大数据项目在银行业的应用

合集下载
  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

大数据项目建设要点
2、整合运营信息,跟踪客户“健康度” 发现数据中存在的关系和规则,挖掘数据背后隐藏的知识,预测
未来的发展趋势。这是大数据应用的最终目的和方向,也是能够为企 业带来实际效益的手段。对于银行而言,预测客户的信用风险与流失 风险无疑是最重要的工作之一。
这项工作的开展需要经历如下几个步骤:
大数据分析的解决方案 2.大数据分析的经典案例
大数据分析的解决方案 3、大数据在银行业的应用场景
大数据分析的解决方案 3、大数据在银行业的应用场景
客户管理 营销管理 风险管理
大数据分析的解决方案
4、大数据背景下银行业的发展趋势及面临的挑战 1) 未来银行业的发展趋势
大数据分析的解决方案
4、大数据背景下银行业的发展趋势及面临的挑战 2) 银行业在大数据背景下面临的挑战
结束
谢谢!
量化 评估指标
构建 诊断模型
指导 日常工作
大数据项目建设要点
1、通过模型进行客户的健 康度评估 2、通过对于不同行动的客 户响应率与挽留率对于活 动的有效性进行评估
量化 评估指标
构建 诊断模型
指导 日常工作
大数据项目建设要点
3、应用内部数据,做好“承诺”管控 运用以往未被关注的内部数据检测管理运营效率与服务承诺落实
在大数据尤其是互联网时代还有一个最重要的点,就是失效预 警。即你发现一个规律,在现实中应用了,但是你一定要设立一些 预警指标。
目录
2 大数据项目建设要点
第5 页
大数据项目建设要点
1、关注集群属性,推进“区域化”营销 将同样生活、工作圈内的客户作为一个“集群”,这些客户往往具有某些 相同的属性,分析这些集群客户的规律与偏好,针对不同集群的特征进行 差异化营销。 具体的操作方式包含如下四个步骤:
情况。将评估内容扩展,结合内部数据,则有助于获得更有针对性地 结果。
目录
3 大数据分析的解决方案
第 12 页
来自百度文库
大数据分析的解决方案
1.大数据分析相关系统
目前广泛使用的开源海量数据处理系统大都以Hadoop作为数据存储和并 行处理的基础框架——HDFS提供海量数据存储平台,MR框架提供海量数据并 行计算模型。Hive和Pig都是在Hadoop之上提供了类SQL语言的解决方案,这 大大减少了并行处理程序开发的难度,使用户不必具备较强的程序编写能力, 进而更多地关注业务逻辑。以上海量数据处理系统在高可用性、高容错、扩展 性方面都提供了很好的支持。
目录
1 大数据项目启动思路
第1 页
大数据项目启动思路
首先要了解自己的企业,或者自己所在的行业的核心是什么? 作为各类企业尤其是客户方的企业来说,大数据跟他们有什 么关系,或者说作为企业方怎样去参与,这是企业方现在面临的 最大问题。
大数据项目启动思路
大数据项目启动思路
在建立数据的过程中,企业需要从什么方向去探索,也不是漫 无目的的。
量化 评估指标
构建 诊断模型
指导 日常工作
大数据项目建设要点
1、业务信息类 2、消费信息类 3、捆绑业务类 4、客户维系类
量化 评估指标
构建 诊断模型
指导 日常工作
大数据项目建设要点
1、主成分分析法 通过主成分的载荷矩阵和主成 份的贡献率确定指标权重。
2、层次分析法 通过对非定量事件的定量对比 分析,制定出一套较为可行的 确定权重或直接比较的方法。
相关文档
最新文档