1、也谈银行大数据,一、 大数据时代的商业变革,DUFE Data,大数据的概念与构成,大数据包括：交易数据和交互数据集在内的所有数据集,大数据 = 海量数据 + 复杂类型的数据处理方法,海量交易数据：企业内部的经营交易信息主要包括联机交易数据和联机分析数据，是结构化的、通过关系数据库进行管理和访问的静态、历史数据。通过这些数据，我们能了解过去发生了什么。,海量交互数据：源于Facebook、Twitter、LinkedIn及其他来源的社交媒体数据构成。它包括了呼叫详细记录CDR、设备和传感器信息、GPS和地理定位映射数据、通过管理文件传输Manage File Transfer协议传送的海量图像
2、文件、Web文本和点击流数据、科学信息、电子邮件等等。可以告诉我们未来会发生什么。,海量数据处理：大数据的涌现已经催生出了设计用于数据密集型处理的架构。例如具有开放源码、在商品硬件群中运行的Apache Hadoop。,DUFE Data,大数据的4V特征,“大量化(Volume)、多样化(Variety)、快速化(Velocity)、价值高（Value）”就是“大数据”的显著特征。,DUFE Data,大数据时代来临,21世纪是数据信息大发展的时代，移动互联、社交网络、电子商务等极大拓展了互联网的边界和应用范围，各种数据正在迅速膨胀并变大。互联网（社交、搜索、电商）、移动互联网（微博）、物联
3、网（传感器，智慧地球）、车联网、GPS、医学影像、安全监控、金融（银行、股市、保险）、电信（通话、短信）都在疯狂产生着数据。,DUFE Data,国外大数据政策环境,全球主要国家均十分关注大数据行业发展，美国、欧盟、日本及韩国等均颁布相关政策规划，大力支持大数据行业发展。,DUFE Data,中国大数据政策相继颁布,资料来源：搜狐新闻 http:/ Data,大数据顶层设计出台,2015年9月，国务院发布促进大数据发展行动纲要，政府数据将逐步开放。,DUFE Data,大数据产业市场规模,在全球七大重点领域内（包括教育、交通、消费、电力、能源、大健康以及金融），大数据的应用价值预计在32200
4、-53900亿美元之间。,数据来源：2016-2020年中国大数据行业深度调研及投资前景预测报告,DUFE Data,大数据产业发展历程,目前，我国大数据产业正处于高速发展期，多种商业模式得到市场印证，新产品和服务不断推出，细分市场走向差异化竞争。,中国大数据产业的三驾马车,DUFE Data,大数据顶层设计出台,2015年9月，国务院发布促进大数据发展行动纲要，政府数据将逐步开放。,DUFE Data,大数据产业发展历程,目前，我国大数据产业正处于高速发展期，多种商业模式得到市场印证，新产品和服务不断推出，细分市场走向差异化竞争。,金融行业大数据应用投资分布,从投资结构上看，银行将成为金融类
5、企业中的重要组成部分，证券、保险分列第二、三位。接下来我们将从主要介绍大数据在银行业的应用。,二、 大数据在银行业中的应用,银行大数据应用-IBM实现,大数据引擎可完成储存和计算客户数据都在数据仓库里，随着互联网和新型移动应用的增加，想要通过非结构化的信息能够来补全原有传统上存在数据仓库里的档案盒信息,呼叫中心记录的分析客户情感分析增强的客户细分,机器数据交易故障分析用现在大数据的能力把分布在各个地方的原始数据和原始的日志定时的每隔一分钟进行收集和抽取放到分布式文件系统里，并很快的能够建立起一些索引提供一个很方便的前端实时的查询,银行大数据应用-花旗银行应用案例,客户提供的信息（申请、表格等）
6、社交网络、公共网页得到客户的信用记录以及信用历史与目标客户有类似行为模式的客户数据金融以及经济数据证券交易委员会文件招股章程、过往贷款记录新闻（一衡量公众意见以及信心）Facebook在内的来自社交网络的数据（个人、家庭计划等）,分析数据,应用实现,信用风险评估（贷款）针对性营销以客户外中心客户统一视图（结构化和非结构化数据）细分客户，按照客户行为进行分类为客户提供质量一致的客户体验,银行大数据应用方向,CONTENTS,目录,1,客户画像,个人客户画像企业客户画像,客户画像的建立所需数据,客户画像模型建立,1、精准营销细分模型,2、决策树C4.5模型,3、客户识别模型,4、分数模型,银行大数
7、据应用-光大银行建立社交网络信息数据库,外部数据,基本信息爱好信息行为信息分析信息,结构化数据非结构化数据敏捷数据如：系统日志数据；GIS地理信息数据；在线交易数据,内部数据,客户营销在线营销方案,微博营销把微博上用户与光大银行用户相匹配，采用中文分析引擎,客户行为分析电话语音、网络监控录像、客户走动线路的重叠分析,风险控制与管理结构化非结构化数据整合，分析系统存在的IT风险；识别钓鱼网站防止欺诈,社会化数据内外数据通达,大数据应用实现,2,精准营销,实时营销交叉营销个性化推荐客户生命周期管理,精准营销模型建立,1、细分模型,2、交叉营销模型,3、客户流失预警模型,4、序列模型,银行大数据应用
8、-中信银行信用卡中心实时精准营销,数据存储、系统维护、数据有效利用都面临巨大压力。,发卡量增长迅速：2008年发卡约500万 张，2010年增加了一倍。,业务数据增长迅速：随着业务的迅猛增长，业务 数据规模也线性膨胀。,大数据挑战,需求,能够实现业务数据的集中和整合,可以支持多样化和复杂化数据分析提升信用卡中心的业务效率,通过数据仓库提取数据，改进和推动有针对性的营销活动,构建可扩展、高性能的数据仓库,实时的商业智能可以结合实时、历史数据进行全局分析；风险管理部门可以每天评估客户的行为，并决定对客户的信用额度在同一天进行调整；原有内部系统、模型整体性能显著提高。,秒级营销数据仓库解决方案提供了
9、统一的客户视图，更有针对性的进行营销。例：2011年，中信银行信用卡中心通过数据库营销平台进行了1286个宣传活动，每个营销活动配置平均时间从2周缩短到2-3天。,采用大数据方案后的价值体现,3,风险管理,中小企业贷款风险评估实时欺诈交易分析反洗钱业务分析,风险管理模型建立,1、银行信用卡欺诈识别模型,2、洗钱风险等级模型,3、信用风险评估模型,银行大数据应用-反洗钱案例,一个欺诈就是一个Case,Case包含了与之相关的所有资料。如：法律规范、业务逻辑、时间顺序、修改轨迹等,精准查找所需信息,得到一个嫌疑是否违规犯罪的结论,可以了解犯罪者、供应商或欺诈团伙之间的关系,并能够对复杂的多渠道欺诈构建更易解读的可视化分析,建立反欺诈模型,精准查找，判断结论,解读分析,4,运营优化,市场渠道分析产品优化舆情分析,运营优化模型建立,1、CCR模型,2、银行舆情分析模型,三、 如何正确看待银行大数据,辅助决策,区别于传统的小数据时代,小数据时代 随机采样 小样本获取大信息大数据时代 数据的全面采集 大样本获取小信息,不要过分强调精确性,相关性比因果关系更重要,我们不总是需要原因，只看结果就可以了 因果关系往往是事后分析， 相关往往是事前分析 探索的魅力在于相关性挖掘,大数据是一种应用，不是一个口号,四、 银行大数据未来发展的趋势,
