银行大数据分析探索

目录
大数据带来的机遇和挑战
大数据规划和建设的思考
大数据分析的探索和实践
大数据应用现状
生产运维大数据平台 实时采集 智能检索 告警关联 辅助预警 问题回溯
业务数据分析 精准营销 手机银行
客户发展
不良贷款预测
银行运维大数据分析方向


监控历史数据趋势分析
监控告警智能分析 日志智能检索分析 面向业务的日志分析
IT在这个过程中不断从后台走向 前台： IT部门从业务发展的支撑者转变 为业务创新的合作伙伴。 数据分析中心将逐步从成本中心 向利润中心转变。
√ 准确解读数据的 业务意义
√ 维持数据平台的 可用性和高效性
大数据安全策略
大数据对于商业银行而言同样是把双刃剑：大数据 的整合、跨企业的外部大数据合作，虽然提高了商业银 行对客户的洞察力，但也不可避免地加大了客户隐私信 息泄露的风险。
13
监控与告警数据分析

监控历史数据趋势分析：
针对监控平台大量的历史监控数据进行 机器学习，做出容量预测、性能瓶颈等 方面的趋势分析。

监控告警智能分析：
通过监控平台、告警平台积累的历史日 志进行统计分析，为动态阈值设定、告 警关联等提供依据。
14
各类日志数据分析

日志智能检索分析：
海量日志检索、生产问题辅助定位、日 志异常告警、复杂安全规则审计等。
银行大数据分析探索
目录
大数据带来的机遇和挑战
大数据规划和建设的思考
大数据分析的探索和实践
加速数据应用与业务创新
数据应用与业务创新的生命周期
业务定义需求 IT部门获取并整 合数据 构建并完善算法 与模型 IT系统部署 业务应用并衡量 成效
挑战 数据量更大，数据源更多 算法与技术手段多样化 业务和IT的信息互补不够及时
三、在安全合规的前提下充分利用银行 外部的数据服务，并从这些外部信息中 发掘价值，寻求新的利润增长点
以应用为驱动，深入挖掘数据价值
风险监控 产品创新 信用评级
精准营销
流程优化
客户服务
应用领域
经营管理
以人才为核心，提升数据分析能力
√ 业务分析 √ 模型构建与算法调优 √ 数据理解 √ 数据治理 √ 数据平台运维
渠道 营销
交易 公共
财务 代码
手机银行睡眠账户激活分析
1
数据整理准备
1. 对客户基础分析数据的准备, 第一轮集中在客户基本资料\ 签约\标识\资产\渠道交易,第 二轮开始准备网银\手机银行 的交易量统计 2. 对活动数据进行收集,并规整 客户号,与基础分析平台的数 据进行整合
2
数据分析建模
1. 对模型建设的意义\流程\方 法进行梳理,为后续汇报材料 积累 2. 生成模型部署的代码以及对 应的模型文档
生命周期管理应用基础 孩子独立 全程客户体验运营
首次购房
退休
营 销 活 动 管 理 平 台
年齡
汇总贷款 数据
基础 数据
第一个小孩
职业变迁
客户汇总表 客户 机构
账户汇总表 产品 地址
交易汇总表
財富累积
机构汇总表
产品汇总表 协议 资产
客户所处的生命周期，决 定了客户的产品需求和发 卡汇总表 …… 展潜力。
独立
客户提升
初涉职场
客户成熟
客户衰退
准备退休
客户流失
客户
客户细分· 产品梳理結婚 · 渠道梳理· CPC匹配矩阵· 活动响应分析· 事件营销规则库 Low Value 流程及界面优化· 客户分层服务· 客户体验管理 ＩＶＲ 轨迹分析· 点击流分析· 智能路由分析· 客户体验识别· 体验管理规则库 接触银行服务
√ 内部数据与外部数据尚未能有效打通
√ 重挖掘轻应用，数据分析与业务高效结合方面需要加强
目录
大数据带来的机遇和挑战
大数据规划和建设的思考
大数据分析的探索和实践
以数据为基础，充分整合数据资源
一、扩充银行现有信息系统中数据采集 范围并延长保存周期
二、充分整合境内外商业银行以及子公
司的数据，构建全集团的数据视图

面向业务的日志分析：
提高系统响应率、准确率，提升客户体 验，丰富产品交叉营销等。
15
案例：动态阈值告警
准确预测系统指标变化范围
提前感知系统负荷的急剧增加
系 统 负 荷
时间序列5分钟间隔
16
未来发展目标
• • 故障预警及预处理 性能指标异常提前感知 • 海量数据集中索引多方面信息
•
•
•
跨域故障定位和分析
运维流程与效 率优化
资源配置优化
预测故障
查找问题
优化策略
发现异常
分析性能
• •
行为规律发现与总结 历史异常规律挖掘
•
基于性能基线实现阈值优化
数据分析平台介绍
数据分析平台
处理 管理 访问
开发人员
1 数据仓库 （库内分析集市） 2 Hadoop平台 （网银日志的存储） 3 跨平台的数据探索 （Aster等） 4 传统的数据统计 （SAS、R等）
机遇
数据应用的开发和交付周期大幅缩短，“小 步快跑”成为业务创新的方式。 业务和IT的合作模式转变为联合开展数据探 索和分析挖掘。
推动IT部门从后台走向前台
业务部门
√ 将自身业务痛点 转化为分析需求
IT部门
√ 跨系统、跨业务 条线的数据整合 √ 将数据转变为可 理解的信息
IT部门与业务部门在数据分析工 作中都有着各自的优势方面，只有紧 密合作、相互依赖、联合创新，才能 实现从数据到价值的高效转化。
洞 察 力 信 息 安 全
大 数 据 安 全 策 略
一、围绕大数据生命周期进行部署，在 数据的产生、传输、存储和使用的各个环节采 取安全措施。 二、在数据存储、数据访问、数据传输和 数据销毁等多个环节做好数据安全控制，提高 安全意识，出台相关制度规范和具体措施。
现阶段大数据应用存在的一些问题
√ 知识积累尚在起步阶段，应用场景有待开发
•
•
传统统计算法
新算法的应用 用户
精准营销——大数据探索之小微客户群体潜在挖掘
模型总体建设思路
5大潜在客户识别规则
客户生命周期管理 客户发展主题分析
业务精确营销 渠道交叉销售
综合解决方案 忠诚度计划
流失预警 沉默客户激活 流失赢回
营销 管理
银行
新客户培养
潜在客户定位
客户生命周期 客户获取
储蓄 投资理财
1wenku.baidu.com
整合型数据仓库
Teradata
4
统计分析环境
仓库维护
数
• 高价值数据 高效处理的数据 • •
整合的数据 稳定的数据
源数据提供者
据 源
•
数据处理专家
2 大数据平台
Hadoop
3
数据探索平台
Aster
业务分析人员
数据科学家
• • •
非结构化数据 海量历史数据 暂未定义数据 • • 跨平台的探索 跨结构的探索