大数据时代下的银行智慧之路

IBM金融事业部资深解决方案架构师王雪[e-mail]电话：[phone]大数据时代下的银行智慧之路紧迫标准安全创新互联网金融与大数据分析互联网金融在于普惠金融互联网金融是更民主化、更大众化的金融模式，每个人作为其中某一个体，都有充分的权利和手段参与到金融活动之中，在信息相对对称中平等自由地获取金融服务。互联网金融金融互联网VS.新型的基于互联网业态的业务模式；将会催生新的产品创新，如新型的适应于互联网业态的产品传统金融在互联网渠道上的延展我国互联网金融的四种典型形态典型代表：支付宝财付通快钱首信易支付拉卡拉支付结算典型代表：P2P网贷：拍拍贷，红岭创投、宜信阿里小贷供应链金融：京东众筹融资：点名时间融资典型代表：阿里余额宝投资理财典型代表：众安在线保险1.1阿里余额宝阿里余额宝实现了以第三方支付形式建立金融产品销售渠道的可能性，目前已经有37家基金公司达成合作协议。做平台的思路：即阿里搭台，商家唱戏阿里余额宝产生的大环境：国内金融产品销售渠道不畅人们对金融产品的购买力存在很大差异，但是金融产品同质化严重，差别化、个性化严重不足用户对金融产品的设计完全被动国内银行更愿意服务大客户阿里余额宝的挑战金融产品非生活必需品，和淘宝、天猫等零售电商服务不同如何维持客户黏度是阿里余额宝的课题：支付宝沉淀资金＆银行账户余额1.1阿里余额宝——Cont.对银行的启示获取新客户：余额宝目前1300万客户中，绝大部分以前没有基金投资经验，需要获取客户的信任和增加客户黏度。客户体验：建行对余额宝的份额评价：此次余额宝的推出，对商业银行的最大启示应当是，商业银行在业务发展中必须‘以客户为中心’，加强市场调研，准确把握客户的金融服务需求，切实换位思考，从客户的角度创新产品、优化流程、提升服务，不断提高客户满意度。专业化服务：阿里作为金融产品销售的平台和渠道，延续其在淘宝和天猫的经验，重要的是客户体验和专业化服务。对于银行来说，专业化服务是银行的优势，包括：金融产品的入门知识、投资者教育和风险提示、市场行情报告、产品收益对比、投资组合收益计算、细化的产品搜索、C2B产品设计、理财规划等等，如何在互联网金融方面发挥银行的专业化优势是银行需要思考的问题。效率和成本：对于普惠金融，由于其资金量小、交易频繁，如何以低成本维持海量的销售额是关键。国外的SigFig、PersonalCapital和MotifInvesting就是依托自动化的数据分析技术，把昂贵、高门槛的私人理财服务平民化，提供极其低廉、乃至免费的投资/理财咨询服务。其服务多以网站或者移动APP的方式呈现，便于随时随地访问。低成本、智能化、透明化、注重客户体验的理财规划服务是技术创新，也是互联网金融的应有之意。1.2阿里小贷阿里小贷产生的背景：国内银行更愿意服务大企业客户，导致存在大量的小微企业和个人有庞大的金融需求未得到满足小微金融数量多，单笔金额小，对于银行来说，每单逐一审批效率相对较低淘宝拥有庞大的交易数据和信用评价体系，可以针对商家更加准确的风险定价及相关的贷后管理对银行的启示：利用大数据分析技术，自动进行信用评估和风险定价，可以有效地降低风险和提高效率。2.P2P个人对个人借贷美国代表：LendingClub和Propser，占市场80%份额（2013年6月份，Lendingclub的成交量已经超过1亿美元，Prosper亦超过2000万美元），做debtconsolidation(即在P2P平台上借一笔低息的钱，把所有透支的信用卡额度都还清)英国代表：Zopa，主做小微企业市场的FundingCircle，主做超短期授信的Wonga启示：互联网与金融结合不仅解决了之前金融存在的严重信息不对称，带来效率的大幅提升，需求可以被更便捷高效的满足，互联网利用社交等大数据将每个人的金融需求可以被准确的风险定价，互联网更是近乎零的边际交易成本让门槛降到最低。互联网金融的本质在于要以互联网的思想做金融要用互联网的思路来做金融，不要用金融的框架来限定互联网；要用互联网的逻辑来看待银行的优势，不要用传统金融业的逻辑来认定互联网的资本。互联网技术的发展使金融的有效性和民主性成为了可能：互联网、移动互联网、物联网、云计算的快速兴起以及移动智能终端的快速普及形成了庞大的数据量；数据发掘和分析技术的发展使精准的洞察成为可能；数据安全技术使隐私保护和交易支付能够顺利进行；搜索引擎使个体更加容易获取信息大数据以及数据分析和挖掘技术是实现互联网金融的有力支撑，也是降低成本和风险的主要手段！大数据基本概念和业务应用大数据已应用在各行各业能源与公用事业•智能电表分析•资产管理零售•全渠道营销•实时促销司法执法•多点监测•网络安全检测交通运输•物流优化•缓解交通拥堵金融服务业•欺诈检测•360°客户视图数字媒体•实时广告定位•属性分析健康与生命科学•病历分析•疾病监测通讯•客户资料货币化•网络分析&优化大数据概念的提出13•最早提出“大数据”时代已经到来的机构是全球知名咨询公司麦肯锡。•2011年，麦肯锡出版了研究报告《大数据：创新、竞争和生产力的下一个新领域》，产学研界对“大数据”的关注达到历史性新高度。•麦肯锡在研究报告中指出，数据已经渗透到每一个行业和业务职能领域，逐渐成为重要的生产因素；而人们对于海量数据的运用将预示着新一波生产率增长和消费者盈余浪潮的到来。•互联网、移动互联网、物联网、云计算的快速兴起以及移动智能终端的快速普及，正使得当前人类社会的数据增长比以往任何一个时期都要快。•越来越大、越来越快、越来越复杂，数据特性的演变和发展，催生了一个全新的概念——大数据。什么是大数据？14•结构化数据：存在于关系数据库中，多年来一直主导着IT应用；•半结构化数据：包括电子邮件、文字处理文件以及大量发布在网络上的新闻等，以内容为基础，这也是谷歌和百度存在的理由；•非结构化数据：广泛存在于社交网络、物联网、电子商务之中。伴随着社交网络、移动计算和传感器等新技术不断产生，有报告称，超过80%的数据属于非结构化数据。更广的信息范围新的数据与分析类型实时信息来自新技术的数据非传统形式的媒体大数据量社交媒体数据最新流行词定义大数据*2012年IBM对95个国家中26个行业的1144名专业人员调查结果大数据是一个涵盖多种技术的概念，简单地说，是指无法在一定时间内用常规软件工具对其内容进行抓取、管理和处理的数据集合。大数据的四个维度数据规模TB至PB级数据数据的多种形式结构化、非结构化、文本、多媒体数据的运动分析流数据，在不到一秒内做出决策数据的不确定性管理数据的可靠性和可预测性，尽管原生数据内生性的不精确多样性（Variety）精确性（Veracity）速度（Velocity）数量（Volume）大数据在银行的主要应用及解决方案客户与市场洞察运维洞察与优化风险与欺诈洞察•数据分级与管理•系统日志维护•系统故障分析•网络攻击预警•统一信息平台•金融风险分析•市场与投资风险分析•信贷风险评估（中/小企业或机构）•反洗钱与反欺诈调查•实时欺诈探查•市场监管•客户获取/客户挽留•社交媒体分析/舆情分析•客户之声•智慧的远程银行（呼叫中心）•最佳行动推荐（NextBestAction）•提升的客户分群•产品设计、营销优化•市场趋势分析•客户体验分析360度客户全景视图将给银行在客户和市场方面带来前所未有的优势交易数据-交易-支付历史-使用历史描述性数据-客户统计信息-客户特征-客户关系-客户自描述信息舆情分析-观点-偏好-需求和倾向交互数据-E-Mail/在线聊天记录-呼叫中心记录-网上痕迹-客户交流记录传统客户视图的组成部分社交媒体数据和金融社区互动的数据How?Why?Who?What?业务应用1：获客和留客哪些客户是我的潜在客户？哪些客户是我的高价值客户？哪些客户正考虑离开？如何获取潜在客户？如何促进高价值客户的转化？如何挽留我的客户？客观的活跃客户口径是什么？非活跃客户的特征是什么？非活跃客户转化为活跃客户的策略是什么？地域和地区的独特性………人口、经济、产业等地域数据差异性大；数据的可获得性不一样；数据的质量也不同；定制化的模型建立客户与市场洞察运维洞察与优化风险与欺诈洞察业务用例：建立分析模型从网上银行信用卡客户挖掘潜在储蓄客户TargetAwarenessDecisioningExecutionAgeGenderIncomeJobTypeBrand(Visa/Master)Type(Golden/Platinum)联名商户卡CustomerAttributes客户的属性CreditCardAttributes信用卡属性Transaction交易信息Date/TimeMerchant（ID,Type）AmountApproach:柜台/关联/他行转账/其他关联还款方式：本行借记卡/他行借记卡Repayment支付信息OfferManagement营销管理ChannelPreference渠道偏好ContactTiming营销时机OnlineEmailMobileCallcenterPostalmail通过电子渠道客户接受度分析，针对性营销消费偏爱External外部信息人行征信电商交易Behavior行为信息网银手机银行风险承受财务能力行为特征发现从电子渠道（网上银行，手机银行）可能的客户分析的新维度，挖掘up-selling,cross-selling的目标客户群AnalysisModel分析模型维度•采集范围：微博、论坛、博客、新闻、视频分享、问答网站等。根据各自特定需求有不同的侧重点（如银行业可能更关注各类财经网站、理财论坛、金融类博客、自身客户及潜在客户群体的微博等，而非门户网站各类娱乐论坛、民生类新闻报道等）•针对微博、SNS网站等一定程度的封闭、半封闭网站，需要考虑到开放接口等问题，需要分类对待•采集信息需要进行相应预处理操作，同时信息入库之后需要定期更新数据库舆情分析过程涉及数据挖掘、计算语言学、机器学习等多个学科业务应用2：社交媒体分析/舆情分析客户与市场洞察运维洞察与优化风险与欺诈洞察舆情分析用例观点的挖掘及分析情绪预测事件跟踪趋势分析宏观、整体性服务质量分析正负面报道客户情感分析面向银行的全业务，包括产品、服务、声誉、竞争对手、客户满意度等进行监控和分析。声誉度分析微观、产品营销正负面报道针对银行近期的产品营销活动，监测市场和客户反馈。产品竞争力分析产品评价微观、关键客户企业产品业务分析选择银行的重点对公客户，监控该客户本身以及上下游企业的财务、产品、市场等方面，对银行的信贷管理有重要的意义。产业信息分析企业负面报道财务能力分析上下游企业产品、业务、财务分析品牌分析竞争对手分析某全球性银行社交媒体/舆情分析示例6大银行声誉对比客户情感综合对比(好感与反感)银行事件预警与侦测22通过爬取论坛内容来分析国内银行信用卡业务业务应用3：智慧远程银行解决方案概述支持多渠道多媒体的接入，包括VTM，呼叫中心，微信、手机银行、网银等结合交易数据、描述性数据、交互数据和社交媒体数据，刻画完整的全景客户视图；具备中文语音的文本转化和语义分析能力，并利用大数据分析和挖掘技术，实现精准营销、客户关怀、投诉统计、客服提醒等应用场景；统一的客户体验和服务平台，确保客户接触的一致性；解决方案获益扩大传统呼叫中心的服务半径，实现无所不在的微服务和微销售能力；转被动服务为主动服务，提升客户体验；降低银行运营成本，提高银行收入；客户与市场洞察运维洞察与优化风险与欺诈洞察方案架构呼叫中心电子银行交易／客户／账户社交媒体数据平台（Hadoop）数据获取与接入客户关怀微营销投诉统计客服提醒文本语音&CPI文本分析挖掘平台…客户细分模型观点挖掘和分析模型最佳行动模型业务应用5：提升的客户分群客户基本属性细分按客户的自然属性、生命阶段、婚姻属性、教育属性、工作属性、收支属性、投资风险、地域属性等细分客户行为细分指按银行客户的首次