建行(大数据银行应用)修改版.ppt

《建行(大数据银行应用)修改版.ppt》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、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？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

2、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。大数据时代银行业的应对策略银行业已初步具备运用大数据的基础银行业开始尝试接入和整合外部数据资源银行业有处理数据的经验和人才银行已初步尝试应用大数据银行业开始尝试接入和整合外部数据资源银行与电商平台形成战略合作银行自主搭建电商平台银行建立第三方数据分析中介，专门挖掘金融数据国际同行业大数据运用的经验教训加强数据管控防范欺诈分析预测客户及交易对手行为快速判断宏观经济形势改进内部效率以大数据技术促进智慧银行建设推动大数据应用的策略建立完善的大数据工作管理体

3、系增强数据挖掘与分析运用能力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客户管理营销管理风险管理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。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社交网络电子商务其他终端设备等媒介收集、分析、甄别大数据在银行业的应用场景客户管理大数据在银行业的应用场景案例1：花旗银行工作人员可以利用大数据分析获取

4、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。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客户管理大数据在银行业的应用场景电商——

5、“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。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）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。“专业市场”的产品运用大数据在银行业的应用场景金融商品购买路径等用户消费数据浏览记录银行大数据平台获取用户消费习惯、风险收益偏好等特征信息挖掘、追踪、分析，将不同

6、客户群体进行聚类营销管理大数据在银行业的应用场景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。提升银行产品的精准营销水平。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。营销管理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。营销管理大数据在银行业的应用场景大数据分析自然属

7、性、行为属性客户行为、客户信用度、客户风险以及客户的资产负债状况建立完善的风险防范体系。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。风险管理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

8、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