金融行業(yè)是經(jīng)營(yíng)風(fēng)險(xiǎn)的行業(yè)，風(fēng)險(xiǎn)控制能力是金融機(jī)構(gòu)的核心競(jìng)爭(zhēng)力。通常而言，金融機(jī)構(gòu)一般是通過給客戶的信用狀況評(píng)分來計(jì)量貸款違約的可能性，并通過客戶的風(fēng)險(xiǎn)水平進(jìn)行利率定價(jià)。
而傳統(tǒng)的信用測(cè)算主要是利用歷史借貸數(shù)據(jù)和財(cái)務(wù)數(shù)據(jù)對(duì)借款人的違約風(fēng)險(xiǎn)進(jìn)行分析和判斷，這種方法盡管在很長(zhǎng)一段時(shí)間內(nèi)被廣泛的金融機(jī)構(gòu)所使用，但此方法的評(píng)價(jià)標(biāo)準(zhǔn)單一，評(píng)估結(jié)果不夠全面，同時(shí)存在一定的滯后性，更為嚴(yán)重的是，這種基于歷史數(shù)據(jù)的評(píng)估方法無法對(duì)缺乏歷史借貸數(shù)據(jù)的借款人進(jìn)行信用風(fēng)險(xiǎn)評(píng)估。近年來，金融機(jī)構(gòu)紛紛尋找新的手段，借助新的技術(shù)，嘗試構(gòu)建新的信用風(fēng)險(xiǎn)評(píng)估模型。
大數(shù)據(jù)風(fēng)控技術(shù)正是隨著大數(shù)據(jù)處理技術(shù)、計(jì)算機(jī)科技和互聯(lián)網(wǎng)技術(shù)的出現(xiàn)和升級(jí)而產(chǎn)生的一種基于數(shù)據(jù)挖掘、機(jī)器學(xué)習(xí)等大數(shù)據(jù)建模方法的信用評(píng)估體系，目前被金融機(jī)構(gòu)廣泛運(yùn)用到貸前信審、反欺詐、貸后管理和追償清收等環(huán)節(jié)中。
一、銀行可利用的大數(shù)據(jù)有哪些？
大數(shù)據(jù)是指“無法在一定時(shí)間范圍內(nèi)用常規(guī)工具進(jìn)行捕捉、管理和處理的巨量數(shù)據(jù)集合”。與傳統(tǒng)數(shù)據(jù)集合相比，大數(shù)據(jù)不僅僅體現(xiàn)在規(guī)模大和復(fù)雜性，更為重要的是，大數(shù)據(jù)往往包含了大量的非結(jié)構(gòu)化數(shù)據(jù)，包括圖片、視頻、語(yǔ)音、地理位置等，具有維度廣、時(shí)時(shí)更新等優(yōu)勢(shì)。金融業(yè)，特別是銀行業(yè)，近年來由于業(yè)務(wù)積累和渠道搭建，聚集了大量數(shù)據(jù)，成為大數(shù)據(jù)應(yīng)用的重要領(lǐng)域。
以銀行為例，目前銀行能夠利用的大數(shù)據(jù)主要包括以下幾個(gè)方面：
▲ 表1 目前銀行大數(shù)據(jù)來源及分類
二、銀行大數(shù)據(jù)管理方面存在哪些問題？
1）數(shù)據(jù)使用效率低：數(shù)據(jù)的加工和使用超強(qiáng)依賴IT人員，不能提供自助式數(shù)據(jù)服務(wù)。
2）外部數(shù)據(jù)雜亂：外部數(shù)據(jù)源越來越多，如微博、新聞媒體、淘寶、電商數(shù)據(jù)等，如何將這些外部數(shù)據(jù)整理、加工成可供行內(nèi)正常使用的真實(shí)、準(zhǔn)確的數(shù)據(jù)需進(jìn)一步探索。
3）數(shù)據(jù)類型復(fù)雜：數(shù)據(jù)資源非結(jié)構(gòu)化數(shù)據(jù)占有很大比重，且數(shù)據(jù)類型越來越復(fù)雜，如視頻文件、音頻文件、圖片文件、郵件等，傳統(tǒng)的Oracle，SQL Server等數(shù)據(jù)庫(kù)不能滿足該類數(shù)據(jù)的存儲(chǔ)、搜索和分析。
4）存在大量的數(shù)據(jù)孤島：銀行等金融機(jī)構(gòu)存在不同類型的應(yīng)用系統(tǒng)，數(shù)據(jù)被分散在各個(gè)應(yīng)用系統(tǒng)的數(shù)據(jù)庫(kù)和文件系統(tǒng)中，導(dǎo)致數(shù)據(jù)不能有效的共享；跨系統(tǒng)的、綜合性的數(shù)據(jù)搜索、分析困難等。
顯然，上述數(shù)據(jù)管理方面存在的問題難以單純靠人工解決，那么如何有效地整合和利用銀行積累起來的大數(shù)據(jù)資源，讓大數(shù)據(jù)資源更高地為銀行的信用評(píng)估服務(wù)，這就需要搭建綜合型的大數(shù)據(jù)風(fēng)控平臺(tái)。
三、大數(shù)據(jù)風(fēng)控平臺(tái)應(yīng)該是怎樣的？
大數(shù)據(jù)風(fēng)控平臺(tái)是一款集大數(shù)據(jù)處理、OLAP分析、在線分析、離線分析、數(shù)據(jù)挖掘、數(shù)據(jù)模型、數(shù)據(jù)可視化展現(xiàn)于一體的綜合性大數(shù)據(jù)分析平臺(tái)，它提供了基于hadoop存儲(chǔ)、數(shù)據(jù)立方體預(yù)計(jì)算的OLAP可視化分析功能，使用戶通過托拉拽的簡(jiǎn)單操作即可在亞秒級(jí)的時(shí)間內(nèi)完成多維度、全方位的數(shù)據(jù)分析，并以多種可視化方式展示分析結(jié)果，集成了主流的數(shù)據(jù)挖掘算法和工具，幫助用戶快速建立數(shù)據(jù)挖掘模型。
大數(shù)據(jù)風(fēng)控平臺(tái)的基本特征主要有三個(gè)：
1）大數(shù)據(jù)風(fēng)控平臺(tái)能夠處理的數(shù)據(jù)種類多，維度更廣，大數(shù)據(jù)風(fēng)控平臺(tái)不僅重視傳統(tǒng)的信貸變量，還可以分析借款主體的社交網(wǎng)絡(luò)信息等信息，能夠?yàn)樾刨J缺失的群體提供基本金融服務(wù)。
2）大數(shù)據(jù)風(fēng)控平臺(tái)不僅僅關(guān)注歷史財(cái)務(wù)數(shù)據(jù)，還更加關(guān)注借款主體的行為數(shù)據(jù)，能夠在充分考察借款人借款行為背后的線索和線索之間的關(guān)聯(lián)性基礎(chǔ)上進(jìn)行數(shù)據(jù)分析，降低貸款違約率。
3）大數(shù)據(jù)風(fēng)控平臺(tái)對(duì)模型可以不斷迭代和動(dòng)態(tài)調(diào)整。機(jī)器學(xué)習(xí)技術(shù)使得大數(shù)據(jù)風(fēng)控平臺(tái)的風(fēng)控模型可以將原始數(shù)據(jù)轉(zhuǎn)化成指標(biāo)需要進(jìn)行不斷的迭代，不同模型的權(quán)重值可以根據(jù)樣本進(jìn)行動(dòng)態(tài)調(diào)整，反過來也能不斷改進(jìn)模型的評(píng)測(cè)效果。
四、大數(shù)據(jù)平臺(tái)的數(shù)據(jù)治理方案
搭建一款集數(shù)據(jù)采集、存儲(chǔ)、搜索、加工、分析為一體的大數(shù)據(jù)平臺(tái)，融合結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)，實(shí)現(xiàn)了統(tǒng)一數(shù)據(jù)架構(gòu)，對(duì)海量異構(gòu)數(shù)據(jù)的存儲(chǔ)歸檔、信息組織、搜索訪問、安全控制、分析可視化，以及數(shù)據(jù)挖掘、數(shù)據(jù)治理等，如圖1所示。
▲ 圖1 銀行大數(shù)據(jù)平臺(tái)數(shù)據(jù)治理方案
1、數(shù)據(jù)分層
數(shù)據(jù)是分層次的，不同的數(shù)據(jù)其屬性、處理方式、價(jià)值都是不同的，如圖2所示：
1）源數(shù)據(jù)：源數(shù)據(jù)是各個(gè)業(yè)務(wù)系統(tǒng)中生成的大量的業(yè)務(wù)生產(chǎn)數(shù)據(jù)，應(yīng)加強(qiáng)備份和歸檔工作，防止數(shù)據(jù)的不完整和損壞。
2）歸檔數(shù)據(jù)：歸檔數(shù)據(jù)又稱為細(xì)節(jié)數(shù)據(jù)，平臺(tái)需要抓取所有的源數(shù)據(jù)進(jìn)行歸檔，形成完整的數(shù)據(jù)庫(kù)。
3）整合數(shù)據(jù)：對(duì)細(xì)節(jié)數(shù)據(jù)進(jìn)行整合，形成按照主題存放的匯總數(shù)據(jù)集市。
4）指標(biāo)數(shù)據(jù)：針對(duì)客戶、員工、管理者，計(jì)算生成內(nèi)容豐富的指標(biāo)數(shù)據(jù)源，為進(jìn)一步做數(shù)據(jù)挖掘準(zhǔn)備豐富的數(shù)據(jù)源。
5）決策支持?jǐn)?shù)據(jù)：用于決策分析系統(tǒng)、智能化分析系統(tǒng)數(shù)據(jù)，如客戶產(chǎn)品推薦、客戶細(xì)分、銷售預(yù)測(cè)、精準(zhǔn)營(yíng)銷等等。
▲ 圖2 不同數(shù)據(jù)層次的處理方案
2、數(shù)據(jù)整理
對(duì)于歷史數(shù)據(jù)來源于行內(nèi)數(shù)據(jù)平臺(tái)或其他來自于數(shù)據(jù)庫(kù)的數(shù)據(jù)，行內(nèi)數(shù)據(jù)可直接用ETL系統(tǒng)工具直接抽取數(shù)據(jù)，其他數(shù)據(jù)庫(kù)數(shù)據(jù)則可用Sqoop工具抽取，放入HBase通道中，從而滿足實(shí)時(shí)歷史數(shù)據(jù)的查詢需求，如圖3所示。
1）文件格式數(shù)據(jù)：直接使用行內(nèi)ETL工具直接導(dǎo)入到大數(shù)據(jù)平臺(tái)中。
2）實(shí)時(shí)變更數(shù)據(jù)：建立專用通道，支持?jǐn)?shù)據(jù)實(shí)時(shí)裝載到大數(shù)據(jù)平臺(tái)中。
▲ 圖3 行內(nèi)數(shù)據(jù)和行外數(shù)據(jù)整理
3、抽取數(shù)據(jù)
對(duì)現(xiàn)有各種數(shù)據(jù)庫(kù)的各類數(shù)據(jù)進(jìn)行清洗、轉(zhuǎn)換、并加載到大數(shù)據(jù)平臺(tái)。根據(jù)代碼標(biāo)準(zhǔn)，整合數(shù)據(jù)類別，形成數(shù)據(jù)覆蓋全面、標(biāo)準(zhǔn)化、規(guī)范化的數(shù)據(jù)集市。
4、數(shù)據(jù)倉(cāng)庫(kù)
大數(shù)據(jù)平臺(tái)對(duì)結(jié)構(gòu)化數(shù)據(jù)采用分布式技術(shù)的開源數(shù)據(jù)倉(cāng)庫(kù)，支持各種報(bào)表軟件的訪問和第三方軟件集成，同時(shí)滿足結(jié)構(gòu)化數(shù)據(jù)的計(jì)算和存儲(chǔ)。
5、加工數(shù)據(jù)
大數(shù)據(jù)平臺(tái)定義對(duì)數(shù)據(jù)的各種加工任務(wù)，主要表現(xiàn)在以下幾個(gè)方面：
數(shù)據(jù)集成：根據(jù)原有的數(shù)據(jù)生成新的數(shù)據(jù)；如根據(jù)關(guān)聯(lián)表格設(shè)置其他維度生成新的匯總表格等；
文件處理：將視音頻文件、圖片、郵件等轉(zhuǎn)換成識(shí)別文字；
挖掘數(shù)據(jù)：對(duì)平臺(tái)數(shù)據(jù)進(jìn)行各類數(shù)據(jù)挖掘處理，如關(guān)聯(lián)分析，分類，聚類，回歸預(yù)測(cè)等；
計(jì)算指標(biāo)：實(shí)時(shí)計(jì)算各類指標(biāo)數(shù)據(jù)，如計(jì)算客戶的活躍度，價(jià)值，忠誠(chéng)度等。
6、分析數(shù)據(jù)
大數(shù)據(jù)平臺(tái)以可視化方式呈現(xiàn)數(shù)據(jù)查詢、數(shù)據(jù)視圖、報(bào)表等。
五、銀行大數(shù)據(jù)風(fēng)控平臺(tái)的建設(shè)方案
常見的大數(shù)據(jù)分析平臺(tái)架構(gòu)有Hadoop、Spark、Storm、Samza等，而基于Hadoop構(gòu)建大數(shù)據(jù)風(fēng)控平臺(tái)具有分布式云存儲(chǔ)和云計(jì)算能力，提供了核心分布式數(shù)據(jù)倉(cāng)庫(kù)、分布式列數(shù)據(jù)庫(kù)解決方案，還具有良好的擴(kuò)展性，常用在銀行大數(shù)據(jù)風(fēng)控平臺(tái)建設(shè)中。本文基于Hadoop搭建大數(shù)據(jù)硬件系統(tǒng)，結(jié)合JAVA開發(fā)，實(shí)現(xiàn)海量數(shù)據(jù)的分布式存儲(chǔ)和處理。
1、系統(tǒng)總體硬件框架圖
銀行大數(shù)據(jù)風(fēng)控平臺(tái)是基于PC服務(wù)器部署，無需購(gòu)買數(shù)據(jù)庫(kù)的軟件及硬件，實(shí)現(xiàn)小時(shí)級(jí)別的安裝部署。甚至實(shí)現(xiàn)數(shù)據(jù)并行傳輸、實(shí)時(shí)數(shù)據(jù)更新服務(wù)、查詢數(shù)據(jù)秒出結(jié)果等等，系統(tǒng)整體硬件框架如圖4所示。
1）分布式計(jì)算和存儲(chǔ)，根據(jù)數(shù)據(jù)量增大快速水平擴(kuò)展。
2）面向多應(yīng)用系統(tǒng)，多數(shù)據(jù)類型和多數(shù)據(jù)源，實(shí)現(xiàn)統(tǒng)一數(shù)據(jù)架構(gòu)，融合結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化的數(shù)據(jù)，實(shí)現(xiàn)數(shù)據(jù)的安全控制和統(tǒng)一建模。
3）為其他應(yīng)用系統(tǒng)提供API接口，實(shí)現(xiàn)第三方系統(tǒng)數(shù)據(jù)集成并提供各種數(shù)據(jù)服務(wù)。
4）以數(shù)據(jù)歸檔為核心，全面實(shí)現(xiàn)數(shù)據(jù)的全生命周期管理和全數(shù)據(jù)搜索、實(shí)時(shí)數(shù)據(jù)分析可視化以及交互式數(shù)據(jù)發(fā)現(xiàn)等。
5）支持傳統(tǒng)SQL結(jié)構(gòu)化數(shù)據(jù)訪問和傳統(tǒng)BI軟件的集成。
▲ 圖4 大數(shù)據(jù)風(fēng)控系統(tǒng)硬件框架圖
2、系統(tǒng)軟件架構(gòu)
大數(shù)據(jù)風(fēng)控平臺(tái)的軟件設(shè)計(jì)理念和技術(shù)，能夠解決海量數(shù)據(jù)容納問題、多業(yè)務(wù)數(shù)據(jù)源整合問題、多數(shù)據(jù)格式轉(zhuǎn)換問題等，如圖5所示。
1）整個(gè)系統(tǒng)軟件部分可基于JAVA開發(fā)，運(yùn)行在Windows和Linux操作系統(tǒng)上，節(jié)點(diǎn)同時(shí)運(yùn)行在物理機(jī)、虛擬機(jī)、Linux、Windows上。
2）所有后臺(tái)數(shù)據(jù)服務(wù)程序可直接運(yùn)行在JVM上，實(shí)現(xiàn)靈活、高效的分布式運(yùn)算。
3）用戶使用管理功能可基于J2EE開發(fā)，WEB用JSF2.0實(shí)現(xiàn)，可擴(kuò)展性強(qiáng)，便于二次開發(fā)。
4）采用分布式存儲(chǔ)和搜索技術(shù)，數(shù)據(jù)集中平臺(tái)最根本的要求是處理海量的數(shù)據(jù)，高效融合結(jié)構(gòu)化、半結(jié)構(gòu)化、非結(jié)構(gòu)化數(shù)據(jù)的管理。
▲ 圖5 大數(shù)據(jù)風(fēng)控系統(tǒng)軟件架構(gòu)
六、銀行大數(shù)據(jù)平臺(tái)產(chǎn)品應(yīng)用
通過大數(shù)據(jù)平臺(tái)內(nèi)置現(xiàn)成的客戶統(tǒng)一畫像，根據(jù)獲取實(shí)時(shí)數(shù)據(jù)，實(shí)現(xiàn)客戶精準(zhǔn)畫像，通過遷移學(xué)習(xí)、機(jī)器深度學(xué)習(xí)理論，對(duì)客戶360度畫像，分析客戶行為習(xí)慣，甚至實(shí)現(xiàn)客戶精準(zhǔn)營(yíng)銷應(yīng)用，智能推送優(yōu)質(zhì)客戶資源，嚴(yán)格控制風(fēng)險(xiǎn)。如圖6所示。
▲ 圖6 銀行大數(shù)據(jù)平臺(tái)產(chǎn)品應(yīng)用
1、風(fēng)險(xiǎn)控制
銀行建立大數(shù)據(jù)風(fēng)控平臺(tái)可用于信貸客戶的反欺詐分析、信用等級(jí)評(píng)估、貸后風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警與催收等環(huán)節(jié)，嚴(yán)格進(jìn)行風(fēng)險(xiǎn)防范；重點(diǎn)關(guān)注個(gè)人客戶或企業(yè)客戶在銀行體系內(nèi)外的負(fù)面信息。
銀行體系內(nèi)的負(fù)面信息包括：信用卡逾期、貸款逾期、黑名單信息等；銀行體系外的負(fù)面信息包括：P2P/小貸公司等黑名單信息、公檢法的訴訟案件信息、國(guó)家行政機(jī)關(guān)處罰信息(工商、稅務(wù)、一行三會(huì)、協(xié)會(huì)等)以及網(wǎng)上負(fù)面輿情(虛假宣傳、誤導(dǎo)消費(fèi)者)等。從這些數(shù)據(jù)出發(fā)，全面評(píng)估個(gè)人客戶在銀行的風(fēng)險(xiǎn)等級(jí)，為銀行的風(fēng)險(xiǎn)防范提供決策支持。如圖7所示：
▲ 圖7 大數(shù)據(jù)平臺(tái)產(chǎn)品之風(fēng)險(xiǎn)控制
2、客戶畫像及用戶行為分析
通過大數(shù)據(jù)風(fēng)控平臺(tái)將結(jié)構(gòu)化數(shù)據(jù)、非結(jié)構(gòu)化數(shù)據(jù)、半結(jié)構(gòu)化數(shù)據(jù)統(tǒng)一存放在數(shù)據(jù)模型之中，并將外部數(shù)據(jù)與內(nèi)部數(shù)據(jù)盡可能的匹配，實(shí)現(xiàn)對(duì)現(xiàn)有客戶更加全面、充分、詳盡分析，如圖8所示。
▲ 圖8 客戶全面行為特征分析和指標(biāo)運(yùn)算
為了滿足線上營(yíng)銷和線下營(yíng)銷相結(jié)合的場(chǎng)景，數(shù)據(jù)的進(jìn)入根據(jù)營(yíng)銷方式分為實(shí)時(shí)數(shù)據(jù)、批量數(shù)據(jù)、畫像指標(biāo)數(shù)據(jù)、建立復(fù)雜網(wǎng)絡(luò)體系和客戶智能信用分模型。
1）實(shí)時(shí)數(shù)據(jù)：將客戶線上行為日志數(shù)據(jù)信息實(shí)時(shí)推送到大數(shù)據(jù)平臺(tái)，存入數(shù)據(jù)模型之中，實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化、統(tǒng)一化工作，并且對(duì)實(shí)時(shí)數(shù)據(jù)進(jìn)行線上行為實(shí)時(shí)分析。
2）批量：每日定時(shí)將數(shù)據(jù)匯總到大數(shù)據(jù)平臺(tái)，存入數(shù)據(jù)模型庫(kù)中，實(shí)現(xiàn)數(shù)據(jù)標(biāo)準(zhǔn)化、統(tǒng)一化的工作，并對(duì)數(shù)據(jù)進(jìn)行加工。
3）畫像、指標(biāo)數(shù)據(jù)運(yùn)算：根據(jù)預(yù)設(shè)的場(chǎng)景，進(jìn)行客戶信息全面畫像和各項(xiàng)指標(biāo)運(yùn)算，從而獲得客戶的全面特征，以及產(chǎn)品特征。
4）構(gòu)建復(fù)雜關(guān)系網(wǎng)絡(luò)體系，實(shí)現(xiàn)線上各業(yè)務(wù)通道場(chǎng)景互通，主要實(shí)現(xiàn)基金理財(cái)平臺(tái)、三方支付平臺(tái)、電商/O2O平臺(tái)、游戲平臺(tái)、銀行網(wǎng)申平臺(tái)的互通。
5）創(chuàng)建客戶智能信用分模型：以全網(wǎng)大數(shù)據(jù)為基礎(chǔ)，結(jié)合大數(shù)據(jù)風(fēng)控平臺(tái)，以諸多業(yè)務(wù)驅(qū)動(dòng)為導(dǎo)向，創(chuàng)建客戶智能信用分。輸入：身份證號(hào)，手機(jī)號(hào)；輸出：信用評(píng)分。
根據(jù)客戶的負(fù)債信息、穩(wěn)定性、負(fù)面信息、行為偏好、還款能力、還款意愿等六個(gè)維度，結(jié)合客戶旅游、社交、支付、保險(xiǎn)、基金、理財(cái)、電商、非銀信貸、O2O、銀行信息等全網(wǎng)各類數(shù)據(jù)信息，依據(jù)不同加權(quán)比重，建立客戶智能信用分。
3、大數(shù)據(jù)產(chǎn)品應(yīng)用之精準(zhǔn)營(yíng)銷分析
通過深度學(xué)習(xí)理論和遷移學(xué)習(xí)理論對(duì)客戶進(jìn)行精準(zhǔn)分析，獲取客戶源，并進(jìn)行理財(cái)產(chǎn)品的精準(zhǔn)推薦。
1）線上實(shí)時(shí)營(yíng)銷
使用數(shù)學(xué)模型算法，根據(jù)客戶或客戶群線上連續(xù)行為，自動(dòng)校正客戶畫像或產(chǎn)品畫像之間的關(guān)聯(lián)情況分析，從而形成線上產(chǎn)品的推薦服務(wù)，產(chǎn)品推薦可按照客戶可能關(guān)心的內(nèi)容放在醒目位置自動(dòng)排序，從而有效提升客戶體驗(yàn)。
2）線上交叉營(yíng)銷
將不同產(chǎn)品或業(yè)務(wù)交叉推薦，根據(jù)客戶的交易記錄分析，識(shí)別小微企業(yè)客戶，然后用遠(yuǎn)程銀行來實(shí)施交叉營(yíng)銷。
3）線上個(gè)性化推薦
根據(jù)客戶的理財(cái)偏好、資產(chǎn)規(guī)模、年齡、工作等維度，分析其潛在的金融服務(wù)需求，進(jìn)行有針對(duì)性的營(yíng)銷推廣。
4）線下營(yíng)銷
除了內(nèi)部交叉營(yíng)銷銷售、客戶忠誠(chéng)度分析、向上銷售等傳統(tǒng)的分析性內(nèi)容外，還需要利用大數(shù)據(jù)平臺(tái)，將行內(nèi)數(shù)據(jù)與外部數(shù)據(jù)整合，建立精準(zhǔn)營(yíng)銷數(shù)學(xué)模型，尋找更多的營(yíng)銷機(jī)會(huì)。
5）精準(zhǔn)營(yíng)銷模型建立
尋找理財(cái)客戶：利用大數(shù)據(jù)平臺(tái)篩選客戶資金在5萬及以上的儲(chǔ)蓄存款客戶，不定時(shí)的推送理財(cái)產(chǎn)品信息；對(duì)于行外客戶，借助于P2P平臺(tái)或第三方平臺(tái)推送的白名單客戶，可以為其提供理財(cái)服務(wù)，將資金留在本行。
尋找貸款客戶：結(jié)合行內(nèi)數(shù)據(jù)、第三方房產(chǎn)網(wǎng)數(shù)據(jù)以及移動(dòng)設(shè)備位置信息，通過數(shù)據(jù)平臺(tái)尋找可能購(gòu)房或購(gòu)車客戶群體，為其提供金融服務(wù)。
6）產(chǎn)品創(chuàng)新
通過對(duì)特定數(shù)據(jù)分析和提取、產(chǎn)品核算，對(duì)比各類客戶的產(chǎn)品使用率、收益率，結(jié)合互聯(lián)網(wǎng)輿情信息，對(duì)不同客戶群設(shè)計(jì)差異化的創(chuàng)新產(chǎn)品。
7）產(chǎn)品評(píng)價(jià)體系
根據(jù)產(chǎn)品評(píng)價(jià)指標(biāo)建設(shè)評(píng)價(jià)模型，實(shí)現(xiàn)對(duì)產(chǎn)品的系統(tǒng)評(píng)分，獲取每個(gè)產(chǎn)品指標(biāo)數(shù)據(jù)，可采用登記評(píng)分法對(duì)數(shù)據(jù)進(jìn)行處理，反應(yīng)每個(gè)產(chǎn)品的每項(xiàng)指標(biāo)在組內(nèi)產(chǎn)品的排序。
聯(lián)系客服
