大数据营销-理论与实践 课件 第9讲 金融大数据营销

金融大数据营销

金融大数据的兴起

金融行业有丰富的数据资源，数据应用由来已久。大数据技术在银行、保险、互联网支付和网络借贷等诸多领域的具体业务中得到大量应用。这些应用包括精准营销、风险评估、智能投顾、反欺诈、舆情分析等。大数据的分析应用能力，逐渐成为金融行业未来发展的核心竞争要素。金融数据正在不断强化与其他跨领域数据的融合应用，金融行业数据的整合、共享和开放正在成为趋势。

金融大数据的获取

从自有系统中沉淀数据。金融机构一般会部署数以百计的应用系统，这些应用系统在日常经营中不断产生和储存数据，经过持续的数字化运营沉淀，数据的规模已经日趋庞大。波士顿咨询的相关调研显示，银行业每创收100万美元左右，平均就有820GB的数据产生。在第三方购买数据。金融机构主要是对企业的数据进行购买，而对购买个人数据通常比较谨慎。因为对待个人数据的交易，大型金融机构通常认为涉及隐私，要谨慎以待。因此现阶段，大型金融机构更多的是从政府侧对公共数据进行购买，比如公积金、社保和税务方面的数据等。从网上采集数据。在网上，金融机构主要对企业的舆情数据和个人的行动数据进行采集。企业舆情数据概括为两个方面：一是政府对外公开的数据；二是企业日常经营活动过程中产生的数据。个人行动数据也表现在两个方面：一是基本属性的数据；二是个人喜好方面的数据。

互联网金融概述

中国人民银行等十部委2015年7月18日下发《关于促进互联网金融健康发展的指导意见》(下称“《指导意见》”)，将互联网金融定义为“传统金融机构与互联网企业利用互联网技术和信息通信技术实现资金融通、支付、投资和信息中介服务的新型金融业务模式”。包括两部分：一是传统金融机构运用互联网技术和信息通信科技从事金融业务，二是互联网企业投身资金融通、支付、投资和信息中介服务等金融业务。

传统金融和互联网金融的区别

模块传统金融互联网金融存线下吸收存款、柜台发行各种金融产品等（已能够网络化，但部分中老年用户仍习惯用柜台交易）互联网银行吸收行款、P2P等企业在线上发售理财产品募集资金贷通过线下审核发放贷款、将金融产品募集的资金投向企业或证券P2P、互联网小贷公司、互联网银行等公司的线上放款(日前正能实现纯在线放款的企业非常少，如妈蚁微贷等)汇已充分网络化银行（结算端）、各清算结构（清算端）、第三方支付撮经纪业务、承销证券（其实已经能够实现网络化，但仍然有部分线下业务，所以一般不视为互联网金融）纯网络经纪商、仅做撮合的纯P2P、众筹等

互联网金融业态

传统金融机构：互联网保险、互联网基金销售、互联网信托中和消费金融互联网企业金融业务：网络借贷、互联网支付和股权众筹融资这两大类并非严格割裂的，随着传统金融机构不断的互联网化，互联网企业也不断进军金融业务，融合的趋势越来越明显。金融大数据营销应用场景：精准营销、风险控制、智能投顾、反欺诈和舆情分析。

金融大数据营销存在的问题和展望

存在的问题数据质量不足数据获取方式单一数据系统分散对于营销需求的响应不足未来展望：分阶段推动金融数据开放、共享和统一平台建设开展跨行业、跨领域大数据应用合作

互联网保险

互联网保险：保险机构依托互联网和移动通信等技术，通过自营网络平台、第三方网络平台等订立保险合同、提供保险服务的业务。发展现状2011年到2017年，高速增长时期，保费收入的年均复合增长率高达16.9%2018年，行业进入发展平缓期，保费收入增长仅3.9%粗放式的发展模式已经不适合未来行业发展需要在产品和渠道创新上深耕细作，同时提升服务水平，加强保险公司大数据的应用将是未来行业发展的主旋律。互联网保险中的大数据营销

预测客户转化概率，基于准客户的海量行为数据，建立预测模型识别其开发潜力；识别客户差异化需求，洞察客户兴趣、偏好，为不同客群制定差异化营销策略；识别高价值客户，通过大数据进行全程个性化追踪，有限的营销资源投入到最有可能转化的目标客户。

互联网基金销售模式及大数据营销

传统基金销售机构互联网化：银行、证券公司、保险机构等传统基金销售机构在具备基金销售资格的情况下，可以开展网销，还包括基金公司自身开展网上直销方面的业务。基金代销模式：独立基金销售机构的网络销售平台，已经获取证监会颁发的基金销售牌照，可以合法合规地进行非金融机构的基金销售业务，如天天基金、好买基金。此类模式就是以分取佣金为主要的盈利来源。引流模式：互联网平台销售基金，如阿里的支付宝、腾讯的理财通，此模式主要是帮基金公司或三方基金销售平台引流，本身不触及用户资金，也不处理相关业务。智能投顾

互联网信托

含义：由委托人依照契约或网站条款的规定，为自己的利益，将自己财产上的权利通过受托人（即互联网平台）转给受益人（即中小微企业）作为资金周转，受益人按规定条件和范围通过受托人转给委托人其原有财产以及过程中所产生的收益。涉及当事人：投入信用的委托人，受信于人的受托人，以及受益于人的受益人。在互联网信托营销场景中，大数据经常被用于用户画像、精准营销、风险管理等，如陆金所的投资者适当性管理体系。

消费金融

消费金融公司向借款人发放的以消费（不包括购房和购车）为目的的贷款。居民部门的负债渠道众多，银行、消费金融公司、住房公积金、P2P、小额贷款公司等互联网金融平台等都是居民消费信贷的来源。截至2017年12月末，中国居民消费信贷规模9.5万亿左右。2009-2013年，两次发布《消费金融公司试点管理办法》，增加持牌消费金融公司试点城市。2015年，将试点推向全国。2016年3月，央行、银监会发布《关于加大对新消费领域金融支持的指导意见》，对互联网消费金融业务创新持鼓励态度，包括汽车金融、信息与网络消费、农村消费等诸多领域。2017年，发布一系列文件，校园贷、现金贷、网络小贷都受到了清理整顿，取缔风险过高产品、关闭无业务资质的公司。

各类消费金融平台对比

银行持牌消费金融大型电商和支付平台新兴互联网平台商业模式信用卡为核心消费贷、现金贷商品分期、账单分期商品分期、助贷典型代表招商银行、中信银行中银、捷信消费金融蚂蚁花呗、京东白条趣店、51信用卡监管机构银保监会银保监会地方金融办地方金融办牌照银行牌照消费金融牌照网络小贷牌照网络小贷牌照核心用户央行征信覆盖用户央行征信+长尾人群互联网长尾客户细分、垂直场景用户资金成本资金稳定、成本最低资金局限、成本高于银行资金有限、成本高于银行资金缺乏、成本最高消费场景相对较少，品牌入驻缺乏消费场景线上线下场景丰富单一、垂直场景为主风控数据丰富，模型成熟数据匮乏，依靠外部征信行为数据丰富，科技风控数据匮乏，科技风控核心优势资金、风控持牌合规场景、流量、大数据风控细分市场、垂直场景

网络借贷国家逐步

包括个体网络借贷（即P2P网络借贷）和网络小额贷款。其中，P2P网络贷款被定义为“个体和个体之间通过互联网平台实现的直接借贷”。由于现金贷、校园贷等问题风险较为严重，2017年11月互联网金融风险专项整治工作领导小组办公室向各省整治办下发特急文件《关于立即暂停批设网络小额贷款公司的通知》。2019年开始，国家逐步清理P2P平台。2020年11月中旬P2P平台清零。

网络借贷中的大数据营销

网络支付

通过计算机、手机等设备，依托互联网发起支付指令、转移货币资金的服务第三方支付行业因互联网支付时代的到来得以更加迅速地发展，而最具爆发潜力的新兴市场可谓是移动支付市场。支付宝和财付通依托于淘宝和微信，获得了庞大的用户群体和丰富的支付场景，因而二者在市场占据了绝对的优势。

营销实践：支付宝用户可信习惯体系

2011年，俞吴杰从国际知名支付公司PayPal加入支付宝，担任蚂蚁金服旗下芝麻信用首席大数据科学家。国内提升用户账户安全保障通常的做法是使用安全产品，比如登录密码、支付密码、U盾、手机令牌、数字证书，层层叠加。但是，支付宝希望尽量减少用户操作的麻烦。如果支付宝能判断出账户操作指令是否为用户本人发出，就可以在屏蔽被盗风险的同时，减少安全产品对用户体验的干扰，这是基于用户的可信行为习惯。

营销实践：支付宝用户可信习惯体系

比如，一个用户很频繁地从一个卖家买东西，这就说明他喜欢这家店铺，对于后来的购买指令来说，无论是发自手机终端还是PC终端，其是用户本人指令的可信度是非常高的，这时就不需要对它做极其复杂的风险判断。俞吴杰带领风险智能团队，协同多个团队开发“支付宝用户可信习惯体系”（AUTH）。与此同时，支付宝还利用各种前沿的生物识别技术来进行判断2012年，支付宝的用户保障体系项目正式开始运行。至此，支付宝在账户盗用上终于实现了“你敢付，我敢赔”。一段时间后的数据显示，在得到赔付的用户中，有2/3的人和以前一样继续使用支付宝，甚至比以前更为活跃。最终“100%盗用保障机制”也成为行业的新标准。

股权众筹融资

通过互联网形式进行公开小额股权融资的活动从2014年起，大规模的双创来了越来越多的融资需求，中产阶级积极寻求多元投资组合带来了大量的资金供给。在互金专项整治开展前，政府建立了双创支撑平台，大力鼓励开展互联网股权众筹融资试点，使得大量创业项目通过互联网非公开股权融资平台完成融资，从而推动国内互联网股权众筹融资行业进入高速成长期。小微企业的股权众筹融资项目数不胜数，如何能够更精准地匹配投资人，这也需要大数据进行个性化的项目推荐。

金融大数据营销应用场景——精准营销

大数据预测葡萄牙银行直销活动中定期存款认购情况

通过与葡萄牙银行机构的直销活动（电话）有关的一些数据，预测客户是否会认购定期存款（变量Y）。数据集包括：客户信息，如年龄、工作、婚姻、教育、违约情况、贷款情况；其他相关数据，如接触方式、最后联系时间、最后接触持续时间等；社会经济属性，如就业变化率、消费者价格指数、消费者信心指数、欧元同业拆借利率（3M）等；输出变量，即客户是否会认购定期存款。

抽取70%的训练集和30%的测试集。随后，分别采用支持向量机与随机森林进行分类，并且通过混淆矩阵来对模型进行评价，可以看到两个模型的预测效果都非常好，但是随机森林更胜一筹。我们可以从自变量的重要性程度了解到，社会环境整体对于销售的影响还是比较大的。销售人员与客户接触相关因素也影响非常大，为了有一个好的销售效果，接触持续时间应该达到200h以上；同时，和客户的联系要选择固定的执行人，频繁更换人选客户购买率会下降。其次就是老顾客率非常高，银行可以把更多精力放在老顾客的身上；而对于新客户，则可以着重关注年长退休人士。大数据预测葡萄牙银行直销活动中定期存款认购情况模型训练集准确率测试集准确率支持向量机0.97310.9691随机森林10.9749

金融大数据营销应用——风险控制

金融行业应用大数据技术进行风险控制主要集中在三个阶段，即贷前风险识别，贷中决策迭代和贷后预警催收。在贷前风险识别阶段，需要依托与众多平台机构合作获得多元化的流量和多维度的大数据支撑，建立了基于数据交换平台、实时处理平台、数据集成平台、数据开发和管理平台、即席查询平台的大数据平台，实时挖掘、分析数据。在贷中决策迭代过程中，利用实时反欺诈系统对贷款客户实施反欺诈风控。在贷后预警催收过程中，依靠精准、理性、基于大数据的沉淀，金融机构可以在贷后环节上进行全面的智能监控，增强对客户的认知，最终指导贷后管理。

金融大数据营销应用——智能投顾

广义定义：基于投资者的投资需求和风险偏好，为其提供数字化、自动化、智能化的财富管理服务。狭义定义：基于投资组合理论、资产定价理论以及行为金融学理论，将投资者的财务状况、收益目标以及风险偏好融合考虑，使用大数据、云计算等技术构建数据算法和模型，将相关资产配置建议、交易执行等基础服务以及税收盈亏分析等增值服务提供给投资者

传统投顾和智能投顾对比情况

对比维度传统投顾智能投顾服务人群仅针对高净值人群演盖高、中、低净值的多数人群，但以中产、大众投资者为主要目标客户投资门槛高，国内外平均在100万美元以上极低，甚至可实现零门槛服务模式一对一人工服务有限或无人工服务，纯线上服务服务内容全方位、个性化的财富管理智能资产配置及自动多样化投资资产配量涵盖大部分资产类别以ETF、基金为主的多资产类别投资投资依据公司及投资顾问经验和理论水平在传统投资理论基础上，信助新兴技术构建投资组合模型管理费率高，平均费率在1%-3%低，平均费率在0.25%-0.5%时效性会存在一定延迟性，无法实现；全程实时监控高，24小时/7天监控市场变化并及时响应风险控制存在道德风险，易受主观情绪影响严格遵守现代投资组合理论，分散投资，基于模型控制风险投资结果依据个人投资顾问水平而定基于MPT，赚取β收益用户体验流程繁项，所需时间较多流程简单清晰以实现快速投资建议及交易执行

智能投顾运用的大数据技术

相关技术具体描述数字化平台使得客户能够通过移动和网页端获取服务。实现简单、直接的流程设计，从用户引导、获取投资者资料、支付、投资，最终到投资报告。高阶及预测性数据分析利用来自多种渠道（包括社交媒体）的结构化和非结构化的大数据来更深刻、更立体地刻画客户的投资特征，从而更好地吸引和服务客户；同时，对金融数据持续监测分析，并对市场趋势做出判断，优化产品与组合。公开的应用程序被用来管理金融产品的开发到再平衡，实现海量客户资产仅由少量人工团队管理，实现批量性定制化服务方案。编程接口（APIs）提供实时客户数据及交易数据支持，分秒间实现客户的注册及其银行资金的划拨。数字聊天机器人回答客户疑问、教育投资者及普及投资知识。人工智能助力客户投资特征分析、投资组合构建和客户服务。

金融大数据营销应用——反欺诈

反欺诈是指金融机构为了防范恶意用户采取欺诈行为谋求额外利益而采取的应对措施。根据欺诈目的的不同，可以将欺诈分为营销作