比特客户端
您的位置：
详解大数据
详解大数据
详解大数据
详解大数据
互联网银行看大数据信用评级放贷
　　银行看技术和信用评级放贷
　　作为微众银行的大股东，为这家全新的银行注入足够的想象力。仅通过人脸识别技术和大数据信用评级就可发放贷款―这种模式一旦普及，将成为那些亟需贷款的小规模借款者的福音，而这也是政府希望新型的民营银行来完成的任务。
　　首笔贷款3.5万元
　　微众银行是银监会批准的首批民营银行之一。作为一家互联行，微众银行既无营业网点，也无营业柜台，更无需财产担保，而是通过人脸识别技术和大数据信用评级发放贷款。该公司品牌宣传总监林雨透露，微众银行发放的首笔贷款为3.5万元，由卡车司机徐军获得。
　　微众银行所有业务全面对接央行系统的工作还需要时日，离真正的业务开展还需要时间。林雨，首笔贷款是该公司邀请真实客户进行的真实试运营，微众银行目前仍未进入营业阶段。目前，微众银行尚未发布任何具体的产品，也未公布具体开业时间。业内预计该公司或于今年4月正式营业。
　　重点发力移动端
　　银监局的开业批复显示，微众银行注册资本金30亿元，经营范围包括吸收公众主要是个人及小微存款;主要针对个人及小微企业发放短期、中期和长期贷款;办理国内外结算以及票据、债券、外汇、银行卡等业务。
　　目前，登录微众银行的PC端网页，上面仅仅提供了一个移动端的二维码。由此不难发现，微众银行未来重点打造的是移动端产品，PC端可能仅仅起到对移动端的导流作用。并且，微众银行已经明确，暂时不会设立线下物理网点和柜台，这意味着，其所有获客、服务、风控都在线上完成。
　　腾讯方面表示，有望最快上线的存贷业务前期主要的获客渠道和服务对象都将基于腾讯。而在网络银行的备受争议的开户问题上，某微众银行高管表示，通过弱电子账户和远程开户等方式该问题已经解决。
　　据了解，对于未在银行柜台与个人见面认证开立的电子账户，央行为弱实名电子账户，只能用于购买该银行发行、合作发行或代销的理财产品，不能转账结算、交易支付和现金收付。但微众银行可能在这方面会有所突破。
　　社交数据服务金融
　　考虑到其大股东腾讯的背景，人们很容易到以及微信将是微众银行未来开展业务的重要平台和资源。有业内人士称，在利用社交网络获客的同时，微众银行还可以利用腾讯的社交数据，更好地服务客户。譬如，客户有什么嗜好，最近的状态如何，是否换了工作，甚至有没有生病，通过社交数据获得相应的信息，将金融服务与消费者的生活捆绑在一起，在教育、旅游、医疗、理财等领域提供金融服务。
　　理财产品搜索平台“钱先生”CEO张岩认为，传统商业银行对数据的挖掘和对客户的服务不足，将是互联网银行的机会。此外，传统银行对客户不那么关注，它们更在意的是盈利。而有着互联网基因的微众银行可能不那么在意盈利，这就给创新带来了优势。“微众银行其实不用涉足那么多的业务，而是可以聚焦到某个细分领域。关键要深入到金融产品的本质中去，提供创新的服务。”张岩说。
　　互联网银行
　　能干掉传统银行吗
　　总理躬身视察，对于包括互联网银行在内的民营银行，可谓是最大的鼓励与肯定。但是要期待包括微众银行在内的民营银行能对现有银行业产生多大冲击，抑或是一步到位地解决难融资贵的问题，那是过于心急。
　　首先，与普通企业不一样，作为特殊行业，银行的发起在全世界几乎都是特许经营，都要经过严格的资质审查和监管。在现行的商业银行监管体制下，很多传统银行的业务网络银行是无法做的，只能通过与其他银行合作，绕开这一壁垒。以微众银行为例，未来可能会利用腾讯的用户、数据、IT等优势广泛地与其他银行展开合作。其中，微众银行负责提供核心的客户、数据以及风控。
　　其次，银监会对于进入试点名单的民营银行都明确了业务领域。比如和万向集团联合的民营银行申请的是“小存小贷”的模式;天津的商汇投资和华北集团上报的为“公存公贷”模式，是只做法人业务和公司业务;上海的均瑶集团、复兴集团，浙江温州的正泰集团和华峰集团联合发起的民营银行只为在特定区域展开业务。因此，前期每家民营银行能够开展的业务和服务的用户相当有限，这意味着在试点初期，每家民营银行都被捆住了手脚，戴着镣铐跳舞。
　　最后，对民营银行目前解决融资难融资贵的能力也不宜高估。要知道，即便声称“强力聚焦小微企业”的民生银行(600016,股吧)，其2012年在上海的小微企业贷款户均贷款余额也高达202万元―真正的小微企业其实不在其信贷名单里。此外，中小企业信贷的风险系数更高，信贷成本相对来说也比较高，统计数据也显示，大银行贷款利率平均是6.35%，12家股份制银行是6.45%，城乡银行是7.5%，小额贷款公司高达16%。
　　允许民营资本进入银行领域是个好事情，但是不要指望互联网银行干掉传统银行。事实上，双方的业务首先是互补关系，其次，互联网银行相当于以小博大的鲶鱼，在触动传统金融的敏感神经之后，最终倒逼后者与时俱进的自我改革。这正如，余额宝的出现实际上推动利率市场化更近一步。
去年，手机江湖里的竞争格局还是…
甲骨文的云战略已经完成第一阶段…
软件信息化周刊
比特软件信息化周刊提供以数据库、操作系统和管理软件为重点的全面软件信息化产业热点、应用方案推荐、实用技巧分享等。以最新的软件资讯，最新的软件技巧，最新的软件与服务业内动态来为IT用户找到软捷径。
商务办公周刊
比特商务周刊是一个及行业资讯、深度分析、企业导购等为一体的综合性周刊。其中，与中国计量科学研究院合力打造的比特实验室可以为商业用户提供最权威的采购指南。是企业用户不可缺少的智选周刊！
比特网络周刊向企业网管员以及网络技术和产品使用者提供关于网络产业动态、技术热点、组网、建网、网络管理、网络运维等最新技术和实用技巧，帮助网管答疑解惑，成为网管好帮手。
服务器周刊
比特服务器周刊作为比特网的重点频道之一，主要关注x86服务器，RISC架构服务器以及高性能计算机行业的产品及发展动态。通过最独到的编辑观点和业界动态分析，让您第一时间了解服务器行业的趋势。
比特存储周刊长期以来，为读者提供企业存储领域高质量的原创内容，及时、全面的资讯、技术、方案以及案例文章，力求成为业界领先的存储媒体。比特存储周刊始终致力于用户的企业信息化建设、存储业务、数据保护与容灾构建以及数据管理部署等方面服务。
比特安全周刊通过专业的信息安全内容建设，为企业级用户打造最具商业价值的信息沟通平台，并为安全厂商提供多层面、多维度的媒体宣传手段。与其他同类网站信息安全内容相比，比特安全周刊运作模式更加独立，对信息安全界的动态新闻更新更快。
新闻中心热点推荐
新闻中心以独特视角精选一周内最具影响力的行业重大事件或圈内精彩故事，为企业级用户打造重点突出，可读性强，商业价值高的信息共享平台；同时为互联网、IT业界及通信厂商提供一条精准快捷，渗透力强，覆盖面广的媒体传播途径。
云计算周刊
比特云计算周刊关注云计算产业热点技术应用与趋势发展，全方位报道云计算领域最新动态。为用户与企业架设起沟通交流平台。包括IaaS、PaaS、SaaS各种不同的服务类型以及相关的安全与管理内容介绍。
CIO俱乐部周刊
比特CIO俱乐部周刊以大量高端CIO沙龙或专题研讨会以及对明星CIO的深入采访为依托，汇聚中国500强CIO的集体智慧。旨为中国杰出的CIO提供一个良好的互融互通 、促进交流的平台，并持续提供丰富的资讯和服务，探讨信息化建设，推动中国信息化发展引领CIO未来职业发展。
IT专家新闻邮件长期以来，以定向、分众、整合的商业模式，为企业IT专业人士以及IT系统采购决策者提供高质量的原创内容，包括IT新闻、评论、专家答疑、技巧和白皮书。此外，IT专家网还为读者提供包括咨询、社区、论坛、线下会议、读者沙龙等多种服务。
X周刊是一份IT人的技术娱乐周刊，给用户实时传递I最新T资讯、IT段子、技术技巧、畅销书籍，同时用户还能参与我们推荐的互动游戏，给广大的IT技术人士忙碌工作之余带来轻松休闲一刻。
微信扫一扫
关注Chinabyte热门标签：
·····
传统银行的转型实战：看工商银行如何利用大数据洞察客户心声
　　编者按：中国工商银行采用了中科鼎富的发明专利产品DINFO-OEC非结构化挖掘平台实现行内的非结构化的应用创新。这个案例就是众多创新应用中的一个生动实例！
　　主讲人：张佶
　　工商银行技术经理
　　大家下午好！非常荣幸能在这里给大家做一些交流和分享。让我们开始吧！
　　工商银行文本挖掘技术应用探索分享
　　工商银行在大家传统的印象当中是一个体形非常庞大但是稳步前行的形象，但是近些年来在大数据的挑战下工商银行积极应对外界变化，做一些转型。其中一个举措就是通过驱动业务变革。今天我所分享的主题就是和银行的客户服务相关的，如何应用文本挖掘技术洞察客户的心声。
　　工商银行每天都在面临着来自各方的海量的客户心声，最近我们的95588接到这样一个来电，李先生做了一笔跨行汇款操作，对方还没有收到，他来询问什么时候可以到帐，这是一个典型的咨询。客户王先生是一个贵宾客户，他来电反映说在机场和火车站没有享受到工行提供的贵宾厅，他希望工行在以上场所做明显提示。还有张小姐到一个支行网点做存款业务，发现里面柜员服务态度不耐烦，让她很不满意，她要求把这个情况记录下来做一个反映，这是一个典型的投诉。
　　除了官方服务渠道之外，现在客户越来越希望通过互联网社交网络的方式表达他们的心声，并探讨热点话题。最近我们监测到这样一个热点话题的讨论，有人说“大家看清楚了，针孔摄像头就是这样装进ATM机偷看你的密码的。”这是一个风险事件，工商银行需要做到及时了解和掌握。
　　同时在互联网的新闻网站上最近也有一些报道，有的市民在便利店蹭WiFi，上了两个小时网，他的银行卡就被盗刷了，这个又是怎么办到的，工商银行需要对这些事件做到了解掌控，并且制定对应的措施。以上这些信息都是以文本方式存在的，我们可以通过文本挖掘的方法了解用户在说什么，挖掘出对我们有价值的信息，这对工商银行客户服务的提升会有很大的帮助。
　　传统客户服务分析流程
　　首先我们了解一下传统银行客户服务的分析流程。当我们的客户拨打95588热线电话之后，客服座席会把他说的话和要求记录下来，存到客户之声系统之中，系统会对结构化的部分进行分析，比如投诉的数量、客户对我们满意度的打分或问题处理时效。
　　对于其中非结构化数据的部分，就是客户说了什么当时没办法做自动分析，这只能由分析人员逐个来看，但毕竟数量比较多，人工阅读做不到非常全面，只能做抽查，大概看看客户在说什么。我们监测分析人员同时还会去登录一些新闻网站了解一下近期有没有跟工行相关的事情发生，然后他会把这个情况记录下来，人工编写这么一个服务的报告。当时对我们的社交媒体是没有办法做到关注的。
　　结合文本挖掘的客户服务分析流程
　　在结合了文本挖掘技术之后有了一些流程变化，不仅对结构化数据做分析，同时也能够从客户反馈的文本当中提取出客户的热点意见，再把热点去和结构化数据做关联分析，就能得到更加丰富的分析场景，这在后面会有一个详细的介绍。
　　同时，我们又新建了一套互联网的监测分析系统，能够对互联网上的金融网站和社交媒体网站做到自动的监控和分析，当然有些重要的事情发生的时候可以自动的形成监测报告。
　　从刚才服务流程的演变可以看到有了一些挖掘的功能，首先从技术来说丰富了分析的手段，原来只能对结构化进行分析，现在能够对文本数据客户所说的内容进行分析，然后扩大了分析的范围，原来只能关注到工商银行官方服务渠道所记录下来的信息，现在能够关注到在互联网上所传播的信息。第三点是提升了分析的效率，原来需要员工逐条阅读工单，现在机器自动阅读。
　　客户意见挖掘业务价值
　　这些技术提升点之后就能在打响的文本反馈当中发现客户的热点意见集中在哪些方面，如果我们能够对这些客户所反映的共性问题主动发起一些措施，优化我们的业务流程，可以提升我们的客户满意度和客户忠诚度，而另一方面这些来电的投诉量会进一步的减少，也就从另一方面降低我们的服务成本，减少了二次被动的服务投入。
　　案例分析
　　今天想分享两个具体的案例，一个是对95588客户服务的一些工单如何做到客户意见挖掘，这个是从无到有的设计和探索的全过程；第二个案例当中会介绍一下如何聆听在互联网上传播的客户的心声。
　　客户意见发掘——业务目标
　　通过95588服务热线记录大量的客户反馈的文本，拿到一堆文本之后怎么切入客户的意见挖掘呢？最重要的是先对客户做分类，结合业务的处理流程设计这么一套适用于银行客户意见的分类体系，当有投诉过来的时候就知道他所说的是关于自助服务的还是银行卡、还是关于网点服务的。这样我们就能分析各个类别里不同的发展趋势并且进行有效处理。
　　但有了意见分类还不够，我们知道哪一类的意见是最多的，我们尝试性做热词分析，文本由大量的词汇构成的，我们想看一下在这么多的客户反馈文本当中大家提到哪些词汇，从中提取客户说的最多的、最频繁使用的词汇，用可视化的方式生成一个词语。
　　从这个图上我们就能看到有一些效果，包括像工作人员、机具、查询、词汇等等凸显出来。在这个图上所反应的信息不够精准，我们只知道有一些关于工作人员的评价或描述，但是不知道工作人员到底出现什么问题，我们的自助机具到底是故障比较多还是客户不会用。同时这个图当中还存在多词疑义的问题，工作人员和柜员两个词说的是类似的问题，这对我们造成干扰。
　　如何精准概括客户意见？我们提出统一的、概括的用户观点的表达方式，就是对象、属性、评价三元组的形式。下面这个例子有四句话：柜员说话口气非常差。今天在柜台办业务，里面的人态度很差；柜员脾气不好，柜员语气很不耐烦。用我们的属性评价方式概括就是“柜员态度不好”。
　　有了这样的方式之后对刚才的词云做分析，发现刚才的词云已经演变成了意见云，这些意见都是指向非常明确的比较精准的，比如说网银跨行汇款不成功，短信余额变动不能接收，网点效率低，网点排队时间过长，相信大家对这些问题也并不陌生，在有了这个图之后我们的分析师就能够比较直观的了解最需要去改进的问题，客户的意见都聚集在哪些方面。
　　客户意见挖掘——模型建立
　　有了刚才的这些设计方式之后，我们可以怎么样选择最贴合我们业务场景的分析方法，刚才我们首先提到了需要对文本做自动分类，我们最容易想到的就是朴素贝叶斯，它可以计算一篇文章属于哪个类别的概率最大，可以完成分类。
　　但是进行实际分析和尝试的过程当中发现这样一个典型的算法，在我们的实际业务场景上其实并不是特别的适用，首先我们缺少训练数据，因为我们这一套意见类别的分类体系是新建的，历史上并没有积累好数据，如果我们重新去标注呢，这些意见类别又特别多，有的类别层次又比较深，所以很难在比较短的时间内完成高质量的标注。
　　其次，朴素贝叶斯假设的就是文本当中的词汇与词汇之间是相互独立的，跟我们的业务也不相符合，比如之前提到的“态度不好”这两个词基本是会关联出现的，不会单独分开出现，如果单独统计也就失去了意义。
　　所以我们发现当我们的业务描述语言和业务描述逻辑非常复杂的时候，统计的准确度都不会太高。刚才又提到需要自动提取对象属性评价用户观点，一开始用户的观点是在讨论一个个话题，是不是可以用基于LDA这样的模型完成话题的提取呢？
　　我们也做一些尝试，最后发现像LDA提取出来的话题有时候过粗，不适合我们的具体业务，比如我们想要的是“柜员态度不好”，最后只能精确到柜员描述的层面，作为一个非精度的模型比较难以调优，有某几个话题质量不是太高甚至存在重复话题的时候，没有办法做针对性的调优，最重要的一点还是它的可警示性比较差，分析出一些主题之后没有办法把话题归纳成我们所需要的对象属性的评价形式。
　　既然我们尝试过一些典型的传统方法不太适用的时候，接下来怎么办？我们选择了本体模型，从具体的实际业务出发建立这样一套适用于业务的一套本体体系，首先介绍一下本体是什么概念？
　　本体最早是一个哲学概念，在哲学层面指的是现实世界中事物的具体存在，比如我手上拿的话筒具体的事物存在就是本体，比如我们还可以称它话筒或麦克风，甚至可以拿一张话筒的图片来描述它。
　　把本体概念引申到信息科学的语义层面就变成知识科学体系。首先我们用本体表示多层次的业务分类或具体的业务目标，本体业务可以由要素和概念两个不同的层面构成，要素是业务层次，一般描述业务对象或业务属性，这跟我们的专业领域相关，需要专家来维护，在银行领域就需要维护像“信用卡”和“借记卡”这样的业务要素。
　　概念是语言层次，描述基础的语言概念，比如说我们对时间怎么描述、对地点怎么描述，包括人的情绪或者人对事物的评价等等，这些语言概念由于基础的资源，它跟专业的业务领域是不相关的，这就可以由我们的技术人员协助业务专家做一些收集和积累，比如说常见的一些语言概念，比如对于“不及时”怎么说，对于“异常”有哪些说法。
贵州大数据产业政策
2016年，南明区纪委监察局组织全区22个部门对 ...
贵州大数据产业动态
贵阳市南明区大数据社区矫正管理平台于去年年 ...
贵州大数据企业
贵州筑民生运营服务有限公司、贵州航天云网科 ...
从2013开始制作大数据版图的Matt Turck刚刚发 ...日前，软通动力携手联盟发起成立了“城市运营 ...5月25日，作为2017数博会的系列子活动之一，浪...精选：漫谈大数据在银行的七个业务潜在应用
我的图书馆
精选：漫谈大数据在银行的七个业务潜在应用
点击上方“36大数据”关注我们文：张越|波士顿咨询董事经理笔者专注于服务金融行业的客户，并就互联网金融和“大数据”进行了深入研究。在研究中，笔者既感受到了“大数据”中所蕴藏的海量机会，同时也体会到了许多传统金融机构的举步维艰。本文将分享一些海外金融机构试水大数据的实践，并尝试走到现象的背后去理解金融机构在驾驭“大数据”的过程中遭遇艰难的原因。一、怎样理解大数据？首先澄清我们如何定义“大数据”。在国内，这个概念已经被很广泛的应用，但大家对它的理解各异。波士顿咨询认为，成就大数据的不仅是传统定义中的三个“V”（Volume–量,Velocity–速度, Variety–多样性），而是“价值”，当人们从海量数据中能够汲取价值，并借助其推动商业模式发生内嵌式变革时，具备“3V”特点的数据才成为了“大数据”。波士顿咨询就“大数据”专题成立了全球的虚拟事业部，汇聚了包括数据科学家、行业专家、资深咨询顾问在内的50 余名专家，支持遍布于全球各个行业的“大数据”相关项目。这些行业都是波士顿咨询的主要服务对象，包括金融、医疗、制药、消费品、工业品、能源等。本文将将着重讨论“大数据”在金融领域的应用。金融行业的数据强度为上述各个行业之首。大数据理念在银行业十分流行，但其潜在价值尚未得到充分的开发和利用。以银行为例，每创造100 万美元的收入，一家银行平均产出约820GB 的数据。银行目前只用到一小部分与客户相关的数据，主要包括：·交易数据·客户提供的数据（出生日期、地址、婚姻状况等）·评分数据·渠道使用数据还有许多可以利用的数据，有助银行提升业务价值：·移动银行业务用户的定位数据·社交媒体互动信息·网站互动信息（交易前）·交易数据，用于推测客户的行为·往上搜索行为·社交网络·其他我们的调研显示，真正能够在传统银行中得到应用的数据占比约为34%。“大数据”无疑在金融领域有广泛的应用空间。仍旧以银行为例，波士顿咨询在银行的七大主要领域中发现了64 项潜在应用，遍布于零售业务、公司业务、资本市场业务、交易银行业务、资产管理业务、财富管理业务和风险管理。这64 个应用源自我们的项目经验，就是说，他们或多或少都已经被某些金融机构进行了尝试，其价值已经得到了初步的证实。从海外金融机构应用“大数据”的整体情况来看，我们的经验是，有1/3 处在普及和理解大数据概念阶段，1/3 处在试点阶段，另外有约1/3 的金融机构已经谙熟于“大数据”的应用，正在按部就班地提升能力，并将“大数据”所要求的工作机制嵌入商业模式与运营模式中，进行了嵌入式变革阶段。总体而言，大数据在金融行业的应用还有很长的路要走。二、海外金融机构大数据应用举例接下来分享几个我们与海外金融机构合作应用大数据的实际案例。1. 某澳大利亚大型银行应用“大数据”分析为自己的小微企业客户提供了一项免费的增值服务，以提高客户粘性。在这项服务里，银行为这些客户免费提供它们自己的客户和竞争对手分析：客户的财富结构，购买偏好，与竞争对手客户结构的差异等。而分析的基础数据来自于该银行零售业务中的个人支付数据。由于银行掌握的数据海量而精准，这样的分析就比一般的市场分析机构的成果更富有洞察。此项服务不仅为该银行提高了存量客户的粘性，也成为它们吸引新客户的一个重要工具。2. 某海外大型银行通过“大数据”分析为自己的企业客户提供营销支持。例如，他们为自己一个卖手机的零售商客户分析了其客户在购买手机前后的其他购买行为。发现客户在购买之前出现频率最高的地方是交通枢纽，而购买之后则最可能出现在食品杂货店里。这样的分析帮助手机零售商明确定义了营销的最佳地点，从而优化了客户的营销资源配置。3. 某海外银行通过“大数据”分析优化了自己的客户细分。传统银行做客户细分的主要维度是年龄、性别、职业、财富水平等。基于这样的细分做营销和产品设计容易“误伤一片”，会浪费不少的资源。在“大数据”分析的帮助下，银行做客户细分的思路开阔了很多，而且细分对于行动的指导性也越来越强。这家银行按照一个客户使用产品的“广度”（即产品的数量）和“深度”（即使用产品的频率）进行细分。这样的细分帮助该银行发现了一些从前没有注意到的机会。例如，细分中发现了一类“临界点”客户，即很有可能换银行的客户。基于数据分析还发现，客户换银行一个重要原因是因为自己的朋友们都在使用目标银行。于是，稳住这些客户的一个手段就是营销他的朋友圈。此外，该银行还发现了一个占比不大（约7%）但很有意思的客群，姑且称之为“败家族”。这类客群的财富水平不高，达不到银行的贵宾门槛，所以常常被银行忽略。但是，这类客户有个特点，就是交易行为非常活跃。他们的消费习惯能够为银行带来可观的价值。这个案例可以带来两个启示：第一，“大数据”发现的未必是“大机会”，即单个机会的价值未必很高，而是“大量机会”，即不断找出新的洞察，而充分实现大量机会就可以获得“大价值”。第二，“大数据”往往并没有给金融机构带来翻天覆地的改变，但它可以为金融机构带来新的视角。客户细分是金融机构一直在做的事，但是，“大数据”可以帮助金融机构深化、细化自己的认识，找出以往被忽略的价值点。4. “大数据”帮助金融机构发现指导行动、创造价值的关联关系。例如，某西班牙大型银行就客户的兴趣爱好和其金融行为进行“大数据”分析时发现，高尔夫球爱好者为银行创造的价值最高，而足球爱好者的忠诚度最高。这样的分析不仅可以指导银行进行精准营销，也能够帮助银行进行更加有目的的数据收集。5. “大数据”在零售银行业务中的应用十分引人注目。但其实，“大数据”在公司银行业务中同样可以大显身手。某加拿大银行对于自己的医药零售商客群做了一个分析。该银行首先将这些客户按照销售额分成八类，进而计算每个药店为银行带来的收入。分析发现，在同一类中，客户每百万销售额所产生的银行收入之间的落差可高达17 倍。这家银行意识到，特征类似的中小客户给银行带来的价值却可以差异巨大。于是，这家银行为每一类客户找到了“标杆”，即对于银行贡献居中的客户，并分析其金融产品的配置情况。然后，这家银行比对每个客户与自己的“标杆”之间的差距，并用这些差距来指导客户经理进营销。而且，客户经理还可以与客户分享这些比对结果，帮助他们认识到自己与同业相比在金融方面的潜在需求。这样的分析既提高了营销的有效性，也为客户带来了金融服务之外的增值。6. “大数据”能够帮助金融机构提升风控能力。Bankinter 是西班牙的一家精品银行，他的单体客户利润往往比规模领先的大型同业高上几倍。该银行专注于中高端客群，并高度注重技术的应用。Bankinter应用亚马逊的云服务，借助“大数据”分析进行行业发展模拟以支持对于公司客户的风险控制。公司客户的信贷风险除了与企业自己的状况有关之外，还会极大地受到行业发展的影响。但是，行业模拟在过去的技术条件下并不能广泛应用。“大数据”极大地提高了这种分析的可行性。以前，这家银行做一个行业的宏观模拟分析，一次运算平均耗时可达23 个小时，而现在，同样的分析只用20分钟左右。7. “大数据”催生了风险控制领域的创新创业。美国一家创业公司应用电梯数据和黄页数据帮助银行进行风险预警。电梯运行过程中一直会有数据留痕，例如在某栋楼的每一层停了多少次等。而黄页是公开信息，某栋楼的某一层是哪家公司可以很容易查到。匹配这些数据就可以得出某家公司每天电梯停靠的次数。该公司的“大数据”分析发现，如果某家公司的电梯数据突然发生异常变化，可能代表该公司出现了经营变化。电梯停靠次数异常减少可能意味着员工的减少或者客户拜访次数的减少，无论如何，这样的信号应该引起银行的及时关注。将这样的预警信号植入贷后管理流程无疑会比单纯进行每季度或每年的贷后检查要更有针对性。Scor！是一家依托社交数据帮助银行进行个人信贷风险评估的“大数据”公司。银行将申请贷款的客户情况报给Scor！并向其购买评估结果。Scor！的评估结果被植入信贷审批流程，作为银行内评估的补充。这样的合作正在帮助客户提升审贷速度和准确性。8. “大数据”助力银行优化贷中和贷后管理。以Wells Fargo（富国银行）为例，他们应用“大数据”分析识别客户的异常行为作为风险提示信号。分析的数据基础是银行自己的海量的交易数据，即个人的支付数据、企业的交易数据等。在贷后管理中，“大数据”分析正在帮助银行优化催收管理。通过量化分析我们发现，近三成的失败催收源于联系不到借款人。而“大数据”分析能够帮助银行提升联系借款人的成功率。上述案例只是金融机构应用“大数据”潜在可能性的“一斑”。海量的机会仍然有待开发。但我们观察到，相比技术的蓬勃发展，金融机构对于大数据的实际应用仍然差强人意。原因究竟在哪里？波士顿咨询对海外20 多家金融机构做了调研。研究的目的是找出：第一，从数据到价值的过程是什么？第二，哪里是瓶颈？结果显示，从数据到价值的过程包括七个步骤：数据收集、获得数据拥有者的许可和信任、储存和处理技术、数据科学/ 算法、协调、洞察、嵌入式变革。而在这七步中有两个关键瓶颈：一是获得数据拥有者的许可和信任，即是否能够把数据整合并用起来；二是协调，即金融机构内部部门之间的协调问题。例如，很多银行面临的问题是整合、打通散落在各个部门的数据，零售、对公、信用卡等。而在“协调”方面，金融机构常常要面对业务与技术沟通不畅的问题，数据难以转化为生产力。突破这些瓶颈的关键在于管理层面，而非技术。“大数据”之于传统金融机构，我们认为更大的意义在于它推动嵌入式变革的能力。“大数据”时代要求试错、应变的机制，跨界复合型人才，开放灵敏的触角体系，这些都会挑战传统金融机构惯常的管理实践。这样的改变不仅对于汲取“大数据”的价值意义非凡，也是传统金融机构在以“互联网金融”为符号的变革时代里求生存、求发展的关键。End.36大数据 dashuju3636大数据是一个专注大数据、大数据技术、大数据应用案例和数据可视化的科技网站。从数据角度出发，讲述大数据电子商务、网络游戏、征信、互联网金融、工/农/商业等多个领域的应用。36大数据是百度大数据战略合作媒体，我们只提供最权威最干货最接地气最具价值的内容。微信公众号：36大数据(dashuju36)36大数据是WeMedia自媒体成员之一，WeMedia是自媒体第一联盟，覆盖1000万人群。详情搜索“wemedia2013投稿邮箱： 36大数据读者QQ千人群：↓点击下方“阅读原文”查看更多
馆藏&99439
TA的最新馆藏