對象

財務(wù)人員、客戶經(jīng)理

目的

通過數(shù)據(jù)分析，精準挖掘客戶

內(nèi)容

銀行大數(shù)據(jù)應(yīng)用實踐課程大綱　

１．銀行大數(shù)據(jù)應(yīng)用的問題

    互聯(lián)網(wǎng)金融尤其依賴數(shù)據(jù)

    金融業(yè)本身就是基于數(shù)據(jù)與信息的產(chǎn)業(yè)

    目前的問題：

  數(shù)據(jù)特點與組成

n  數(shù)量不夠大；維度不夠多

n  核心數(shù)據(jù)、外圍數(shù)據(jù)、常規(guī)渠道的數(shù)據(jù)、社會化的數(shù)據(jù)等

  技術(shù)不足

n  互聯(lián)網(wǎng)的流行使得非結(jié)構(gòu)化數(shù)據(jù)的數(shù)量和維度都遠遠超過傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)；傳統(tǒng)IT公司的產(chǎn)品和服務(wù)已經(jīng)不能勝任

2. 銀行大數(shù)據(jù)組成

 系統(tǒng)日志數(shù)據(jù)

 GIS地理信息數(shù)據(jù)

 在線交易數(shù)據(jù)

客戶提供的信息（申請、表格等）

社交網(wǎng)絡(luò)、公共網(wǎng)頁得到客戶的信用記錄以及信用歷史

和目標客戶有類似行為模式的客戶數(shù)據(jù)

金融以及經(jīng)濟數(shù)據(jù)

社交網(wǎng)絡(luò)的數(shù)據(jù)（個人、家庭計劃等）

3. 銀行客戶全生命周期管理

 客戶身份識別方法——個體精準定向

n姓名、身份證號、地址、手機號、E-Mail、SNS賬號、銀行卡號

n用戶標簽

 客戶分類：人口統(tǒng)計學(xué)標簽、通用標簽、價值標簽、長短期購物喜好、金融服務(wù)等

 客戶響應(yīng)率分析

 客戶“健康度”分析

 客戶挽留率分析

 客戶價值提升和維系

4. 銀行大數(shù)據(jù)分析應(yīng)用案例

 風(fēng)控：信用卡風(fēng)險評估

追債委外

欺詐交易辨別

n 建一個反欺詐統(tǒng)計模型

n 釣魚網(wǎng)站攻擊、信用卡套現(xiàn)、盜刷信用卡、反洗錢

信用卡套現(xiàn)識別

高風(fēng)險客戶提前催收預(yù)警

利用海量數(shù)據(jù)挖掘和算法做貸款業(yè)務(wù)

 營銷：銀行存量客戶增值營銷

 細分客戶，按照客戶行為進行分類

 優(yōu)惠推薦、商品推薦

 微博營銷：把微博上用戶與銀行用戶相匹配

 事件式營銷。生活事件（換工作、改變婚姻狀況、置房等）帶來的營銷機會

 產(chǎn)品設(shè)計：銀行金融產(chǎn)品設(shè)計

信貸需求預(yù)測

需求金額預(yù)測

 營業(yè)網(wǎng)點分析：

 目標客戶分析

 客戶行為分析：電話語音、網(wǎng)絡(luò)的監(jiān)控錄像：客戶走動線路的重疊分析

交易故障數(shù)據(jù)分析

 用現(xiàn)在大數(shù)據(jù)的能力把分布在各個地方的原始數(shù)據(jù)和原始的日志定時每隔一分鐘進行收集和抽取

 放到分布式文件系統(tǒng)里，并建立一些索引

 提供一個很方便的前端實時的查詢

呼叫中心記錄的分析

 客戶情感分析

5. 借助大數(shù)據(jù)分析的銀行轉(zhuǎn)型

 大數(shù)據(jù)分析推動了銀行的轉(zhuǎn)型與創(chuàng)新

 未來互聯(lián)網(wǎng)銀行模式

 傳統(tǒng)銀行與互聯(lián)網(wǎng)金融的結(jié)合