基于大数据的智慧银行云平台建设方案

精准营销
站内参数
基于用户的应用，精准营销
站外参数
ID参数
浏览内容
购物车/收藏
推广互动
URL访问
年龄
性别
其他参数
访问路径 支付问答
商品/服务价格 订单/退换货
关键词 访问频次
来源去向 移动应用使用
学历 收入
地域/位置 兴趣
智能评分
收集数据 管理数据 应用数据
精准营销：通过对大数据信息的掌握，采用多种方法论和技术去分析得出结论，进行营销。目前市面上也有类似的软 件，也有详细的方法论，在银行方面还有待验证。 建议：继续进行市场的验证
2020
基于大数据的智慧银行云 平台建设方案
Contents
目录
1. 建设背景和需求分析 2. 银行大数据建设方案 3. 银行大数据功能应用 4. 银行大数据案例分析
Part 1
建设背景和需求分析
大数据的产生
科技的发展，特别是信息技术的飞速发展催生了大数据
流计算 内容分析 万兆交换
移动互联网
云计算
策
· 社交网络分
· 合规
析
· 风险管理
· 欺诈侦测
· 提升债务回
收率
· 创造新收入
· 用于制定战
略规范
· 基于地理位置的营销
· 社交细分
医疗
· 临床决策支 持 · 分析结果比 照 · 生命科学研 究 · 最佳治疗方 案 · 远程患者监 控 · 新药预测性 建模 · 个性化药物
零售和
消费品
· 需求预测 · 优化库存水 平和补货
技术变革推动征信业发展
征信背景
EB
千P
用户点击流
PB
网络log
千T
营销历史
用户生成内容 移动网络 动态定价 A/B 测试
社交网络 舆情分析
WEB
TB
营销购买明细 ERP
千兆 购买记录 付款信息
CRM
客户接触 客户名单
联署网络 搜索营销 行为目标
动态过滤
不断增加的数据种类与复杂度
物联网
BIG DATA
社交网络
· 实时门店监 控
· 店内行为分 析
· 个性化交叉 销售和追加 销售
· 近乎实时的 定价
· 渠道绩效衡 量
· 客户洞察
公共行
业
· 欺诈防控 · 人口细分、 定制行动
· 开放式数据 项目支持
· 决策自动化
公共事
业/能源
· 需求预测和 资产优化
· 预测性和防 范性维护
· 灾难管理 · 智能电网 · 智能家庭 · 智能电表 · 欺诈侦测 · 一线团队增 效
外部统计 业务数据流
高清视频 语音转换 产品、服务log 短信、彩信
数据的低成本 获取与分布式 存储(Hadoop)
基于位置的服务
大数据对不同行业的价值
金融服
TMT¹
务
· 推出有针对 · 以客户洞察
性的市场营 为基础，提
销活动和产 供有针对性
品
的产品和服
· 提升客户服 务，推出有
务水平
针对性的广
· 优化交易决 告
· 发电站点选 择和资产设 置
社交媒介/其他应用
工业品
· 以数据为本 的产品设计 · 车间优化 · 灵活的供应 链管理 · 以价值为本 的设计 · 群包 · “数字化工 厂”，旨在 实现精益化 成产 · 通过产品传 感器数据， 优化服务
保险
运输
· 按实际使用 付费的保险 （PAYD²） · 欺诈战略 · 专业小众产 品和保险捆 绑
运营优化
运营优化：通过大数据的各个指标，进行市场和渠道的分析，同时可以对自身的产品进行优化和舆情的预报分析 建议：继续进行市场的验证
银行大数据建设方法论
针对具体的、明确的新业务和新产品 进行快速落地和创新实现。用互联网模式进 行快速迭代，孵化出全新的业务应用。
获取、丰富数据； 整合外部数据；打通外部数据； 完成 多层次、多维度的360度客户视图的完善和补充， 其中 技术实现如模型和算法的提升、自动化和具备前瞻性。 大数据平台的建设。首先应该规整、规范、统一和梳理行内已有数 据。对已有的客户综合视图，产品视图和账户视图进行完整和统一 的梳理；能够完全兼容并提高现有查询等。 这是基础。
· 客户知识 · 智能化保险 续期
· 交通拥塞管 理
· 车队/网络 优化
· 实时停车位 管理
· 动态化数据 调整
· 信心分析 · 价格对比服务
+
数据强度
-
银行大数据应用架构远景
总行应用系统 分行特色系统 互联网数据采集 合作企业系统
合作企业数据
客户统一视图 客户关系视图
大中企业数据
小微企业数据
社区居民数据
6
大数据方4个方向
客户画像作用
客户画像作用： 1、用户的所有属性特征、订单特征、行为特征集合到一个系统中， 然后只需要在一个报表层面，只需要输入用户ID、手机号、用户 名等即可实现完整的用户信息查询。 2、当处理用户的私人财务信息时候，用户喜欢一对一的个性化服 务。用户画像可以展示用户的每一次活动，例如用户注资、消费 等主要的行为。 3、通过软件的实时分析，可以及时跟踪用户的注册、交易等关键 环节遇到的问题。 4、实时衡量广告活动的有效性，通过实时在线访客工作，及时评 估活动的引流用户的活动参与性。可以及时调整广告的投放策略， 减少广告的浪费。
风险管控
风险管控： 1、通过客户在社交媒体上的行为数据、客户在电商网 站的交易数据、企业客户的产业链上下游数据、其他有 利于扩展银行对客户兴趣爱好的数据来进行数据的分析； 2、目前金融的风险主要来自于大中型企业信用风险、 小微型企业信用风险、个人/消费者信用风险等；
风险管控：银行对于大数据的信息有比较全面的机制，信用体系、贷款体系、金融体系都有比较多的专家和方法来管 理风险。 建议：多走访银行风控体系，看看是否新的突破点
客户画像
CRM 成交数据 移动数据
软件系统
网站数据 流量数据
基本画像
基本人口属性
POI画像
基于兴趣的地理位置
ID画像
各类登录帐号
购买画像
受众的购物记录
社交画像
使用SNS情况
浏览画像
互联网浏览习惯
兴趌画像
综合推算兴趣标签
客户画像：在金融方面有非常大的潜力，市面上有一些完善的软件和解决方案，但能够真正打入到银行内部的比较少， 同时银行在手机端和电商方面有很大的突破，对于大数据的信息也非常的需要。 建议：通过市面上的软件进行oem
农户数据
风险评级 风险监测
全局市场调查 全局客户需求分析 营销活动跟踪、评测
小微金融市场调查 小微客户需求分析
小微金融服务
社区特点市场调查 社区金融需求分析
社区金融服务
农村金融市场调查 农村金融需求分析
农村金融服务
风险管理团队
产品设计&营 销策划团队
小微企业客户经理
社区客户经理
大数据平台
郊远客户经理