http://www.sohu.com/a/118119125_531740

金融行業會運用到很多大資料，但是大資料也會有很多方面的應用。下面來看看大資料在金融行業的應用都是什麼。

根據資料顯示，中國大資料IT應用投資規模以五大行業最高，其中以網際網路行業佔比最高，佔大資料IT應用投資規模的28.9%，其次是電信領域(19.9%)，第三為金融領域(17.5%)，政府和醫療分別為第四和第五。

根據國際知名諮詢公司麥肯錫的報告顯示：在大資料應用綜合價值潛力方面，資訊科技、金融保險、政府及批發貿易四大行業潛力最高高。具體到行業內每家公司的資料量來看，資訊、金融保險、計算機及電子裝置、公用事業四類的資料量最大。

可以看出，無論是投資規模和應用潛力，資訊行業(網際網路和電信)和金融行業都是大資料應用的重點行業。由於上一篇《BAT網際網路企業大資料應用》(關注微信公眾號：傅志華，即可通過歷史文章查閱)已經重點介紹了網際網路行業的大資料應用情況，本文將講點介紹行金融行業大資料應用情況，下一篇文章將重點介紹電信行業的大資料應用情況。

金融行業大資料應用投資分佈

從投資結構上來看，銀行將會成為金融類企業中的重要部分，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、保險和證券行業的大資料應用情況。

國內不少銀行已經開始嘗試通過大資料來驅動業務運營，如中信銀行信用卡中心使用大資料技術實現了實時營銷，光大銀行建立了社交網路資訊資料庫，招商銀行則利用大資料發展小微貸款。總的來看銀行大資料應用可以分為四大方面：

第一方面：客戶畫像應用。客戶畫像應用主要分為個人客戶畫像和企業客戶畫像。個人客戶畫像包括人口統計學特徵、消費能力資料、興趣資料、風險偏好等;企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶資料、相關產業鏈上下游等資料。值得注意的是，銀行擁有的客戶資訊並不全面，基於銀行自身擁有的資料有時候難以得出理想的結果甚至可能得出錯誤的結論。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，按照傳統的資料分析，該客戶是一位滿意度較高流失風險較低的客戶。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，該客戶流失風險較高。所以銀行不僅僅要考慮銀行

(1)客戶在社交媒體上的行為資料(如光大銀行建立了社交網路資訊資料庫)。通過打通銀行內部資料和外部社會化的資料可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理;

(2)客戶在電商網站的交易資料，如建設銀行則將自己的電子商務平臺和信貸業務結合起來，阿里金融為阿里巴巴使用者提供無抵押貸款，使用者只需要憑藉過去的信用即可;

(3)企業客戶的產業鏈上下游資料。如果銀行掌握了企業所在的產業鏈上下游的資料，可以更好掌握企業的外部環境發展情況，從而可以預測企業未來的狀況;

(4)其他有利於擴充套件銀行對客戶興趣愛好的資料，如網路廣告界目前正在興起的DMP資料平臺的網際網路使用者行為資料。

第二方面：精準營銷。在客戶畫像的基礎上銀行可以有效的開展精準營銷，包括：

(1)實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等資訊來有針對地進行營銷(某客戶採用信用卡採購孕婦用品，可以通過建模推測懷孕的概率並推薦孕婦類喜歡的業務);或者將改變生活狀態的事件(換工作、改變婚姻狀況、置居等)視為營銷機會;

(2)交叉營銷。即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然後用遠端銀行來實施交叉銷售;

(3)個性化推薦。銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣;

(4)客戶生命週期管理。客戶生命週期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，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：風險管控。包括中小企業貸款風險評估和欺詐交易識別等手段。

(1)中小企業貸款風險評估。銀行可通過企業的產、流通、銷售、財務等相關資訊結合大資料探勘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。

(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資訊、卡基本資訊、交易歷史、客戶歷史行為模式、正在發生行為模式(如轉賬)等，結合智慧規則引擎(如從一個不經常出現的國家為一個特有使用者轉賬或從一個不熟悉的位置進行線上交易)進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大資料有效地預防與管理金融犯罪，摩根大通銀行則利用大資料技術追蹤盜取客戶賬號或侵入自動櫃員機(ATM)系統的罪犯

第四方面：運營優化。

(1)市場和渠道分析優化。通過大資料，銀行可以監控不同市場推廣渠道尤其是網路渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。

(2)產品和服務優化：銀行可以將客戶行為轉化為資訊流，並從中分析客戶的個性特徵和風險偏好，更深層次地理解客戶的習慣，智慧化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大資料進行初步分析，通過對還款資料探勘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。

(3)輿情分析：銀行可以通過爬蟲技術，抓取社群、論壇和微博上關於銀行以及銀行產品和服務的相關資訊，並通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面資訊，及時發現和處理問題;對於正面資訊，可以加以總結並繼續強化。同時，銀行也可以抓取同行業的銀行正負面資訊，及時瞭解同行做的好的方面，以作為自身業務優化的借鑑。

SODBASE產品在保證了、穩定可靠的基礎上，實現了圖形化編制模型等功能。它可以通過系統提供的介面進行與其他軟體系統的無縫對接，實現效能、穩定和相容性相互協調、相互統一。

兼顧高效能和穩定性，業內最穩定的流式計算CEP引擎

三重穩定保障：

(1)單元測試工具保障

(2)有效的HA機制

(3)任務級別的監控介面

視覺化規則和介面設計工具