金融大数据应用案例分析.pptx

金融大数据应用案例分析 大数据的由来 金融大数据发展十大趋势 对更大的历史数据集的需要 企业面临新的监管和合规要求 对企业风险管理的关注 利用各种交付渠道的更多的客户数据 对后突发市场中数据基础设施的投资 推动运营部门利用数据的价值 需要重新设计ETL以适应数据增长 使用预测信用风险模型 移动设备的普及要求处理和整合非结构化数据 推动了对数据处理算法的需求 大数据发展 2013年 试验项目成品化 行业垂直领域内出现成功案例 2014年 各个行业都将遵循大数据的游戏规则 主要关注点在内部数据 外部数据无新进展 2015年 整合使用外部数据 2016年 数据驱动的决策代替了直觉和常识 2017 云和大数据、数据仓库合并起来 分析即服务 民生银行 署云计算，实现自动化、高能效、虚拟化和标准化的云部署目标； 洞察大数据推动了民生银行的转型与创新； 手机银行等移动应用帮助它们打造了战略产品平台 根据数据智能分析向前台提供服务与反馈，支持实现以客户为中心的服务模式与体验； 整合日益互联互通的各种服务渠道； 建立持续从广泛的来源获取、量度、建模、处理、分析大容量多类型数据的功能； 及时在互联互通的流程、服务、系统间共享数据，并将经过智能分析与加工的数据用于业务决策与支持； 智能化分析和预测客户需求 中信银行信用卡中心 8 EMC Green-plum 建设银行 阿里信贷 面向阿里巴巴普通会员全面放开，不用提交任何担保、抵押，只需凭借企业的信用资源就可以“微贷” “微贷”通过网络低成本广泛采集客户的各类数据信息，分析挖掘的数据，判断客户资质，用户可以24小时随用随借、随借随还 善融商务平台上的每一笔交易，建行都有记录并且能鉴别真伪，可作为客户授信评级的重要依据 对消费者购买行为的分析，比如点击量、跨店铺点击，订单流转量甚至聊天信息的收集和分析 未来互联网金融模式下资源配置的特点是：资金供需信息直接在网上发布并匹配，供需双方甚至不需银行、券商或交易所等中介，直接匹配完成信评级的重要依据 互联网银行模式—建行 光大银行—行动 打通社会化大数据库，期待社会化数据内外通达 如何把品牌价值透过网络杂音直击目标客户，并及时发现客户的需求做好精准服务是考验自身技术段位的 如果把银行内部的客户号和新浪的微博号挂接起来，在一定程度上就可以做群体营销了。 外部数据引入的动作很关键，把微博、QQ、邮箱等社交化的、能很快找到客户的方式能通达起来。跟传统的数据存储放一起，同等对待，建立一个更加立体丰富的数据库。 基本信息、爱好信息、行为信息、分析信息 互联网金融模式 新浪微博开发平台上做了一个缴费应用——“V缴费” 光大银行—思考 银行大数据包括非结构化数据、结构化数据和敏捷数据 系统日志数据 GIS地理信息数据 在线交易数据 前瞻性的应用 客户营销：在线营销方案 微博营销：把微博上用户跟我们光大银行用户相匹配，采用中文分析引擎 客户行为分析，包括电话语音、网络的监控录像：客户走动线路的重叠分析 风险控制与管理：结构化非结构化数据整合，分析系统存在IT风险或者钓鱼网站防欺诈 互联网银行模式—交行 阿里金融 现状 中国将近4200万小微企业，占企业总数的的97.3% 由于分布零散、业务不规范、盈利不明朗、信 贷时间长、信用难以构建等现状，使得小微企业的贷款相当困难 大数据与小而美的金融信贷 完全是构建在互联网的基础 通过数据分析，以自主服务模式为主的、面对小微企业的信贷工厂 24小时开放、随时申请、随时审批、随时发放的纯互联网的小额信贷服务 ODPS Open Data Processing Service，阿里云开放数据处理服务 来自淘宝、天猫、 B2B、支付宝的交易数据、日志、聊天记录以及评价等各个方面的数据 经过确定的调度、系统监控、数据分析、算法优化等流程，最终形成了310模式 其他应用—思考 自下而上的风险分析。分析ACH交易、信贷支付交易，以获取反映压力、违约或积极发展机会。 业务联系和欺诈分析。为业务交易引入信用卡和借记卡数据，以辨别欺诈交易。 跨帐户参考分析。分析ACH交易的文本材料（工资存款、资产购买），以发现更多营销机会。 事件式营销。将改变生活的事件（换工作、改变婚姻状况、置房等）视为营销机会。 交易对手网络风险分析。了解证券和交易对手问的风险概况和联系。 消费智能。 摩根大通 已经开始使用Hadoop技术以满足日益增多的用途，包括诈骗检验、IT风险管理和自助服务 150PB在线存储数据、30,000个数据库和35亿个用户登录账号 Hadoop能够存储大量非结构化数据，允许公司收集和存储Web日志、交易数据和社交媒体数据。 数据被汇集至一个通用平台，以方便以客户为中心的数据挖掘与数据分析工具的使用。 花旗银行 分析数据包括 客户提供的信息（申请