金融行業一直較為重視大數據技術的發展。相比常規商業分析手段，大數據可以使業務決策具有前瞻性，讓企業戰略的制定過程更加理性化，實現生產資源優化分配，依據市場變化迅速調整業務策略，提高用戶體驗以及資金周轉率，降低庫存積壓的風險，從而獲取更高的價值和利潤。

大數據應用綜合價值潛力方面，信息技術、金融保險、政府及批發貿易四大行業潛力最高高。具體到行業內每家公司的數據量來看，證券/股票投資、險種開發、行用卡欺詐和電子支付業務四類的數據量最大。可以看出，無論是投資規模和應用潛力，信息行業（互聯網和電信）和金融行業都是大數據應用的重點行業。

大數據幫助金融行業挑戰幾大歷史問題

一、 精準營銷

• 實時營銷：實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶采用信用卡采購孕婦用品，可以通過建模推測懷孕的概率并推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；

• 交叉營銷：即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然后用遠程銀行來實施交叉銷售；

• 個性化推薦：銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；

• 客戶生命周期管理：客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。

二、風險控制

風險管理與風險控制在風險管理和控制方面包括中小企業貸款風險評估和欺詐交易識別等手段。

• 中小企業貸款風險評估：銀行可通過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。

• 實時欺詐交易識別和反洗錢分析：銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如從一個不經常出現的國家為一個特有用戶轉賬或從一個不熟悉的位置進行在線交易）進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶賬號或侵入自動柜員機(ATM)系統的罪犯。

三、運營優化

• 市場和渠道分析優化：通過大數據，銀行可以監控不同市場推廣渠道尤其是網絡渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。

• 產品和服務優化：銀行可以將客戶行為轉化為信息流，并從中分析客戶的個性特征和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大數據進行初步分析，通過對還款數據挖掘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。

• 輿情分析：銀行可以通過爬蟲技術，抓取社區、論壇和微博上關于銀行以及銀行產品和服務的相關信息，并通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發現和處理問題；對于正面信息，可以加以總結并繼續強化。同時，銀行也可以抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為自身業務優化的借鑒。

慧都大數據在金融行業的解決方案

一、采集和分析用戶畫像，找準目標客戶群體定位

用戶畫像包含的維度有：用戶固定特征、用戶興趣特征、用戶社會特征、用戶消費特征、用戶動態特征。用戶分群，即分門別類貼標簽。通過采集、清理數據、描述分析對用戶數據進行分析統計

二、 定制預測模型，實現產品精準推薦

對已經購買的用戶數據，進行深度學習或機器學習，將客戶特征值和產品之間的聯系進行具體的算法學習。最后將潛在客戶的特征值輸入訓練好的模型。此時模型會給出客戶購買不同產品的意愿。

三、 客戶數據分析和學習，預測顧客購買行為

連接不同來源的客戶數據，包括線上、線下，為預測分析準備好數據，分析客戶數據，使用系統和定制預測模型，做高級分析。利用大數據，從顧客真實交易數據中，預測下一次的購買行為。

四、 實時數據處理，快速優化營銷策略

通過對客戶特征、產品特征、消費行為特征數據的實時采集和處理，可以進行多維度的客戶消費特征分析、產品策略分析和銷售策略指導分析。通過準確把握客戶需求推動和優化營銷策略的策劃和執行。

 案例：慧都大數據解決保險公司預測客戶購買行為的問題

一、 解決客戶問題

（1）客戶是誰？

（2）客戶有什么產品偏好？

（3）客戶喜歡哪些產品組合？

（4）客戶滿意度不高？

二、方案目標

慧都大數據通過大數據計算，能夠準確推測用戶的真實需求，將用戶想要的、喜歡的精準送達，有效的導流、用戶觸達和促進銷售，進而提高客戶滿意度。

三、方案詳情

（1）數據采集

保險公司能夠較輕易獲得客戶大量特征值：用戶固定特征、用戶興趣特征、用戶社會特征、用戶消費特征、用戶動態特征等，客戶提供大量的，多樣式的數據，通常數據量和預測準確度成正比，所以越多越好。

（2）數據準備

數據質量分析、數據轉換、數據降維、特征工程等多個環節進行數據準備，從而對缺失、異常、無效等數據進行處理。

（3）建模

預測客戶購買可能性的行業標準是RFM模型（最近一次消費R，消費頻率F，消費金額M），通過觀察數據，基于客戶業務需求，建立預測模型。

（4）可視化呈現

按照企業的業務需求，設置不同的呈現內容和更新頻次，分別做了PC、電視、IPD等移動端的數據可視化呈現。結合慧都商業智能BI，讓客戶的數據創造最大價值。

四、案例部分圖例分享

通過上圖來衡量模型的好壞，如果綠線開始上升越快(即購買人數差越大)，說明模型效果越好。

通過3種建模，實際效果對比，xgboost和lightgbm效果優于dnn(深度神經網絡)。

這里增加通過電話營銷獲取的3個特征值，分別為通話時長，通話次數，上一次電話營銷結果，使用lightgbm建模后，效果結果如圖。

在新增3個特征值后，相同的模型（lightgbm）的效果截然不同。這個對比說明了，在有效的特征值越多的情況下，模型預測越準確。

五、綜述

企業如何駕馭數據，利用數據驅動實現業務洞察，是形成差異化競爭優勢的關鍵所在。慧都大數據使企業的營銷更精準、可衡量及高投資回報。