中国联通金融行业大数据解决方案

金融风险控制—贷后信息修复催款
电催平台：针对现在金融机构的巨大不良资产，本平台在合法合规的前提下，利用联通的大量用户信息数据，
帮助金融机构完成不良资产催收工作，降低其坏账。
4
风险控制
进行金融产品售前， 售中和售后的全方 位风险控制，降低 金融风险
5
C 目录 ONTENTS
1 金融行业现状探讨分析 2 联通大数据金融行业探索 3 联通金融行业大数据合作案例
联通大数据在金融行业优势
以用户实名认证信息为基础，结合社交，消费，位置，上网等诸多数据，联通大数据在金融 方面具有众多优势
• 失联用户信息重判定与复联 • 协助贷前预防及贷中防控能
力完善 • ... ...
服务模式
API查询接口
分析报告
分析报告
金融风险控制—贷前贷中身份审核
利用联通数据，在充分保障用户隐私安全的前提下，利用脱敏数据对金融行业提供数据验证和征信评估服务， 为专业化的授信机构提供一个征信平台。
身份验证类
难度大
1
数据单一
3
客户流失
5
数据种类单一， 需要整合外部数 据进行完善
同质化产品众多， 客户流失严重， 需要进行沉睡客 户唤醒
金融行业大数据可能合作方向
结合金融行业的客户需求及联通的大数据能力，可以在以下方面进行大数据合作：
数据整合
整合内部庞大的 存量数据，并进 行数据清洗、加 工、分析、呈现 等一系列处理， 展现数据价值
流式计算区 Storm Redis
数据实时运算
数据服务对外接口
数据存储和分析区 Hive/Hbase
Spark MapReduce 数据离线运算
Flume实时数据采集传输
以往客户数据
互联网数据
ETL批量数据采集传输
运营商数据
...
2、金融风险控制
通过运营商掌握的真实全面的用户信息，为金融行业提供贷前、贷中用户信息验真评估，贷后失联用户修复和 催款等一系列风控服务，帮助其降低风险
中国联通金融行业解决方案
2019年11月
C 目录 ONTENTS
1 金融行业现状探讨分析 2 联通大数据金融行业合作探索 3 联通金融行业大数据合作案例
金融行业与大数据高度契合
金融行业本身数据价值极高，适合通过大数据进行数据挖掘，实现数据价值 金融行业数据高价值体现在以下方面：
交易数据
数据延续
前-预防
中-防控
后-分析
• 用户身份信息核查比对 • 用户通信消费的历史信用记录 • 月均消费能力评估 • 业务使用行为特征分析 • 黑名单状态验证 • 终端价值评估 • ... ...
• 实时位置比对，阻截可疑金融交 易
• 互联网访问内容异常监控 • 交际圈异常监控 • 过户/销户感知 • 频繁换机感知 • 消费行为突降/突增异常监控 • ... ...
金融行业发展现状探讨分析
经济和社会快速发展，人们对金融产品的需求增加，个性化趋势明显 互联网金融行业兴起，金融行业竞争日趋激烈，面临更多问题：
数据孤立
客群模糊
不良资产
内部存量数据丰 富，但数据孤立， 分割严重，分析
2
客户群体分散， 缺乏准确分析， 触达用户手段
4
金融不良资产增 长，风险控制尤 为关键
1
数据完善
基于金融行业本身 数据，结合其他行 业数据，进行数据 修补与完善，形成 完整的数据结构， 覆盖整个金融体系
2
客户分析
基于产品定位和 存量客户，进行 精准的产品定位 和客户推广，开 发定制化产品， 满足不同客户的
需求
3
客户触达
多样化触达，并 针对客户的偏好， 进行沉睡用户唤 醒，流失用户的 召回工作，提升 产品的响应程度
为金融行业搭建异构大数据平台，在整合金融行业已有存量数据基础上，结合运营商数据，提升数据价值
数据 应用层
数据 服务层
数据 运算层
数据 交换层 数据 源层
客户全景视图
自定义报表
日志分析
对外数据合作
统一数据服务接口
统一接口 服务调度
权限 数据安全导出
数据应用区 Redis
Hbase MPP 数据实时查询
通过联通实名信息，帮 助客户对用户信息的真 实性来进行核实；
位置信息类
通过位置信息，对用户 历时轨迹、当前位置、 常驻地等进行核实，降 低欺诈风险；
号码风险类
通过用户当前的各种状 态，必须是否黑名单、 在网时长等信息，来判 断此号码的风险度；
征信评分类
终端评分类
通信评分类
基于用户的客户属性、 账务信息和使用行为、 信用信息等综合判断用 户的信控得分；
外部数据引入ห้องสมุดไป่ตู้整合
2
联通金融大
数据探索
3
金融风险控制： 贷款贷前贷中身份验证、风险控制 贷后欠款催缴
客户画像分析： 个人精准画像分析 区域群体画像特征分析
金融产品精准营销：
金融产品客户精准营销
4
个性化定制产品服务
沉睡用户唤醒
流失用户召回
5
金融网点选址： 新网点选址评估
现有网点客群分析，影响力评估
1、金融大数据整合
用于用户的终端品牌、 型号的验证、用户的换 机频率评分和用户的终 端价格评分；
基于用户近半年的通话 话务情况形成用户的话 务评分能力；
交际圈验证
基于用户的语音行为，验证用户之间的通信关 系、通信的时间跨度、通信的次数等信息；
二次卡清理
通过判断号码是否重入网，是否再次放号， 进而解决互联网、金融客户更改号码的情况。
海量数据
真实身份数据，上网数据，社交数据， 位置数据，消费数据，通信数据，终 端数据等多种数据准确获取
金融行 业大数
据
运营团队
专业金融大数据团队，丰富的开 发运营经验
数据分析整合能力
金融行业存量结构化和非结构化数据 全面整合
数据建模能力
结合联通数据及金融行业数据，开发 金融行业产品营销模型，征信模型，
关系圈模型
产品应用开发
丰富的金融产品应用开发经验，满足 用户多样需求
大数据平台搭建
元数据实现平台松耦合可扩展，搭建 金融大数据平台
中国联通金融行业大数据探索
结合掌握的金融行业用户需求，联通大数据进行以下金融行业大数据合作探索
金融大数据整合：
1
金融大数据平台搭建 内部存量数据采集、清洗、加工，分析
数据稳定
特征明显
金融行业多是用户存 款，消费，投资等金 融账户数据，数据本 身包含用户消费能力， 价值极高
金融行业保存有客户 长期的数据，对客户 长时间的行为分析有 巨大价值
客户收入，消费，投 资行为比较有规律， 时间及金额较为稳定
金融数据特征明显， 如长期收入情况，支 出情况，投资情况， 短期的消费异常，都 具有明显的特征和价 值