第十四章 银行业商业分析应用的发展趋势（课件）《商业分析实务》（华东师范大学出版社）

第十四章 银行业商业分析应用的发展趋势 1 大数据环境的产生 银行业新数据 大数据分析在银行业的其它应用 目录 CONTENT 01 02 03 04 01 大数据环境的产生 3 大数据环境的产生 2008年推出的“谷歌流感趋势”，至今看来仍不失为一个典型的大数据应用范例。谷歌设计人员认为，人们输入的搜索关键词代表了他们的即时需要。设计人员编入了“温度计”、“肌肉疼痛”、“发烧”、“喷嚏”等与流感有关的关键词。当用户输入这些关键词时，系统便会开始跟踪分析，创建流感图表和地图。为了验证“谷歌流感趋势”预警系统的正确性，谷歌多次把测试结果与美国疾病控制与预防中心的报告做对比，结果证实两者存在很大的相关性。在国内，购物网站对大数据应用显得极为积极。 中科院软件所的几名研究人员曾帮助淘宝网进行广告排序的改进。他们抓取了淘宝网近900万条广告点击数据，通过分析广告类目、展现位置、商品价格、图片内容等因素对用户行为的影响，建立了用户偏好模型。基于这些用户偏好分析，他们帮助淘宝网建立了新的广告排序算法，在线上测试中将广告收益提高了5.5%。 电商、金融、电信等行业有着长期的数据积累。信息时代，数据成为经营决策的强有力依据，给企业带来了发展和引领行业的机遇。网络兴起伊始，数据就处在爆发式的增长中，数据成为了一种“人类存在的痕迹”。在大数据时代，我们可以通过大量的数据了解到很多我们不知道的东西，也可以通过大数据发现许多有价值的东西。 对于银行业来说，大数据意味着巨大的商机，可强化客户体验，提高客户忠诚度。形象地说，数据的收集能力加上数据的分析能力等于企业智商，这关乎商业决策的速度和准确性，也关乎企业的生存和发展。银行业在大数据的浪潮中，要以大数据平台建设为基础，夯实大数据的收集、存储、处理能力；重点推进大数据人才的梯队建设，打造专业、高效、灵活的大数据分析团队；不断提升自身能力，挖掘海量数据的商业价值，从而在数据新浪潮的变革中赢得先机。 大数据环境的产生 02 银行业新数据 银行业新数据 随着银行业务的发展，银行积累了三大类数据：客户信息数据、交易信息数据、资产信息数据，这些都是银行自身的数据，对于传统银行来说简便而易得。这些数据基本上都是结构化数据，通过几十年的积累，这些数据已足够庞大，价值较高，而且处理起来比较容易。 进入大数据时代，仅仅通过银行自身的数据是难以赢得差异化的。银行还需考虑其它数据的输入，这些数据是银行自身不具有的，但是对其数据分析和决策都起到了很重要的作用。 1、行为数据。主要是指客户在互联网上的行为数据，包括APP应用上的点击数据、社交媒体和社交网络数据、电商平台的消费数据。 2、位置信息。主要是指银行客户使用的移动设备位置信息、客户自己所处的地理空间数据，包括其多频率的位置往返数据。 3、供应链数据。主要是指企业同上下游企业之间的商品或货物的交易信息。 4、其它商业数据。主要是指经过分析整理的研究数据，包括消费者行为数据、行业分析报告、竞争与市场数据、宏观经济数据、特殊定制数据等。 03 大数据分析在银行业的其它应用 大数据分析在小微企业融资的应用 在传统的借贷流程中，对于借款人的信息审核，银行是依靠借款人自己提供的各类信息来判定其还款能力。但此种审核方式有四大问题： 其一，用传统信息获取渠道判断信息真伪的成本较高； 其二，由于全程需要人工参与，既增加了道德风险，又导致效率极其低下； 其三，传统的风险评估模型中，对于借款人资产状况评估的权重过高； 其四，贷款人隐藏风险的难度较低，造假成本较低。 大数据时代，应把更多权重放在借款人日常生活的交易数据及社交数据上，比如借款人一般都在哪里消费，月均消费金额是多少，消费支出中的分布情况如何，微博微信之类的社交圈活跃度如何等诸如此类的问题。 小微企业信贷面临的难题是企业数量大、管理不规范、信息不对称。商业银行需要通过大数据挖掘、分析和运用，去识别具有市场潜力的中小企业客户，完善批量化、专业化审批，将贷款提供给合适的小微企业。 大数据分析在小微企业融资的应用 平安银行宣布推出“供应链金融2.0”系统，把线上供应链金融进一步升级。系统涵盖了预付线上融资、存货线上融资、线上反向保理、电子仓单质押线上融资、核心企业协同、增值信息服务、公司金卫士等产品。通过这些产品，企业可在线完成合同签约、融资申请、质押物在线入库、存货管理、打款赎货等业务。 招行推出“智慧供应链金融平台”。供应链上下游企业的订单、应收账款、存货和运输仓储等信息可以通过该平台进行分类归集和传递到所需的供应链各方。招行可以通过实时分析处理业务项下的额度信息、交易信息、资金信息、物流信息等各类数据，自动识别和控制信用风险。客户可以在线随时测算当前可以在招行申请贷款的金额，自助发起融资申请，平台在线自动审批，实时放款。 商贷通业务优化 大数据分析在金融交易反欺诈的应用 商业银行相应地采取了一系列欺诈风险控制措施，例如，根据不同的风险等级来调整客户支付限额、与公安网络监测部门合作查封假冒网站、推出二代U盾、电子密码器、防钓鱼控件等措施，以期降低交易环节发生外部欺诈风险的概率。但是，面对严峻的欺诈环境，目前仍有三大亟需解决的问题： 欺诈风险监控需要更丰富的基础数据； 欺诈风险监控需要更精准的模型方法； 欺诈风险监控需要更及时的干预措施。面对上述挑战，新兴的大数据技术可以提供解决方案。 反欺诈系统架构 大数据分析在金融交易反欺诈的应用 （1）综合利用行内外各类型基础数据 当前，金融交易欺诈手段往往呈现出变化多样且隐蔽性强，根据单一的交易数据信息难于断定是否欺诈，需要掌握更为丰富的基础数据。为此，金融交易反欺诈体系不但采集了各种产品和渠道的基础数据，包括本行的客户个人数据信息、电子银行账户聚合数据信息、线下金融交易数据以及相关的各类交易日志；还包括中国人民银行征信中心的个人信用数据信息以及其他的外部数据信息，例如：IP地址信息、城市地理信息、物理设备信息等。 （2）基于智能模型挖掘手段实现精准欺诈识别 针对不同的欺诈场景，金融交易反欺诈体系采取不同的分析维度，从海量的基础数据中，按照客户、商户、产品、渠道等多个维度，综合提炼出1000多个统计指标和3000多个特征变量。这些统计指标和特征变量能够全面刻画出金融交易行为的轮廓，从而为构建智能模型和精确打击欺诈分子奠定基础。 大数据分析在金融交易反欺诈的应用 （3）基于大数据处理技术，从海量交易中快、准、稳地抓出欺诈交易 为了快速处理海量交易并兼顾机器成本，金融交易反欺诈体系引入了分布式集群架构来平衡处理压力，通过性价比高的服务器组合方式，既提升了处理速度，又节省了机器成本。 分布式集群架构主要分为三大模块： 数据分发集群，采用哈希算法和Share Nothing的设计思想，将这些交易数据动态地分配到各个独立的计算节点； 数据计算集群，采用高级的数据统计分析技术（例如，规则判断、模型预测等），对交易数据进行实时计算，并根据欺诈策略返回相应的计算结果； 交易事件库，主要用于保存交易明细以及欺诈识别结果数据。 大数据分析在客户关系管理的应用 客户关系管理是指企业通过收集客户信息，了解并影响客户行为，最终达到提高客户获得、客户细分、客户保留、客户忠诚和客户创利的目的。利用大数据提升客户关系管理主要体现在以下几个方面： （1）客户渠道扩展 在银行的产品和渠道方面，由于客户的喜好经常变化，实时全面的数据分析可以帮助银行不断改善产品和服务。大数据时代商业银行的渠道不仅包括传统的渠道，而且还要整合日益互联互通的各种渠道，并增加社交网站等新的客户接触点。 （2）个性化服务 个性化的金融产品和服务将成为银行业务发展的主要目标。个性化服务包括互联网化的电子渠道全景体验、个性化产品推荐、LBS位置营销、面向客户个体的深度观察等。商业银行通过收集并分析社交网络数据，聚类出不同的客户群体，如存在严重不满情绪的客户、转行倾向的客户，然后向这些客户群采取更有针对性的服务。 （3）客户价值分析与提升 通过不同的角度来分析客户对银行业务构成的贡献，计算客户的价值度，利用分类或聚类的方法划分出不同价值的客户群，找出对银行最有价值和最有盈利潜力的客户群以及他们最需要的银行产品和服务，从而帮助银行更好地配置资源，取得最大的收益。 大数据分析在客户关系管理的应用 某银行利用交易产品数据、客户基本数据、签约产品使用数据，结合微博数据、网页日志、客服投诉数据，通过文本挖掘、数据挖掘，分析出客户投诉的主要内容，从而对该行的信用卡进行优化。 为了提高自身竞争力，招商银行不断细分客户群体，面向不同的客户群，努力打造个性化的品牌形象，具体做到了以下几点： （1）针对高端客户突出高雅的品牌定位，在满足其投资理财需求的同时，契合客户追求高品位生活的心理诉求，通过举办或冠名各种顶级音乐会，选择高雅艺术作为品牌传播主线，努力塑造与之相匹配的高雅品牌形象。 （2）针对城市白领突出便捷的品牌定位，着力实施“水泥+鼠标+拇指”的战略，通过技术创新和流程优化打造成为城市白领青睐的品牌。 （3）针对年轻人突出时尚的品牌定位，开发了一系列适合年轻人的时尚产品，仅信用卡就设计了包括蜡笔小新卡、凡客卡、魔兽卡、Young卡等在内的15款之多，其中招行与国内最大的大学生社交网站“人人网”联手推出的“人人信用卡”，深受客户欢迎，为招行新近获取了近20万名刚走出大学校园的年轻人客户。 大数据分析在客户关系管理的应用 思考题 1.大数据时代银行业有哪些数据可以加以利用？ 2.银行业的数据变现还有哪些应用场景？ 3.在利用大数据环境进行银行业变革的过程中，可能会遇到哪些挑战呢？ $$