大数据在金融业的应用.pdf

大数据在金融业的应用

数据显示，中国大数据IT应用投资规模以五大行业最高，其中以互联网行业占

比最高，占大数据IT应用投资规模的28.9%，其次是电信领域（19.9%），第

三为金融领域（17.5%），政府和医疗分别为第四和第五。

根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，

信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家

公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据

量最大。

不同行业应用大数据技术潜在价值评估

数据来源：麦肯锡《大数据的下一个前沿：创新、竞争和生产力》报告

可以看出，无论是投资规模和应用潜力，信息行业（互联网和电信）和金融行业

都是大数据应用的重点行业。由于上一篇《BAT互联网企业大数据应用》（关

注微信公众号：傅志华，即可通过历史文章查阅）已经重点介绍了互联网行业的

大数据应用情况，本文将讲点介绍行金融行业大数据应用情况，下一篇文章将重

点介绍电信行业的大数据应用情况。

金融行业大数据应用投资分布

从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第

二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。

Part1银行大数据应用

国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心

使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银

行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：

第一方面：客户画像应用。客户画像应用主要分为个人客户画像和企业客户画像。

个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企

业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链

上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥

有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位

信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电

话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较

低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在

同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，

该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更

应考虑整合外部更多的数据，以扩展对客户的了解。包括：

（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。

通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而

进行更为精准的营销和管理；

（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷

业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去

的信用即可；

（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游

的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；

（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起

的DMP数据平台的互联网用户行为数据。

第二方面：精准营销。在客户画像的基础上银行可以有效的开展精准营销，包括：

（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的

所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购

孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改

变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；

（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易

记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；

（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推

荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析

出其潜在金融服务需求，进而有针对性的营销推广；

（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客

户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客

户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了

15个和7个百分点。

第三方面：风险管控。包括中小企业贷款风险评估和欺诈交易识别等手段。

（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等