当前位置:电子银行 > 正文
从数据来源、决策框架、应用场景分析商业银行大数据技术应用

  一、商业银行纷纷开展大数据平台建设

  近年来,为应对利率市场化和互联网金融的挑战,国内商业银行纷纷开展大数据平台建设,探索大数据价值挖掘之路。

  工商银行:推出“融安e信”,有效拦截电信诈骗

  近年来,面对电信诈骗犯罪高发的严峻形势,工商银行始终把保障客户资金安全作为提升客户服务水平的首要任务,致力打造客户最信赖的银行。为增强社会公众对电信诈骗的防范能力,工商银行与公安部合作正式推出了国内首款防电信诈骗的公益软件——“工银融安e信”。

  “工银融安e信”是中国工商银行联合公安部共同研发的防范电信诈骗的安全平台。该软件以公安机关查获的电信诈骗账号等信息为基础,通过建立风险黑名单库、打造毫秒级零时差响应网络等高级别安全工具,供社会公众在办理转账汇款前对收款账号进行安全性查询,直接提升业务安全级别,这一事前防范的举措在国内银行中尚属首创。该产品面向社会公众免费开放使用,除了提升社会公众对电信诈骗欺诈账户的甄别能力以外,还通过普及传播对电信诈骗、克隆卡等金融违法犯罪的防范知识,提升群众反欺诈的意识和知识。

  数据基础:以公安机关侦破的电信诈骗案件的涉案账号为基础,建立风险黑名单库,供广大消费者在办理转账汇款前,对有关账号进行安全性查询与参考。

  应用场景:风险防控。

  应用结果:目前,“工银融安e信”已完成了对诈骗涉案账户全渠道布控,能针对所有通过工行网点、网上银行、电话银行、手机银行和自助终端等渠道进行的转账汇款交易进行即时筛查,一旦发现诈骗涉案账户,及时给予风险提示,从而真正构建起覆盖全渠道、7×24小时、实时自动预警的反诈骗防范网络体系,从源头上降低了不法分子的得逞概率。截至目前,该软件(在全国范围内)已成功预警堵截电信和网络诈骗案件3.1万起,涉及金额累计3.8亿元,产生的直接及间接经济效益超160亿元,真正做到了让消费者安心、放心。

  招商银行:“大数据智慧营销平台”实现精准营销

  2017年8月3日,在《亚洲银行家》举办的在中国国际银行会议暨亚洲银行家中国奖项计划颁奖礼上,招商银行携手SAS以“招商银行智慧营销平台项目”联合荣获《亚洲银行家》2017年度“中国最佳客户关系管理项目(Best CRM Project)”大奖。

  招商银行“智慧营销平台”项目2015年启动,旨在以满足“客户需求”为中心,以“网络化、数据化、智能化”为目标。期间,招商银行一直围绕“一个客户视角看银行”和“一个银行角度看客户”来开展各项工作,一是实现了客户需求洞察多样化,不仅精准探索客户金融需求(财富管理、消费融资和支付结算),而且挖掘客户的非金融生活需求(衣食住行),让招商银行成为客户的金融帮手和生活助手;二是实现了线上线下客户体验一体化,建立了短信、电邮、客户经理、远程银行、手机银行等在内的全渠道协同流程,实现多渠道多批次营销的协同联动管理,在客户互动上实现内容统一接触、OneBank专属银行的优质体验。

  “智慧营销平台”从流程上实现多渠道多波次营销的协同联动管理,从客户上实践统一接触、一个银行的优质体验,从技术上实践大数据客群模型与个性化事件决策模型的组合策略营销,以客户洞察分析支持营销决策、管理营销资源,提供执行渠道成功率高的销售线索,并通过观察执行过程中的指标值变化协助分支行实现业务价值。“智慧营销平台”主要包括营销自动化、事件营销、营销优化三大关键模块,以实现营销决策科学化、营销业务精准化和资源投入最适化。

  数据基础:“智慧营销平台”的数据基础涉及多个数据类型,来源渠道多样化,每日的数据量大概2-3G。智慧营销项目用到的数据类型包含以下几种。(1)日期型:日期型指标一般见于客户开户日期,购买产品日期,产品到期日等,一般取最大值或最小值来保证唯一性;(2)数值型:数值型指标常见于AUM、交易金额、交易笔数、占比等类型指标,一般取数值上的最大值、最小值、汇总值(或基于汇总值加工),也有按日期范围内的最近、最早等日期取客户UID+分行的维度下的唯一值;(3)布尔型:布尔型指标常见于达标标识、持有标志等有“是否”判断的指标。一般基于汇总值做判断,也有基于客户UID+分行的维度下的唯一值做判断;(4)文本型:文本型指标无法通过汇总、取极值等方法获取唯一值,必须依附于其他数值型或日期型客户属性加工后获取唯一值。数据来源主要有两大块:数据上行系统、数据下行系统。

  数据上行系统:由数据集市经过数据处理加载到仓外集市的联机库数据。

  数据下行系统:由仓外集市的远程银行、新各贷、新财富管理系统、定向白名单、短信平台、个性化推荐系统等各个渠道下发的源数据,经过数据仓库的逻辑处理,实时推送到报表层。

  应用场景:客户画像、精准营销、运营优化。

  应用结果:“智慧营销平台”自2016年应用后,取得了显著的效果,让招行成为真正一家“懂你”的银行。在大数据的时代背景下,该平台以金融科技为创新,真正实现了以“客户需求”为中心的服务营销体系,通过搭建营销自动化、事件营销、营销优化等三大关键模块,实现了营销决策科学化、营销管理流程化、营销业务精准化和资源投入最适化,为业务管理尤其是精准营销的数据化管理提供强有力的支撑。自平台应用以来,招行的交叉销售率提高了20%,整体盈利水平攀升到了更高的台阶,事件营销成功率比传统的数据库营销能够提升5到10倍。

  邢台银行:上线大数据平台“智慧微贷系统”

  2017年9月15日,邢台银行大数据平台的重要应用场景之一——“智慧微贷系统”正式上线运营,该系统以最先进的大数据技术为支撑,能够为邢台银行实现微贷业务处理的流程化、标准化和规范化,更加高效、广泛、便捷地助力小微企业融资。

  大数据平台,以分布式、弹性可扩展、高可用性、适应快速变化的大数据体系为架构,能兼顾大数据批量处理和小数据精确查询并存的混合应用场景,兼容结构化、半结构化、非结构化等海量数据的低成本存储,快速批处理加工数据,同时实现对相关数据接入、传输、交换、共享与服务全流程的实时监控与管理,为多种实时决策类以及数据分析类应用提供高效、有力的支持。

  大数据平台是邢台银行数据整合、处理、加工、分析、应用的基础性技术支撑平台,智慧微贷系统是大数据平台多个应用场景中的重要组成,系统上线后,能够满足该行业务系统3年内对行内数据及第三方数据的处理、分析需求。

  另外,邢台银行还在多方面支持大数据技术的推动。在专职人员配备方面,信息科技部特别设立四名数据治理专岗;在整合全行资源方面,组织专题座谈支持相关工作,范围涵盖15个业务部室,涉及人数包括5名中层人员总计50余人,会议多达20余次;在业务培训方面,针对培训数据治理流程及数据管理办法,多次组织数据专岗培训,并对数据管理办法组织考核评审。

  数据基础:邢台银行从三个方面推进“智慧微贷系统”的数据获取。在数据标准方面,组织各部门对项目组提供的1400余项数据标准进行审核,并进行补充调整;在数据质量提升方面,组织多次数据质量协调会,并组织2次大型客户数据补录确认工作,涉及核心、ECIF系统,治理涉及客户数据达4万条,涉及支行67家,治理客户数据5010条;在元数据管理方面,制定了统一的元数据接口定义,并完成了从各个业务系统元数据每日抽取和处理。

  应用场景:客户画像、风险防控、运营优化。

  应用结果:“智慧微贷系统”的上线,能够满足邢台银行微贷业务的发展需要,进一步优化管理、提高产能、控制风险,实现微贷业务处理的流程化、标准化和规范化,更加高效、广泛、便捷地助力小微企业融资。

  二、从数据来源、决策框架、应用场景三方面分析大数据技术的应用

  根据以上对大数据技术在银行业务中应用案例的分析,大数据技术的数据基础根据业务需求而变动,可以应用的场景主要包括客户画像、精准营销、风险控制和运营优化四种。

  (一)数据基础:三种渠道获取数据来源

  根据上述案例可知,银行业大数据的构成是自有数据+外部数据,外部数据则包括既公开数据,也包括第三方购买数据和其他渠道获得的数据。其中,银行的自有数据主要是各种业务数据,是对全行客户业务活动过程和结果的记录。同时,为了更好地开展业务,还会要求用户提供诸如电话、职业、教育、住址等信息,如果有过贷款申请行为,还会包括收入、房产等强信用属性数据。此外,所有人的工资都是银行代发,公积金流水也在银行,房贷和车贷也都在银行,银行在业务过程中还产生了大量的文档、资讯、图片、音像等非结构化数据。

  案例中,工商银行的数据基础主要是公安机关侦破的电信诈骗案件的涉案账号,这不但涉及到第三方公安机关的数据,还要基于本行客户信息进行对比,得到风险账户信息,才能使客户做好事前防范;招商银行“智慧营销平台”的数据基础包括本行客户的基本信息、产品信息、业务数据等,并通过公开披露等渠道获取企业财务信息以及远程银行、新各贷、短信平台等第三方渠道获取的源数据等;邢台银行的“智慧微贷系统”,主要针对本行客户,其数据基础主要是各分行、支行的客户信息、产品信息以及企业的征信记录等。

  (二)决策框架:多次循环反复进行数据挖掘

  目前,对于数据资产的管理、运用、挖掘,成为现代银行业加快创新、增强管理能力等业务的最重要工作。银行业有海量的数据内容,因此大数据挖掘分析决策的流程为“数据清理/整合-数据仓库-数据选择-数据挖掘-模式评价-知识”,这样多次循环反复,以致达到预期的效果。

  (三)应用场景:满足多样化场景需求

  根据案例,国内不少银行已经开始尝试通过大数据来驱动业务运营,如工商银行使用大数据技术进行风险防控,招商银行借助大数据技术实现精准营销,邢台银行则利用大数据发展小微贷款等。从发展趋势来看,银行大数据应用场景总的可以分为四大方面。

  1.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。

  案例中,招商银行的“智慧营销平台”实现精准营销的第一步就是通过大数据技术对数据进行分析,从而精准探索客户金融需求(财富管理、消费融资和支付结算),挖掘客户的非金融生活需求(衣食住行),完成客户画像;邢台银行的“智慧微贷系统”也要对企业数据进行分析,定位企业需求,完成小微贷款企业的画像。

  2.第二方面:精准营销应用

  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;或者将改变生活状态的事件视为营销机会;

  (2)交叉营销。即不同业务或产品的交叉推荐;

  (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。

  案例中,招商银行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,并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。

  3.第三方面:风险防控应用

  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、财务等相关信息结合大数据挖掘方法进行贷款风险分析,量化企业的信用额度,更有效的开展中小企业贷款。如邢台银行的“智能微贷系统”,通过大数据分析降低小微贷款的业务风险;

  (2)实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式(如转账)等,结合智能规则引擎进行实时的交易反欺诈分析。如工商银行推出的“融安e信”,基于电信诈骗账号等信息为基础建立的风险黑名单库,实现对电信诈骗的自动预警,并加以防范。

  4.第四方面:运营优化应用

  在运营优化方面,包括市场、渠道、产品和服务的优化。

  (1)市场和渠道分析优化。通过大数据,银行可以监控不同市场推广渠道尤其是网络渠道推广的质量,从而进行合作渠道的调整和优化。案例中,招商银行的“智慧营销平台”实现了线上线下客户体验一体化,建立了短信、电邮、客户经理、远程银行、手机银行等在内的全渠道协同流程,实现多渠道多批次营销的协同联动管理。

  (2)产品和服务优化。银行可以将客户行为转化为信息流,并从中分析客户的个性特征和风险偏好,更深层次地理解客户的习惯,智能化分析和预测客户需求,从而进行产品创新和服务优化。如邢台银行的大数据平台对大数据进行初步分析,通过对还款数据挖掘比较区分优质客户,根据客户还款数额的差别,提供差异化的金融产品和服务方式,实现小微贷款的标准化、流程化。

  (四)与互金对比:四方面比较银行与互金行业对大数据的差别

  在金融大数据的应用上,银行与互金行业各有优势。银行在风控和内部管理上有比较优势,而互金行业则在智能营销场景上更具多样化。

  从大数据信用风控的角度看,银行与互金的主要差别就是因数据源的不同导致的客群有效性的差异,整体上,银行的大数据风控模型针对有征信记录的用户更为准确;互金巨头的大数据风控针对缺乏征信记录的用户更为有效,当然,因为征信记录是开放的,所以对于有征信记录的用户而言,互金巨头的模型也可覆盖,只是与银行相比缺乏优势罢了。

  从大数据欺诈风控的角度看,银行与互金则各有千秋,因为欺诈风险更多地与业务模式和流程有关,业务模式的不同决定了银行和互金面临的欺诈风险很多情况下是不同的,所以缺乏可比性,应该是各有各的特长。

  从大数据在智能营销上的应用看,互金巨头掌握了用户的消费、社交等行为数据,可以更好地了解用户的行为偏好,从而可以更好地将金融产品融入场景打包推荐给用户。相比之下,银行掌握的更多是用户有钱没钱,在智能营销上其应用范围就窄得多,在销售基金和理财产品上精准度比较高,但在场景化金融上就要逊色很多。

  从大数据在内部管理上的应用看,银行业已经进行了长达十几年的探索,在很多方面是要领先的,而绝大多数的互联网金融企业,在这方面还有所欠缺。

  三、发展建议:完善数据获系统,合理选择应用场景

  根据以上分析,大数据技术能够帮助商业银行及时、准确、全面地掌握自身资产质量、数量及分布、信贷情况,提供给客户安全、可靠及强有力的技术支撑,并且让商业银行可以随时根据与自已有历史经验往来的商户数据信息推断出客户的信用状况,有助于银行风险的防范。因此银行要积极探索大数据技术在银行业务中的应用,将其更加便捷、有效地应用于实践中。

  (一)完善商业银行数据获取系统

  数据是商业银行应用大数据技术的基础,因此商业银行要进一步完善其数据应用信息搜集与保存系统。除了本行自有数据,建议银行积极与第三方数据提供方合作,构建双边或多边互助合作平台,一方面可降低数据收集的成本,另一方面也可以让客户画像的结果更加准确。

  对于企业或个人的消费行为、生活习惯和交易记录等数据,不同数据收集平台可以直接共享,相同的数据可以合并,不同的数据则可以融合和相互补充,这种跨地区、跨平台和跨类型的数据收集形式可以全面提升客户数据库的准确度。

  (二)合理选择大数据技术应用场景

  目前,银行对大数据技术的应用还不成熟,甚至在获取第三方数据时存在潜在法律风险。因此银行在探索大数据技术在业务中的应用时,要根据自身的信息和资金优势,合理选择应用场景。大型银行的数据来源渠道比较多,且数据的真实性具有保障,因此建议大型银行基于客户需求创新开发大数据产品,继续提升自身的盈利能力;对于中小型银行来说,建议银行将重点放在运营优化和风险控制方面,提高大数据技术运用能力。

相关链接:

作者: 来源: 世经未来 发布时间:2017-11-10 08:49:55
 
 
  我要发表留言  查看所有评论
 

*
 限制字数显示剩余字数,最大长度: 500 还剩: 500
用户名:
       尊重网上道德,承担一切因您的行为而直接或间接导致的民事或刑事法律责任