)據(jù)也存在很嚴(yán)重的割裂。電商系統(tǒng)內(nèi)部,阿里的淘寶和天貓平臺可以打通,但要讓阿里與京東的電商數(shù)據(jù)進(jìn)行共享,就存在很大的問題;
二是不同領(lǐng)域之間的數(shù)據(jù)割裂,比如阿里的電商數(shù)據(jù)很難與微信的社交數(shù)據(jù)打通,淘寶與微信甚至還相互屏蔽。要讓銀行等金融系統(tǒng)將其數(shù)據(jù)與互聯(lián)網(wǎng)巨頭進(jìn)行共享,也非常的困難。散在互聯(lián)網(wǎng)領(lǐng)域的其他數(shù)據(jù)也存在割裂,比如眾多P2P平臺上積累的客戶數(shù)據(jù)就沒能很好的利用起來。
各個領(lǐng)域的數(shù)據(jù)被相應(yīng)的機構(gòu)把持,而要讓大數(shù)據(jù)在金融領(lǐng)域發(fā)揮很好的作用,只是某一方面的數(shù)據(jù)是不行的,需要“全數(shù)據(jù)”的覆蓋才有價值。因此,要讓金融大數(shù)據(jù)真正用起來,還有很長的路要走。
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號:CDAshujufenxi
SQL Server 中 CONVERT 函數(shù)的日期轉(zhuǎn)換:從基礎(chǔ)用法到實戰(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)庫管理中,“大表” 始終是性能優(yōu)化繞不開的話題。 ...
2025-09-18CDA 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)庫表、Excel 表、CSV 文件)是企業(yè)數(shù)字 ...
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 動態(tài)隨機一般均衡(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)特征價值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時,“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗與 t 檢驗:差異、適用場景與實踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計學(xué)領(lǐng)域,假設(shè)檢驗是驗證研究假設(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” 存儲的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計劃中 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)行計劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(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 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點數(shù)據(jù)的科學(xué)計數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點數(shù)據(jù)時的科學(xué)計數(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值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運營問題、提升執(zhí)行效率的核心手段,其價值 ...
2025-09-12用 SQL 驗證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實戰(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” 與 “用戶體驗 ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動下的精準(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)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價值 在數(shù)據(jù)驅(qū)動決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實踐到業(yè)務(wù)價值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價值導(dǎo)向 統(tǒng)計模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10