挑 战
构建银行业 大数据分析 平台
培养银行业 的大数据分 析人才
1
数据挖掘是什么？ 模型+算法 数据挖掘实践分享
2
3
心得与总结
从运筹帷幄到决胜千里…
…… 樯谈羽 橹笑扇 灰间纶 飞 巾 烟 灭 ......
大数据在银行业的应用场景
很多互联网公司愿意将自己定位为数据企业
未来银 行更加 倾向于 数据分 析挖掘
• 数据成为经营决策的强有力依据，给企业带来 发展和引领行业的机遇。 • 数据意味着巨大的商机，可强化客户体验，提 高客户忠诚度 • “数据的收集能力+数据的分析能力=企 业智 商”
在大数据背景下面临的挑战
大数据时代银行业的应对策略
银行业开始尝试接入和整合外部数据资源
国际同行业 大数据运用的 经验教训
推动大数据应用的策略
建立完善的 大数据工作 管理体系
增强数据 挖掘与分析 运用能力
以大数据技 术促进智慧 银行建设
建立基于 大数据分析 的定价体系
依托大数据 技术提升风 险管理水平
大数据在银行业的应用场景
未来银行业的发展趋势
客户是驱动零售企业生存发展的核心资源
未来银 行业更 加倾向 于零售 营销
• 银行依赖存贷款利差创造利润的盈利方式须调整。 • 零售及中间业务在未来银行经营中会占有越来越 大的比重。 • 大部分客户数据通常是用户在社交网络、移动终 端 设备等媒介留下的海量碎片化数据，收集数据 并对客户的行为属性进行有效的分析，是支撑以 客户为中心发展模式的重要手段。 • 构建以客户为中心的精确的银行运营全景视图就 显得尤为重要。
大数据应用
主要内容
大数据在银行业的应用场景 未来银行业的发展趋势
在大数据背景下面临的挑战
你使用过信用卡吗？
卡应该发给谁？
哪些持卡人会拖欠？ 哪些拖欠的客户会还款？
影响 资产组合 （Portfolio）
1、根据历史，预测将来 2、目标是一个分类变量 3、预测结果是一个统计意义下的概率
1、哪些人可以发卡，额度是多少？ 2、持卡人拖欠的概率是多少？ 3、该对谁催收？
其他终端设 备等媒介
大数据在银行业的应用场景
客户管理
案例1：花旗银行工作人员可以利用大数据分析获取 银行客户信息并且分析客户的下一步需求，进而向客 户营销相关金融产品。比如，某人为自己的孩子开办 了一款 信用卡，当孩子上大学后，就会分析这位顾 客所需要的金融产品。如果之后家长有装修厨房的计 划，那么花旗银行的工作人员会向这位家长推荐适合 装修的贷款，满 足客户各方面的潜在需求。
利用大数据的集成挖掘分析客户的消费、投资习惯，为客
户量身定做金融产品与服务。（支付、融资）
“专业市场”的产品运用
电商——“大数据” 为企业及其下游商家提供覆盖整个销售链的融资服务， 解决买卖双方的资金需求，帮助企业度过难关，扩大经营。 建行“善融商务”、交行“交博汇”等银行电商平台。
大数据在银行业的应用场景
大数据在银行业的应用场景
创新是银行实现差异化发展的驱动力
未来银 行更加 倾着同质化严重的问题，因此需要通过技术 创新来不断增强银行业的核心竞争力—— 帮助银行改进金融系统，改善与顾客之间的 交互，改进并简化客户的银行业务体验。大 数据时代为银行业务发展和技术创新带来了 新机遇。
银行需要借助由大数据构 建的企业经营全景视图来 进行活动，进而寻找最优 的模式支持商业决策。
客户管理
营销管理
风险管理
大数据在银行业的应用场景
客户管理
社交网络 电子商务
收集、分析、甄别
客户进行分类
根据用户行为对 用户进行聚类分 析，进而可以有 效的甄别出优质 客户、潜力客户 以及流失客户
银行可以通过大 数据分析平台， 接入客户通过社 交网络、电子商 务、终端设备等 媒介产生的非结 构化数据
营销管理
用户消费数据 浏览记录
获取用户消费 习惯、风险收 益偏好等特征 信息
银行大数 据平台
挖掘、追踪、分析 ，将不同客户群体 进行聚类
金融商品购买路径等
大数据在银行业的应用场景
营销管理
以主动营销和个性化营销 打破传统无 差异的、被动的产品服务营销方式。
根据不同客户 特性打造个性 化的产品营销 服务方案，将 最适合的产品 服务推介给最 需要的客户。
大数据在银行业的应用场景
客户管理
案例2：客户流失分析。借助大数据平台搜集到客户 行为记录，通过对已流失客户的行为进行分析，找到 客户流失发生时的关键路径，进而能够利用流失客户 的行为模式有效定位有流失倾向的客户，以便银行工 作人员能够在客户流失前进行挽回工作。
大数据在银行业的应用场景
电商——“大数据” 让客户多一个网上的渠道，形成和客户在支付结算、 传统银行业务上的对接、捕获更多的信息。 提供销售货物的渠道，同时提供多种企业融资产品。
提升银行产品的精准营销水平。
提升客户对银行服务的认可程度以及 客户经理 在营销过程中的专业程度。
大数据在银行业的应用场景
营销管理
例如，银行针对不同的客户分类推荐相应的理财产品 ，根据客户的购买习惯和风险偏好进行产品组合营销 ；根据客户的产品清单和浏览记录进行路径分析，主 动推送关联产品营销等，真正做到个性化的主动营销 服务。
技术和数据平台：可以加深对消费者的了解、增强针对性以及提高利润。 数据科学——深度学习、大批量处理以及实时分析。 数据库———独有的分布式相关数据库。 安全————为交易安全提供有力保护。 搜索————能生成个性化结果的搜索引擎。 定向营销——给消费者加标签，提高针对性。 移动————提供多台设备之间流畅无缝的数据和服务体验。
大数据在银行业的应用场景
风险管理
大数据分析
建立完善 的风险防 范体系。
客户行为、 客户信用度、 客户风险以 及客户的资 产负债状况 自然属性 、 行为属性
大数据在银行业的应用场景
风险管理
Wonga是英国一家小额贷款公司，他们利用海量数 据挖掘算法来做一些贷款业务。Wonga对过去客户 的各种碎片化信息进行数据获取和整理，用大量的数 据串成了客户特征的全貌，同时根据不良贷款等风险 信号不断完善调整模型，有效控制风险。如今它已获 得了5亿美金的年利润，其风险管理能力也获得业界 的认可。