智能制造网APP
智能制造网手机站
智能制造网小程序
智能制造网官微
智能制造网服务号
智能控制
机器人
仪器仪表
物联网
3D打印
工业软件
回放
预告
品牌
研华/ADVANTECH
【中国智能制造网 市场分析】随着互联网新金融模式的兴起，传统的银行金融业面临着诸多挑战。而大数据技术的发展和广泛应用，无疑是提供了一座价值的“金矿”，借助大数据技术，将分散在金融企业服务网络与IT系统中的海量信息与基于业务驱动的外部数据源融合，并结合金融行业的特点，以金融业务为核心，提升客户体验和客户价值、优化运营流程、预测营销效果、提升经营管理水平。
深度解析大数据在金融行业的典型应用方向
背景
金融企业是大数据的先行者，早在“大数据”一词兴起之前，金融行业的数据量和对数据的应用探索就早已经“大数据”了。而今大数据技术和应用日趋深入，大数据理念渐入人心，金融机构在保有原有数据技术能力的同时，通过内部传统数据和外部信息源的有效融合，能够在金融企业内部的客户管理、产品管理、营销管理、系统管理、风险管理、内部管理及优化等诸多方面得到有效提升。接下来笔者介绍几种大数据的典型应用方向。
构建360度全景客户视图
对于金融企业而言，客户画像应用主要分为个人客户画像和企业客户画像两个应用方向。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等;企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。
传统的客户画像重点在于建立统一客户视图，将以业务为核心的IT系统数据整合，主要覆盖交易、服务、风险、权益等业务相关层面的数据。然而值得注意的是，金融企业拥有的客户等相关信息分散且不全面，分散是指金融企业内部数据往往分散在各个业务系统，彼此之间相互独立，又各有关联，整合难度大;不全面是指客户数据往往是由金融企业自己建立的、围绕金融交易展开的数据，因此仅仅基于企业内部拥有的数据往往难以得出理想的结果。
比如依照银行传统的分析，某位持卡4年的信用卡持卡人，月均刷卡次数以及消费稳定，极少打客服电话，应该是一位满意度较高流失风险较低的客户。但该客户却经常在社交网站、微博和微信上抱怨该行信用卡使用不便，合作商户优惠少，并且其工资卡和信用卡不在同一家银行，还款不方便，准备近期重新办理一张工资卡所在银行信用卡，所以该持卡人流失风险较高，需要立刻进行相关保留客户措施。所以金融机构不仅需要综合分析自身内部业务系统所采集到的数据，更应整合外部更多的数据，以扩展对客户的了解。
应用大数据技术进行数据整合和拓展分为两种形式，其一是内部拓展，将以前难以处理的半结构化和非结构化的票据影像、客服中心语音疾苦、访谈记录等内部数据进行结构化解析;其二是结合银行自身的业务特征，引入与业务高度相关的外部数据源。通过整合和分析全面的客户数据，将社交数据和金融企业内部数据有机融合，可以更加清晰真实的还原客户全景视图，使得银行更加了解客户。对于行为信息的扑捉，为营销、服务都创造了可能性。
构建更全面的信用评价体系
风险控制一直是金融行业的核心痛点，也是金融企业的核心竞争力，而信用评价体系的完善可以有效帮助金融企业降低信贷审批成本，并控制信贷风险。不能以单纯的贷款标准来去衡量一个客户能否贷款、能贷到多少款项，而必须融合外部交易信息和深入到行业中用行业标准衡量。大数据技术从以下三个方面帮助金融机构建立更为的信用评价体系：
(1)构建完备的信用数据平台：基于企业传统数据库丰富的客户基础信息、财务及金融交易数据的积累，融合从社交媒体、互联网金融平台获取的客户信用数据，构建全面客户信用数据库。
(2)融合金融企业专业量化的信用模型和基于互联网的进货、销售、支付清算、物流等交易积累的信用和对企业的还款能力及还款意愿的评估结论，以及行业标准还原真实经营情况，从而评判信用情况。利用大数据技术，对海量客户信用数据进行分析，建立完善的信用评价模型。
(3)应用大数据技术进行信用模型的分布式计算部署，快速响应，评价，快速放款，实现小微企业小额贷款和信用产品的批量发放。
浙公网安备 33010602000006号
智能制造网APP
智能制造网小程序
微信公众号
