商业银行应用社交数据难点与对策.docVIP

商业银行应用社交数据难点与对策 　　随着以Facebook和微信为代表的社交网络平台迅速崛起，社交网络已经成为互联网最大的流量入口，第三方支付、基金、众筹和O2O等金融产品的植入，增加了社交网络的金融属性，并催生出社交金融。作为大数据的重要内容，在线社交数据包含了海量的客户行为、社交话题和网络关系，基于对社交数据的挖掘与分析，获取用户的行为偏好、意见诉求和心理活动，可以有效弥补传统金融交易中只保留结果数据而缺少过程数据的不足，并将用户的社交属性与金融机构的信用属性、流动属性、风险管理属性和杠杆属性匹配，促进社交金融不断进化。 　　社交数据的应用场景 　　社交网络是一种在信息网络上由社会个体集合及个体之间的连接关系构成的社会性结构，主要包含关系结构、网络群体与网络信息三个核心要素，这三个核心要素也构成社交数据的重要来源。社交数据不仅是微信微博聊天分享工具中的信息，还包括地图、外卖等APP中的信息，从广义数据类型来说，电商、交友、视频、搜索、餐饮和人机交互数据都可定义为社交数据。 　　互联网企业是融合社交网络与金融功能的先行者，凭借在社交数据分析与应用方面的先发优势，加速数据整合，积极布局金融社交数据集成应用，尤以百度、腾讯和阿里巴巴最值得关注。面对互联网企业来势汹汹的跨界竞争，金融机构已经注意到大数据中蕴含的巨大红利，并寄希望依托社交数据向互联网金融转型。目前，社交网络被国外金融机构视为引流、获客、营销的潜在市场，社交数据也被应用于量化投资、零售、征信、电商等领域，并实现了巨大的市场价值。受此启发，国内商业银行纷纷试水，依托微博、微信或自建平台等方式，开展品牌宣传、在线社交和线上营销活动等提升获客能力，力图用高频在线社交活动带动低频银行交易业务，真正实现业务转型发展。结合国内外商业银行的业务实践，社交数据主要可应用于以下四个领域。 　　基于社交数据的客户分析 　　客户画像。主要分为个人客户画像和企业客户画像。基于银行现有的公司、个人客户数据，打通银行内部数据和社交数据，利用客户细分等模型逐步完善客户标签体系，形成全面、深入、动态的客户拼图，有效提升对个人客户的精准营销能力和客户关系管理能力。客户生命阶段洞察。结合客户在社交平台上发布的资料和状态，再结合其他行内外信息，推算客户经理“人生大事”（就业、买房、婚姻）的大致节点，并在合适的时间营销合适的产品。 　　客户生态圈分析。通过客户社交数据分析挖掘客户间的资金往来、生活交往圈，基于客户关系拓展效应开展同理心销售等针对性的客户营销，达到丰富客户画像的目标，为下一步通过关系圈营销批量拓展客户提供信息基础。 　　基于社交数据的营销管理 　　客户获取。利用社交数据挖掘潜在个人客户。例如利用客户在社交平台发布的位置（居住、工作）信息，发现在本行资产较少，但实际消费能力较强、资产较多的潜在高端客户，提升客户在银行的资产水平，提供精准的产品和资产管理服务。 　　个性化产品推荐。从社交平台抓取客户行为数据，分析个人客户的兴趣爱好、消费习惯、浏览行为等客户特征。通过分析客户的行为特征，结合个人客户画像，挖掘客户的金融需求，为客户提供匹配的产品推荐。可建立个人客户个性化推荐系统，在个人客户使用手机银行、网上银行、自助机具时，由系统自动实现产品的个性化推荐。 　　公私联动。基于社交数据，挖掘个人客户背后的企业及行业信息，发掘圈?绕渌?潜在公司客户与现有公司客户在产品和业务上可能存在相同的兴趣点，对客户、客户公司以及圈内其他企业开展营销活动。对于银行内部存量企业客户，可将其员工纳入银行个人客户资源池，尤其是高层管理人员、高级雇员，以产品组合式的批量营销为主，大力发展个人业务。 　　基于社交数据的风险管理 　　信用评级。社交数据极大丰富了征信模型的变量，以社交数据为基础采集多源数据，一方面继承了传统征信体系的决策变量，重视深度挖掘授信对象的信用历史；另一方面，将社交数据中未经“包装”的关键信息纳入考虑，更加真实全面地反映客户实际情况，如分组标签、地理位置、缴费记录等。 　　授信审批。结合银行内部数据与社交数据，深度挖掘客户衍生特征（如风险特征、用户偏好、用户意愿、用户属性等），对客户信用情况进行快速分析评估，结合量化模型确定授信额度，实现快速、实时的贷款审批流程。借助包括社交数据在内的大数据授信是对传统授信方法的有益补充。 　　基于社交数据的舆情监测与处置 　　社交媒体作为重要的用户情绪发布平台，其数据的引入极大丰富了市场情绪信息的来源渠道。银行可以抓取社交平台上客户对银行以及银行产品和服务的评价信息，并通过技术处理进行正负面判断，及时掌握负面信息并提出应对措施。同时，银行也可以抓取银行同业的舆情信息，了解同行的先进做法，作为自身业务优化的借鉴。从而达到更准确更快地了解客