大數(shù)據(jù)在金融業(yè)的應用

版本號：V1.0大數(shù)據(jù)在金融業(yè)的應用北京華勝天成科技股份有限公司2013年12月第一頁，共二十三頁。民生銀行根據(jù)數(shù)據(jù)智能分析向前臺提供服務與反饋，支持實現(xiàn)以客戶為中心的服務模式與體驗；整合日益互聯(lián)互通的各種服務渠道；建立持續(xù)從廣泛的來源獲取、量度、建模、處理、分析大容量多類型數(shù)據(jù)的功能；及時在互聯(lián)互通的流程、服務、系統(tǒng)間共享數(shù)據(jù)，并將經(jīng)過智能分析與加工的數(shù)據(jù)用于業(yè)務決策與支持；智能化分析和預測客戶需求署云計算，實現(xiàn)自動化、高能效、虛擬化和標準化的云部署目標；洞察大數(shù)據(jù)推動了民生銀行的轉(zhuǎn)型與創(chuàng)新；手機銀行等移動應用幫助它們打造了戰(zhàn)略產(chǎn)品平臺第二頁，共二十三頁。3大數(shù)據(jù)挑戰(zhàn)發(fā)卡量增長迅速：2008年發(fā)卡約500萬張，2010年增加了一倍。業(yè)務數(shù)據(jù)增長迅速：隨著業(yè)務的迅猛增長，業(yè)務數(shù)據(jù)規(guī)模也線性膨脹。數(shù)據(jù)存儲、系統(tǒng)維護、數(shù)據(jù)有效利用都面臨巨大壓力。需求可擴展、高性能的數(shù)據(jù)倉庫解決方案能夠?qū)崿F(xiàn)業(yè)務數(shù)據(jù)的集中和整合；可以支持多樣化和復雜化數(shù)據(jù)分析提升信用卡中心的業(yè)務效率；通過從數(shù)據(jù)倉庫提取數(shù)據(jù)，改進和推動有針對性的營銷活動。采用大數(shù)據(jù)方案后價值體現(xiàn)實時的商業(yè)智能可以結(jié)合實時、歷史數(shù)據(jù)進行全局分析,風險管理部門現(xiàn)在可以每天評估客戶的行為，并決定對客戶的信用額度在同一天進行調(diào)整；原有內(nèi)部系統(tǒng)、模型整體性能顯著提高秒級營銷Greenplum數(shù)據(jù)倉庫解決方案提供了統(tǒng)一的客戶視圖，更有針對的進行營銷。2011年，中信銀行信用卡中心通過其數(shù)據(jù)庫營銷平臺進行了1286個宣傳活動，每個營銷活動配置平均時間從2周縮短到2-3天。EMCGreen-plum中信銀行信用卡中心第三頁，共二十三頁。建設(shè)銀行阿里信貸面向阿里巴巴普通會員全面放開，不用提交任何擔保、抵押，只需憑借企業(yè)的信用資源就可以“微貸”“微貸”通過網(wǎng)絡(luò)低成本廣泛采集客戶的各類數(shù)據(jù)信息，分析挖掘的數(shù)據(jù)，判斷客戶資質(zhì)，用戶可以24小時隨用隨借、隨借隨還善融商務平臺上的每一筆交易，建行都有記錄并且能鑒別真?zhèn)?，可作為客戶授信評級的重要依據(jù)對消費者購買行為的分析，比如點擊量、跨店鋪點擊，訂單流轉(zhuǎn)量甚至聊天信息的收集和分析未來互聯(lián)網(wǎng)金融模式下資源配置的特點是：資金供需信息直接在網(wǎng)上發(fā)布并匹配，供需雙方甚至不需銀行、券商或交易所等中介，直接匹配完成信評級的重要依據(jù)第四頁，共二十三頁?；ヂ?lián)網(wǎng)銀行模式—建行第五頁，共二十三頁。光大銀行—行動打通社會化大數(shù)據(jù)庫，期待社會化數(shù)據(jù)內(nèi)外通達如何把品牌價值透過網(wǎng)絡(luò)雜音直擊目標客戶，并及時發(fā)現(xiàn)客戶的需求做好精準服務是考驗自身技術(shù)段位的如果把銀行內(nèi)部的客戶號和新浪的微博號掛接起來，在一定程度上就可以做群體營銷了。外部數(shù)據(jù)引入的動作很關(guān)鍵，把微博、QQ、郵箱等社交化的、能很快找到客戶的方式能通達起來。跟傳統(tǒng)的數(shù)據(jù)存儲放一起，同等對待，建立一個更加立體豐富的數(shù)據(jù)庫?；拘畔?、愛好信息、行為信息、分析信息互聯(lián)網(wǎng)金融模式新浪微博開發(fā)平臺上做了一個繳費應用——“V繳費”第六頁，共二十三頁。光大銀行—思考銀行大數(shù)據(jù)包括非結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和敏捷數(shù)據(jù)系統(tǒng)日志數(shù)據(jù)GIS地理信息數(shù)據(jù)在線交易數(shù)據(jù)前瞻性的應用客戶營銷：在線營銷方案微博營銷：把微博上用戶跟我們光大銀行用戶相匹配，采用中文分析引擎客戶行為分析，包括電話語音、網(wǎng)絡(luò)的監(jiān)控錄像：客戶走動線路的重疊分析風險控制與管理：結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)整合，分析系統(tǒng)存在IT風險或者釣魚網(wǎng)站防欺詐第七頁，共二十三頁?；ヂ?lián)網(wǎng)銀行模式—交行第八頁，共二十三頁。阿里金融現(xiàn)狀中國將近4200萬小微企業(yè)，占企業(yè)總數(shù)的的97.3%由于分布零散、業(yè)務不規(guī)范、盈利不明朗、信貸時間長、信用難以構(gòu)建等現(xiàn)狀，使得小微企業(yè)的貸款相當困難大數(shù)據(jù)與小而美的金融信貸完全是構(gòu)建在互聯(lián)網(wǎng)的基礎(chǔ)通過數(shù)據(jù)分析，以自主服務模式為主的、面對小微企業(yè)的信貸工廠24小時開放、隨時申請、隨時審批、隨時發(fā)放的純互聯(lián)網(wǎng)的小額信貸服務ODPSOpenDataProcessingService，阿里云開放數(shù)據(jù)處理服務來自淘寶、天貓、B2B、支付寶的交易數(shù)據(jù)、日志、聊天記錄以及評價等各個方面的數(shù)據(jù)經(jīng)過確定的調(diào)度、系統(tǒng)監(jiān)控、數(shù)據(jù)分析、算法優(yōu)化等流程，最終形成了310模式第九頁，共二十三頁。其他應用—思考自下而上的風險分析。分析ACH交易、信貸支付交易，以獲取反映壓力、違約或積極發(fā)展機會。業(yè)務聯(lián)系和欺詐分析。為業(yè)務交易引入信用卡和借記卡數(shù)據(jù)，以辨別欺詐交易?？鐜魠⒖挤治?。分析ACH交易的文本材料（工資存款、資產(chǎn)購買），以發(fā)現(xiàn)更多營銷機會。事件式營銷。將改變生活的事件（換工作、改變婚姻狀況、置房等）視為營銷機會。交易對手網(wǎng)絡(luò)風險分析。了解證券和交易對手問的風險概況和聯(lián)系。消費智能。第十頁，共二十三頁。摩根大通已經(jīng)開始使用Hadoop技術(shù)以滿足日益增多的用途，包括詐騙檢驗、IT風險管理和自助服務150PB在線存儲數(shù)據(jù)、30,000個數(shù)據(jù)庫和35億個用戶登錄賬號Hadoop能夠存儲大量非結(jié)構(gòu)化數(shù)據(jù)，允許公司收集和存儲Web日志、交易數(shù)據(jù)和社交媒體數(shù)據(jù)。數(shù)據(jù)被匯集至一個通用平臺，以方便以客戶為中心的數(shù)據(jù)挖掘與數(shù)據(jù)分析工具的使用。第十一頁，共二十三頁?；ㄆ煦y行分析數(shù)據(jù)包括客戶提供的信息（申請、表格等）社交網(wǎng)絡(luò)、公共網(wǎng)頁得到客戶的信用記錄以及信用歷史和目標客戶有類似行為模式的客戶數(shù)據(jù)金融以及經(jīng)濟數(shù)據(jù)證券交易委員會文件招股章程、過往貸款記錄新聞（以衡量公眾意見以及信心）Facebook在內(nèi)的來自社交網(wǎng)絡(luò)的數(shù)據(jù)（個人、家庭計劃等）第十二頁，共二十三頁?；ㄆ煦y行--續(xù)應用信用風險評估（貸款）針對性營銷以客戶為中心客戶統(tǒng)一視圖（結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）細分客戶，按照客戶行為進行分類為客戶提供質(zhì)量一致的客戶體驗IBMWatson產(chǎn)品深度非結(jié)構(gòu)化數(shù)據(jù)分析自然語言處理決策支持基于循證的學習功能第十三頁，共二十三頁。西太平洋銀行特點：隨著大數(shù)據(jù)的大量涌現(xiàn)，尤其是在社交媒體網(wǎng)絡(luò)的背景下，渠道戰(zhàn)略不應僅限于傳統(tǒng)的銀行渠道，而且還應整合新的客戶接觸點（即社交媒體網(wǎng)站）盡管西太平洋銀行已經(jīng)非常清楚地認識到社交媒體數(shù)據(jù)僅僅是當今多種數(shù)據(jù)來源之一，但銀行目前側(cè)重于將情感分析作為其大數(shù)據(jù)分析挑戰(zhàn)的一部分應用：啟用和優(yōu)化定價、市場營銷和經(jīng)濟利潤事前風險管理（PRM）系統(tǒng)，該系統(tǒng)允許使用銀行風險實踐快速更新有關(guān)欺詐的知識并減少個人風險第十四頁，共二十三頁。Zions銀行大數(shù)據(jù)安全策略倉庫存儲了120多個不同類型的數(shù)據(jù)，包括交易日志，日志，欺詐警報，服務器日志，防火墻日志和IDS日志跨整個企業(yè)進行數(shù)據(jù)挖掘，加快取證調(diào)查并提高欺詐偵測，以及整體安全性是主動的而非被動的安全基于Hadoop的安全數(shù)據(jù)倉庫，就像是具有分布式檢索應用（魚叉式網(wǎng)絡(luò)釣魚攻擊）威脅建模/惡意軟件推動的帳戶接管迅速對來自各種源頭的惡意軟件威脅作出響應并對抗它們第十五頁，共二十三頁。微信貸公司“大數(shù)據(jù)+機器智能學習”利用海量數(shù)據(jù)挖掘和算法來做一些貸款業(yè)務大量使用了社交媒體和其他的網(wǎng)絡(luò)工具每個貸款人都擁有6000到8000條數(shù)據(jù)特點：它的每筆貸款額度都很小，太多的資金額度需要更多次的檢驗不良貸款會迅速暴露。，模型的反饋和改進時間短違約率高利率很高WongaLendingStreamZestcashKlarnaPawnGo第十六頁，共二十三頁。國外其他應用定期（每天）對所有客戶的交易日志和當前的債權(quán)狀況（包括核心系統(tǒng)內(nèi)的數(shù)據(jù)和從征信中心取得的數(shù)據(jù)）進行分析，建模，及分析當前模型的精確性；定期（每天）根據(jù)分析對客戶進行分類（segmentation）；每天針對不同的分類建立不同的模型，進行行為評分、預測對客戶營銷可能性、提前還款的可能性、壞賬的可能性等；每天根據(jù)預測的分數(shù)和交易狀況和提前設(shè)定的strategy自動調(diào)整客戶的creditline；每天根據(jù)預先設(shè)定的strategy和3，4的結(jié)果對客戶進行電話、郵件、信件等的促銷和催收；采用結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)不僅僅分析客戶本人，還可以分析擔保人等第十七頁，共二十三頁。大數(shù)據(jù)應用--IBM大數(shù)據(jù)引擎基本上完成是存儲和計算客戶數(shù)據(jù)都在數(shù)據(jù)倉庫里，隨著互聯(lián)網(wǎng)和其他的一些新型的包括移動應用的增加，我們希望通過非結(jié)構(gòu)化的信息能夠來補強原有傳統(tǒng)上存在數(shù)據(jù)倉庫里客戶的檔案和信息呼叫中心記錄的分析客戶情感分析增強的客戶細分機器數(shù)據(jù)—交易故障分析用現(xiàn)在大數(shù)據(jù)的能力把分布在各個地方的原始數(shù)據(jù)和原始的日志定時每隔一分鐘進行收集和抽取放到分布式文件系統(tǒng)里，并很快的能夠建立起一些索引提供一個很方便的前端實時的查詢風險和欺詐建一個反欺詐統(tǒng)計模型釣魚網(wǎng)站攻擊、信用卡套現(xiàn)、盜刷信用卡第十八頁，共二十三頁。非結(jié)構(gòu)化數(shù)據(jù)應用--IBM信貸并不只跟信貸部有關(guān)系，還跟客戶服務部、法律部、IT架構(gòu)等等都有關(guān)系這些關(guān)系全部串接起就形成了全流程信貸的概念，打破了業(yè)務部門和業(yè)務部門之間的界限信貸應用就要重新設(shè)計、開發(fā)引入影像平臺、流程平臺、規(guī)則引擎平臺這些因素降低整體成本反洗錢一個欺詐就是一個CaseCase包含了與之相關(guān)的所有資料，例如法律規(guī)范、業(yè)務邏輯、時間順序、修改軌跡等當需要的時候，可以很快地找出來得出一個嫌疑是否違規(guī)犯罪的結(jié)論可以了解犯罪者、供應商或欺詐團伙之間的關(guān)系并能夠?qū)碗s的多渠道欺詐構(gòu)建更易解讀的可視化分析第十九頁，共二十三頁。金融大數(shù)據(jù)發(fā)展十大趨勢（2012）對更大的歷史數(shù)據(jù)集的需要企業(yè)面臨新的監(jiān)管和合規(guī)要求對企業(yè)風險管理的關(guān)注利用各種交付渠道的更多的客戶數(shù)據(jù)對后突發(fā)市場中數(shù)據(jù)基礎(chǔ)設(shè)施的投資推動運營部門利用數(shù)據(jù)的價值需要重新設(shè)計ETL以適應數(shù)據(jù)增長使用預測信用風險模型移動設(shè)備的普及要求處理和整合非結(jié)構(gòu)化數(shù)據(jù)推動了對數(shù)據(jù)處理算法的需求第二十頁，共二十三頁。大數(shù)據(jù)發(fā)展2013年試驗項目成品化行業(yè)垂直領(lǐng)域內(nèi)出現(xiàn)成功案例2014年各個行業(yè)都將遵循大數(shù)據(jù)的游戲規(guī)則主要關(guān)注點在內(nèi)部數(shù)據(jù)外部數(shù)據(jù)無新進展2015年整合使用外部數(shù)據(jù)2016年數(shù)據(jù)驅(qū)動的決策代替了直覺和常識2017云和大數(shù)據(jù)、數(shù)據(jù)倉庫合并起來分析即服務第二十一頁，共二十三頁。金融融合創(chuàng)新客戶體驗支付結(jié)算貸款（小微企業(yè)貸款和個人貸款）統(tǒng)一客戶體驗（多渠道）業(yè)務模式融合（保險、證券、理財?shù)冉鹑谝徽净眨┗ヂ?lián)網(wǎng)的應用普及使金融信息化程度迅速深化，電子銀行、電子交易服務、電子貨幣與支付服務、在線金融信息服務以及其他通過網(wǎng)絡(luò)提供的金融產(chǎn)品及服務迅速得到推廣擴散，金融業(yè)務版圖被不斷重構(gòu)。第二十二頁，共二十三頁。內(nèi)容總結(jié)版本號：V1.0。根據(jù)數(shù)據(jù)智能分析向前臺提供服務與反饋，支持實現(xiàn)以客戶為中心的服務模式與體驗。發(fā)卡量增長迅速：2008年發(fā)卡約500萬張，20