智慧银行大数据治理平台建设方案

理风险。
建议：多走访银行风控体系，看看是否新的突破点
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
大数据治理意义、作用和价值
意义
• 是构建完善、共享、统一管理数据环境的基本保障和重要组成部分 • 是把数据作为资产来管理的有效手段
互联网+大数据征信：广泛、多维、实时
人群覆盖广泛 活动时间
信息广谱多维 活动时间
数据实时鲜活 活动时间
6.48亿网民，互联 网征信数据可作为补 充
. 传统数据+生活类数 据+互联网数据 . 上万个变量
. 实时互动 . 线上与线下融合 . 生活化、具象化
运用大数据征信模型全面刻画信用
大数据
接入大量外部广谱数据
数据架构
数据源
内部数据 业务系统 数据结构化转换 数据交换平台 大数据分析计算 分布式数据库 分布式文件系统 外部数据 互联网 贴源层
数据平台
整合层 汇总层 基础 数据 平台
数据服务 数据集市
数据应用
统计 报表
大数据征信模型
运用大数据征信模型全面刻画信用
渗透生活方方面面的信用
大数据征信
银行 大数据风控平台 征信大数据
银行大数据应用架构远景
风险评级
客户统一视图 客户关系视图
风险监测
风险管理团队
总行应用系统 全局市场调查
大中企业数据
全局客户需求分析 营销活动跟踪、评测
产品设计&营 销策划团队
分行特色系统 小微金融市场调查
作用
• 确定了一系列岗位角色和相应的责任及管理流程 • 保证了业务数据在采集、集中、转换、存储、应用整个过程中的完整性、准确性、一致性和时效性
价值
• 企业进行大数据治理的最大驱动力来自数据质量，通过提高数据质量实现更多的业务价值 • 将实现业务目标作为数据管理和服务的核心驱动力，优化数据架构，提升数据仓库/信息化管理系统建 设，支持管理能力的提高、精细化和决策的科学性
移动数据
软件系统
购买画像
受众的购物记录
网站数据
Hale Waihona Puke Baidu
社交画像
使用SNS情况
浏览画像
流量数据
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
精准营销
基于用户的应用，精准营销
站内参数 站外参数 ID参数 其他参数
收集数据
浏览内容 购物车/收藏 推广互动 URL访问 年龄 性别 ID 关 联 访问路径 商品/服务价格 关键词 来源去向 学历 地域/位置
管理数据
支付问答
订单/退换货
访问频次
移动应用使用
收入
兴趣
智能评分
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
技术变革推动征信业发展
征信背景
征信最早起源于消费分期，需要对消费者进行信用评估，但当时更 多的是通过口碑积累的定性判断，没有定量描述。进入电子化时代 后，数据得到了沉淀和积累，我们开始使用数据统计模型来计算和 评估信用，这极大地推动了行业快速向前发展。
技术变革一直推动着征信业的发展
征信发展
在今天的互联网时代，数据承载量非常大，任何数据都可以成为信 用的一部分，即我们可以利用数据与信用的关联度，深层次挖掘信 用数据。人工智能算法模型不止是对过去的统计，也包括对未来的 预测，它可以帮助我们更好地刻画违约概率和信用状况。
小微企业数据
小微客户需求分析 小微金融服务
互联网数据采集
小微企业客户经理
社区特点市场调查
社区居民数据
社区金融需求分析 社区金融服务
社区客户经理
合作企业系统 农村金融市场调查
农户数据
农村金融需求分析 农村金融服务
合作企业数据
大数据平台
郊远客户经理
9
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。
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
大数据治理框架
数据战略
数据应用与服务 促进
数据服务管理 数据需求管理 数据服务 应用系统建设
实现
数据管理
数据架构 与 模型管理 数据标准 管理 元数据 管理 数据质量 管理 主数据 管理 数据保留 与归档 管理 数据安全 管理 内容管 理
支撑
支撑
保障机制
数据战略与规划 数据组织与职责 数据制度与管理流程
智慧银行大数据治理平台建设方案
大数据治理概述 某行数据现状及问题
目录
大数据治理阶段目标
成效和特点 数据管理系统建设情况
第一 部分
大数据治理概述
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。
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。
客户画像
基本画像
基本人口属性
CRM
POI画像
基于兴趣的地理位置
成交数据
ID画像
各类登录帐号