涨姿势，原来的大数据金融这么多玩法

大数据大数据金融精准营销

BONC一路有你 | 2015-12-18 10:28

【数据猿导读】金融大数据是金融信息化大背景下的升级和提升，大数据可以推动金融行业的变革，它将让金融行业更主动的服务于客户，主动地去探索和挖掘，形成营销和分析模型，并直接投入到金融运营当中，使金融大数据真正产生业务价值。

金融大数据是金融信息化的升级

我国金融大数据是金融信息化大背景下的升级和提升。我国的金融行业先后经历了从脱机业务处理、联机业务处理、综合业务系统到集中化、虚拟化的信息化过程。信息化程度的加深和数据的不断沉淀，为金融行业发展和利用大数据提供了前提。并且，传统的信息化已经不能适应新时代需求，互联网、物联网带来的冲击将加快大数据金融的构建速度。

大数据推动金融行业变革

金融大数据将给中国金融行业带来极大的转变，它将让金融行业更主动的服务于客户。主动地去探索和挖掘，形成营销和分析模型，并直接投入到金融运营当中，使金融大数据真正产生业务价值。这一切正在悄然改变金融运营模式。

一、客户画像与精准营销

客户画像应用主要分为个人客户画像和企业客户画像。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。金融行业主体不仅仅要考虑自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：

（1）客户在社交媒体上的行为数据；

（2）客户在电商网站的交易数据；

（3）企业客户的产业链上下游数据；

（4）其他有利于扩展客户兴趣爱好的数据等。通过基于内外部数据的客户画像，能够帮助金融行业立体的、深入的了解自己的客户，为精准营销和用户细分业务环节提供科学的基础，优化经营决策。

在客户画像的基础上可以有效的开展精准营销，包括：

（1）根据客户的即时状态进行实时营销，提高营销活动的成功率；

（2）根据用户的需求进行不同业务或产品的交叉营销；

（3）可以根据客户的喜好进行服务或者金融产品的个性化推荐。

二、客户细分和精细化营销

1、通过客户细分提供差异化服务

例如，在保险领域风险偏好是确定保险需求的关键。风险喜好者、风险中立者和风险厌恶者对于保险需求有不同的态度。通过对用户多维度信息的综合分析，并结合机器算法对客户进行分类，能够识别用户的风险偏好类型，并为客户匹配不同的产品和服务策略。

２、潜在客户挖掘与用户流失预测

金融行业可通过大数据整合客户线上和线下的相关行为，通过数据挖掘手段对潜在客户进行分类，判定潜在客户。例如，可以分析用户的金融产品搜索行为，并结合用户的消费能力数据，判定其可能为某产品和服务的潜在客户。另外，可以对某一金融产品和服务的流失用户进行综合分析，筛选出影响客户流失的关键因素，并通过关键因素构建预测模型，做到事前判断，及时预警并制定维系挽留策略，降低客户流失率。

三、风险管控与欺诈行为分析

风险管控

1、中小企业贷款风险评估

银行可以通过对贷款企业的生产、流通、销售、资产状况等相关信息进行综合分析，并结合大数据挖掘方法构建中小企业贷款风险评估模型，量化企业的信用额度，最大限度的规避信贷风险，从而更为有效的开展中小企业贷款。

２、实时欺诈交易识别

例如，银行可以基于对持卡人的基本信息和历史使用信息进行综合分析，制定规则引擎，在用户进行实时交易的通过规则判定是否存在异常，实现交易反欺诈分析。

欺诈行为分析

基于企业内外部交易和历史数据，实时或准实时预测和分析欺诈等非法行为，包括医疗保险欺诈与滥用分析以及车险欺诈分析等。

1、医疗保险欺诈与滥用分析

医疗保险欺诈与滥用通常可分为两种，一是非法骗取保险金，即保险欺诈；另一类则是在保额限度内重复就医、浮报理赔金额等，即医疗保险滥用。保险公司能够利用过去数据，寻找影响保险欺诈最为显著的因素及这些因素的取值区间，建立预测模型，并通过自动化计分功能，快速将理赔案件依照滥用欺诈可能性进行分类处理。

２、车险欺诈分析

保险公司够利用过去的欺诈事件建立预测模型，将理赔申请分级处理，可以很大程度上解决车险欺诈问题，包括车险理赔申请欺诈侦测、业务员及修车厂勾结欺诈侦测等。

四、运营优化

1、市场和渠道分析优化

通过大数据，可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类产品或者服务，从而进行渠道推广策略的优化。

２、产品和服务优化

可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。

３、舆情分析

金融行业可以通过爬虫技术，抓取社区、论坛和微博上关于公司及产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握公司及产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，也可以抓取同行业公司的正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。

五、投资策略优化和投资景气指数制定

和传统量化投资类似，大数据投资也是依靠模型，但模型里的数据变量几何倍地增加了，在原有的金融结构化数据基础上，增加了社交言论、地理信息、卫星监测等非结构化数据，并且将这些非结构化数据进行量化，从而让模型可以吸收。基金经理和分析师可以通过大数据模型的分析结果，优化产品设计和投资策略。

2012年，国泰君安推出了“个人投资者投资景气指数”（简称3I指数），通过一个独特的视角传递个人投资者对市场的预期、当期的风险偏好等信息。国泰君安研究所对海量个人投资者样本进行持续性跟踪监测，对账本投资收益率、持仓率、资金流动情况等一系列指标进行统计、加权汇总后得到的综合性投资景气指数。3I指数通过对海量个人投资者真实投资交易信息的深入挖掘分析，了解交易个人投资者交易行为的变化、投资信心的状态与发展趋势、对市场的预期以及当前的风险偏好等信息。

大数据虽然在金融行业的应用起步比互联网行业稍晚，其应用深度和广度还有很大的提升空间。但是，随着大数据价值的不断凸显和金融领域对大数据的日益注重，相信在未来金融行业的大数据应用将迎来突破性的发展。

来源：BONC一路有你

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。