大數(shù)據(jù)在銀行業(yè)的應(yīng)用

版本號：V1.0大數(shù)據(jù)在銀行業(yè)的應(yīng)用北京華勝天成科技股份有限公司2012年12月民生銀行根據(jù)數(shù)據(jù)智能分析向前臺提供服務(wù)與反饋，支持實(shí)現(xiàn)以客戶為中心的服務(wù)模式與體驗(yàn)；整合日益互聯(lián)互通的各種服務(wù)渠道；建立持續(xù)從廣泛的來源獲取、量度、建模、處理、分析大容量多類型數(shù)據(jù)的功能；及時(shí)在互聯(lián)互通的流程、服務(wù)、系統(tǒng)間共享數(shù)據(jù)，并將經(jīng)過智能分析與加工的數(shù)據(jù)用于業(yè)務(wù)決策與支持；智能化分析和預(yù)測客戶需求署云計(jì)算，實(shí)現(xiàn)自動化、高能效、虛擬化和標(biāo)準(zhǔn)化的云部署目標(biāo)；洞察大數(shù)據(jù)推動了民生銀行的轉(zhuǎn)型與創(chuàng)新；手機(jī)銀行等移動應(yīng)用幫助它們打造了戰(zhàn)略產(chǎn)品平臺3大數(shù)據(jù)挑戰(zhàn)發(fā)卡量增長迅速：2008年發(fā)卡約500萬張，2010年增加了一倍。業(yè)務(wù)數(shù)據(jù)增長迅速：隨著業(yè)務(wù)的迅猛增長，業(yè)務(wù)數(shù)據(jù)規(guī)模也線性膨脹。數(shù)據(jù)存儲、系統(tǒng)維護(hù)、數(shù)據(jù)有效利用都面臨巨大壓力。需求可擴(kuò)展、高性能的數(shù)據(jù)倉庫解決方案能夠?qū)崿F(xiàn)業(yè)務(wù)數(shù)據(jù)的集中和整合；可以支持多樣化和復(fù)雜化數(shù)據(jù)分析提升信用卡中心的業(yè)務(wù)效率；通過從數(shù)據(jù)倉庫提取數(shù)據(jù)，改進(jìn)和推動有針對性的營銷活動。采用大數(shù)據(jù)方案后價(jià)值體現(xiàn)實(shí)時(shí)的商業(yè)智能可以結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)進(jìn)行全局分析,風(fēng)險(xiǎn)管理部門現(xiàn)在可以每天評估客戶的行為，并決定對客戶的信用額度在同一天進(jìn)行調(diào)整；原有內(nèi)部系統(tǒng)、模型整體性能顯著提高秒級營銷Greenplum數(shù)據(jù)倉庫解決方案提供了統(tǒng)一的客戶視圖，更有針對的進(jìn)行營銷。2011年，中信銀行信用卡中心通過其數(shù)據(jù)庫營銷平臺進(jìn)行了1286個(gè)宣傳活動，每個(gè)營銷活動配置平均時(shí)間從2周縮短到2-3天。EMCGreen-plum中信銀行信用卡中心建設(shè)銀行阿里信貸面向阿里巴巴普通會員全面放開，不用提交任何擔(dān)保、抵押，只需憑借企業(yè)的信用資源就可以“微貸”“微貸”通過網(wǎng)絡(luò)低成本廣泛采集客戶的各類數(shù)據(jù)信息，分析挖掘的數(shù)據(jù)，判斷客戶資質(zhì)，用戶可以24小時(shí)隨用隨借、隨借隨還善融商務(wù)平臺上的每一筆交易，建行都有記錄并且能鑒別真?zhèn)?，可作為客戶授信評級的重要依據(jù)對消費(fèi)者購買行為的分析，比如點(diǎn)擊量、跨店鋪點(diǎn)擊，訂單流轉(zhuǎn)量甚至聊天信息的收集和分析未來互聯(lián)網(wǎng)金融模式下資源配置的特點(diǎn)是：資金供需信息直接在網(wǎng)上發(fā)布并匹配，供需雙方甚至不需銀行、券商或交易所等中介，直接匹配完成信評級的重要依據(jù)互聯(lián)網(wǎng)銀行模式—建行光大銀行—行動打通社會化大數(shù)據(jù)庫，期待社會化數(shù)據(jù)內(nèi)外通達(dá)如何把品牌價(jià)值透過網(wǎng)絡(luò)雜音直擊目標(biāo)客戶，并及時(shí)發(fā)現(xiàn)客戶的需求做好精準(zhǔn)服務(wù)是考驗(yàn)自身技術(shù)段位的如果把銀行內(nèi)部的客戶號和新浪的微博號掛接起來，在一定程度上就可以做群體營銷了。外部數(shù)據(jù)引入的動作很關(guān)鍵，把微博、QQ、郵箱等社交化的、能很快找到客戶的方式能通達(dá)起來。跟傳統(tǒng)的數(shù)據(jù)存儲放一起，同等對待，建立一個(gè)更加立體豐富的數(shù)據(jù)庫?；拘畔?、愛好信息、行為信息、分析信息互聯(lián)網(wǎng)金融模式新浪微博開發(fā)平臺上做了一個(gè)繳費(fèi)應(yīng)用——“V繳費(fèi)”光大銀行—思考銀行大數(shù)據(jù)包括非結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和敏捷數(shù)據(jù)系統(tǒng)日志數(shù)據(jù)GIS地理信息數(shù)據(jù)在線交易數(shù)據(jù)前瞻性的應(yīng)用客戶營銷：在線營銷方案微博營銷：把微博上用戶跟我們光大銀行用戶相匹配，采用中文分析引擎客戶行為分析，包括電話語音、網(wǎng)絡(luò)的監(jiān)控錄像：客戶走動線路的重疊分析風(fēng)險(xiǎn)控制與管理：結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)整合，分析系統(tǒng)存在IT風(fēng)險(xiǎn)或者釣魚網(wǎng)站防欺詐互聯(lián)網(wǎng)銀行模式—交行阿里金融現(xiàn)狀中國將近4200萬小微企業(yè)，占企業(yè)總數(shù)的的97.3%由于分布零散、業(yè)務(wù)不規(guī)范、盈利不明朗、信貸時(shí)間長、信用難以構(gòu)建等現(xiàn)狀，使得小微企業(yè)的貸款相當(dāng)困難大數(shù)據(jù)與小而美的金融信貸完全是構(gòu)建在互聯(lián)網(wǎng)的基礎(chǔ)通過數(shù)據(jù)分析，以自主服務(wù)模式為主的、面對小微企業(yè)的信貸工廠24小時(shí)開放、隨時(shí)申請、隨時(shí)審批、隨時(shí)發(fā)放的純互聯(lián)網(wǎng)的小額信貸服務(wù)ODPSOpenDataProcessingService，阿里云開放數(shù)據(jù)處理服務(wù)來自淘寶、天貓、B2B、支付寶的交易數(shù)據(jù)、日志、聊天記錄以及評價(jià)等各個(gè)方面的數(shù)據(jù)經(jīng)過確定的調(diào)度、系統(tǒng)監(jiān)控、數(shù)據(jù)分析、算法優(yōu)化等流程，最終形成了310模式其他應(yīng)用—思考自下而上的風(fēng)險(xiǎn)分析。分析ACH交易、信貸支付交易，以獲取反映壓力、違約或積極發(fā)展機(jī)會。業(yè)務(wù)聯(lián)系和欺詐分析。為業(yè)務(wù)交易引入信用卡和借記卡數(shù)據(jù)，以辨別欺詐交易?？鐜魠⒖挤治?。分析ACH交易的文本材料（工資存款、資產(chǎn)購買），以發(fā)現(xiàn)更多營銷機(jī)會。事件式營銷。將改變生活的事件（換工作、改變婚姻狀況、置房等）視為營銷機(jī)會。交易對手網(wǎng)絡(luò)風(fēng)險(xiǎn)分析。了解證券和交易對手問的風(fēng)險(xiǎn)概況和聯(lián)系。消費(fèi)智能。摩根大通通已經(jīng)開始始使用Hadoop技術(shù)以滿滿足日益益增多的的用途，，包括詐詐騙檢驗(yàn)驗(yàn)、IT風(fēng)險(xiǎn)管理理和自助助服務(wù)150PB在線存儲儲數(shù)據(jù)、、30,000個(gè)數(shù)據(jù)庫庫和35億個(gè)用戶戶登錄賬賬號Hadoop能夠存儲儲大量非結(jié)構(gòu)化化數(shù)據(jù)，允許公公司收集集和存儲儲Web日志、交交易數(shù)據(jù)據(jù)和社交交媒體數(shù)數(shù)據(jù)。數(shù)據(jù)被匯匯集至一一個(gè)通用用平臺，，以方便便以客戶戶為中心心的數(shù)據(jù)據(jù)挖掘與與數(shù)據(jù)分分析工具具的使用用?；ㄆ煦y行行分析數(shù)據(jù)據(jù)包括客戶提供的信息（（申請、、表格等等）社交網(wǎng)絡(luò)、公共網(wǎng)頁得到客戶的信信用記錄錄以及信信用歷史和目標(biāo)客客戶有類類似行為為模式的的客戶數(shù)據(jù)金融以及及經(jīng)濟(jì)數(shù)據(jù)據(jù)證券交易易委員會會文件招股章程程、過往往貸款記錄新聞（以衡量公公眾意見見以及信信心）Facebook在內(nèi)的來來自社交交網(wǎng)絡(luò)的的數(shù)據(jù)（個(gè)人、家庭計(jì)劃劃等）花旗銀行行--續(xù)應(yīng)用信用風(fēng)險(xiǎn)險(xiǎn)評估（（貸款））針對性營銷以客戶為中心客戶統(tǒng)一一視圖（結(jié)構(gòu)化化和非結(jié)結(jié)構(gòu)化數(shù)數(shù)據(jù)）細(xì)分客戶，按照客戶行為進(jìn)行分類類為客戶提提供質(zhì)量量一致的的客戶體體驗(yàn)IBMWatson產(chǎn)品深度非結(jié)構(gòu)化化數(shù)據(jù)分析析自然語言言處理決策支持基于循證的學(xué)學(xué)習(xí)功能西太平洋洋銀行特點(diǎn)：隨著大數(shù)據(jù)的的大量涌涌現(xiàn)，尤尤其是在在社交媒媒體網(wǎng)絡(luò)絡(luò)的背景景下，渠渠道戰(zhàn)略略不應(yīng)僅僅限于傳傳統(tǒng)的銀銀行渠道道，而且且還應(yīng)整整合新的的客戶接接觸點(diǎn)（（即社交交媒體網(wǎng)網(wǎng)站）盡管西太太平洋銀銀行已經(jīng)經(jīng)非常清清楚地認(rèn)認(rèn)識到社社交媒體體數(shù)據(jù)僅僅僅是當(dāng)當(dāng)今多種種數(shù)據(jù)來來源之一一，但銀銀行目前前側(cè)重于于將情感分析析作為其大大數(shù)據(jù)分分析挑戰(zhàn)戰(zhàn)的一部部分應(yīng)用：啟用和優(yōu)化定定價(jià)、市市場營銷銷和經(jīng)濟(jì)濟(jì)利潤事前風(fēng)險(xiǎn)險(xiǎn)管理（（PRM）系統(tǒng)統(tǒng)，該系系統(tǒng)允許許使用銀銀行風(fēng)險(xiǎn)險(xiǎn)實(shí)踐快快速更新新有關(guān)欺欺詐的知知識并減減少個(gè)人人風(fēng)險(xiǎn)Zions銀行大數(shù)據(jù)安安全策略倉庫存儲儲了120多個(gè)不同同類型的的數(shù)據(jù)，，包括交交易日志志，日志志，欺詐詐警報(bào)，，服務(wù)器器日志，，防火墻墻日志和和IDS日志跨整個(gè)企企業(yè)進(jìn)行行數(shù)據(jù)挖挖掘，加加快取證證調(diào)查并并提高欺欺詐偵測測，以及及整體安全性是主動的的而非被被動的安全基于Hadoop的安全數(shù)數(shù)據(jù)倉庫庫，就像像是具有有分布式式檢索應(yīng)用（魚叉式網(wǎng)絡(luò)釣釣魚攻擊）威脅建模模/惡意軟件件推動的的帳戶接管迅速對來來自各種種源頭的的惡意軟軟件威脅脅作出響響應(yīng)并對對抗它們們微信貸公司司“大數(shù)據(jù)據(jù)+機(jī)器智能能學(xué)習(xí)”利用海量量數(shù)據(jù)挖挖掘和算算法來做做一些貸貸款業(yè)務(wù)大量使用用了社交媒媒體和其其他的網(wǎng)網(wǎng)絡(luò)工具每個(gè)貸款款人都擁擁有6000到8000條數(shù)據(jù)特點(diǎn)：它的每筆貸貸款額度度都很小，太多的資金金額度需需要更多多次的檢驗(yàn)不良貸款款會迅速速暴露。，模型的反反饋和改改進(jìn)時(shí)間短違約率高利率很高高WongaLendingStreamZestcashKlarnaPawnGo國外其他他應(yīng)用定期（每天））對所有客戶戶的交易易日志和和當(dāng)前的的債權(quán)狀狀況（包包括核心心系統(tǒng)內(nèi)內(nèi)的數(shù)據(jù)據(jù)和從征征信中心心取得的的數(shù)據(jù)））進(jìn)行分分析，建建模，，及分析析當(dāng)前模模型的精精確性；；定期（每天））根據(jù)分析對客客戶進(jìn)行行分類（（segmentation）；每天針對不同同的分類類建立不不同的模模型，進(jìn)進(jìn)行行為為評分、預(yù)測對客戶營銷可能性、提前還款款的可能性、壞賬的可能性性等；每天根據(jù)預(yù)測測的分?jǐn)?shù)數(shù)和交易易狀況和和提前設(shè)設(shè)定的strategy自動調(diào)整整客戶的的creditline；每天根據(jù)預(yù)先先設(shè)定的的strategy和3，4的結(jié)果對對客戶進(jìn)進(jìn)行電話、郵件、信件等的促銷銷和催收收；采用結(jié)構(gòu)構(gòu)化和非非結(jié)構(gòu)化化數(shù)據(jù)不僅僅分分析客戶戶本人，，還可以以分析擔(dān)擔(dān)保人等等大數(shù)據(jù)應(yīng)應(yīng)用--IBM大數(shù)據(jù)引引擎基本本上完成成是存儲儲和計(jì)算算客戶數(shù)據(jù)都在在數(shù)據(jù)倉倉庫里，，隨著互互聯(lián)網(wǎng)和和其他的的一些新新型的包包括移動動應(yīng)用的的增加，，我們希希望通過過非結(jié)構(gòu)構(gòu)化的信信息能夠夠來補(bǔ)強(qiáng)強(qiáng)原有傳統(tǒng)上存在數(shù)據(jù)據(jù)倉庫里里客戶的的檔案和和信息呼叫中心心記錄的分析客戶情感感分析增強(qiáng)的客客戶細(xì)分分機(jī)器數(shù)據(jù)—交易故障障分析用現(xiàn)在大大數(shù)據(jù)的的能力把把分布在在各個(gè)地地方的原原始數(shù)據(jù)據(jù)和原始始的日志志定時(shí)每每隔一分分鐘進(jìn)行行收集和和抽取放到分布式式文件系系統(tǒng)里，并很快的能夠建建立起一一些索引提供一個(gè)很方方便的前端實(shí)時(shí)時(shí)的查詢風(fēng)險(xiǎn)和欺詐建一個(gè)反欺詐統(tǒng)計(jì)模型型釣魚網(wǎng)站攻擊擊、信用用卡套現(xiàn)現(xiàn)、盜刷信用卡非結(jié)構(gòu)化化數(shù)據(jù)應(yīng)應(yīng)用--IBM信貸并不只跟跟信貸部部有關(guān)系系，還跟跟客戶服服務(wù)部、、法律部部、IT架構(gòu)等等等都有關(guān)系這些關(guān)系系全部串串接起就就形成了了全流程程信貸的的概念，，打破了了業(yè)務(wù)部部門和業(yè)業(yè)務(wù)部門門之間的的界限信貸應(yīng)用用就要重重新設(shè)計(jì)計(jì)、開發(fā)引入影像平臺、流流程平臺臺、規(guī)則則引擎平平臺這些些因素降低整體體成本反洗錢一個(gè)欺詐詐就是一一個(gè)CaseCase包含了與之相相關(guān)的所所有資料料，例如如法律規(guī)規(guī)范、業(yè)業(yè)務(wù)邏輯輯、時(shí)間間順序、、修改軌軌跡等當(dāng)需要的時(shí)候，，可以很很快地找找出來得出一個(gè)嫌疑是否否違規(guī)犯罪罪的結(jié)論可以了解解犯罪者者、供應(yīng)應(yīng)商或欺欺詐團(tuán)伙伙之間的的關(guān)系并能夠?qū)?fù)雜的的多渠道道欺詐構(gòu)構(gòu)建更易易解讀的的可視化化分析金融大數(shù)據(jù)發(fā)展十大大趨勢（2012）對更大的的歷史數(shù)數(shù)據(jù)集的的需要企業(yè)面臨臨新的監(jiān)監(jiān)管和合合規(guī)要求對企業(yè)風(fēng)風(fēng)險(xiǎn)管理理的關(guān)注利用各種種交付渠渠道的更更多的客客戶數(shù)據(jù)對后突發(fā)發(fā)市場中中數(shù)據(jù)基基礎(chǔ)設(shè)施施的投資推動運(yùn)營營部門利利用數(shù)據(jù)的價(jià)值需要重新新設(shè)計(jì)ETL以適應(yīng)數(shù)數(shù)據(jù)增長使用預(yù)測測信用風(fēng)風(fēng)險(xiǎn)模型移動設(shè)備備的普及要求處理和整整合非結(jié)構(gòu)化化數(shù)據(jù)推動了對對數(shù)據(jù)處處理算法法的需求求大數(shù)據(jù)發(fā)發(fā)展2013年試驗(yàn)項(xiàng)目成品化行業(yè)垂直領(lǐng)域內(nèi)出現(xiàn)成功案例2014年各個(gè)行業(yè)都將遵循大數(shù)據(jù)的游戲規(guī)則主要關(guān)注點(diǎn)在內(nèi)部數(shù)據(jù)外部數(shù)據(jù)無新進(jìn)展2015年整合使用外部數(shù)據(jù)2016年數(shù)據(jù)驅(qū)動的決策代替了直覺和常識2017云和大數(shù)據(jù)、數(shù)據(jù)倉庫合并起來分析即服務(wù)金融融合合創(chuàng)新客戶體驗(yàn)驗(yàn)支付