1、金融大数据应用案例.ppt

* 版本号：V1.0 金融大数据应用案例 民生银行 署云计算，实现自动化、高能效、虚拟化和标准化的云部署目标； 洞察大数据推动了民生银行的转型与创新； 手机银行等移动应用帮助它们打造了战略产品平台 根据数据智能分析向前台提供服务与反馈，支持实现以客户为中心的服务模式与体验； 整合日益互联互通的各种服务渠道； 建立持续从广泛的来源获取、量度、建模、处理、分析大容量多类型数据的功能； 及时在互联互通的流程、服务、系统间共享数据，并将经过智能分析与加工的数据用于业务决策与支持； 智能化分析和预测客户需求 中信银行信用卡中心 * 大数据 挑战 发卡量增长迅速：2008年发卡约500万张，2010年增加了一倍。 业务数据增长迅速：随着业务的迅猛增长，业务数据规模也线性膨胀。 数据存储、系统维护、数据有效利用都面临巨大压力。 需求 可扩展、高性能的数据仓库解决方案 能够实现业务数据的集中和整合；可以支持多样化和复杂化数据分析提升信用卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。 采用大数据方案后价值体现 实时的商业智能 可以结合实时、历史数据进行全局分析,风险管理部门现在可以每天评估客户的行为，并决定对客户的信用额度在同一天进行调整；原有内部系统、模型整体性能显著提高 秒级营销 Greenplum数据仓库解决方案提供了统一的客户视图，更有针对的进行营销。2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，每个营销活动配置平均时间从2周缩短到2-3天。 EMC Green-plum 建设银行 阿里信贷 面向阿里巴巴普通会员全面放开，不用提交任何担保、抵押，只需凭借企业的信用资源就可以“微贷” “微贷”通过网络低成本广泛采集客户的各类数据信息，分析挖掘的数据，判断客户资质，用户可以24小时随用随借、随借随还 善融商务平台上的每一笔交易，建行都有记录并且能鉴别真伪，可作为客户授信评级的重要依据 对消费者购买行为的分析，比如点击量、跨店铺点击，订单流转量甚至聊天信息的收集和分析 未来互联网金融模式下资源配置的特点是：资金供需信息直接在网上发布并匹配，供需双方甚至不需银行、券商或交易所等中介，直接匹配完成信评级的重要依据 互联网银行模式—建行 光大银行—行动 打通社会化大数据库，期待社会化数据内外通达 如何把品牌价值透过网络杂音直击目标客户，并及时发现客户的需求做好精准服务是考验自身技术段位的 如果把银行内部的客户号和新浪的微博号挂接起来，在一定程度上就可以做群体营销了。 外部数据引入的动作很关键，把微博、QQ、邮箱等社交化的、能很快找到客户的方式能通达起来。跟传统的数据存储放一起，同等对待，建立一个更加立体丰富的数据库。 基本信息、爱好信息、行为信息、分析信息 互联网金融模式 新浪微博开发平台上做了一个缴费应用——“V缴费” 光大银行—思考 银行大数据包括非结构化数据、结构化数据和敏捷数据 系统日志数据 GIS地理信息数据 在线交易数据 前瞻性的应用 客户营销：在线营销方案 微博营销：把微博上用户跟我们光大银行用户相匹配，采用中文分析引擎 客户行为分析，包括电话语音、网络的监控录像：客户走动线路的重叠分析 风险控制与管理：结构化非结构化数据整合，分析系统存在IT风险或者钓鱼网站防欺诈 互联网银行模式—交行 阿里金融 现状 中国将近4200万小微企业，占企业总数的的97.3% 由于分布零散、业务不规范、盈利不明朗、信 贷时间长、信用难以构建等现状，使得小微企业的贷款相当困难 大数据与小而美的金融信贷 完全是构建在互联网的基础 通过数据分析，以自主服务模式为主的、面对小微企业的信贷工厂 24小时开放、随时申请、随时审批、随时发放的纯互联网的小额信贷服务 ODPS Open Data Processing Service，阿里云开放数据处理服务 来自淘宝、天猫、 B2B、支付宝的交易数据、日志、聊天记录以及评价等各个方面的数据 经过确定的调度、系统监控、数据分析、算法优化等流程，最终形成了310模式 其他应用—思考 自下而上的风险分析。分析ACH交易、信贷支付交易，以获取反映压力、违约或积极发展机会。 业务联系和欺诈分析。为业务交易引入信用卡和借记卡数据，以辨别欺诈交易。 跨帐户参考分析。分析ACH交易的文本材料（工资存款、资产购买），以发现更多营销机会。 事件式营销。将改变生活的事件（换工作、改变婚姻状况、置房等）视为营销机会。 交易对手网络风险分析。了解证券和交易对手问的风险概况和联系。 消费智能。 摩根大通 已经开始使用Hadoop技术以满足日益增多的用途，包括诈骗检验、IT风险管理和自助服务 150PB在线存储数据、30,000个数据库和35亿个用户登录账号 Hadoop能够存储大量非结构