金融大数据挖掘精准营销.pptx

大数据 金融数据挖掘精准营销 数据挖掘 数据挖掘是从大量的数据中挖掘出隐含的，未知的，用户可能感兴趣的以及和对决策有潜在价值的知识和规则。 大数据的挖掘是从海量、不完全的 有噪声的、模糊的、随机的大型数 据库中发现隐含在其中有价值的、 潜在有用的信息和知识的过程， 也是一种决策支持过程。 这种潜在的、隐含的价值是大数据本身具有的吗？ 从本质上来说，大数据本身并没有太多价值，基于大数据的处理和分析才是最重要的。 目前市场上利用大数据最多的一般在于分析和预测。 分析预测的前提在于数据挖掘。 数据的真实价值就像漂浮在海洋中的冰山，第一眼只能看到冰山一角，绝大部分隐藏在表面之下。————《大数据时代》 金融数据挖掘步骤 SAP全球执行副总裁、中国研究院院长孙小群接受《中国企业家》采访时表示，企业对于数据的挖掘使用分三个阶段，“一开始是把数据变得透明，让大家看到数据，能够看到数据越来越多；第二步是可以提问题，可以形成互动，很多支持的工具来帮我们做出实时分析；而3.0时代，信息流来指导物流和资金流，现在数据要告诉我们未来，告诉我们往什么地方走。” 帮助金融机钩盈利 推进企业精准营销 案例——数据挖掘让美国汇丰银行赢利更多 美国汇丰银行是HSBC集团成员之一，通过位于纽约的380个分支机构为140多万银行客户提供核算、投资、借贷和其它金融服务。美国汇丰银行资产为350亿美元。 他们面临的问题是，同一地区可能有多家银行设有分支机构，从而引起持续的竞争来吸引和保持附近的潜在客户。为保持高水平的客户获取和保持率，并维持可赢利性，银行经常要实现以下目标：一、扩展和现有客户的关系；二、控制营销费用以维持利润；三、用新的智能快速转移市场。 美国汇丰银行使用了某统计分析与数据挖掘解决方案商（以下简称A公司）的方案，对不断增长的客户数据进行挖掘，就是建立预测模型来发现交叉销售和“翻滚”销售机会。定位于每一产品最有价值的客户可以使销售最大化、营销费用最小化。 减少成本，做到精准营销 这里是上海城乡结合部九亭镇新华都超市的一个角落，农夫山泉的矿泉水堆头静静地摆放在这里。来自农夫山泉的业务员每天例行公事地来到这个点，拍摄10张照片：水怎么摆放、位置有什么变化、高度如何…… 　　这样的点每个业务员一天要跑15个，按照规定，下班之前150张照片就被传回了杭州总部。每个业务员，每天会产生的数据量在10M，这似乎并不是个大数字。 　　但农夫山泉全国有10000个业务员，这样每天的数据就是100G，每月为3TB。当这些图片如雪片般进入农夫山泉在杭州的机房时，这家公司的CIO胡健就会有这么一种感觉：守着一座金山，却不知道从哪里挖下第一锹。 　　胡健想知道的问题包括：怎样摆放水堆更能促进销售？什么年龄的消费者在水堆前停留更久，他们一次购买的量多大?气温的变化让购买行为发生了哪些改变?竞争对手的新包装对销售产生了怎样的影响?不少问题目前也可以回答，但它们更多是基于经验，而不是基于数据。 　　从2008年开始，业务员拍摄的照片就这么被收集起来，如果按照数据的属性来分类，“图片”属于典型的非关系型数据，还包括视频、音频等。要系统地对非关系型数据进行分析是胡健设想的下一步计划，这是农夫山泉在“大数据时代”必须迈出的步骤。 　　 数据众多，难以利用，浪费人力财力 并非简单的降低成本，增加盈利 挖掘，分析—————————数据创新 数据创新 数据的再利用 重组数据 数据的折旧值 数据的再利用 案例：亚马逊，让数据的价值再大一些 亚马逊早期与AOL达成了一项协议，为AOL电子商务网站提供后台技术服务。在大多数人眼里，这只是一个普通的外包协议，而亚马逊真正的用意在于掌握用户的数据：他们在看什么、买什么。“这些数据可以帮助亚马逊提高它的推荐引擎性能。”亚马逊前首席科学家韦思岸（Andreas Weigend）一语道破。可怜的AOL从来没有意识到这一点，只看到了销售这个基本用途所带来的利益；而聪明的亚马逊却知道如何从二次利用中获利。 二次利用 重组数据 随着大数据的出现，数据的总和比部分更有价值。 混搭试应用———— 案例： Zillow的数据库是他们向客户、房地产经纪人、抵押贷款公司、购房专家（房屋检查，房价评估，贷款咨询，房屋装修等等）所提供价值的关键所在。数据库中包括了超过1亿美国房屋的详细信息（如房屋基本信息、出售家以及租赁价等）。用户可以通过便捷的用户界面来去搜索这些数据，从而来分析和比较不同的房屋信息。 数据的折旧值 需要知道那些数据不再有价值。 亚马逊等公司建立了复杂的模型来帮助自己分离有用和无用的数据。例如，如果客户浏览了或购买了一本书，而这本书是基于购买记录而推荐的，电子商务公司会认为这项旧的购买记录数据仍然代表顾客的喜好。他们