金融大数据实践研究研讨.ppt

金融大数据实践研究;连接 降维;风险管理;大数据与互联网金融;;大数据就在你我身边……;大数据在国际银行业的主要应用;大数据在国内银行业的主要应用;从上一周的声量表现来看，南京银行声量略高于江苏银行。 从声量平台分布来看，南京银行在新闻、论坛和博客上产生的声量远高于江苏银行。 ;南京银行热词云图;;情感表现;传统客户视图;数据 +模型 =用户画像 立体 多维度 深层次 细颗粒度 对应的不同的业务和多样的应用场景 快速识别白名单和黑名单；提高自动核准率， 从而提升效率 精准营销；征信评级； 反欺诈； 动态调整级别和监控 （增收和降低坏账率）、快速放贷运营提升 和 服务提升 。 这里需要刻画用户， 不同特征， 不同地区…往往涉及到基本自然属性、兴趣爱好、购物行为和爱好。 用户画像vs 打标签 （标签的组合，标签 派生特征， 标签关联关系…) ;银行的数据 + 外部数据;明略大数据画像样例;标签维度;大数据客户画像实战模型 - ;优质客户特征分析- 模型流程;;优质客户不良客户特征分析;优质客户不良客户统计;优质客户不良客户特征分析;优质客户不良客户特征分析;存量客户分析结果样例;数据+平台+应用“三位一体”方法论;第一阶段：存量客户统一视图实施路线;存量客户梳理统一视图结果图;银行已有数据资产：客户关系CRM系统， ECIF系统中的数据…. 外部数据 == 不同特征、不同维度的数据使用场景 （应景弹性变化的数据）； 客户准入： 直接验证 （手机# 姓名 证件#） 规则： 过去的信贷历史 （增值服务平台如短信） 风险级别： 不同程度的审核审查； 客户风险的综合评价、各种模型 进行定价； 精准获客（广告的精准投放） 贷款人预筛选、预审批 （如白名单）； 逾期管理： 催收的策略和催收的手段（催缴公司黑名单);;数据分析体系;数据量巨大，低成本实现了传统关系型数据库无法处理的复杂数据分析 基于数据挖掘(DataInsight)和可视化产品，持卡人的自动化画像和消费预测等业务应用 业务上完成商圈聚合分析， 20种持卡人的自动化画像，持卡人的100+多维分析和关联挖掘分析， 竞争交叉分析； ??卡人消费预测的精准度使得银联和主要商户一起进行精准营销和个性化推荐 ;商圈竞争形势分析;;所在省直辖市;每促销一单位的产品Z ▼ （默认金额最高的产品，此处可对其它品类进行选择）对其它产品的影响;ZestFinance(原名ZestCash）新兴的互联网金融公司 使用机器学习的方式评估个人贷款的信贷风险指数。研发主要团队有数据科学家、数学家和计算机科学家组成。;针对非专业人员的专业大数据挖掘工具 基于Spark技术构建的并行大数据挖掘平台 与企事业数据和应用无缝对接，减少模型再次部署和开发的成本 ;* ;积分金融结合旅游保险产品、旅游医疗产品=》进而进入家庭医疗保险； 客户赠礼送WIFI流量“来抢”； 丰富的大数据使得及时贷/分钟贷已经可能;明略金融行业大数据平台 应用架构;任何问题：欢迎随时沟通周卫天186 1176 9363zhouweitian@