金融大数据平台的应用场景.docx

金融大数据平台的应用场景目录1大数据在银行的应用场景51.1 大类应用51.1.1营销类模型51.1.2风控类模型51.1.3综合评价模型51.2 细分应用51.2.1客户风险画像51.2.2客户综合评级61.2.3客户综合预授信61.2.4客户风险定价61.2.5客户利润贡献评价61.2.6客户综合营销分析61.2.7客户流失分析61.2.8贷后实时监控分析61.2.9欺诈风险防范72大数据建模平台—Data Insight82.1 概述82.1.1体系结构82.2 DataInsight主要特性92.2.1一体化的大数据挖掘应用平台92.2.2并行化大数据挖掘运行平台92.2.3高效的大数据挖掘落地平台102.3 DataInsight主要功能102.3.1模型工作流102.3.2可视化数据探索112.3.3并行化算法122.3.4多建模语言支持142.3.5模型应用管理152.3.6模型即服务163大数据分析展示平台—Discovery183.1 平台架构183.1.1数据引擎203.1.2BI Server213.1.3交互分析模块213.1.4API223.2 平台特性223.3 交互式体验233.3.1构建数据视图233.3.2图表类型244案例介绍264.1 某大型银行卡收单专业化服务公司264.1.1持卡人特征归纳264.1.2持卡人交易行为预测274.1.3商圈聚类274.2 某商业银行274.2.1优质不良客户分类274.2.2员工账户监测预警30大数据在银行的应用场景大类应用营销类模型此类模型主要客户细分为基础，建立客户的360度视图，建立应用于客户营销的业务模型，如：商户交易分析模型、商户行业分析模型、商户综合利润贡献模型、客户刷卡交易分析模型、产品推荐模型等。风控类模型该类模型主要用于信贷业务和欺诈防范，并与目前的征信建设相结合，如：商户评分模型及审批规则、行业风险识别模型、人行征信报告评分模型、个人信用分析模型、风险定价模型、风险客户预警模型、贷后实时监控模型、反欺诈模型等。综合评价模型该类模型以之前的相关模型为基础，并通过规则引擎整合多个模型，进行加工处理，并根据不同业务需求产生不同的客户综合评价，如：客户综合利润贡献模型、POS商户综合评价模型、综合预授信模型、综合风险判断模型等。细分应用客户风险画像依据客户内部数据，结合各种外部数据源，排查不良信息，综合决策，建立客户全方位画像，并进行综合评分，最大程度挖掘优质客户，排除潜在风险客户，从客户前期筛选上进行风险前移客户综合评级 结合客户的交易情况和购买理财产品状况，并结合客户的个人信用综合分析，对商户建立综合评级，并进一步应用于我司的各种贷款产品中。客户综合预授信针对客户的综合评级，结合不同业务类型，利用大数据评分和决策引擎规则判断，对潜在贷款客户进行预授信额度的试算，方便后期业务营销，同时可将业务风险前置。客户风险定价针对客户的综合评级，对不同信用级别的客户采取不同的定价策略，以收益覆盖风险为原则，优化我司相关业务产品的定价。客户利润贡献评价综合分析客户在我行的存量业务，进行利润贡献度评判，方便我行后期深度营销客户。客户综合营销分析通过客户关系深度挖掘和持有业务深入分析，判断最适合营销给客户的产品，同时结合我司的优势产品政策，加大综合营销力度，为营销客户提供全面支持，避免盲目营销的情况。客户流失分析通过大数据挖掘，如客户在我司POS业务变动情况，交易频次、交易时间等多种综合指标，对客户的流失情况进行分析和综合预测，判断潜在流失客户，并增加营销力度，采取相应措施，最大程度上挽救客户。贷后实时监控分析利用内部数据和引入的外部数据，通过规则引擎的实时抓取和判断，对已放款客户的贷后情况进行实时分析，并进行区分高风险、中风险、低风险客户，并进行预警推送。欺诈风险防范 通过建立黑名单、灰名单机会，完善相应的规则引擎，对虚假交易、套现、电商诈骗等欺诈交易行为进行自动分析、挖掘，通过机器学习的方式提高银联商务防范风险业务的能力。大数据建模平台—Data Insight概述大数据挖掘是大数据中非常重要的一个组成部分。只有从大数据中挖掘出价值，大数据才有意义。明略DataInsight是一款企业级的大数据挖掘平台产品，通过应用先进的大数据技术，帮助企业实现了海量数据上的数据挖掘，获取隐藏在大数据下的知识，为企业创造新的业务价值。与常见的只能进行单机挖掘的产品不同，明略DataInsight基于Apache Spark架构，使得数据挖掘能够真正并行化起来，能够真正的在海量数据机上进行数据挖掘。突破了传统数据挖掘工具只能在单机上建模的缺陷，使得企业大数据挖掘成为了可能。体系结构明略DataInsight从上到下分为3层，分别是接口层，调度层和运行层。其中：接口层：