金融大数据应用案例

版本号：V1.0金融大数据应用案例民生银行署云计算，实现自动化、高能效、虚拟化和标准化的云部署目标；洞察大数据推动了民生银行的转型与创新；手机银行等移动应用帮助它们打造了战略产品平台根据数据智能分析向前台提供服务与反馈，支持实现以客户为中心的服务模式与体验；整合日益互联互通的各种服务渠道；建立持续从广泛的来源获取、量度、建模、处理、分析大容量多类型数据的功能；及时在互联互通的流程、服务、系统间共享数据，并将经过智能分析与加工的数据用于业务决策与支持；智能化分析和预测客户需求中信银行信用卡中心3大数据挑战发卡量增长迅速：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。数据存储、系统维护、数据有效利用都面临巨大压力。需求可扩展、高性能的数据仓库解决方案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；通过从数据仓库提取数据，改进和推动有针对性的营销活动。采用大数据方案后价值体现实时的商业智能可以结合实时、历史数据进行全局分析,风险管理部门现在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Greenplum数据仓库解决方案提供了统一的客户视图，更有针对的进行营销。2011年，中信银行信用卡中心通过其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。EMCGreen-plum建设银行阿里信贷面向阿里巴巴普通会员全面放开，不用提交任何担保、抵押，只需凭借企业的信用资源就可以“微贷”“微贷”通过网络低成本广泛采集客户的各类数据信息，分析挖掘的数据，判断客户资质，用户可以24小时随用随借、随借随还善融商务平台上的每一笔交易，建行都有记录并且能鉴别真伪，可作为客户授信评级的重要依据对消费者购买行为的分析，比如点击量、跨店铺点击，订单流转量甚至聊天信息的收集和分析未来互联网金融模式下资源配置的特点是：资金供需信息直接在网上发布并匹配，供需双方甚至不需银行、券商或交易所等中介，直接匹配完成信评级的重要依据互联网银行模式—建行光大银行—行动打通社会化大数据库，期待社会化数据内外通达如何把品牌价值透过网络杂音直击目标客户，并及时发现客户的需求做好精准服务是考验自身技术段位的如果把银行内部的客户号和新浪的微博号挂接起来，在一定程度上就可以做群体营销了。外部数据引入的动作很关键，把微博、QQ、邮箱等社交化的、能很快找到客户的方式能通达起来。跟传统的数据存储放一起，同等对待，建立一个更加立体丰富的数据库。基本信息、爱好信息、行为信息、分析信息互联网金融模式新浪微博开发平台上做了一个缴费应用——“V缴费”光大银行—思考银行大数据包括非结构化数据、结构化数据和敏捷数据系统日志数据GIS地理信息数据在线交易数据前瞻性的应用客户营销：在线营销方案微博营销：把微博上用户跟我们光大银行用户相匹配，采用中文分析引擎客户行为分析，包括电话语音、网络的监控录像：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IT风险或者钓鱼网站防欺诈互联网银行模式—交行阿里金融现状中国将近4200万小微企业，占企业总数的的97.3%由于分布零散、业务不规范、盈利不明朗、信贷时间长、信用难以构建等现状，使得小微企业的贷款相当困难大数据与小而美的金融信贷完全是构建在互联网的基础通过数据分析，以自主服务模式为主的、面对小微企业的信贷工厂24小时开放、随时申请、随时审批、随时发放的纯互联网的小额信贷服务ODPSOpenDataProcessingService，阿里云开放数据处理服务来自淘宝、天猫、B2B、支付宝的交易数据、日志、聊天记录以及评价等各个方面的数据经过确定的调度、系统监控、数据分析、算法优化等流程，最终形成了310模式其他应用—思考自下而上的风险分析。分析ACH交易、信贷支付交易，以获取反映压力、违约或积极发展机会。业务联系和欺诈分析。为业务交易引入信用卡和借记卡数据，以辨别欺诈交易。跨帐户参考分析。分析ACH交易的文本材料（工资存款、资产购买），以发现更多营销机会。事件式营销。将改变生活的事件（换工作、改变婚姻状况、置房等）视为营销机会。交易对手网络风险分析。了解证券和交易对手问的风险概况和联系。消费智能。摩根大通已经开始使用Hadoop技术以满足日益增多的用途，包括诈骗检验、IT风险管理和自助服务150PB在线存储数据、30,000个数据库和35亿个用户登录账号Hadoop能够存储大量非结构化数据，允许公司收集和存储Web日志、交易数据和社交媒体数据。数据被汇集至一个通用平台，以方便以客户为中心的数据挖掘与数据分析工具的使用。花旗银行分析数据包括客户提供的信息（申请、表格等）社交网络、公共网页得到客户的信用记录以及信用历史和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（以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）花旗银行--续应用信用风险评估（贷款）针对性营销以客户为中心客户统一视图（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IBMWatson产品深度非结构化数据分析自然语言处理决策支持基于循证的学习功能西太平洋银行特点：随着大数据的大量涌现，尤其是在社交媒体网络的背景下，渠道战略不应仅限于传统的银行渠道，而且还应整合新的客户接触点（即社交媒体网站）尽管西太平洋银行已经非常清楚地认识到社交媒体数据仅仅是当今多种数据来源之一，但银行目前侧重于将情感分析作为其大数据分析挑战的一部分应用：启用和优化定价、市场营销和经济利润事前风险管理（PRM）系统，该系统允许使用银行风险实践快速更新有关欺诈的知识并减少个人风险Zions银行大数据安全策略仓库存储了120多个不同类型的数据，包括交易日志，日志，欺诈警报，服务器日志，防火墙日志和IDS日志跨整个企业进行数据挖掘，加快取证调查并提高欺诈侦测，以及整体安全性是主动的而非被动的安全基于Hadoop的安全数据仓库，就像是具有分布式检索应用（鱼叉式网络钓鱼攻击）威胁建模/恶意软件推动的帐户接管迅速对来自各种源头的恶意软件威胁作出响应并对抗它们微信贷踢公司“大剖数据+机器锯智能伙学习”利用渔海量杜数据跃挖掘贸和算派法来序做一芬些贷惑款业务大量荡使用了社使交媒翁体和巷其他黑的网弓络工具每个吼贷款五人都亿拥有60影00到80喇00条数俊据特点嚷：它的每扰笔贷庆款额坛度都永很小，太多的烘资金悄额度秋需要迫更多葡次的检验不良号贷款射会迅榴速暴露。，模型耐的反巩馈和救改进时间短违约魄率高利率趟很高Wo得ng圆aLe阅nd葵in货gS桑tr浸ea竞mZe旦st飘ca潮shKl驾ar笛naPa见wn兼Go国外祖其他纠应用定期（每丝式天）对所有妨客户利的交狸易日针志和献当前丝式的债抵权状异况（姜包括戚核心逗系统损内的画数据寻和从梨征信轧中心漫取得紫的数偏据）捎进行度分析共，捕建模肆，及岩分析炊当前饰模型捡的精婚确性须；定期（每席天）根据分析椅对客泊户进爷行分潜类（se枯gm互en划ta钟ti毕on）；每天针对攀不同某的分蚕类建躬立不怜同的水模型捧，进咸行行侨为评分、预测对客户营销可能桥性、提前比还款侦的可能谜性、坏账的可效能性桂等；每天根据可预测株的分敌数和窑交易问状况星和提头前设夏定的st除ra依te奥gy自动砍调整蜓客户银的cr醉ed虎it晕l枣in椒e；每天根据匹预先去设定盼的st都ra煮te舒gy和3，4的结亲果对红客户尊进行电话、邮件、信件等的暗促销烟和催饱收；采用落结构净化和韵非结扫构化亩数据不仅词仅分背析客秆户本刘人，熔还可铃以分禽析担请保人驴等大数擦据应工用--治IB坑M大数熔据引泼擎基竖本上业完成闲是存遭储和渴计算客户数据踢都在尾数据前仓库市里，却随着楼互联末网和惭其他贴的一趴些新删型的蕉包括宪移动误应用昏的增浸加，弦我们属希望秧通过疗非结笋构化己的信精息能生够来冒补强鸽原有传统挠上存在先数据干仓库姐里客券户的锐档案袜和信息呼叫呢中心记录俊的分析客户瓦情感志分析增强闯的客栋户细乓分机器数据—交易跃故障彼分析用现鞭在大语数据屑的能冒力把轿分布善在各夕个地文方的划原始柱数据大和原狭始的油日志毫定时耀每隔旦一分酒钟进麦行收叮集和抽取放到分趁布式墓文件蛾系统颠里，并很快的能娘够建缝立起唐一些索引提供一个度很方被便的前端免实时的查漏询风险排和欺诈建一个反欺炸诈统计议模型钓鱼网站酒攻击刮、信面用卡天套现撇、盗刷信用与卡非结悔构化群数据唯应用--诞IB乱M信贷并不六只跟享信贷溪部有佳关系抱，还嗽跟客寺户服莫务部商、法矩律部床、IT架构虏等等恳都有关竿系这些凡关系救全部含串接陪起就弯形成毫了全蚕流程律信贷水的概盲念，暖打破宪了业先务部蔑门和危业务撞部门英之间粉的界限信贷使应用珍就要悔重新势设计食、开发引入影像平台税、流纤程平束台、员规则剪引擎蹄平台储这些因素降低蜓整体贼成本反洗得钱一个闷欺诈鸽就是伤一个Ca列seCa腿se包含了与搞之相那关的卸所有针资料娘，例孟如法掘律规辉范、给业务造逻辑冻、时支间顺拉序、刃修改把轨迹等当需截要的时街候，假可以粥很快陵地找线出来得出一个嫌疑粉是否违规吼犯罪盛的结论可以购了解鹿犯罪亦者、究供应版商或敲欺诈攀团伙提之间蛛的关系并能窄够对广复杂亏的多头渠道霞欺诈墨构建抬更易医解读膝的可叼视化澡分析金融大数据发展善十大命趋势（20顿12）对更排大的面历史普数据乡丰集的懂需要企业蜡面临雨新的糕监管迹和合促规要求对企爆业风我险管鞠理的关注利用残各种优交付滑渠道隶的更壁多的菜客户数据对后诞突发卖市场材中数她据基缎础设目施的投资推动红运营于部门骄利用数据的价紧值需要没重新每设计ET竿L以适沈应数损据增长使用技预测仗信用俗风险模型移动宿设备时的普及要求处理皱和整昂合非结歪构化眉数据推动躺了对州数据呜处理奶算法企的需之求大数表据发扎展2013年试验项目成品化行业垂直领域内出现成功案例2014年各个行业都将遵循大数据的游戏规则主要关注点在内部数据外部数据无新进展2015年整合使用外部数据2016年数据驱动的决策代替了直觉和常识2017云和大数据、数据仓库合并起来分析即服务金融变融合龄创新客户木体验支付阁结算贷款猾（小微斗企业贷款和个人备贷款）统一撇客户轿