大資料在銀行業的應用

一、輿情分析

對於銀行來說，輿情分析包括：銀行的聲譽分析、品牌分析和客戶質量分析。它主要是通過分析網路社交媒體的評論，對於客戶的流失情況進行預警，還可以通過對新聞熱點的跟蹤以及政府報道的分析，為銀行提供個性化的分析場所。

二、客戶信用評級

銀行可以通過手機客戶申請信用卡的資料，分析客戶的信用程度，從而幫助業務人員做出相應的決策。

三、客戶與市場洞察

銀行可以通過跟蹤社交媒體的評論資訊，利用各種非結構化資料，對客戶進行細分，改進客戶的流失情況。這是銀行對於市場的趨勢分析。

四、運營優化

銀行通過大資料平臺對各種歷史資料進行儲存和管理，同時可以對系統日誌進行維護、預測系統故障，從而提升系統的運營效率。

五、風險與欺詐分析

主要包括財務風險分析、貸款風險分析、各種反洗錢和欺詐調查和實時欺詐分析等內容。所謂財務風險分析是分析信用風險和市場風險產生的資料；貸款風險分析是從媒體或者社會公眾資訊中提取企業客戶和潛在客戶的資訊。提高對於風險的預測能力和預警能力；反洗錢與欺詐調查是提取犯罪記錄的資訊；實時欺詐分析則是對大量的欺詐資料進行分析。

銀行資料架構規劃

隨著銀行業務的擴充套件，可以對資料進行架構規劃。大資料的資料架構規劃可以採用Hadoop技術，即通過與節後或資料進行關聯，進一步拓展對非結構化資料的處理。其資料來源包括結構化資料、半結構化資料和非結構化資料。半結構化資料和非結構化資料通過網路爬蟲的方式來蒐集，再經過內容管理處理，將資料進行結構化處理，然後可以將內容管理處理得出的資料資訊存放到基礎資料儲存中。這是基於HDFS存放的非結構化資料。

大資料為銀行創造的價值

當銀行客戶與銀行產生交易，會產生大量的資料，這些資料具有大量的業務價值，為銀行進行有針對性的營銷創造了機會。

在大部分的應用中，隨著資料量指數級的增長，特別是一些非結構化資料的快速增長，大量的資料導致分析時間增長，傳統的商業智慧已經無法滿足需求，阻礙了業務的發展，以FineBI為代表的新型BI的湧現，無論在資料處理量和速度上都相比傳統BI有突破性的進步。

在很長的一段時間內，銀行的大部分業務是建立在客戶和銀行的交易過程中的，但是為了能更好地為客戶服務，光靠依賴這些資料是不夠的。隨著技術的進步，銀行可以通過很多途徑來蒐集客戶的資料。從而進行有針對性的營銷。

隨著網際網路技術的發展，客戶可以通過電子渠道對銀行業務發表看法或者購買銀行產品。這些操作都是為增強對於客戶的瞭解，降低資訊的不對稱性。

目前來說，在利率市場化的趨勢下，存款的穩定性降低，存貸款的利差收窄，資料分析已經逐漸成為銀行實現核心業務價值的重要手段。金融脫媒會導致大量客戶的流失和客戶忠誠度的降低。銀行作為“支付中介”的地位開始動搖，客戶對於銀行服務的要求越來越高。

在這種情況下，銀行需要通過大資料深入全名瞭解客戶的基本資訊，提升業務執行的效率，逐步提高客戶的體驗。通過對大資料的加工以及挖掘，可能為銀行帶來極大的效益，特別是商業銀行。

對於銀行來說，風險管控和使用者營銷是未來最重要的兩個方向。而對客戶的信用評分是實現這兩個方向的重要條件之一。信用評分是根據申請人的申請資訊和證明材料，幫助業務員作出決策，降低壞賬率。

比如：我們可以根據大資料的分析和查詢，有針對性地為客戶提供理財產品建議和提醒，同時通過對大資料的分析和挖掘，來評估客戶的信用風險和資金償還能力，降低了銀行的各種風險。