基于大数据的城市治理和城市安全

Decisioning
Execution
Customer Attributes 客户的属性
Age
Transaction 交易信息
Date/Time
Gender
Income
Job TypeAnalysis
Model 分析模型 Channel Interaction Attributes 渠道交互属性
渠道接触
基于大数据的城市治理和城市安全
议程
1 大数据推进城市治理进程 2 城市治理中大数据行业应用 3 大数据参考架构 4 大数据成熟度评估模型和方法论 5 Q&&A
2
城市管理的挑战日益增加
在2015年，全世界范围内城市居住人口已经超过了40亿。预计在2050年，随着城市的不断建 设和扩展，世界全部人口中将有70%的比例会居住在城市，这个人口数量将达到64亿。数字城 市建设，将使得城市中各个部件更加的高效、更加的具有灵活性，为人类大多数的居住人口提供 一个良好的生存环境。
பைடு நூலகம்
发现存在潜在关系的企业
根据图中的人和企业之间的关系往来以及企业 名称，我们可以推断浙江燎**电缆有限公司和 燎**电缆集团有限公司是潜在相关的两家企业
13
© 2016 IBM
金融行业：某股份制商业银行大数据客户分析项目
客户挑战：
随着业务发展，该银行积累了海量的业务 数据并迅速增长，但是难以实现数据驱动 的业务价值；虽然营销投入不断增长，营 销效果未见提升，客户体验有待提升；同 时，利用数据中心丰富数据资源和领先地 位，结合当下大数据的环境，突破传统的 已知的分析维度，通过更多维的结构化和 非结构化的数据，为该银行的战略转型提 供数据决策分析的支持，是面临最大的挑 战。
网络图中的关系类别 • 家庭关系 • 业务关系 • 任职关系 • 资金关系
11
客户关系网络探索 —— 利用网络结构和文本信息发现潜在关系
根据图中的拓扑结构和姓名，我们可以推 断丁忠*、丁忠*和丁忠*可能是兄弟关系
识别潜在关系
12
© 2016 IBM
客户关系网络探索 —— 利用网络结构和文本信息发现潜在关系
• 从各业务条线的视角去获得客户的全 方位视图，从而得到客户在行为、偏 好等多方位的深入洞察，为业务拓展 提供基础
• 实现了约1000个客户形象刻画指标， 并通过MapReduce Job每天批量计 算更新
15
通过银行网银日志和手机银行日志分析作客户细分
电子银行部 客户-业务-渠道 相关性分析
Target Awareness
6
基于大数据技术的城市治理解决方案
保增长
智慧电网
智能交通
智慧金融
智慧制造
保民生 食品安全
医疗保障
水源水质
智慧物流
保稳定 公共安全
工作就业
政府服务
指挥中心
7
金融行业：信贷审批中的异常担保关系检测
抽取信贷系统中客户互相担保信息，将担保关系导入大数据平台，并构建图模型 利用大数据平台中的图模型算法，从所有担保关系中，扫描并识别预定义的异常担
社交媒体的总账户数将超过全球人口的总数。 从陈述和内容上看，这些数据也有很大的不 确定性。
数据质量管理方案对企业内部数据 比如客户，产品以及地址信息持续 治理，但是这只是企业全部数据中 的一小部分。
Multiple sources: IDC,Cisco
2010
2019
大数据推进城市治理改革和创新
我们的世界变得 更容易获取信息
到2015年,30亿RFID电子标签 嵌入到我们的世界
我们的世界变得 更互联互通
到2017年估计有20亿的人将会 接入互联网……万亿连接对象
所有的一切都变得 高度的智能化
每一天,1500万亿字节的新信息 将会产生
事实上,几乎所有对象 - 任何一个人,任何物体,任何过程或任何服务,任何 组织,或大或小 – 都可以成为数字的感知体和感知网络
解决方案：
本项目基于IBM中国研究院Plutus平台， 该平台依托IBM大数据分析软件 （BigInsights, SPSS）、硬件和IBM中 国研究院的大数据分析模型和算法，为该 银行提供端到端的大数据客户分析整体解 决方案。
该方案整合海量的结构化和非结构化数据， 提供客户全景视图、客户行为分析、精准 营销、产品推荐等业务场景的分析服务， 帮助银行获取新客户、维系老客户、提升 客户价值。
其中，9765个客户之间存在异常担保的情况
9
基于闭环检测扫描发现的三种典型的异常担保模式
三客户之间互保
互保、联保同时存在
• 三个或多个客户之间的互相担保 • 互保和联保同时存在 • 更复杂的担保情况分析
互保、联保、链保同时存在
10
客户关系网络探索 —— 帮助银行和客户经理理清客户网络、 发现隐含关系并帮助信贷策略、营销策略的制定
Merchant （ID,Type） Amount
14
客户形象刻画
风险 属性 关系 圈子
客户 属性
产品 业务
交易 行为
营销 推荐
需求 态度
价值 贡献
积分 行为
交互 行为
EDW
ODS
LOG
客户属性：人口属性、婚姻状态、财产收入、联系信息、生命阶段等 产品业务：存款产品、贷款产品、理财产品、信用卡产品等 交易行为：周期频率、交易场景、渠道分布 积分行为：兑换点数、次数、频度 交互行为：ATM、网银、手机银行、微信银行 价值贡献：收入、成本 需求态度：忠诚度、敏感度 营销推荐：营销活动、营销结果 关系圈子：家庭关系、社会关系、品牌圈子 风险属性：风险评级、高风险行为统计
保模式，将存在异常担保的客户及其担保关联模式列出 利用Web 2.0框架，将可疑客户及其担保关系形成可视化，分发到各相关负责的信贷
人员和客户经理
信贷担保记录
8
大数据平台
可疑担保条目
Web2.0可视化
扫描结果示例 —— 某银行目前信贷工作中异常担保情况
在某家银行的224046条信贷担保关系当中 涉及2 3 6 2 7 6 个对公/对私客户，
3
可利用的数据外延极大的扩展，从数据种类和数据量都在突破传统
全球数据量单位（Exabytes)
不确定，不准确的百分比
9000
8000 100
7000 90 6000 80
70 5000
60 4000 50
3000 40 2000 30
20 1000
10 0
2005
5
到2016年，全球互联的设备数将是全球全部人口的 两倍。所有的感应数据均有不确定性。