金融大数据应用案例.pptVIP

**网络社交媒体和移动网络设备产生了丰富的实时化、包含地理位置的用户行为数据，在此环境下，客户行为偏好数据更可能出现在社交网络中**互联网的应用普及使金融信息化程度迅速深化，电子银行、电子交易服务、电子货币与支付服务、在线金融信息服务以及其他通过网络提供的金融产品及服务迅速得到推广扩散，金融业务版图被不断重构。花旗、UBS等银行能够综合客户的资产负债、支付以及流动性状况，对客户行为开展360度环评，提高贷款业务的精准率，降低违约风险。投资银行的交易前台如能有效使用“流分析”(streamanalysis)技术对实时交易行为、市场走向、风险环境进行关键指标的监控预测，就能明显提高业绩表现。信用卡组织和第三方支付服务机构通过对大规模支付交易数据的挖掘分析，可以探查出潜在的支付欺诈和违法行为，有效降低监管合规成本。**美国地区性银行ZionsBancorp(ZION)*第一、市场数据集变得越来越庞大，业务对数据的细分粒度要求越来越高，以满足预测模型、业务预测和交易影响评估的需求。第二、新的监管和合规要求更强调治理和风险汇报，推动了全球性金融机构对更深入和透明的数据分析需求。第三、金融机构不断完善自身的企业风险管理框架，该基于主数据管理策略开发的框架可协助企业提高风险透明度，加强风险的可审性和管理力度。第四、金融服务公司都希望能充分利用各种服务交付渠道(如分公司、网络、移动通信等)的海量客户数据，开发新的预测分析模型，实现对客户消费行为模式进行分析，提高客户转化率。第五、在巴西、中国和印度等后发展中市场，经济和业务增长机会正在超越欧洲和美国，大量投资被投放到本地和云数据处理基础设施中。第六、“大数据”在存储和处理框架两方面的优势将帮助金融服务企业充分掌握业务数据的价值，降低业务成本并发掘新的套利机会。第七、面对“大数据”所带来的不断增加的数据量要求，需要对传统的数据传输工具ETL(提取、转换和加载)流程进行重新设计。第八、大量历史客户支付行为数据的信用风险预测模型正在零售与公司贷款催收中得到大量应用，通过该技术，银行可以通过对不同客户违约和还款资料进行分析，对催收次序进行优化。第九、随着以平板电脑和和智能手机为代表的移动应用和互联网工具的迅速普及，技术基础设施和网络在对不同来源、不同标准数据进行处理、编索和整合方面的压力不断增大。第十、“大数据”推动了对数据处理算法的需求，提出对数据安全和访问控制的重视，并可有效降低对现有系统的影响。***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。EMCGreen-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