隨著互聯(lián)網(wǎng)新金融模式的興起，傳統(tǒng)的銀行金融業(yè)面臨著諸多挑戰(zhàn)。而大數(shù)據(jù)技術的發(fā)展和廣泛應用，無疑是提供了一座極具價值的“金礦”，借助大數(shù)據(jù)技術，將分散在金融企業(yè)服務網(wǎng)絡與IT系統(tǒng)中的海量信息與基于業(yè)務驅動的外部數(shù)據(jù)源融合，并結合金融行業(yè)的特點，以金融業(yè)務為核心，提升客戶體驗和客戶價值、優(yōu)化運營流程、預測營銷效果、提升經(jīng)營管理水平。

背景

金融企業(yè)是大數(shù)據(jù)的先行者，早在“大數(shù)據(jù)”一詞興起之前，金融行業(yè)的數(shù)據(jù)量和對數(shù)據(jù)的應用探索就早已經(jīng)“大數(shù)據(jù)”了。而今大數(shù)據(jù)技術和應用日趨深入，大數(shù)據(jù)理念漸入人心，金融機構在保有原有數(shù)據(jù)技術能力的同時，通過內(nèi)部傳統(tǒng)數(shù)據(jù)和外部信息源的有效融合，能夠在金融企業(yè)內(nèi)部的客戶管理、產(chǎn)品管理、營銷管理、系統(tǒng)管理、風險管理、內(nèi)部管理及優(yōu)化等諸多方面得到有效提升(如下圖所示)。接下來筆者介紹幾種大數(shù)據(jù)的典型應用方向。

構建360度全景客戶視圖

對于金融企業(yè)而言，客戶畫像應用主要分為個人客戶畫像和企業(yè)客戶畫像兩個應用方向。個人客戶畫像包括人口統(tǒng)計學特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風險偏好等;企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運營、財務、銷售和客戶數(shù)據(jù)、相關產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。

傳統(tǒng)的客戶畫像重點在于建立統(tǒng)一客戶視圖，將以業(yè)務為核心的IT系統(tǒng)數(shù)據(jù)整合，主要覆蓋交易、服務、風險、權益等業(yè)務相關層面的數(shù)據(jù)。然而值得注意的是，金融企業(yè)擁有的客戶等相關信息分散且不全面，分散是指金融企業(yè)內(nèi)部數(shù)據(jù)往往分散在各個業(yè)務系統(tǒng)，彼此之間相互獨立，又各有關聯(lián)，整合難度大;不全面是指客戶數(shù)據(jù)往往是由金融企業(yè)自己建立的、圍繞金融交易展開的數(shù)據(jù)，因此僅僅基于企業(yè)內(nèi)部擁有的數(shù)據(jù)往往難以得出理想的結果。

比如依照銀行傳統(tǒng)的分析，某位持卡4年的信用卡持卡人，月均刷卡次數(shù)以及消費穩(wěn)定，極少打客服電話，應該是一位滿意度較高流失風險較低的客戶。但該客戶卻經(jīng)常在社交網(wǎng)站、微博和微信上抱怨該行信用卡使用不便，合作商戶優(yōu)惠少，并且其工資卡和信用卡不在同一家銀行，還款不方便，準備近期重新辦理一張工資卡所在銀行信用卡，所以該持卡人流失風險較高，需要立刻進行相關保留客戶措施。所以金融機構不僅需要綜合分析自身內(nèi)部業(yè)務系統(tǒng)所采集到的數(shù)據(jù)，更應整合外部更多的數(shù)據(jù)，以擴展對客戶的了解。

應用大數(shù)據(jù)技術進行數(shù)據(jù)整合和拓展分為兩種形式，其一是內(nèi)部拓展，將以前難以處理的半結構化和非結構化的票據(jù)影像、客服中心語音疾苦、訪談記錄等內(nèi)部數(shù)據(jù)進行結構化解析;其二是結合銀行自身的業(yè)務特征，引入與業(yè)務高度相關的外部數(shù)據(jù)源。通過整合和分析全面的客戶數(shù)據(jù)，將社交數(shù)據(jù)和金融企業(yè)內(nèi)部數(shù)據(jù)有機融合，可以更加清晰真實的還原客戶全景視圖，使得銀行更加了解客戶。對于行為信息的撲捉，為精準營銷、精準服務都創(chuàng)造了可能性。

構建更全面的信用評價體系

風險控制一直是金融行業(yè)的核心痛點，也是金融企業(yè)的核心競爭力，而信用評價體系的完善可以有效幫助金融企業(yè)降低信貸審批成本，并控制信貸風險。絕對不能以單純的貸款標準來去衡量一個客戶能否貸款、能貸到多少款項，而必須融合外部交易信息和深入到行業(yè)中用行業(yè)標準衡量。大數(shù)據(jù)技術從以下三個方面幫助金融機構建立更為高效精準的信用評價體系：

(1)構建完備的信用數(shù)據(jù)平臺：基于企業(yè)傳統(tǒng)數(shù)據(jù)庫豐富的客戶基礎信息、財務及金融交易數(shù)據(jù)的積累，融合從社交媒體、互聯(lián)網(wǎng)金融平臺獲取的客戶信用數(shù)據(jù)，構建全面客戶信用數(shù)據(jù)庫。

(2)融合金融企業(yè)專業(yè)量化的信用模型和基于互聯(lián)網(wǎng)的進貨、銷售、支付清算、物流等交易積累的信用和對企業(yè)的還款能力及還款意愿的評估結論，以及行業(yè)標準還原真實經(jīng)營情況，從而評判信用情況。利用大數(shù)據(jù)技術，對海量客戶信用數(shù)據(jù)進行分析，建立完善的信用評價模型。

(3)應用大數(shù)據(jù)技術進行信用模型的分布式計算部署，快速響應，高效評價，快速放款，實現(xiàn)小微企業(yè)小額貸款和信用產(chǎn)品的批量發(fā)放。

擔保圈分析

擔保圈主要是指多家企業(yè)通過互相擔�；蜻B環(huán)擔保，而形成的以擔保關系為鏈條的特殊利益體。由于擔保圈涉及的債權債務及或有債權債務關系相當復雜和隱蔽，具有“隱蔽性、累積性、不確定性、傳染性”，是金融機構信貸管理的重要工作之一。

金融企業(yè)應用大數(shù)據(jù)分析技術在擔保人、被擔保人、擔保金額、次數(shù)、貸款流向等數(shù)據(jù)的基礎上，通過深層挖掘和建模，構建出擔保關系的網(wǎng)絡，并按照不同擔保形態(tài)進行分析;考察擔保企業(yè)的擔保路徑特征，擔保企業(yè)與擔保企業(yè)之間在整個擔保網(wǎng)絡中的相互影響力;計算不同擔保企業(yè)的風險集中度、擴散度、中介度指標，并以此識別擔保網(wǎng)絡中重點關注的企業(yè);對具體需要關注的擔保企業(yè)進行特征分析等。

最終，達到幫助金融企業(yè)快速準確識別擔保圈，降低風險的目的。

信用卡催收分析

個人信貸業(yè)務筆數(shù)多，單筆金額小的特點決定了應用技術手段在貸后催收管理中的重要作用。目前我國商業(yè)銀行缺乏細分客戶的計量工具，催收時通常根據(jù)逾期時間長短來區(qū)分客戶，導致精細化管理程度不高，無法早期區(qū)分出將要變?yōu)椴涣伎蛻舻母唢L險客戶和可以主動還款的低風險客戶。對前者因沒有采取有效的催收手段，而使之轉變?yōu)椴涣伎蛻�，對后者過度催收，增加了無謂的催收成本。

金融企業(yè)運用大數(shù)據(jù)和機器學習算法，對欠款客戶進行人群聚類并根據(jù)聚類的結果識別騙貸、惡意欠款、惡意透支、盜刷盜用、對交易有疑問拒絕還款、經(jīng)濟狀況惡化無力還貸、遺忘還貸等多種欠款類型;從而準確預測客戶的還款概率和金額，從而進行催收策略評估，最大限度降低催收成本。

金融反欺詐與分析

在互聯(lián)網(wǎng)經(jīng)濟的沖擊下，網(wǎng)上銀行、手機、電商、自助、POS、柜面等渠道經(jīng)常遭遇釣魚網(wǎng)站、木馬病毒、電信詐騙的攻擊，隨著銀行互聯(lián)網(wǎng)化，銀行在開展網(wǎng)絡支付、直銷理財、電商、供應鏈金融、消費信貸、P2P等創(chuàng)新業(yè)務，更是面臨嚴峻挑戰(zhàn)。然而，目前大部分欺詐分析模型都只是在賬戶有了欺詐企圖和嘗試之后才能夠檢測的，潛在的欺詐信號識別往往是比較模糊的。

金融企業(yè)通過收集和凝聚多方位的數(shù)據(jù)源信息形成精準全面的反欺詐信息庫和反欺詐用戶行為畫像，結合大數(shù)據(jù)分析技術和機器學習算法進行欺詐行為路徑的分析和預測，并對欺詐觸發(fā)機制進行有效識別。同時與業(yè)務部門合作，進行反欺詐運營支持，并幫助銀行構建欺詐信息庫。最終，幫助銀行提前預測到欺詐行為的發(fā)生，準確獲得欺詐路徑，極大地減少欺詐造成的損失。

客戶投訴預測與分析

提高客戶滿意度、提升客戶體驗，是金融機構在向“以客戶為中心”轉型過程中的重要目標，而傳統(tǒng)銀行往往只是在收到客戶的投訴之后，嘗試幫客戶解決具體的問題，并沒有意識到在客戶的投訴信息中，包含了大量的客戶偏好、建議和需求信息，可以有效幫助金融機構改進自己的產(chǎn)品和服務。

金融企業(yè)通過采集并整合客戶的投訴、問卷調(diào)查、互聯(lián)網(wǎng)輿情等數(shù)據(jù)，全面挖掘出客戶對產(chǎn)品和銀行的訴求和期望，從而為客戶制定有針對性的服務策略，在后續(xù)和客戶接觸時，提供更符合客戶預期的服務，有效減少客戶投訴，提升客戶滿意度。此外，基于360°用戶統(tǒng)一視圖，客服人員也能全方位了解客戶的基本信息、購買歷史、投訴歷史等，從而可以給客戶推薦更合適的產(chǎn)品，增強客戶體驗。

產(chǎn)品和服務的輿情分析

隨著互聯(lián)網(wǎng)的普及和發(fā)展，金融企業(yè)不僅將越來越多的業(yè)務擴展到了網(wǎng)上，客戶們也越來越多的選擇通過網(wǎng)絡來發(fā)聲，金融企業(yè)的一些負面輿情迅速在網(wǎng)絡平臺進行傳播，可能會給金融業(yè)乃至經(jīng)濟帶來巨大的風險。

金融機構需要借助輿情采集與分析技術，通過大數(shù)據(jù)爬蟲技術，抓取來自社交網(wǎng)站、論壇、貼吧和新聞網(wǎng)站的與金融機構及產(chǎn)品相關的信息，并通過自然語言處理技術和數(shù)據(jù)挖掘算法進行分詞、聚類、特征提取、關聯(lián)分析和情感分析等，找出金融企業(yè)及其產(chǎn)品的市場關注度、評價正負性，以及例如利率、服務、安全性等各個維度的用戶口碑等，尤其是對市場負面輿情的及時追蹤與預警，可以幫助企業(yè)及時發(fā)現(xiàn)并化解危機。同時，金融企業(yè)也可以選擇關注同行業(yè)競爭對手的正負面信息，以作為自身業(yè)務優(yōu)化的借鑒，避免錯過任何商機。

結語

大數(shù)據(jù)在金融領域的應用遠不止于此，隨著大數(shù)據(jù)工具和平臺的不斷優(yōu)化，機器學習等分析技術的不斷普及，大數(shù)據(jù)在金融活動中的各個環(huán)節(jié)的作用也會不斷深入。金融企業(yè)在面對大數(shù)據(jù)的應用課題選擇時，也更應該關注大數(shù)據(jù)對于金融業(yè)務發(fā)展的各個領域的全方位業(yè)務經(jīng)營能力的提升。相信金融行業(yè)依然會在大數(shù)據(jù)的驅動下，深化改革，穩(wěn)步創(chuàng)新。