PWC-光大銀行大數(shù)據(jù)方案-創(chuàng)造數(shù)據(jù)和分析的信息優(yōu)勢(shì)-for SHRB-2015

大數(shù)據(jù)時(shí)代到來，各銀行聚焦如何運(yùn)用內(nèi)外部數(shù)據(jù)來幫助企業(yè)提高商業(yè)洞察能力，加快決策效率，逐漸在競(jìng)爭(zhēng)中脫穎而出銀行的商業(yè)價(jià)值鏈戰(zhàn)略/市場(chǎng)客戶/營(yíng)銷銷售/渠道產(chǎn)品/創(chuàng)新流程/運(yùn)營(yíng)風(fēng)險(xiǎn)/管控我們應(yīng)當(dāng)聚焦哪類客戶？他們的潛在市場(chǎng)有多大？我們的目標(biāo)客戶是誰/在哪里？如何同他們建立并維持良好的關(guān)系？客戶通過什么方式買到自己需要的產(chǎn)品？如何創(chuàng)造出客戶真正需要的產(chǎn)品？什么是最適合特定客戶的產(chǎn)品？如何才能更快更好地響應(yīng)客戶，并為他們做更多有價(jià)值的事？如何管控客戶的信用額度？如何處理風(fēng)險(xiǎn)與業(yè)務(wù)的關(guān)系？數(shù)據(jù)在以客戶為導(dǎo)向的經(jīng)營(yíng)價(jià)值鏈中的應(yīng)用考量現(xiàn)在：在經(jīng)營(yíng)管理層面業(yè)內(nèi)公司面臨哪些共同的問題？領(lǐng)先的集團(tuán)公司在做些嘗試和轉(zhuǎn)變？大數(shù)據(jù)時(shí)代下，大家有了哪些共同的認(rèn)識(shí)？未來：數(shù)據(jù)應(yīng)用在哪些領(lǐng)域可能有應(yīng)用價(jià)值？如何利用數(shù)據(jù)解決問題，突破瓶頸？大數(shù)據(jù)時(shí)代有哪些新的機(jī)遇？Data

FinanceProcessingX1

Model

YXf(x)

YX

Multivariate3

Analysis如今分析學(xué)存在許多不統(tǒng)一的概念–對(duì)“大數(shù)據(jù)”術(shù)語擁有多種定義數(shù)量數(shù)據(jù)集的規(guī)模種類數(shù)據(jù)的多元化：資源、種類、結(jié)構(gòu)等速率數(shù)據(jù)產(chǎn)生的速度、分析、與使用精確性可信的質(zhì)量描述數(shù)據(jù)集屬性1990’s2000’s2010+OLTP

1970’sPunchcardsWebsite

sAudioAnalyst12bi

BusinessIntelligence

Predictive

ModelingSocialMediaTheDataScientistOpen

Source

AnalyticsSoftwareInformation

Worker

Mobile

2

TheDataWarehouseMulti-method

Simulation

TheData

Warehouse

ApplianceBigData1980’s

Decision

Support

Reports

Management

RDBMS

SmartPhonesEmbeddedAnalytics

DataVisualizationMEGABYTESGIGABYTESTERABYTES

&

TabletsPETABYTES

EXABYTESKILOBYTES通常與大數(shù)據(jù)相關(guān)聯(lián)的屬性大數(shù)據(jù)領(lǐng)域下廣泛的科技產(chǎn)品/解決方案爆發(fā)性的數(shù)據(jù)存儲(chǔ)大數(shù)據(jù)生態(tài)系統(tǒng)“大數(shù)據(jù)”的現(xiàn)實(shí)6我們傳統(tǒng)上認(rèn)為“大數(shù)據(jù)”是來自于社交網(wǎng)絡(luò)分享、電子郵件和簡(jiǎn)訊，但是隨著互聯(lián)網(wǎng)的出現(xiàn)，數(shù)據(jù)只會(huì)變得更廣泛。企業(yè)已經(jīng)聽到建立大數(shù)據(jù)平臺(tái)，希望通過大數(shù)據(jù)的能力建設(shè)為傳統(tǒng)的數(shù)據(jù)倉(cāng)庫(kù)帶來新的氣息。

當(dāng)分析成為我們的生產(chǎn)力，

如何定義業(yè)務(wù)的價(jià)值和數(shù)據(jù)變現(xiàn)的商用模式成為我們的挑戰(zhàn)。社交媒體通話記錄語音通訊多媒體網(wǎng)頁、應(yīng)用程序的應(yīng)用客戶、訂單、賬單交易總賬過程數(shù)據(jù)電子郵件聊天、即時(shí)通訊文件傳感器遙感勘測(cè)、全球定位系統(tǒng)3D打印機(jī)工業(yè)4.0生物識(shí)別技術(shù)健康記錄人力資源數(shù)據(jù)勞動(dòng)力天氣數(shù)據(jù)政府?dāng)?shù)據(jù)工商公安，法院電信COMBINED企業(yè)通常是數(shù)據(jù)“富有”，但信息“貧窮”

大多數(shù)組織面臨的共同問題是“數(shù)據(jù)過載”，這使得它難以提取有價(jià)值的洞察力和智慧中國(guó)管理層認(rèn)為對(duì)有用數(shù)據(jù)的訪問正在逐年增加……但對(duì)捕獲數(shù)據(jù)的有效利用率繼續(xù)下降從上一年獲得有用數(shù)據(jù)持續(xù)增加的報(bào)告有效地使用洞察以指導(dǎo)未來的戰(zhàn)略的能力報(bào)告高管們正努力從數(shù)據(jù)轉(zhuǎn)移到可操作的洞察力中去55%77%52%數(shù)據(jù)的有效利用率降低從數(shù)據(jù)到洞察力是主要的挑戰(zhàn)Source:MITSloanManagementReview2015,PwCDigitalIQSurvey2014,PwCBigDecisionSurvey2014大數(shù)據(jù)技術(shù)的趨勢(shì)數(shù)據(jù)分析朝深度發(fā)展，開源R語言與BIGDATA天然結(jié)合分布式內(nèi)存技術(shù)和Hadoop技術(shù)的融合架構(gòu)使得Hadoop進(jìn)入了實(shí)時(shí)分析的領(lǐng)域，極大增加了對(duì)MPP分析型數(shù)據(jù)庫(kù)陣營(yíng)的威脅傳統(tǒng)BI向?qū)崟r(shí)的數(shù)據(jù)可視化發(fā)展人工智能是硅谷目前最新的“軍備競(jìng)賽”大數(shù)據(jù)技術(shù)向云計(jì)算演化，云平臺(tái)戰(zhàn)略是未來爭(zhēng)奪的焦點(diǎn)Analytics大數(shù)據(jù)技術(shù)近期5大趨勢(shì)受趨勢(shì)影響的技術(shù)堆棧InMemoryHadoopStreamingVisualizationAIMachineLearningCloud趨勢(shì)前沿廠商或開源技術(shù)大數(shù)據(jù)技術(shù)趨勢(shì)1:完全的數(shù)據(jù)分析能力,R語言成為更多選項(xiàng)傳統(tǒng)BI的分析方法已無法滿足大數(shù)據(jù)應(yīng)用的要求，廠商迫切需要為自己產(chǎn)品增強(qiáng)高級(jí)數(shù)據(jù)分析的能力以保持在大數(shù)據(jù)時(shí)代的競(jìng)爭(zhēng)力R的開源特性和Hadoop天生相合，并且支持多種統(tǒng)計(jì)挖掘算法，倍受業(yè)界關(guān)注不僅是Hadoop商用分析MPP也強(qiáng)調(diào)對(duì)R語言的支持，部分更是可分布式的庫(kù)內(nèi)挖掘。開源R和商用數(shù)據(jù)分析軟件SAS,SPSS相比待解決的問題數(shù)據(jù)處理性能不足導(dǎo)致了數(shù)據(jù)探索和抽樣分析的限制開源版本的開放性導(dǎo)致了結(jié)果的精確度難以被權(quán)威公認(rèn)。開發(fā)易用性的不足提高了數(shù)據(jù)分析師的使用門檻支持算法的豐富度可視化以及易用性不如商業(yè)數(shù)據(jù)分析軟件如SASTeradata于2014年公布了在AsterData上的商業(yè)版AsterDataRRHadoop支持RMR,RonHDFS以及RonHBASER和SPARK結(jié)合的SPARKR是最具潛力的OracleExalytics,HPVertica等均支持R語言

建議刪除？或修改R語言的表述大數(shù)據(jù)技術(shù)趨勢(shì)2:內(nèi)存計(jì)算是數(shù)據(jù)處理加速器在數(shù)據(jù)倉(cāng)庫(kù)時(shí)代大部分企業(yè)困擾于BI報(bào)表的數(shù)據(jù)滯后性。在大數(shù)據(jù)時(shí)代，企業(yè)期望在新的技術(shù)架構(gòu)中獲得實(shí)時(shí)分析和交互式分析的能力。實(shí)時(shí)分析交互式分析離線分析實(shí)時(shí)分析交互式分析離線分析而內(nèi)存技術(shù)帶來了時(shí)效性的革命性突破，和Hadoop更是完美的結(jié)合。Hadoop提供持久化能力和海量數(shù)據(jù)的批量計(jì)算能力，內(nèi)存技術(shù)提供一定量數(shù)據(jù)內(nèi)的實(shí)時(shí)分析和交互式分析的能力。流計(jì)算分布式內(nèi)存計(jì)算內(nèi)存列式數(shù)據(jù)庫(kù)分布式內(nèi)存列式數(shù)據(jù)庫(kù)實(shí)時(shí)分析交互式分析交互式OLAP分析更大數(shù)據(jù)量的實(shí)時(shí)分析SPARK的高性能和接近一棧式計(jì)算能力的特點(diǎn)已被業(yè)界公認(rèn)為是下一代的Hadoop超級(jí)計(jì)算引擎除了HANA外值得關(guān)注的Actian的Vectorwise是世界上最快的單點(diǎn)內(nèi)存列式數(shù)據(jù)庫(kù)，近期推出了深度融合Hadoop的新版本SPARKENGINESparkGraphXSparkRMLibSparkStreaming交互式查詢圖計(jì)算交互式統(tǒng)計(jì)挖掘機(jī)器學(xué)習(xí)流計(jì)算專利技術(shù)SIMDExtension在操作系統(tǒng)級(jí)別優(yōu)化CPU指令分布式內(nèi)存數(shù)據(jù)庫(kù)和Hadoop在同一集群PDT(PositionalDeltaTree)技術(shù)支持Hadoop無法實(shí)現(xiàn)的updatedelete操作超快的性能，宣稱TCP中比Impala快10到30倍BlinkDB建議刪除？針對(duì)大數(shù)據(jù)分析應(yīng)用，企業(yè)信息平臺(tái)將基于X86的分布式架構(gòu)作為全新的基礎(chǔ)架構(gòu)引入，從而實(shí)現(xiàn)計(jì)算效能的優(yōu)化及敏捷業(yè)務(wù)響應(yīng)能力。12大數(shù)據(jù)平臺(tái)1.0版基礎(chǔ)架構(gòu)

傳統(tǒng)架構(gòu)大數(shù)據(jù)分布架構(gòu)9企業(yè)數(shù)據(jù)全生命周期管理-數(shù)據(jù)管控體系完善和擴(kuò)充

傳統(tǒng)的數(shù)據(jù)生命周期一般指數(shù)據(jù)獲?。▌?chuàng)建）、數(shù)據(jù)存儲(chǔ)、數(shù)據(jù)加工（轉(zhuǎn)換）、數(shù)據(jù)使用、數(shù)據(jù)歸檔、數(shù)據(jù)消除。但我們認(rèn)為若要對(duì)數(shù)據(jù)進(jìn)行有效的管理，必須數(shù)據(jù)獲取之前就開始了。新的數(shù)據(jù)生命周期傳統(tǒng)數(shù)據(jù)生命周期數(shù)據(jù)獲取、數(shù)據(jù)交付、數(shù)據(jù)存儲(chǔ)和控制方法數(shù)據(jù)標(biāo)準(zhǔn)、度量規(guī)則數(shù)據(jù)架構(gòu)、數(shù)據(jù)分布、數(shù)據(jù)流數(shù)據(jù)規(guī)劃數(shù)據(jù)規(guī)范應(yīng)用方案數(shù)據(jù)創(chuàng)建/獲取數(shù)據(jù)存儲(chǔ)數(shù)據(jù)加工/使用數(shù)據(jù)歸檔/恢復(fù)數(shù)據(jù)銷毀交易，事件，用途，社交，日志，語音和圖像數(shù)據(jù)塊ODSMDM數(shù)據(jù)倉(cāng)庫(kù)內(nèi)容社交媒體和社區(qū)全面的監(jiān)控和分析下一代的大數(shù)據(jù)體系數(shù)據(jù)的分析模型，學(xué)習(xí)，模擬，行動(dòng)，保護(hù)數(shù)據(jù)的理解異常關(guān)聯(lián)源數(shù)據(jù)的自動(dòng)標(biāo)簽知識(shí)語義標(biāo)簽數(shù)據(jù)的自我學(xué)習(xí)企業(yè)和行業(yè)知識(shí)庫(kù)體系收集，關(guān)聯(lián)，標(biāo)簽，學(xué)習(xí)數(shù)據(jù)信息數(shù)據(jù)價(jià)值數(shù)據(jù)技術(shù)數(shù)據(jù)變現(xiàn)數(shù)據(jù)的快速入庫(kù)深度挖掘?qū)崟r(shí)統(tǒng)計(jì)和檢索業(yè)務(wù)主題層業(yè)務(wù)語義層技術(shù)規(guī)范層大數(shù)據(jù)分析實(shí)現(xiàn)方法論大數(shù)據(jù)應(yīng)用挖掘加工文本分析規(guī)范化處理文本分析預(yù)處理社交網(wǎng)絡(luò)網(wǎng)絡(luò)文章…社交媒體文本文本分詞文本結(jié)構(gòu)解析文本特征提取情感信息提取文本語義信息情感語義信息文本分類&聚類情感信息分類挖掘模型&算法主題分析信息知識(shí)庫(kù)管理自動(dòng)文本分類索引和搜索輿情分析趨勢(shì)分析語音分析呼叫中心語音文件…預(yù)處理語音特征提取模式匹配語音情感特征提取語音情感模式匹配話者分離語音參數(shù)文本客戶語音轉(zhuǎn)寫文本客服語音轉(zhuǎn)寫文本文本分詞文本結(jié)構(gòu)解析文本特征提取情感信息提取文本語義信息情感語義信息文本分類&聚類情感信息分類挖掘模型&算法靜音檢測(cè)語速檢測(cè)語音檢索語音情緒偵測(cè)主題分析信息客戶滿意度分析趨勢(shì)分析結(jié)構(gòu)化數(shù)據(jù)業(yè)務(wù)交易數(shù)據(jù)電商平臺(tái)數(shù)據(jù)…主題分析信息預(yù)處理客戶360度視圖挖掘模型&算法基于文本分析技術(shù)和語音分析技術(shù)的調(diào)研，結(jié)合結(jié)構(gòu)化數(shù)據(jù)在大數(shù)據(jù)加工域的處理，整合它們之間的共性處理部分，規(guī)劃大數(shù)據(jù)加工域內(nèi)數(shù)據(jù)處理的過程。核心差異化競(jìng)爭(zhēng)力安全管理風(fēng)險(xiǎn)管理治理新技術(shù)創(chuàng)新數(shù)據(jù)集成快速入庫(kù)展現(xiàn)層云服務(wù)分析工作臺(tái)企業(yè)數(shù)據(jù)池?cái)?shù)據(jù)湖外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái)大數(shù)據(jù)架構(gòu)–普華永道的觀點(diǎn)

SECURITYMANAGEMENT根據(jù)PwC的觀點(diǎn),參考架構(gòu)中的以下組件需要一個(gè)強(qiáng)大的架構(gòu)框架以適應(yīng)新興的和不斷增長(zhǎng)的新業(yè)務(wù)和復(fù)雜信息源需求大數(shù)據(jù)平臺(tái)–從創(chuàng)新數(shù)據(jù)源為非結(jié)構(gòu)化/半結(jié)構(gòu)化數(shù)據(jù)的存儲(chǔ)傳統(tǒng)數(shù)據(jù)平臺(tái)

–目的建立短期，長(zhǎng)期，業(yè)務(wù)主題主導(dǎo)的內(nèi)容數(shù)據(jù)集數(shù)據(jù)集成

/數(shù)據(jù)湖

–不同數(shù)據(jù)源系統(tǒng)整合的工具/機(jī)制，從新興的數(shù)據(jù)平臺(tái)傳送數(shù)據(jù)到企業(yè)數(shù)據(jù)平臺(tái)，反之亦然.一個(gè)完整平面化，碎片化和標(biāo)簽化數(shù)據(jù)平臺(tái)展現(xiàn)層

–為業(yè)務(wù)用戶提供分析，檢索，展現(xiàn)和可視化平臺(tái)分析工作臺(tái)

–以“暗”的數(shù)據(jù)及時(shí)和有效的商業(yè)決策的業(yè)務(wù)機(jī)制CloudServices

–探索未來的信息存儲(chǔ)和處理選項(xiàng)，通過基于云的服務(wù)交付模式，基礎(chǔ)設(shè)施，平臺(tái)，軟件，數(shù)據(jù)和分析大數(shù)據(jù)架構(gòu)–頂層框架

123456789企業(yè)數(shù)據(jù)池:

包括數(shù)據(jù)來源，其價(jià)值是已知的和可量化的企業(yè)應(yīng)用數(shù)據(jù)源數(shù)據(jù)集成和快速入庫(kù):

用于將數(shù)據(jù)源的新興大數(shù)據(jù)平臺(tái)和數(shù)據(jù)平臺(tái)相連的新興與傳統(tǒng)數(shù)據(jù)平臺(tái)（EDW，MDM等）的技術(shù)和機(jī)制傳統(tǒng)數(shù)據(jù)平臺(tái):數(shù)據(jù)庫(kù)管理平臺(tái)從建立和涌現(xiàn)主要用于處理和存儲(chǔ)大量傳統(tǒng)的結(jié)構(gòu)化數(shù)據(jù)源數(shù)據(jù)湖:碎片化，平面化和標(biāo)簽化包含豐富數(shù)據(jù)類型的數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái):開放源體系，商業(yè)商品為基礎(chǔ)，“擴(kuò)展”數(shù)據(jù)平臺(tái)，支持各種類型的信息形式的高容量的處理和存儲(chǔ)外部數(shù)據(jù)池:

包括外部和內(nèi)部的和第三方合作的數(shù)據(jù)來源，從結(jié)構(gòu)化到非結(jié)構(gòu)化的價(jià)值是未知的，但持有的承諾，解鎖的見解展現(xiàn)層:參與數(shù)據(jù)業(yè)務(wù)用戶——報(bào)告，交互式儀表板顯示技術(shù)，實(shí)時(shí)報(bào)警，先進(jìn)的可視化，生成的商業(yè)洞察力的基本的和先進(jìn)的數(shù)據(jù)分析分析工作臺(tái):

對(duì)于商業(yè)用戶提供訪問，探索，自學(xué)習(xí)數(shù)據(jù)的能力，工具和技術(shù)來思考和實(shí)驗(yàn)產(chǎn)生的商業(yè)洞察力云服務(wù):

大數(shù)據(jù)能力和應(yīng)用提供了一個(gè)基于云的服務(wù)。例如，AmazonRDS，SQLAzure核心組件普華永道的大數(shù)據(jù)參考架構(gòu)師技術(shù)分類的頂層設(shè)計(jì)建立的大數(shù)據(jù)方案安全管理風(fēng)險(xiǎn)管理治理新技術(shù)創(chuàng)新數(shù)據(jù)集成快速入庫(kù)展現(xiàn)層云服務(wù)分析工作臺(tái)企業(yè)數(shù)據(jù)池?cái)?shù)據(jù)湖外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái)數(shù)據(jù)集成展現(xiàn)層分析工作臺(tái)企業(yè)數(shù)據(jù)池外部數(shù)據(jù)池傳統(tǒng)數(shù)據(jù)平臺(tái)大數(shù)據(jù)平臺(tái)MessagesETL，ELTDataExchangeHubCustomAPI’sDataFederationWebServicesAPIDataSyndication2xProcessingPersistenceOperationsWorkflowMapReduceComplexEventsMetadataCustomMapReduceAbstractionNewSQLDocStoreGraphDBBigDataAppliancesDistributedFileSystemKeyValueNOSQLSecurityAnalysisToolsCompressionClusterMgmt.IngestionODSPersistentStagingStagingFileStorageFileExchangeTypeIIITypeIIBIReportingRealTimeAlertsMashupsAdvancedVisualizationAnalyticsStatisticalMachineLearningTextUnstructuredAnalyticsApplicationsDecisionEngineRecommend.EngineCRMERPSalesMasterDataSupplyChainCallCenterSocialMediaBlogsWeatherSensorsCensusDemographics大數(shù)據(jù)架構(gòu)

–參考體系框架云服務(wù)Infra.PlatformSoftwareDataAnalyticsMDMHubsLongTermStorageSpecialtyStorageContentManagementType1RepositoryCoexistenceRegistryDataAppliancesRDBMSColumnarDBParallelRDBMSCubesInMemoryViewsWebContentMgmt.Collabor.PortalsDigitalAssetMgmt.RecordsMgmt.IdeationSandboxes-Discovery數(shù)據(jù)湖As-a-servicePilot(s)Environ.銀行數(shù)據(jù)銀行交易數(shù)據(jù)用戶金融信息電話錄音客戶信息構(gòu)建–針對(duì)大數(shù)據(jù)平臺(tái)數(shù)據(jù)信息按照客戶的標(biāo)簽進(jìn)行分類基本信息財(cái)務(wù)信息屬性信息行為信息用戶姓名用戶性別用戶年齡起始時(shí)間服務(wù)年限絕對(duì)貢獻(xiàn)值增長(zhǎng)率當(dāng)前賬戶余額當(dāng)前積分月均賬戶余額月均積分工作單位社會(huì)職位工作性質(zhì)社會(huì)影響力基本套餐類型品牌信息月均工資范圍婚姻狀況民族生日業(yè)務(wù)辦理常用渠道月均投訴次數(shù)投訴常用渠道增值業(yè)務(wù)使用信息月均使用量社會(huì)地位宗教信仰所屬行業(yè)家庭結(jié)構(gòu)通信地址汽車內(nèi)裝經(jīng)常洗車是否加入汽車俱樂部愛好汽車類型服務(wù)高峰時(shí)段服務(wù)類型汽車更換頻率月均服務(wù)次數(shù)業(yè)余愛好消費(fèi)習(xí)慣保險(xiǎn)理賠信息經(jīng)常訪問網(wǎng)站消費(fèi)結(jié)構(gòu)最近繳費(fèi)時(shí)間政治面貌投訴問題……常玩游戲………………住居區(qū)域其他信息社交信息……大數(shù)據(jù)平臺(tái)標(biāo)簽數(shù)據(jù)源系統(tǒng)數(shù)據(jù)互聯(lián)網(wǎng)數(shù)據(jù)瀏覽信息搜索信息SNS信息用戶數(shù)據(jù)身份信息偏好數(shù)據(jù)地理位置信息用戶事件電子商務(wù)數(shù)據(jù)商品瀏覽信息交易數(shù)據(jù)消費(fèi)趨勢(shì)信息業(yè)務(wù)人人貸小額貸款風(fēng)險(xiǎn)管理和合規(guī)反欺詐反洗錢多點(diǎn)檢測(cè)營(yíng)銷實(shí)時(shí)營(yíng)銷營(yíng)銷活動(dòng)事件式營(yíng)銷全渠道營(yíng)銷客戶360客戶視圖客戶定價(jià)客戶分類內(nèi)部征信數(shù)據(jù)庫(kù)相關(guān)對(duì)于企業(yè)內(nèi)外部不同來源的信息，使用多源數(shù)據(jù)采集架構(gòu)來捕獲各種可能需要的數(shù)據(jù)，并包含數(shù)據(jù)格式統(tǒng)一化引擎用確保所有輸出數(shù)據(jù)標(biāo)準(zhǔn)的一致性。

新聞媒體新浪金融和訊網(wǎng)金融界數(shù)據(jù)提供商路透社萬德Wind國(guó)泰安社交媒體微博微信紙質(zhì)媒體報(bào)紙雜志傳統(tǒng)文件格式電子文件紙質(zhì)文件網(wǎng)絡(luò)爬蟲JoBo/Nutch

數(shù)據(jù)流技術(shù)引擎聚合信息描述框架（RSS）第三方社交API數(shù)據(jù)服務(wù)商接口

虛擬專用網(wǎng)絡(luò)代理

網(wǎng)路防火墻人工輸入接口紙質(zhì)內(nèi)容掃描圖像識(shí)別OpenCV語音識(shí)別CMUSphin4電子文檔導(dǎo)入外部數(shù)據(jù)采集內(nèi)部數(shù)據(jù)采集數(shù)據(jù)獲取模塊HTML格式處理XML格式處理Excel數(shù)據(jù)處理PDF格式處理JSON格式處理Word格式處理數(shù)據(jù)統(tǒng)一化適配模塊數(shù)據(jù)格式化處理統(tǒng)一輸出外部數(shù)據(jù)采集架構(gòu)基于大數(shù)據(jù)的數(shù)據(jù)采集技術(shù)通過外部數(shù)據(jù)抓取提高模型準(zhǔn)確度人口統(tǒng)計(jì)(Demographical)客戶價(jià)值(CustomerValue)行為方式(Behavioral)態(tài)度(Attitudinal)模型層級(jí)形象價(jià)值觀生活方式心理因素活躍度營(yíng)銷通過將非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)，從營(yíng)銷方面可以了解客戶的具體需求、產(chǎn)品滿意度、甚至生活方式；從風(fēng)險(xiǎn)方面可以驗(yàn)證客戶身份、客戶收入水平、匹配黑名單等。這部分?jǐn)?shù)據(jù)與現(xiàn)有數(shù)據(jù)庫(kù)內(nèi)部數(shù)據(jù)結(jié)合一起用于模型建立，提高模型的準(zhǔn)確性和廣度。風(fēng)險(xiǎn)穩(wěn)定性收入水平分欺詐核實(shí)黑名單社媒數(shù)據(jù)源內(nèi)部數(shù)據(jù)源采集分析輸出TXTXMLCSVHTMLXMLDOCPDF……爬蟲WebCrawlerFileCrawler格式轉(zhuǎn)換(stream/

voicerecognition)(1)數(shù)據(jù)清洗&分詞處理(2)內(nèi)容分類&概念提取(3)情感分析&行為分析文本挖掘結(jié)構(gòu)化數(shù)據(jù)歸檔與搜索非結(jié)構(gòu)化數(shù)據(jù)轉(zhuǎn)換為結(jié)構(gòu)化數(shù)據(jù)外部數(shù)據(jù)獲取路徑。低高數(shù)據(jù)即時(shí)性低高獲取難度內(nèi)部數(shù)據(jù)客戶基本信息、卡號(hào)、流水、消費(fèi)、續(xù)期業(yè)務(wù)信息業(yè)務(wù)線坐席收集客戶信息客戶特征職業(yè)和家庭信息風(fēng)險(xiǎn)意識(shí)、投資偏好業(yè)務(wù)線網(wǎng)絡(luò)收集客戶信息內(nèi)部及外部已整合數(shù)據(jù)個(gè)人、家庭保障缺口客戶投訴文本和語音CDMGBD社交媒體信息（如人人、微博等）客戶經(jīng)理掌握的客戶信息客戶增值服務(wù)使用和體驗(yàn)信息收入房產(chǎn)車產(chǎn)投資…內(nèi)外部未/半整合數(shù)據(jù)旅游網(wǎng)站信息攜程途牛芒果網(wǎng)…移動(dòng)App信息運(yùn)動(dòng)鍛煉、減肥餐飲理財(cái)即時(shí)獲取使用網(wǎng)站個(gè)人信息即時(shí)獲取使用社交媒體個(gè)人信息即時(shí)獲取在線搜索健康、養(yǎng)老、教育、投資信息在線購(gòu)物信息（如生活、健康、醫(yī)療商品購(gòu)買）淘寶/天貓京東蘇寧…穿戴式設(shè)備（例如泰康咕咚手環(huán)“活力計(jì)劃”）…小數(shù)據(jù)大數(shù)據(jù)醫(yī)療和健康管理信息內(nèi)部征信數(shù)據(jù)庫(kù)建設(shè)——數(shù)據(jù)分析普華永道通過為國(guó)內(nèi)多家大型銀行開發(fā)計(jì)量模型，對(duì)建立計(jì)量模型積累了豐富經(jīng)驗(yàn)，包括數(shù)據(jù)收集清理，如何明確內(nèi)部征信所需數(shù)據(jù)源，包括采集渠道、頻率和數(shù)據(jù)項(xiàng)。

個(gè)貸系統(tǒng)合同數(shù)據(jù)數(shù)據(jù)倉(cāng)庫(kù)個(gè)人征信核心系統(tǒng)SEO稅務(wù)數(shù)據(jù)企業(yè)征信催收系統(tǒng)外部數(shù)據(jù)數(shù)據(jù)分析匯總數(shù)據(jù)分析集市信用評(píng)分建模PD、LGD、EAD估算、建模模型持續(xù)監(jiān)控策略優(yōu)化市場(chǎng)營(yíng)銷模型開發(fā)原有PPT，內(nèi)部征信數(shù)據(jù)來源的定義行外數(shù)據(jù)數(shù)據(jù)來源數(shù)據(jù)種類獲取方式工商紅盾行外數(shù)據(jù)結(jié)構(gòu)化查詢接口人行征信行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取水電數(shù)據(jù)行外數(shù)據(jù)結(jié)構(gòu)化查詢接口公安核查行外數(shù)據(jù)結(jié)構(gòu)化查詢接口法院信息行外數(shù)據(jù)結(jié)構(gòu)化非結(jié)構(gòu)化查詢接口網(wǎng)頁抓取公安戶籍信息行外數(shù)據(jù)結(jié)構(gòu)化查詢接口土地信息行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取百居易房產(chǎn)交易行外數(shù)據(jù)非結(jié)構(gòu)化網(wǎng)頁抓取銀聯(lián)，電信數(shù)據(jù)行外數(shù)據(jù)非結(jié)構(gòu)化合作設(shè)計(jì)內(nèi)部征信數(shù)據(jù)庫(kù)接口規(guī)范和數(shù)據(jù)庫(kù)表結(jié)構(gòu)prodidbankidassuidassuidloanidloanidloanidloanidloanidcustidcustidcustidCUST_INFO(客戶信息-概況-自然人)CUST_ASSET(客戶信息-資產(chǎn)信息)CUST_ADDR(客戶信息-聯(lián)系方式)CUST_INHAB(客戶信息-居住信息)DACUSTFAMILY(客戶信息-社會(huì)關(guān)系)APP(貸款申請(qǐng)-基本信息)APP_CAR(貸款申請(qǐng)-詳細(xì)信息-汽車)APP_HOUSE(貸款申請(qǐng)-詳細(xì)信息-購(gòu)房)AP_PARTNER(貸款申請(qǐng)-共同借款人)APP_ASSUDIV(CU貸款申請(qǐng)-擔(dān)保關(guān)聯(lián))ASSUCUST_INFO(擔(dān)保物-保證信息)ASSUIMPA_INFO(CU擔(dān)保物-抵質(zhì)押物-基本信息)BANK(CU系統(tǒng)-機(jī)構(gòu)-信息表)CONST_PROD(CU產(chǎn)品管理-產(chǎn)品定義)custid客戶信息申請(qǐng)信息擔(dān)保信息其他信息通過信息系統(tǒng)中的原始表，進(jìn)行關(guān)聯(lián)加工，構(gòu)建內(nèi)部征信數(shù)據(jù)庫(kù)；項(xiàng)目中將詳細(xì)記錄在數(shù)據(jù)加工過程對(duì)原始數(shù)據(jù)進(jìn)行的處理細(xì)節(jié)和口徑；原有PPT，內(nèi)部征信針對(duì)客戶數(shù)據(jù)的分析挖掘主要集中在客戶營(yíng)銷與客戶風(fēng)險(xiǎn)管控戰(zhàn)略/市場(chǎng)客戶/營(yíng)銷銷售/渠道產(chǎn)品/創(chuàng)新流程/運(yùn)營(yíng)風(fēng)險(xiǎn)/管控競(jìng)爭(zhēng)分析客戶臉譜分析客群人數(shù)市場(chǎng)占有情況分析市場(chǎng)客戶價(jià)值分析市場(chǎng)市場(chǎng)產(chǎn)量分析市場(chǎng)周期性分析情景分析市場(chǎng)區(qū)域性分析擴(kuò)張分析社會(huì)熱點(diǎn)分析品牌價(jià)值分析公眾社交輿情分析競(jìng)爭(zhēng)對(duì)手分析監(jiān)控客戶定位銷售活動(dòng)銷售人員分群銷售業(yè)績(jī)預(yù)測(cè)銷售活動(dòng)/行為特征挖掘銷售價(jià)值分析銷售人員脫落預(yù)測(cè)激勵(lì)分析銷售工具渠道管理渠道銷售資源渠道機(jī)構(gòu)網(wǎng)點(diǎn)360度視圖渠道客戶粘性渠道產(chǎn)品需求分析渠道客戶回報(bào)率渠道機(jī)構(gòu)網(wǎng)點(diǎn)價(jià)值分析渠道成本分析渠道資源投入與價(jià)值相關(guān)性分析數(shù)據(jù)維度之間的相關(guān)性開發(fā)產(chǎn)品動(dòng)態(tài)定價(jià)用社交媒體設(shè)計(jì)產(chǎn)品次標(biāo)準(zhǔn)人群的產(chǎn)品開發(fā)產(chǎn)品創(chuàng)新產(chǎn)品優(yōu)化產(chǎn)品組合量化風(fēng)險(xiǎn)客群分析資金成本測(cè)算風(fēng)險(xiǎn)測(cè)算客戶服務(wù)客戶服務(wù)項(xiàng)目偏好分析NextBestService客戶服務(wù)項(xiàng)目投入價(jià)值分析公司-客戶-代理人/渠道多方互動(dòng)公司-客戶-代理人/渠道多方互運(yùn)營(yíng)優(yōu)化多渠道一致性應(yīng)用（云）語音識(shí)別文字識(shí)別視頻/語音簽名基于多媒體技術(shù)的遠(yuǎn)程服務(wù)運(yùn)營(yíng)資源優(yōu)化運(yùn)營(yíng)成本分析資源需求預(yù)測(cè)產(chǎn)能分析IT財(cái)務(wù)模型優(yōu)化IT服務(wù)資源需求預(yù)測(cè)IT服務(wù)滿意度分析信用評(píng)級(jí)防欺詐申請(qǐng)?jiān)u級(jí)欺詐監(jiān)測(cè)客戶營(yíng)銷客戶營(yíng)銷NextBestBuy社交媒體商機(jī)挖掘基于位置的營(yíng)銷老客戶開發(fā)機(jī)會(huì)分析銷售機(jī)會(huì)分析客戶開發(fā)客戶產(chǎn)品偏好分析客戶需求滿足度分析質(zhì)押貸款客群分析交叉銷售到期應(yīng)對(duì)流失激活客戶維系到期客戶開發(fā)分析客戶挽留分析到期客戶產(chǎn)品匹配流失激活產(chǎn)品匹配流失激活客戶開發(fā)分析流失激活銷售服務(wù)人員匹配客戶滿意度分析客戶接觸偏好分析客戶之聲客戶體驗(yàn)社交媒體客戶之聲收集分析客群營(yíng)銷接觸方式偏好分析客戶滿意度與客群關(guān)系分析客戶情緒分析客群服務(wù)接觸方式偏好分析客戶價(jià)值與營(yíng)銷接觸相關(guān)性分析客戶滿意度與產(chǎn)品保費(fèi)關(guān)系分析客戶滿意度與客戶價(jià)值關(guān)系分析客戶特征客戶洞見客戶特征信息收集分析客戶特征實(shí)時(shí)分析現(xiàn)有客戶臉譜分析客戶行為客戶在線行為收集和分析客戶價(jià)值客群現(xiàn)實(shí)價(jià)值相關(guān)性分析客群未來價(jià)值相關(guān)性分析客戶價(jià)值遷徙的客群相關(guān)性分析客群潛在價(jià)值相關(guān)性分析客戶需求客戶需求模型營(yíng)銷分析產(chǎn)品服務(wù)相關(guān)性分析客戶產(chǎn)品營(yíng)銷差異化分析事件與營(yíng)銷相關(guān)分析客群市場(chǎng)營(yíng)銷分析跨界產(chǎn)品產(chǎn)品調(diào)優(yōu)行為評(píng)級(jí)催收評(píng)級(jí)行業(yè)分析客群分析政策試點(diǎn)大數(shù)據(jù)在金融業(yè)的應(yīng)用實(shí)例泰豐租賃泰豐租賃運(yùn)用客戶數(shù)據(jù)庫(kù)、標(biāo)的物數(shù)據(jù)庫(kù)和宏觀行業(yè)數(shù)據(jù)庫(kù)實(shí)現(xiàn)了有效風(fēng)險(xiǎn)管理，并將數(shù)據(jù)庫(kù)作為行業(yè)投放指引實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。獅橋資本獅橋立足市場(chǎng)大數(shù)據(jù)，深耕垂直領(lǐng)域理念和風(fēng)險(xiǎn)高度分散的商業(yè)模式，通過大數(shù)據(jù)平臺(tái)構(gòu)建了覆蓋承租人和設(shè)備管理的完善風(fēng)控體系。民生銀行民生銀行將數(shù)據(jù)挖掘技術(shù)應(yīng)用于高端客戶流失風(fēng)險(xiǎn)預(yù)測(cè)研究中，利用邏輯回歸與決策樹分類技術(shù)構(gòu)建了客戶流失預(yù)測(cè)模型以預(yù)測(cè)客戶流失可能性。廣發(fā)銀行廣發(fā)銀行采用數(shù)據(jù)挖掘與分析技術(shù)加強(qiáng)風(fēng)險(xiǎn)控制機(jī)制，引入申請(qǐng)計(jì)分機(jī)制，根據(jù)客戶資料信息，建立數(shù)據(jù)挖掘模型對(duì)信用卡申請(qǐng)客戶進(jìn)行信用評(píng)分。招商銀行招商銀行采用SAS的EnterpriseMiner模塊建立個(gè)人貸款評(píng)分卡模型。在建立模型過程中，建立了統(tǒng)一的評(píng)分卡監(jiān)測(cè)報(bào)表，并根據(jù)使用情況對(duì)模型進(jìn)行相應(yīng)調(diào)整。中信銀行中信銀行引入Greenplum數(shù)據(jù)倉(cāng)庫(kù)解決方案，建立數(shù)據(jù)庫(kù)營(yíng)銷平臺(tái)。結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)，進(jìn)行全局?jǐn)?shù)據(jù)挖掘分析，建立統(tǒng)一的客戶視圖，更有針對(duì)性的展開營(yíng)銷。匯豐銀行匯豐銀行引入SAS防欺詐管理解決方案構(gòu)建其全球業(yè)務(wù)網(wǎng)絡(luò)的防欺詐管理系統(tǒng)，通過收集和分析大數(shù)據(jù)解決復(fù)雜問題，以加快信息獲取速度并超越競(jìng)爭(zhēng)對(duì)手。建設(shè)銀行建設(shè)銀行通過大數(shù)據(jù)平臺(tái)開發(fā)了小企業(yè)大數(shù)據(jù)創(chuàng)新信貸產(chǎn)品，并根據(jù)市場(chǎng)和客戶需求的變化不斷創(chuàng)新小微企業(yè)金融產(chǎn)品和服務(wù)，實(shí)現(xiàn)主動(dòng)風(fēng)險(xiǎn)管理。光大銀行光大銀行開發(fā)了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫(kù)，為信用卡業(yè)務(wù)和理財(cái)業(yè)務(wù)提供支持，并計(jì)劃通過多樣化的數(shù)據(jù)庫(kù)平臺(tái)實(shí)現(xiàn)營(yíng)銷與客戶需求的無縫對(duì)接。原有PPT，大數(shù)據(jù)應(yīng)用借助項(xiàng)目幫助華瑞銀行打造基于大數(shù)據(jù)綜合平臺(tái)系統(tǒng)的互聯(lián)網(wǎng)金融服務(wù)生態(tài)圈愿景

2143大數(shù)據(jù)平臺(tái)運(yùn)用各類自有的、合作伙伴的及豐富的第三方信息數(shù)據(jù)，打造可提供多樣化的大數(shù)據(jù)金融相關(guān)產(chǎn)品和服務(wù)的平臺(tái)小微拓展平臺(tái)基于小微自營(yíng)平臺(tái)，為各類合作方或潛在合作方提供的助力共贏平臺(tái)小微自營(yíng)平臺(tái)實(shí)現(xiàn)對(duì)業(yè)務(wù)端到端的流程全控制創(chuàng)新金融平臺(tái)創(chuàng)新金融業(yè)務(wù)的搖籃核心平臺(tái)合作機(jī)構(gòu)管理產(chǎn)品管理小微業(yè)務(wù)營(yíng)銷管理小微業(yè)務(wù)風(fēng)險(xiǎn)管理（貸中）小微業(yè)務(wù)放款管理小微業(yè)務(wù)貸后管理創(chuàng)新金融業(yè)務(wù)專題研究創(chuàng)新金融業(yè)務(wù)試水創(chuàng)新金融業(yè)務(wù)培育大數(shù)據(jù)收集存儲(chǔ)處理大數(shù)據(jù)分析對(duì)內(nèi)大數(shù)據(jù)應(yīng)用產(chǎn)品對(duì)外大數(shù)據(jù)應(yīng)用產(chǎn)品外包服務(wù)提供第三方信息服務(wù)合作機(jī)構(gòu)投融資支持業(yè)內(nèi)交流學(xué)習(xí)平臺(tái)合作機(jī)構(gòu)間交叉營(yíng)銷潛在合作者引入核心差異化競(jìng)爭(zhēng)力互聯(lián)網(wǎng)金融服務(wù)生態(tài)圈的整體架構(gòu)原有PPT，大數(shù)據(jù)應(yīng)用

大數(shù)據(jù)平臺(tái)能力解析——互聯(lián)網(wǎng)金融服務(wù)生態(tài)圈的整體架構(gòu)自動(dòng)化處理專業(yè)化管理尚未實(shí)現(xiàn)部分實(shí)現(xiàn)或計(jì)劃建立平臺(tái)化管理模式解析結(jié)構(gòu)化管理自動(dòng)化處理標(biāo)準(zhǔn)化管理專業(yè)化管理標(biāo)準(zhǔn)化管理自動(dòng)化處理大數(shù)據(jù)收集存儲(chǔ)處理大數(shù)據(jù)分析對(duì)內(nèi)大數(shù)應(yīng)用產(chǎn)品對(duì)外大數(shù)據(jù)應(yīng)用產(chǎn)品1234大數(shù)據(jù)平臺(tái)數(shù)據(jù)解析合作機(jī)構(gòu)數(shù)據(jù)存量及新增業(yè)務(wù)數(shù)據(jù)第三方征信數(shù)據(jù)第三方信息數(shù)據(jù)黑名單數(shù)據(jù)基于基礎(chǔ)數(shù)據(jù)的衍生數(shù)據(jù)模塊解析業(yè)務(wù)、合作機(jī)構(gòu)、第三方信息等數(shù)據(jù)收集入倉(cāng)小微數(shù)據(jù)集市客群特征分析客戶信用分析報(bào)告（外）客戶營(yíng)銷策略分析風(fēng)險(xiǎn)特征分析行業(yè)市場(chǎng)分析客戶畫像風(fēng)險(xiǎn)評(píng)分模型欺詐偵測(cè)模型客群差異化定價(jià)行業(yè)分析報(bào)告催收評(píng)分模型客戶畫像（外）行業(yè)分析報(bào)告（外）黑名單查詢第三方信息查詢工具解析數(shù)倉(cāng)數(shù)據(jù)集市數(shù)倉(cāng)數(shù)據(jù)集市零售/非零售評(píng)級(jí)模型小微自營(yíng)平臺(tái)小微拓展平臺(tái)第三方信息平臺(tái)數(shù)倉(cāng)數(shù)據(jù)集市模型實(shí)驗(yàn)室數(shù)倉(cāng)數(shù)據(jù)集市各類統(tǒng)計(jì)分析處理軟件數(shù)據(jù)交互技術(shù)/工具模型生命周期管理原有PPT，大數(shù)據(jù)應(yīng)用基于當(dāng)前現(xiàn)狀，明確大數(shù)據(jù)管理的通用需求和差異化需求：從更多數(shù)據(jù)源獲取數(shù)據(jù)不同種數(shù)據(jù)源數(shù)據(jù)融合，不同數(shù)據(jù)特征數(shù)據(jù)融合高性能數(shù)據(jù)存儲(chǔ)，檢索，統(tǒng)計(jì)，服務(wù)足于大數(shù)據(jù)分析要求，分析不同層次不同種類數(shù)據(jù)，盡可能多的掌握企業(yè)數(shù)據(jù)，在數(shù)據(jù)融合和數(shù)據(jù)分析的基礎(chǔ)上實(shí)現(xiàn)風(fēng)險(xiǎn)控制。運(yùn)用爬蟲技術(shù)和語義分析技術(shù)，實(shí)現(xiàn)多數(shù)據(jù)源融合和數(shù)據(jù)特征融合。進(jìn)而實(shí)現(xiàn)圖存儲(chǔ)，圖計(jì)算和圖分析。用復(fù)雜網(wǎng)絡(luò)理論和同構(gòu)圖解析計(jì)算設(shè)計(jì)風(fēng)控模型01外部數(shù)據(jù)抓取如何高效地進(jìn)行外部數(shù)據(jù)源和形式各異的海量基礎(chǔ)數(shù)據(jù)的采集、處理、關(guān)聯(lián)、檢索等，以滿足不同群體的信息需求03數(shù)據(jù)整合如何使用語義分析技術(shù)，抽取指定信息項(xiàng)，并實(shí)現(xiàn)不同種數(shù)據(jù)源融合，不同數(shù)據(jù)特征的數(shù)據(jù)融合04數(shù)據(jù)存儲(chǔ)如何使用高性能大數(shù)據(jù)引擎，存儲(chǔ)數(shù)據(jù)，并保持系統(tǒng)的最佳擴(kuò)展性05數(shù)據(jù)檢索如何實(shí)現(xiàn)高性能數(shù)據(jù)檢索和數(shù)據(jù)統(tǒng)計(jì)，并能實(shí)現(xiàn)復(fù)雜業(yè)務(wù)關(guān)聯(lián)02數(shù)據(jù)接口數(shù)據(jù)如何通過專用數(shù)據(jù)接口獲得結(jié)構(gòu)化數(shù)據(jù)，高效使用點(diǎn)對(duì)點(diǎn)數(shù)據(jù)接口獲得第三方數(shù)據(jù)，06數(shù)據(jù)服務(wù)如何將已有的知識(shí)成果進(jìn)行系統(tǒng)化、電子化的積累，建立高效、便捷的風(fēng)控管理體系，以備內(nèi)部進(jìn)行知識(shí)共享與使用531數(shù)據(jù)紅盾數(shù)據(jù)裁判文書金稅數(shù)據(jù)水電數(shù)據(jù)風(fēng)控應(yīng)用人行報(bào)告執(zhí)行文書數(shù)據(jù)檢索數(shù)據(jù)融合風(fēng)控預(yù)警通過外部數(shù)據(jù)與內(nèi)部數(shù)據(jù)共同導(dǎo)入預(yù)警監(jiān)測(cè)系統(tǒng)，可實(shí)現(xiàn)有效的風(fēng)險(xiǎn)實(shí)時(shí)監(jiān)控和提示，以輔助管理層決策宏觀經(jīng)濟(jì)數(shù)據(jù)：行業(yè)/區(qū)域輿情數(shù)據(jù)：客戶/關(guān)聯(lián)方/供應(yīng)商等三表、工商數(shù)據(jù)：客戶/關(guān)聯(lián)方/供應(yīng)商等電信運(yùn)營(yíng)商數(shù)據(jù)庫(kù)倉(cāng)儲(chǔ)平臺(tái)--外部數(shù)據(jù)賬戶、財(cái)務(wù)數(shù)據(jù)客戶租賃行為：租賃申請(qǐng)；租賃物使用情況等企業(yè)經(jīng)營(yíng)水平數(shù)據(jù)庫(kù)倉(cāng)儲(chǔ)平臺(tái)--內(nèi)部數(shù)據(jù)宏觀經(jīng)濟(jì)風(fēng)險(xiǎn)：行業(yè)、區(qū)域趨勢(shì)關(guān)聯(lián)風(fēng)險(xiǎn)：管理層個(gè)人、關(guān)聯(lián)客戶風(fēng)險(xiǎn)（擔(dān)保關(guān)系、集團(tuán)關(guān)系）、商圈、供應(yīng)鏈上下游聲譽(yù)風(fēng)險(xiǎn)賬戶風(fēng)險(xiǎn)和財(cái)務(wù)風(fēng)險(xiǎn)公司治理經(jīng)營(yíng)管理信用風(fēng)險(xiǎn)：租金繳納能力與意愿；風(fēng)險(xiǎn)緩釋打分卡模型運(yùn)行預(yù)警監(jiān)測(cè)系統(tǒng)營(yíng)銷點(diǎn)挖掘重要趨勢(shì)關(guān)注客戶分層風(fēng)險(xiǎn)事件發(fā)現(xiàn)高風(fēng)險(xiǎn)客戶識(shí)別聯(lián)動(dòng)風(fēng)險(xiǎn)監(jiān)控報(bào)表、分析結(jié)果管理層決策原有PPT，風(fēng)險(xiǎn)預(yù)警建立全流程、多維度的反欺詐管理體系

客戶欺詐風(fēng)險(xiǎn)評(píng)估

黑名單拒絕潛在騙貸客戶反欺詐規(guī)則/模型對(duì)客戶采取差異化的反欺詐防范流程通過科技手段驗(yàn)證設(shè)備、銀行卡等信息的真實(shí)性通過大數(shù)據(jù)搜索，主動(dòng)抓取并實(shí)時(shí)更新多家金融平臺(tái)數(shù)萬條黑名單數(shù)據(jù)對(duì)接多家第三方征信機(jī)構(gòu)及數(shù)據(jù)服務(wù)商，多維度分析客戶，全面評(píng)判客戶借款真實(shí)性利用反欺詐模型及規(guī)則，結(jié)合設(shè)備指紋、銀行卡信息校驗(yàn)，實(shí)現(xiàn)內(nèi)部與外部相結(jié)合的全流程風(fēng)險(xiǎn)把控銀行可依托大數(shù)據(jù)環(huán)境，通過收集黑名單校驗(yàn)、反欺詐規(guī)則、外部征信數(shù)據(jù)三重防范手段，建立信貸管理全流程的客戶欺詐風(fēng)險(xiǎn)評(píng)估與管理體系。原有PPT，反欺詐多維度的黑名單收集與積累在內(nèi)部積累形成的黑名單、銀監(jiān)會(huì)公布的黑名單基礎(chǔ)上，通過大數(shù)據(jù)搜索，從多個(gè)維度主動(dòng)抓取并實(shí)時(shí)更新消費(fèi)金融及小微金融相關(guān)的黑名單數(shù)據(jù)?？舍槍?duì)機(jī)構(gòu)運(yùn)行情況，設(shè)計(jì)契合北銀業(yè)務(wù)結(jié)構(gòu)、信息技術(shù)能力的黑名單收集與管理方案。02外部征信：對(duì)接第三方征信機(jī)構(gòu)，實(shí)時(shí)查詢信息：人行征信報(bào)告（簡(jiǎn)報(bào)）8家個(gè)人征信公司數(shù)據(jù)其他第三方征信機(jī)構(gòu)04構(gòu)建全面完整的科創(chuàng)/小微金融黑名單庫(kù)網(wǎng)絡(luò)黑名單：收集各網(wǎng)貸公開名單，補(bǔ)充黑名單庫(kù)：50余家平臺(tái)名單數(shù)十萬條黑名單信息0301政府公示信息：定期抓取比對(duì)法院、工商等政府機(jī)構(gòu)公示信息：失信執(zhí)行人名單工商局異常經(jīng)營(yíng)名單工商局抽檢名單結(jié)果等外部數(shù)據(jù)供應(yīng)商：交叉驗(yàn)證銀行卡信息，手機(jī)設(shè)備信息等外部數(shù)據(jù)：手機(jī)設(shè)備信息銀行卡信息訴訟信息、催欠信息網(wǎng)絡(luò)軌跡信息等原有PPT，反欺詐反欺詐模型的常見類型及其比較信貸欺詐主要包括申請(qǐng)欺詐、交易欺詐；反欺詐模型主要包括基于規(guī)則的模型、基于神經(jīng)網(wǎng)絡(luò)的模型：基于規(guī)則的反欺詐模型基于神經(jīng)網(wǎng)絡(luò)的反欺詐模型運(yùn)行邏輯檢測(cè)交易是否觸發(fā)一組規(guī)則的技術(shù)手段來識(shí)別欺詐交易；人工神經(jīng)網(wǎng)絡(luò)需要通過歷史數(shù)據(jù)訓(xùn)練，得到模型參數(shù)，用于新數(shù)據(jù)的預(yù)測(cè)；核心模塊欺詐規(guī)則庫(kù)；神經(jīng)網(wǎng)絡(luò)訓(xùn)練模塊、神經(jīng)網(wǎng)絡(luò)處理計(jì)算模塊；優(yōu)勢(shì)模型結(jié)構(gòu)相對(duì)簡(jiǎn)單、分支較少、流程較為清晰，易于理解、使用和維護(hù)；模型穩(wěn)定性較好；模型應(yīng)對(duì)不同欺詐類別的應(yīng)變能力較強(qiáng)；系統(tǒng)具有自我訓(xùn)練、優(yōu)化網(wǎng)絡(luò)模型的功能；劣勢(shì)規(guī)則庫(kù)中所有的規(guī)則都是基于已知的欺詐類型設(shè)置的，因此對(duì)于新型的欺詐類型識(shí)別能力較弱；模型結(jié)構(gòu)比較復(fù)雜；模型系統(tǒng)建設(shè)初期需要大量投入；適用對(duì)象數(shù)據(jù)量相對(duì)較少的業(yè)務(wù)；以靜態(tài)信息為基礎(chǔ)的欺詐識(shí)別過程，例如申請(qǐng)欺詐。擁有海量數(shù)據(jù)的信用卡業(yè)務(wù)；行為模式較為復(fù)雜、以動(dòng)態(tài)信息為基礎(chǔ)的欺詐識(shí)別過程，例如交易欺詐。商業(yè)銀行所面臨的主要欺詐類型為申請(qǐng)欺詐；適宜開發(fā)基于規(guī)則的反欺詐模型。原有PPT，反欺詐基于規(guī)則的反欺詐模型工作流程示例基于規(guī)則的反欺詐模型的核心是欺詐規(guī)則庫(kù)構(gòu)建、以及基于實(shí)際運(yùn)行情況的規(guī)則優(yōu)化與維護(hù)。欺詐規(guī)則庫(kù)欺詐規(guī)則評(píng)分設(shè)定界限分?jǐn)?shù)欺詐調(diào)查列入欺詐黑名單分?jǐn)?shù)>界限分?jǐn)?shù)是否為欺詐是否是否申請(qǐng)錄入信息/其他來源信息進(jìn)入信貸流程示例原有PPT，反欺詐反欺詐內(nèi)部數(shù)據(jù)規(guī)則規(guī)則名稱規(guī)則指標(biāo)規(guī)則簡(jiǎn)述規(guī)則風(fēng)險(xiǎn)預(yù)警級(jí)別處理結(jié)果申請(qǐng)人是否欺詐黑名單庫(kù)客戶申請(qǐng)人證件號(hào)碼命中欺詐黑名單庫(kù)的申請(qǐng)人證件號(hào)碼（含證件類型）為我行欺詐黑名單上的A系統(tǒng)拒絕處理團(tuán)辦申請(qǐng)人行查詢時(shí)間相同同批次團(tuán)辦申請(qǐng)中，申請(qǐng)人人行征信報(bào)告的近期查詢記錄中有一次或多次相同查詢時(shí)間同批次團(tuán)辦申請(qǐng)中，申請(qǐng)人人行征信報(bào)告的近N個(gè)月人行貸款或者信用卡審批查詢記錄中有一次或多次相同的查詢時(shí)間B轉(zhuǎn)交欺詐專員處理非本地申請(qǐng)且申請(qǐng)信息異常相似同批次團(tuán)辦申請(qǐng)中，申請(qǐng)人非本地且手機(jī)號(hào)碼、住宅地址、工齡、職務(wù)、職級(jí)、聯(lián)系人信息極其相似的同批次團(tuán)辦申請(qǐng)中，申請(qǐng)人非本地居民，且手機(jī)號(hào)碼、住宅地址、工齡、職務(wù)、職級(jí)、聯(lián)系人信息極其相似的B轉(zhuǎn)交欺詐專員處理主動(dòng)上門申請(qǐng)且材料異常齊全客戶主動(dòng)上門，且提供材料非常齊全或多于一般人，工作單位非常優(yōu)質(zhì)的客戶自進(jìn)件，提供的材料超過規(guī)定數(shù)量，工作單位性質(zhì)為政府機(jī)關(guān)、事業(yè)單位、國(guó)有企業(yè)/上市公司的B轉(zhuǎn)交欺詐專員處理勾選快遞寄送且信息不匹配同批次團(tuán)辦選擇快遞寄送，且多數(shù)申請(qǐng)人人行信息與申請(qǐng)表信息不匹配的同批次團(tuán)辦申請(qǐng)人勾選EMS寄送卡片，且出現(xiàn)申請(qǐng)人人行上報(bào)單位名稱或單位地址或單位電話或手機(jī)號(hào)碼與申請(qǐng)表填寫不匹配的B轉(zhuǎn)交欺詐專員處理手機(jī)號(hào)連號(hào)不同證件號(hào)碼手機(jī)號(hào)碼連號(hào)，但是不同證件號(hào)碼近N個(gè)月手機(jī)號(hào)碼連號(hào)不同證件號(hào)碼的申請(qǐng)次數(shù)大于等于1次C轉(zhuǎn)交欺詐專員處理同自扣賬戶不同證件號(hào)碼同一自扣還款賬戶，但是不同證件號(hào)碼近N個(gè)月同一自扣還款賬戶賬號(hào)不同證件號(hào)碼的申請(qǐng)次數(shù)大于等于1次B轉(zhuǎn)交欺詐專員處理同姓名和賬單地址不同證件號(hào)碼同樣的姓名和賬單地址，但不同的證件號(hào)碼近N個(gè)月同一姓名和賬單地址不同證件號(hào)碼的申請(qǐng)次數(shù)大于等于1次C轉(zhuǎn)交欺詐專員處理同單位電話不同單位地址同樣的單位電話，但是單位地址不同近N個(gè)月同一單位電話不同單位地址的申請(qǐng)次數(shù)大于等于1次B轉(zhuǎn)交欺