中小银行大数据应用解决方案

身份验真技术、设备指纹技术、社交网络分析等，识别欺诈客户。 2、通过分析历史欺诈客户特征，建立反欺诈模型，评估欺诈风险等级。
11
识别早期预警
目标：早期识别风险客户，优化贷后管理资源。 措施： 1、挖掘征信数据，识别在他行已出险但在本行仍正常的客户，及时冻结额度。 2、应用评分，多渠道捕捉风险信号，进行客户风险等级分类。高风险等级优先响应、重 点排查，并根据排查结果，逐户制定应对策略，如冻结额度、增加担保或压降退出。 3、捕捉客户的行内账户行为变化，结合客户特征、外部信号，开发预警模型，提前识别 高危客户；分析现有预警规则及其击中风险客户的比率，优化规则的设置。
另一方面，利用大数据分析与人工智能技术，革新业务模式，以客户为 中心，捕捉客户需求，为客户提供定制化的产品及实时便捷的服务，深入挖 掘客户价值，提升客户体验。
2
大数据营销
银行业的营销模式正在从传统的渠道化、同质化、批量化的营销转为基于 大数据的互动化、个性化、精准化的营销。
在合规的数据获取和使用的前提下，银行需要借助内外部数据，充分捕捉 客户特征，洞悉客户需求，针对特定的目标客群，提供专业、及时、高效的金 融服务。大数据分析帮助我们解决三个关键问题：
随着业务模式越来越多元化、场景化，风险呈现出多样化特征。下一步需 贴合业务周期，构建多场景、多层次、多维度的风险模型。运用大数据方法、 技术和平台，进一步升级风控体系，便捷、高效、智能地识别风险，例如精准 识别欺诈风险、预警风险和提升催收效果。
10
防范欺诈风险
目标：搭建反欺诈体系，控制欺诈风险。 措施：1、通过采集内外部数据，建立360度特征信息库，设计欺诈规则体系，运用生物
12
提升催收效果
目标：失联客户修复，控制催收成本，减少信贷损失。 措施：
1、通过大数据技术手段进行失联客户修复。挖掘客户在各个场景下预留的联系方式或 者其亲属的联系方式，触达客户；
2、基于客户基本信息、还款行为、额度使用率、催收历史等数据，开发催收评分模型， 预测客户风险大小；
3、制定差异化的催收策略。对于低风险客户，可以通过短信或邮件的方式催收，降低 催收成本；对于中风险客户，采用电话方式，提高回收效果；对于高风险客户，通过委外、 上门等方式催收，确保回收率。
2、结合客户价值和流失模型分析，对客户进行分层，提供不同策略建议，做好 客户关系维护，将现有客户逐步培育成理想客群（高价值低流失）。
9
大数据风控
大部分银行过往已经开发上线了覆盖各个业务条线的风险模型，实现对信 用风险贷前、贷中及贷后全周期的量化评价，在贷款审批、额度制定、风险定 价、贷后预警、催收管理、风险报告、压力测试等领域有广泛的应用。
中小银行大数据应用解决方案
大数据推动金融创新
随着大数据的信息存储、技术处理手段的迅猛发展，传统银行正在向数 字化银行转型。大数据应用给银行业带来宝贵的发展机遇。
一方面，通过科技创新，建立多渠道数据的联通机制，搭建强大的数据 存储平台、智能分析平台，实现数据的统一解析及客户全面视图，洞悉客户 特征，精准识别风险。
14
以客户为中心，流程革新，提升客户体验
分期贷款、激活客户提款 退休：需要保障资产稳健增长，推荐定期存款、
稳健型理财产品
5
获取新客户
目标：整合内外部数据，建立白名单筛选模型，提高新客获取效率。 措施：
行内数据 通讯类 搜索引擎 电商平台 …………
整合数据 建立模型
输出高响应的白名 单
线上或线下 落地营销
Hale Waihona Puke Baidu
动态监测获客成功率，优化白名 单筛选模型，调整获客规则及业 务策略
13
加强支撑大数据应用的管理模式、数据质量和人才体系
一是统筹资源，集中管理。 数据资源、模型算法、分析工具和应用平台是否协同？应避免重复开发、 低效使用的现象，减少资源浪费。
二是完善数据质量，有效使用。 数据是否标准化？数据使用是否方便？客户有效信息是否充分？
三是培养数据分析型人才，分散输出。 数据分析文化需要培育，分析能力非常关键。制定人员培养方案，加强大 数据量化人才的培养和输出。
价值属性
当前价值：收入、成本、信用等级、EVA 未来价值：潜力资产、活跃度、客户粘性
4
客户要什么？
基于客户行为变化、人生阶段、外部事件和产品周期，侦测客户的动态需求。
以人生阶段为例，结合生命周期确认客户的实际需求， 有效的匹配产品和服务。 初涉职场：有消费和理财需求，推荐信用卡、消
费贷款和活期化理财产品 结婚：有购房需求，推荐购房贷款、装修贷款、
手机控 高净值客户
金融属性
基本属性：投资偏好、账户特征 产品持有：财富类产品、功能类产品 交易行为：支付结算行为、投资行为、贷款行为 渠道使用：ATM、网点、电话、手机银行、微信银行
兴趣偏好
线上偏好：登陆偏好、浏览偏好、娱乐偏好、 操作行为偏好 线下偏好：消费偏好
社会属性
社交行为：社交圈、通信圈、资金圈 生活习惯：区域特征、活跃时段
1、客户什么样？
3、如何去应用？
获客、挖潜、挽留
2、客户要什么？
3
客户什么样？
引入互联网、运营商等外部数据渠道，整合行内外客户信息，建立跨产品、 跨渠道的客户标签体系，对客户进行静态画像。
客户标签体系
人口属性 自然属性：年龄、性别、学历、职业
家庭特征：婚姻、子女、有车、有房
个人客户为例 爱理财
网购达人
6
挖掘潜力客户
目标：挖掘他行高价值但在本行AUM较低的客户，抢抓资产归行。 措施：1、建立基于“潜力价值+响应概率”二维客户筛选模型，将存量客户进行分类。
2、通过模型筛选高价值高响应的重点经营客户，制定个性化营销策略。依据产品偏好 模型，筛选客户前三大产品偏好，提供相应财富产品营销建议。
7
交叉营销存量客户
目标：基于客户的特征和需求，开展精准交叉营销。 措施： 1、运用客户静态标签+动态事件进行组合分析，获得目标客群名单；
2、建立关联产品交叉销售模型，筛选高响应客户名单； 3、通过大数据平台定期向业务前端及客户电子渠道端推送匹配产品。
8
预防客户流失
目标：通过客户流失可能性分析，提前介入客户挽留，减少高回报客户的流失。 措施：1、根据交易行为、产品属性、客户属性等数据，建立流失预警模型。