大數(shù)據(jù)在金融行業(yè)的應(yīng)用

大數(shù)據(jù)在金融行業(yè)的應(yīng)用2014-11-0515:44原創(chuàng)傅志華【編者按】本文作者傅志華先生（公眾號：傅志華）曾為\o"騰訊"騰訊社交網(wǎng)絡(luò)事業(yè)群數(shù)據(jù)中心總監(jiān)以及騰訊公司數(shù)據(jù)協(xié)會會長。在騰訊前，曾就職于艾瑞市場咨詢、易觀國際、中國互聯(lián)網(wǎng)協(xié)會，并任DCCI互聯(lián)網(wǎng)數(shù)據(jù)中心副總裁。數(shù)據(jù)顯示，中國大數(shù)據(jù)IT應(yīng)用投資規(guī)模以五大行業(yè)最高，其中以互聯(lián)網(wǎng)行業(yè)占比最高，占大數(shù)據(jù)IT應(yīng)用投資規(guī)模的28.9%，其次是電信領(lǐng)域（19.9%），第三為金融領(lǐng)域（17.5%），政府和醫(yī)療分別為第四和第五。根據(jù)國際知名咨詢公司麥肯錫的報告顯示：在大數(shù)據(jù)應(yīng)用綜合價值潛力方面，信息技術(shù)、金融保險、政府及批發(fā)貿(mào)易四大行業(yè)潛力最高高。具體到行業(yè)內(nèi)每家公司的數(shù)據(jù)量來看，信息、金融保險、計算機(jī)及電子設(shè)備、公用事業(yè)四類的數(shù)據(jù)量最大。不同行業(yè)應(yīng)用大數(shù)據(jù)技術(shù)潛在價值評估數(shù)據(jù)來源：麥肯錫《大數(shù)據(jù)的下一個前沿：創(chuàng)新、競爭和生產(chǎn)力》報告可以看出，無論是投資規(guī)模和應(yīng)用潛力，信息行業(yè)（互聯(lián)網(wǎng)和電信）和金融行業(yè)都是大數(shù)據(jù)應(yīng)用的重點行業(yè)。由于上一篇《BAT互聯(lián)網(wǎng)企業(yè)大數(shù)據(jù)應(yīng)用》（關(guān)注\o"微信"微信公眾號：傅志華，即可通過歷史文章查閱）已經(jīng)重點介紹了互聯(lián)網(wǎng)行業(yè)的大數(shù)據(jù)應(yīng)用情況，本文將講點介紹行金融行業(yè)大數(shù)據(jù)應(yīng)用情況，下一篇文章將重點介紹電信行業(yè)的大數(shù)據(jù)應(yīng)用情況。

金融行業(yè)大數(shù)據(jù)應(yīng)用投資分布從投資結(jié)構(gòu)上來看，銀行將會成為金融類企業(yè)中的重要部分，證券和保險分列第二和第三位。接下來，我們將分別介紹銀行、保險和證券行業(yè)的大數(shù)據(jù)應(yīng)用情況。Part1銀行大數(shù)據(jù)應(yīng)用國內(nèi)不少銀行已經(jīng)開始嘗試通過大數(shù)據(jù)來驅(qū)動業(yè)務(wù)運營，如中信銀行信用卡中心使用大數(shù)據(jù)技術(shù)實現(xiàn)了實時營銷，光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫，招商銀行則利用大數(shù)據(jù)發(fā)展小微貸款。總的來看銀行大數(shù)據(jù)應(yīng)用可以分為四大方面：第一方面：客戶畫像應(yīng)用?？蛻舢嬒駪?yīng)用主要分為個人客戶畫像和企業(yè)客戶畫像。個人客戶畫像包括人口統(tǒng)計學(xué)特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)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(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。值得注意的是，銀行擁有的客戶信息并不全面，基于銀行自身擁有的數(shù)據(jù)有時候難以得出理想的結(jié)果甚至可能得出錯誤的結(jié)論。比如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風(fēng)險較低的客戶。但如果看到該客戶的微博，得到的真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風(fēng)險較高。所以銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴(kuò)展對客戶的了解。包括：（1）客戶在社交媒體上的行為數(shù)據(jù)（如光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫）。通過打通銀行內(nèi)部數(shù)據(jù)和外部社會化的數(shù)據(jù)可以獲得更為完整的客戶拼圖，從而進(jìn)行更為精準(zhǔn)的營銷和管理；（2）客戶在電商網(wǎng)站的交易數(shù)據(jù)，如建設(shè)銀行則將自己的電子商務(wù)平臺和信貸業(yè)務(wù)結(jié)合起來，阿里金融為\o"阿里巴巴"阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可；（3）企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)。如果銀行掌握了企業(yè)所在的產(chǎn)業(yè)鏈上下游的數(shù)據(jù)，可以更好掌握企業(yè)的外部環(huán)境發(fā)展情況，從而可以預(yù)測企業(yè)未來的狀況；（4）其他有利于擴(kuò)展銀行對客戶興趣愛好的數(shù)據(jù)，如網(wǎng)絡(luò)廣告界目前正在興起的DMP數(shù)據(jù)平臺的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)。第二方面：精準(zhǔn)營銷。在客戶畫像的基礎(chǔ)上銀行可以有效的開展精準(zhǔn)營銷，包括：（1）實時營銷。實時營銷是根據(jù)客戶的實時狀態(tài)來進(jìn)行營銷，比如客戶當(dāng)時的所在地、客戶最近一次消費等信息來有針對地進(jìn)行營銷（某客戶采用信用卡采購孕婦用品，可以通過建模推測懷孕的概率并推薦孕婦類喜歡的業(yè)務(wù)）；或者將改變生活狀態(tài)的事件（換工作、改變婚姻狀況、置居等）視為營銷機(jī)會；（2）交叉營銷。即不同業(yè)務(wù)或產(chǎn)品的交叉推薦，如招商銀行可以根據(jù)客戶交易記錄分析，有效地識別小微企業(yè)客戶，然后用遠(yuǎn)程銀行來實施交叉銷售；（3）個性化推薦。銀行可以根據(jù)客戶的喜歡進(jìn)行服務(wù)或者銀行產(chǎn)品的個性化推薦，如根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財偏好等，對客戶群進(jìn)行精準(zhǔn)定位，分析出其潛在金融服務(wù)需求，進(jìn)而有針對性的營銷推廣；（4）客戶生命周期管理?？蛻羯芷诠芾戆ㄐ驴蛻臬@取、客戶防流失和客戶贏回等。如招商銀行通過構(gòu)建客戶流失預(yù)警模型，對流失率等級前20%的客戶發(fā)售高收益理財產(chǎn)品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。第三方面：風(fēng)險管控。包括中小企業(yè)貸款風(fēng)險評估和欺詐交易識別等手段。（1）中小企業(yè)貸款風(fēng)險評估。銀行可通過企業(yè)的產(chǎn)、流通、銷售、財務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進(jìn)行貸款風(fēng)險分析，量化企業(yè)的信用額度，更有效的開展中小企業(yè)貸款。（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式（如轉(zhuǎn)賬）等，結(jié)合智能規(guī)則引擎（如從一個不經(jīng)常出現(xiàn)的國家為一個特有用戶轉(zhuǎn)賬或從一個不熟悉的位置進(jìn)行在線交易）進(jìn)行實時的交易反欺詐分析。如\o"IBM"IBM金融犯罪管理解決方案幫助銀行利用大數(shù)據(jù)有效地預(yù)防與管理金融犯罪，摩根大通銀行則利用大數(shù)據(jù)技術(shù)追蹤盜取客戶賬號或侵入自動柜員機(jī)(ATM)系統(tǒng)的罪犯第四方面：運營優(yōu)化。（1）市場和渠道分析優(yōu)化。通過大數(shù)據(jù)，銀行可以監(jiān)控不同市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進(jìn)行合作渠道的調(diào)整和優(yōu)化。同時，也可以分析哪些渠道更適合推廣哪類銀行產(chǎn)品或者服務(wù)，從而進(jìn)行渠道推廣策略的優(yōu)化。（2）產(chǎn)品和服務(wù)優(yōu)化：銀行可以將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個性特征和風(fēng)險偏好，更深層次地理解客戶的習(xí)慣，智能化分析和預(yù)測客戶需求，從而進(jìn)行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。如興業(yè)銀行目前對大數(shù)據(jù)進(jìn)行初步分析，通過對還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。（3）輿情分析：銀行可以通過爬蟲技術(shù)，抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過自然語言處理技術(shù)進(jìn)行正負(fù)面判斷，尤其是及時掌握銀行以及銀行產(chǎn)品和服務(wù)的負(fù)面信息，及時發(fā)現(xiàn)和處理問題；對于正面信息，可以加以總結(jié)并繼續(xù)強(qiáng)化。同時，銀行也可以抓取同行業(yè)的銀行正負(fù)面信息，及時了解同行做的好的方面，以作為自身業(yè)務(wù)優(yōu)化的借鑒。Part2保險行業(yè)大數(shù)據(jù)應(yīng)用過去，由于保險行業(yè)的代理人的特點，所以在傳統(tǒng)的個人代理渠道，代理人的素質(zhì)及人際關(guān)系網(wǎng)是業(yè)務(wù)開拓的最為關(guān)鍵因素，而大數(shù)據(jù)在在新客戶開發(fā)和維系中的作用就沒那么突出。但隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及大數(shù)據(jù)的發(fā)展，網(wǎng)絡(luò)營銷、移動營銷和個性化的電話銷售的作用將會日趨顯現(xiàn)，越來越多的保險公司注意到大數(shù)據(jù)在保險行業(yè)中的作用?？偟膩碚f，保險行業(yè)的大數(shù)據(jù)應(yīng)用可以分為三大方面：客戶細(xì)分及精細(xì)化營銷、欺詐行為分析和精細(xì)化運營。第一方面：客戶細(xì)分和精細(xì)化營銷（1）客戶細(xì)分和差異化服務(wù)。風(fēng)險偏好是確定保險需求的關(guān)鍵。風(fēng)險喜好者、風(fēng)險中立者和風(fēng)險厭惡者對于保險需求有不同的態(tài)度。一般來講，風(fēng)險厭惡者有更大的保險需求。在客戶細(xì)分的時候，除了風(fēng)險偏好數(shù)據(jù)外，要結(jié)合客戶職業(yè)、愛好、習(xí)慣、家庭結(jié)構(gòu)、消費方式偏好數(shù)據(jù)，利用機(jī)器學(xué)習(xí)算法來對客戶進(jìn)行分類，并針對分類后的客戶提供不同的產(chǎn)品和服務(wù)策略。（2）潛在客戶挖掘及流失用戶預(yù)測。保險公司可通過大數(shù)據(jù)整合客戶線上和線下的相關(guān)行為，通過數(shù)據(jù)挖掘手段對潛在客戶進(jìn)行分類，細(xì)化銷售重點。通過大數(shù)據(jù)進(jìn)行挖掘，綜合考慮客戶的信息、險種信息、既往出險情況、銷售人員信息等，篩選出影響客戶退保或續(xù)期的關(guān)鍵因素，并通過這些因素和建立的模型，對客戶的退保概率或續(xù)期概率進(jìn)行估計，找出高風(fēng)險流失客戶，及時預(yù)警，制定挽留策略，提高保單續(xù)保率。（3）客戶關(guān)聯(lián)銷售。保險公司可以關(guān)聯(lián)規(guī)則找出最佳險種銷售組合、利用時序規(guī)則找出顧客生命周期中購買保險的時間順序，從而把握保戶提高保額的時機(jī)、建立既有保戶再銷售清單與規(guī)則，從而促進(jìn)保單的銷售。除了這些做法以外，借助大數(shù)據(jù)，保險業(yè)可以直接鎖定客戶需求。以淘寶運費退貨險為例。據(jù)統(tǒng)計，淘寶用戶運費險索賠率在50%以上，該產(chǎn)品對保險公司帶來的利潤只有5%左右，但是有很多保險公司都有意愿去提供這種保險。因為客戶購買運費險后保險公司就可以獲得該客戶的個人基本信息，包括手機(jī)號和銀行賬戶信息等，并能夠了解該客戶購買的產(chǎn)品信息，從而實現(xiàn)精準(zhǔn)推送。假設(shè)該客戶購買并退貨的是嬰兒奶粉，我們就可以估計該客戶家里有小孩，可以向其推薦關(guān)于兒童疾病險、教育險等利潤率更高的產(chǎn)品。（4）客戶精準(zhǔn)營銷。在網(wǎng)絡(luò)營銷領(lǐng)域，保險公司可以通過收集互聯(lián)網(wǎng)用戶的各類數(shù)據(jù)，如地域分布等屬性數(shù)據(jù)，搜索關(guān)鍵詞等即時數(shù)據(jù)，購物行為、瀏覽行為等行為數(shù)據(jù)，以及興趣愛好、人脈關(guān)系等社交數(shù)據(jù)，可以在廣告推送中實現(xiàn)地域定向、需求定向、偏好定向、關(guān)系定向等定向方式，實現(xiàn)精準(zhǔn)營銷。第二方面：欺詐行為分析基于企業(yè)內(nèi)外部交易和歷史數(shù)據(jù)，實時或準(zhǔn)實時預(yù)測和分析欺詐等非法行為，包括醫(yī)療保險欺詐與濫用分析以及車險欺詐分析等。（1）醫(yī)療保險欺詐與濫用分析。醫(yī)療保險欺詐與濫用通?？煞譃閮煞N，一是非法騙取保險金，即保險欺詐；另一類則是在保額限度內(nèi)重復(fù)就醫(yī)、浮報理賠金額等，即醫(yī)療保險濫用。保險公司能夠利用過去數(shù)據(jù)，尋找影響保險欺詐最為顯著的因素及這些因素的取值區(qū)間，建立預(yù)測模型，并通過自動化計分功能，快速將理賠案件依照濫用欺詐可能性進(jìn)行分類處理。（2）車險欺詐分析。保險公司夠利用過去的欺詐事件建立預(yù)測模型，將理賠申請分級處理，可以很大程度上解決車險欺詐問題，包括車險理賠申請欺詐偵測、業(yè)務(wù)員及修車廠勾結(jié)欺詐偵測等。第三方面：精細(xì)化運營（1）產(chǎn)品優(yōu)化，保單個性化。過去在沒有精細(xì)化的數(shù)據(jù)分析和挖掘的情況下，保險公司把很多人都放在同一風(fēng)險水平之上，客戶的保單并沒有完全解決客戶的各種風(fēng)險問題。但是，保險公司可以通過自有數(shù)據(jù)以及客戶在社交網(wǎng)絡(luò)的數(shù)據(jù)，解決現(xiàn)有的風(fēng)險控制問題，為客戶制定個性化的保單，獲得更準(zhǔn)確以及更高利潤率的保單模型，給每一位顧客提供個性化的解決方案。（2）運營分析?；谄髽I(yè)內(nèi)外部運營、管理和交互數(shù)據(jù)分析，借助大數(shù)據(jù)臺，全方位統(tǒng)計和預(yù)測企業(yè)經(jīng)營和管理績效?；诒ｋU保單和客戶交互數(shù)據(jù)進(jìn)行建模，借助大數(shù)據(jù)平臺快速分析和預(yù)測再次發(fā)生或者新的市場風(fēng)險、操作風(fēng)險等。（3）代理人（保險銷售人員）甄選。根據(jù)代理人員（保險銷售人員）業(yè)績數(shù)據(jù)、性別、年齡、入司前工作年限、其它保險公司經(jīng)驗和代理人人員思維性向測試等，找出銷售業(yè)績相對最好的銷售人員的特征，優(yōu)選高潛力銷售人員。Part3證券行業(yè)大數(shù)據(jù)應(yīng)用大數(shù)據(jù)時代，券商們已意識到大數(shù)據(jù)的重要性，券商對于大數(shù)據(jù)的研究與應(yīng)用正在處于起步階段，相對于銀行和保險業(yè)，證券行業(yè)的大數(shù)據(jù)應(yīng)用起步相對較晚。目前國內(nèi)外證券行業(yè)的大數(shù)據(jù)應(yīng)用大致有以下三個方向：第一方面：股價預(yù)測2011年5月英國對沖基金DerwentCapitalMarkets建立了規(guī)模為4000萬美金的對沖基金，該基金是首家基于社交網(wǎng)絡(luò)的對沖基金，該基金通過分析\o"Twitter"Twitter的數(shù)據(jù)內(nèi)容來感知市場情緒，從而指導(dǎo)進(jìn)行投資。利用Twitter的對沖基金DerwentCapitalMarkets在首月的交易中確實盈利了，其以1.85%的收益率，讓平均數(shù)只有0.76%的其他對沖基金相形見絀。麻省理工學(xué)院的學(xué)者，根據(jù)情緒詞將twitter內(nèi)容標(biāo)定為正面或負(fù)面情緒。結(jié)果發(fā)現(xiàn)，無論是如“希望”的正面情緒，或是“害怕”、“擔(dān)心”的負(fù)面情緒，其占總twitter內(nèi)容數(shù)的比例，都預(yù)示著道瓊斯指數(shù)、標(biāo)準(zhǔn)普爾500指數(shù)、納斯達(dá)克指數(shù)的下跌；美國佩斯大學(xué)的一位博士則采用了另外一種思路，他追蹤了星巴克、可口可樂和耐克三家公司在社交媒體上的受歡迎程度，同時比較它們的股價。他們發(fā)現(xiàn)，\o"Facebook"Facebook上的粉絲數(shù)、Twitter上的聽眾數(shù)和Youtude上的觀看人數(shù)都和股價密切相關(guān)。另外，品牌的受歡迎程度，還能預(yù)測股價在10天、30天之后的上漲情況。但是，Twitter情緒指標(biāo)，仍然不可能預(yù)測出會沖擊金融市場的突發(fā)事件。例如，在2008年10月13號，美國聯(lián)邦儲備委員會突然啟動一項銀行紓困計劃，令道瓊斯指數(shù)反彈，而3天前的Twitter相關(guān)情緒指數(shù)毫無征兆。而且，研究者自己也意識到，Twitter用戶與股市投資者并不完全重合，這樣的樣本代表性有待商榷，但仍無法阻止投資者對于新興的社交網(wǎng)絡(luò)傾注更多的熱情。第二，客戶關(guān)系管理（1）客戶細(xì)分。通過分析客戶的賬戶狀態(tài)（類型、生命周期、投資時間）、賬戶價值（資產(chǎn)峰值、資產(chǎn)均值、交易量、傭金貢獻(xiàn)和成本等）、交易習(xí)慣（周轉(zhuǎn)率、市場關(guān)注度、倉位、平均持股市值、平均持股時間、單筆交易均值和日均成交量等）、投資偏好（偏好品種、下單渠道和是否申購）以及投資收益（本期相對和絕對收益、今年相對和絕對收益和投資能力等），來進(jìn)行客戶聚類和細(xì)分，從而發(fā)現(xiàn)客戶交易模式類型，找出最有價值和盈利潛力的客戶群,以及他們最需要的服務(wù),更好地配置資源和政策,改進(jìn)服務(wù),抓住最有價值的客戶。（2）流失客戶預(yù)測。券商可根據(jù)客戶歷史交易行為和流失情況來建模從而預(yù)測客戶流失的概率。如2012年海通證券自主開發(fā)的“給予數(shù)據(jù)挖掘算法的證券客戶行為特征分析技術(shù)”主要應(yīng)用在客戶深度畫像以及基于畫像的用戶流失概率預(yù)測。通過對海通100多萬樣本客戶、半年交易記錄的海量信息分析，建立了客戶分類、客戶偏好、客戶流失概率的模型。該項技術(shù)最大初衷是希望通過客戶行為的量化分析，來測算客戶將來可能流失的概率。第三，投資景氣指數(shù)。2012年，國泰君安推出了“個人投資者投資景氣指數(shù)”（簡稱3I指數(shù)），通過一個獨特的視角傳遞個人投資者對市場的預(yù)期、當(dāng)期的風(fēng)險偏好等信息