大数据落地金融业：四个方面解析银行大数据

　　【中国智能制造网 市场分析】本文从中信银行、民生银行、青岛银行3个大数据应用案例中，以应用背景、数据源、实现途径、应用效果4个视角去看待大数据在银行的应用状况。
　　案例一：中信银行玩转大数据，以客户为“上帝”
　　
　　应用背景：
　　
　　信用卡业务竞争本质上就是客户的竞争，而且是客户的竞争。针对客户发现、客户提升、客户保持、市场细分、忠诚度、贡献度、个性化服务乃至个人信用风险等等一系列围绕客户关系的新问题，支持日常运作的信用卡生产系统是面向柜员和交易的日常营运和客户服务基础设施，无法提供众多分析、决策型用户对大量历史数据同时进行突发的、复杂的决策分析，而建立一套以客户为中心的信用卡业务分析系统则是实现上述命题的必要可行手段。
　　
　　数据源:
　　
　　个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。
　　
　　资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。
　　
　　其他数据：个人互联网行为数据、个人位置信息数据、商户数据(商户客户对象、商品种类等)。
　　
　　实现路径：
　　
　　通过整合银行内部信用卡相关的所有重要数据，通过对数据进行快速而准确的分析和挖掘，以及提供的、多层次的辅助决策支持手段，银行短时间内对市场变化及趋势做出更好的战略性商业决策，以挖掘重点客户、提高服务质量、减少运作成本，为银行带来有利的市场竞争优势。
　　
　　应用效果：
　　
　　客户识别。通过客户信息的分析，识别出给银行带来更好利润并且信用好的客户，并为这些客户提供更多更好的服务。
　　
　　风险降低。针对信用差的客户，实时监控，防止发生坏账呆账行。
　　
　　案例二：IBM助力民生银行应对金融业的大数据挑战
　　
　　应用背景：
　　
　　在利率市场化和人民币化进程中，银行存贷利差收窄趋势将是必然之路，特别是随着互联网金融等新业态的出现，银行过去受国家政策保护的垄断利润，正在缩减。这个时候，通过大数据来驱动业务运营及产品创新，搭建低成本、高性能、高可靠且水平扩张的数据平台，帮助银行通过大数据分析应对金融业的大数据挑战，完善及大力发展银行业中间业务，避免产品品种雷同、老旧等情况的出现，做到个性化的营销。
　　
　　数据源：
　　
　　个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。
　　
　　资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。
　　
　　其他数据：个人互联网行为数据、个人位置信息数据、商户数据等。