用戶畫像大數(shù)據(jù)分析平臺解決方案

1、用戶畫像大數(shù)據(jù)分析平臺解決方案集中展現(xiàn)數(shù)據(jù)整合萬物互聯(lián)人工智能云計(jì)算智能分析數(shù)據(jù)分析數(shù)據(jù)應(yīng)用智能預(yù)警虛擬現(xiàn)實(shí)大數(shù)據(jù)01 案例介紹通過駕駛行為數(shù)據(jù)，構(gòu)建精準(zhǔn)的車險(xiǎn)用戶畫像，進(jìn)一步提高業(yè)務(wù)效率和獲客能力。性別年齡國籍地理位置開車地點(diǎn)職業(yè)駕照類別開車頻率開車原因健庩?duì)顩r醫(yī)療條件感知力學(xué)習(xí)周期消費(fèi)習(xí)慣民族特征教育水平婚姻狀態(tài)共用車輛情況生活方式使用藥物情況酒駕經(jīng)歷疲勞駕駛收入情況碰撞事故車輛維修犯罪記錄違章駕駛記錄 駕駛時(shí)間通過對用戶不同維度的大數(shù)據(jù)分析，最終得出可執(zhí)行的業(yè)務(wù)決策?；緦傩孕袨榱?xí)慣購買 能力心理 特征社交 網(wǎng)絡(luò)興趌 愛好用戶畫像案例介紹某保險(xiǎn)公司用戶畫像某保險(xiǎn)公司用戶畫像獲益數(shù)據(jù)用戶畫

2、像產(chǎn)品匹配精準(zhǔn)營銷公司收益1、保險(xiǎn)公司CRM系統(tǒng)數(shù)據(jù)2、保單數(shù)據(jù)3、出險(xiǎn)數(shù)據(jù)1、數(shù)據(jù)標(biāo)注2、多維建模3、全景畫像1、保險(xiǎn)產(chǎn)品明細(xì)匹配2、總價(jià)個(gè)性化組合推薦3、產(chǎn)品優(yōu)惠度與成交底線預(yù)測1、商業(yè)險(xiǎn)產(chǎn)品推薦成功率提高50%2、用戶滿意度增加20%3、平均成單溝通次數(shù)比原來減少了0.5次1、產(chǎn)品銷售成本總體下降20%2、銷售額總體增加14%3、總體毛利提升了40%用戶畫像案例介紹某證券公司用戶畫像對證券公司平臺用戶進(jìn)行個(gè)性化營銷開戶促銷產(chǎn)品促銷數(shù)據(jù)集：百萬級別的證券用戶數(shù)據(jù)解決方案：基于上下文的證券用戶畫像識別“薅羊毛”用戶對真實(shí)用戶進(jìn)行大力度促銷營銷效果：有效防止了“薅羊毛”用戶的出現(xiàn)（防止開戶返利

3、過程的無效用戶）針對不同用戶產(chǎn)品推薦交易的成功率提升了50%（基金、理財(cái)產(chǎn)品的推薦交易成功率提升了50%）提升了總體整體銷售收入增加20%數(shù)據(jù)用戶畫像用戶識別產(chǎn)品促銷用戶質(zhì)量提升02 大數(shù)據(jù)平臺介紹1234數(shù)據(jù)量Volume多樣性Variety價(jià)值密度Value速度Velocity從非結(jié)構(gòu)化數(shù)據(jù)的超大規(guī)模和增長，比結(jié)構(gòu)化數(shù)據(jù)增長快10倍到50倍，是傳統(tǒng)數(shù)據(jù)倉庫的10倍到50倍，總數(shù)據(jù)量的8090%大數(shù)據(jù)的異構(gòu)和多樣性，多種形式（文本、圖像、視頻、機(jī)器數(shù)據(jù)），無模式或者模式不明顯，不連貫的語法或句義大量的不相關(guān)信息對未來趨勢與模式的可預(yù)測分析，深度復(fù)雜分析，機(jī)器學(xué)習(xí)、人工智能Vs傳統(tǒng)商務(wù)智能(咨

4、詢、報(bào)告等）實(shí)時(shí)分析而非批量式分析，數(shù)據(jù)輸入、處理與丟棄，立竿見影而非事后見效豐富的數(shù)據(jù)來源，來自web、內(nèi)部網(wǎng)路、傳感器、其他智能終端。多樣化的數(shù)據(jù)格式，結(jié)構(gòu)化數(shù)據(jù)、文字、圖片、視頻、xml、html、json。處理速度快，并發(fā)量大，實(shí)時(shí)定位數(shù)據(jù)、工業(yè)采集數(shù)據(jù)。數(shù)據(jù)量大，Web數(shù)據(jù)，內(nèi)部信息系統(tǒng)數(shù)據(jù)，物聯(lián)網(wǎng)數(shù)據(jù)。海量高速數(shù)據(jù)時(shí)代的來臨大數(shù)據(jù)建設(shè)中常見的問題平臺層開源平臺組件使用困難。開源平臺組件整合困難。單一組件功能缺失和性能丟失問題數(shù)據(jù)采集層數(shù)據(jù)來源的多樣性數(shù)據(jù)類型的復(fù)雜性數(shù)據(jù)特征的多元化數(shù)據(jù)處理方法的差異化組織內(nèi)部數(shù)據(jù)的分散性數(shù)據(jù)共享機(jī)制的缺乏數(shù)據(jù)分析層數(shù)據(jù)建模困難數(shù)據(jù)特征抽取困難數(shù)據(jù)標(biāo)

5、簽獲取困難業(yè)務(wù)分析目標(biāo)不明確找不到數(shù)據(jù)價(jià)值點(diǎn)數(shù)據(jù)展現(xiàn)層針對不同用戶的個(gè)性化展現(xiàn)困難。數(shù)據(jù)實(shí)時(shí)交互困難。大數(shù)據(jù)平臺：構(gòu)建新一代金融數(shù)據(jù)倉庫實(shí)時(shí)數(shù)據(jù)現(xiàn)有業(yè)務(wù)系統(tǒng)半/非結(jié)構(gòu)化數(shù)據(jù)ERPCRMHR財(cái)務(wù).KafkaETL調(diào)度解析/上傳貼源數(shù)據(jù)區(qū)明細(xì)數(shù)據(jù)區(qū)輕度匯總區(qū)主題數(shù)據(jù)區(qū)數(shù)據(jù)質(zhì)量管理元數(shù)據(jù)管理任務(wù)調(diào)度管理結(jié)構(gòu)化數(shù)據(jù)倉庫區(qū)非結(jié)構(gòu)化數(shù)據(jù)區(qū)日志處理文本分析圖像存儲全文檢索實(shí)時(shí)決策離線處理自助分析數(shù)據(jù)探索統(tǒng)一檢索流式數(shù)據(jù)實(shí)時(shí)研判數(shù)據(jù)加工主題模型自助報(bào)表交互探索統(tǒng)計(jì)預(yù)測模型發(fā)現(xiàn)明細(xì)查詢?nèi)臋z索實(shí)時(shí)推薦實(shí)時(shí)預(yù)警實(shí)時(shí)研判報(bào)表業(yè)務(wù)審計(jì)業(yè)務(wù)傳統(tǒng)數(shù)倉數(shù)據(jù)集市自助分析自助報(bào)表模型實(shí)驗(yàn)用戶畫像客戶分析數(shù)據(jù)查詢?nèi)臋z索數(shù)據(jù)融合

6、數(shù)據(jù)加工數(shù)據(jù)治理數(shù)據(jù)集市數(shù)據(jù)可視化大數(shù)據(jù)平臺：從原始數(shù)據(jù)到數(shù)據(jù)集市多源匯聚清洗轉(zhuǎn)化數(shù)據(jù)建模/數(shù)據(jù)地圖主題數(shù)據(jù)/多維分析數(shù)據(jù)自由展現(xiàn)大數(shù)據(jù)平臺：價(jià)值點(diǎn)平臺整合價(jià)值低延時(shí)實(shí)時(shí)計(jì)算基于容器云技術(shù)的部署很好的SQL支持03 金融大數(shù)據(jù)方案歷史數(shù)據(jù)查詢數(shù)據(jù)交換平臺應(yīng)用集市數(shù)據(jù)區(qū)網(wǎng)貸之家網(wǎng)貸天眼供應(yīng)商系統(tǒng)資金核算系統(tǒng)系統(tǒng)企業(yè)內(nèi)外部半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)大數(shù)據(jù)交換組件數(shù)據(jù)庫數(shù)據(jù)交換組件數(shù)據(jù)區(qū)數(shù)據(jù)交換組件數(shù)據(jù)計(jì)算層大數(shù)據(jù)區(qū)沙盤演練數(shù)據(jù)區(qū)數(shù)據(jù)應(yīng)用層實(shí)時(shí)數(shù)據(jù)區(qū)客戶主題協(xié)議主題產(chǎn)品主題業(yè)務(wù)沙盤演練數(shù)據(jù)增值產(chǎn)品 網(wǎng)售數(shù)據(jù)供應(yīng)鏈數(shù)據(jù)增值產(chǎn)品數(shù)據(jù)區(qū)主題數(shù)據(jù)區(qū) 用戶訪問層客戶匯總賬戶匯總機(jī)構(gòu)匯總 社交媒體用戶行為用戶評價(jià)訪

7、問日志處理后大數(shù)據(jù)待處理大數(shù)據(jù)流程調(diào)度監(jiān)控告警數(shù)據(jù)標(biāo)準(zhǔn)數(shù)據(jù)質(zhì)量元數(shù)據(jù)數(shù)據(jù)安全流程調(diào)度平臺數(shù)據(jù)管控平臺流程調(diào)度層數(shù)據(jù)管控層數(shù)據(jù)產(chǎn)生層數(shù)據(jù)交換層實(shí)時(shí)數(shù)據(jù)查詢客戶管理財(cái)務(wù)管理外部用戶貼源數(shù)據(jù)區(qū)內(nèi)部管理分析內(nèi)部用戶歷史歸檔數(shù)據(jù)區(qū)IT人員風(fēng)險(xiǎn)管理金融大數(shù)據(jù)平臺總體架構(gòu)第一方數(shù)據(jù)實(shí)時(shí)用戶行為采集內(nèi)容：網(wǎng)貸之家、網(wǎng)貸天眼等業(yè)務(wù)系統(tǒng)數(shù)據(jù)數(shù)據(jù)格式：關(guān)系型數(shù)據(jù)庫獨(dú)特優(yōu)勢：靈活、易擴(kuò)展、高操控性業(yè)務(wù)系統(tǒng)數(shù)據(jù)采集內(nèi)容：用戶行為軌跡數(shù)據(jù)格式：自定義、高度靈活獨(dú)特優(yōu)勢：實(shí)時(shí)、跨站、跨瀏覽器、跨設(shè)備、采集內(nèi)容：Txt、CSV、Excel、XML、Word、PDF、Socket獨(dú)特優(yōu)勢：支持非結(jié)構(gòu)化數(shù)據(jù)、實(shí)時(shí)、高效日志數(shù)據(jù)抓

8、取內(nèi)容：媒體資訊、貼吧、微博、搜索引擎、數(shù)據(jù)格式：將HTML轉(zhuǎn)換為格式化數(shù)據(jù)（Json）獨(dú)特優(yōu)勢：精確的流量控制、JS引擎、模擬登錄、模擬用戶行為、功能全面、操作簡單數(shù)據(jù)探頭系統(tǒng)數(shù)據(jù)橋接系統(tǒng)日志收集系統(tǒng)抓取系統(tǒng)互聯(lián)網(wǎng)開放數(shù)據(jù)采集內(nèi)容：央行征信、銀聯(lián)交易等合作方數(shù)據(jù)數(shù)據(jù)格式：可支持各種第二方數(shù)據(jù)格式獨(dú)特優(yōu)勢：支持多種數(shù)據(jù)格式，按需采集，靈活、易擴(kuò)展SDK/API/接口合作方數(shù)據(jù)第二方數(shù)據(jù)第三方數(shù)據(jù)大數(shù)據(jù)平臺金融海量數(shù)據(jù)匯聚構(gòu)建標(biāo)簽、劃分主題與粒度一級分類二級分類三級分類四級分類人口屬性產(chǎn)品特征營銷特征興趣愛好購物偏好需求特征基本信息地理位置性格信息持有產(chǎn)品變化趨勢廣告敏感度風(fēng)險(xiǎn)偏好閱讀興趣運(yùn)動(dòng)興

9、趣社交興趣購物行為偏好便利性偏好關(guān)系偏好當(dāng)前需求潛在需求18-25；26-35；45+男；女；中性高凈值北京CBD東單喜歡新鮮事物，沖動(dòng)購物雙子X1 Carbon10000N/A信用卡月交易次數(shù)130每月25-28日為交易高峰近一年交易金額增長150%價(jià)格極端不敏感奢侈品、創(chuàng)意品牌0.5%收益范圍內(nèi)不敏感信用良好穩(wěn)健性紙質(zhì)書旅游/數(shù)據(jù)分析8本、10本瑜伽、滑雪CBD商圈、萬龍八易滑雪場喜好熟人社交金融圈、咨詢?nèi)?、四大化妝品、服裝、鞋手機(jī)APP用戶體驗(yàn)要求高服務(wù)屬性要求高對固定產(chǎn)品忠誠度高海島旅游、星巴克、美甲智能手機(jī)換代家政服務(wù)、柯南周邊產(chǎn)品攝影相機(jī)年齡性別用戶綜合價(jià)值居住城市活躍區(qū)域工作地點(diǎn)

10、性格星座產(chǎn)品種類產(chǎn)品金額資產(chǎn)負(fù)債率交易頻率月變化趨勢價(jià)格敏感度品牌敏感度收益敏感度風(fēng)險(xiǎn)屬性風(fēng)險(xiǎn)接受度材質(zhì)屬性閱讀品類月均閱讀書籍?dāng)?shù)量運(yùn)動(dòng)類別運(yùn)動(dòng)地點(diǎn)社交屬性活躍圈子產(chǎn)品偏好渠道偏好便利性導(dǎo)向服務(wù)屬性回頭率當(dāng)前非數(shù)碼產(chǎn)品需求當(dāng)前數(shù)碼產(chǎn)品需求潛在非數(shù)碼產(chǎn)品需求潛在數(shù)碼產(chǎn)品需求相似度計(jì)算推薦算法文本挖掘算法分類聚類算法預(yù)測算法商業(yè)建模分析客戶細(xì)分模型客戶價(jià)值模型忠誠度模型受眾群體擴(kuò)散模型社交網(wǎng)絡(luò)模型歸因模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)客戶挽回戰(zhàn)略 & 規(guī)劃明確并聚焦目標(biāo)分析 & 洞察全方位深入分析應(yīng)用 & 營銷 & 交互多渠道協(xié)同， 數(shù)據(jù)應(yīng)用客戶體驗(yàn)建設(shè)可靠信任關(guān)系DATADATADATADATADAT

11、ADATADATADATA數(shù)據(jù)整合用戶畫像數(shù)據(jù)分析客戶細(xì)分模型客戶價(jià)值模型忠誠度模型受眾群體擴(kuò)展模型社會網(wǎng)絡(luò)模型客戶獲取客戶轉(zhuǎn)化客戶服務(wù)數(shù)據(jù)應(yīng)用業(yè)務(wù)轉(zhuǎn)型大數(shù)據(jù)技術(shù)與平臺支撐大數(shù)據(jù)分析技術(shù)和工具網(wǎng)貸客戶分析模型不斷優(yōu)化的管理閉環(huán)外部數(shù)據(jù)內(nèi)部數(shù)據(jù)數(shù)據(jù)模型業(yè)務(wù)應(yīng)用用戶行為偏好數(shù)據(jù)匹配DATA金融營銷大數(shù)據(jù)閉環(huán)應(yīng)用金融大數(shù)據(jù)-用戶畫像架構(gòu)客戶收入支出信息客戶渠道使用客戶資金往來.客戶基本信息客戶持有產(chǎn)品客戶歷史交易客戶風(fēng)險(xiǎn)等級事實(shí)標(biāo)簽用戶畫像標(biāo)簽原始數(shù)據(jù)預(yù)測標(biāo)簽?zāi)Ｐ蜆?biāo)簽資金往來趨勢產(chǎn)品購買次數(shù)投訴次數(shù).人口屬性賬戶歷史趨勢渠道使用頻率.用戶關(guān)聯(lián)關(guān)系用戶滿意度用戶風(fēng)險(xiǎn)評分.產(chǎn)品購買偏好渠道使用偏好用戶活躍度.消費(fèi)能力違約概率用戶近期需求.人口屬性人群屬性用戶流失概率.人口屬性用戶價(jià)值用戶興趣愛好.模型預(yù)測建模分析統(tǒng)計(jì)分析金融大數(shù)據(jù)-用戶畫像結(jié)果客戶全景視圖交易信息基于現(xiàn)有各個(gè)業(yè)務(wù)系統(tǒng)和渠道產(chǎn)生的數(shù)據(jù)客戶行為偏好信息包含客戶即時(shí)偏好分析和長