一文解读，大数据技术在金融行业中的应用

从发展特点和趋势来看，金融数据与其他跨领域数据的融合应用正不断强化，数据整合、共享开放成为趋势，为金融行业带来了新的发展机遇和源源动能。

金融行业中的典型应用

大数据技术在金融行业中应用十分广泛， 以下主要介绍银行、证券、保险等金融细分领域。

银行

银行大数据应用可以分为以下四大方面：

1.客户画像

基于自身数据有时难以得出理想的客户画像，银行会考虑整合外部更多的数据，以扩展对客户的了解。包括：（1）社交媒体上的行为数据；（2）电商网站的交易数据；（3）企业客户的产业链上下游数据；（4）客户兴趣偏好类数据，如DMP数据平台的互联网用户行为数据等。

简言之，银行通过打通内部数据和外部社会化数据，以获得更为完整的客户拼图，从而实现更为精准的营销和管理。

客户画像信息2.精准营销

（1）实时营销根据客户的实时状态来进行营销，如针对客户实时所在地、工作情况、婚姻状况、置居、客户近期消费等信息进行营销；（2）交叉营销如银行根据客户交易记录分析，有效地识别小微企业客户，以远程银行来实施交叉销售；

（3）个性化推荐根据客户喜好进行个性化推荐，如根据客户的年龄、资产规模、理财偏好等，进行精准定位，分析其潜在金融服务需求，针对性进行营销推广；（4）客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，从而大幅降低客户流失率。

3.风险管控

（1）中小企业贷款风险评估通过企业生产、流通、销售、财务等相关信息，flashflow 可进行实时数据挖掘，进行贷款风险分析，量化企业的信用额度，从而有效地开展中小企业贷款；

（2）实时欺诈交易识别和反洗钱分析银行利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，通过实时数据平台，建立起智能规则引擎进行实时交易反欺诈分析。

flashflow 实时风险管控4.运营优化

（1）市场和渠道分析优化实时数据平台可实时监控不同市场推广渠道的质量，从而进行合作渠道的调整和优化；（2）产品和服务优化平台将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户习惯，实时化、智能化分析和预测客户需求，针对性进行产品创新和服务优化；（3）舆情分析实时抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，进行正负面判断，及时发现和处理问题。

保险行业

总体上，保险行业大数据应用可分为三大方面：实时营销、欺诈行为分析和精细化运营。

1.实时营销

（1）客户细分和差异化服务除了风险偏好等数据外，还会结合职业、爱好、习惯、家庭结构、消费偏好等数据，flashflow 将实时采集数据进行细分，完成产品和服务策略实时推荐；

（2）潜客挖掘及流失用户预测通过实时数据平台整合客户线上和线下相关行为，对潜客进行实时分类，细化销售重点，综合筛选出影响客户退保或续期的关键因素，对客户的退保概率或续期概率进行估计，找出高风险流失客户，实时预警干预，提高保单续保率；

（3）客户关联销售以淘宝运费退货险为例，据统计，淘宝用户运费险索赔率在50%以上，该项产品对保险公司带来的利润只有5%左右，但保险公司很愿意提供此项保险。因为运费险包含个人基本信息，手机号、银行账户信息等，保险公司还能够掌握客户购买的产品信息，从而实现精准推送；

（4）客户精准营销通过实时数据平台收集互联网用户相关数据，如地域分布等属性数据，搜索关键词等即时数据，购物行为、浏览行为等行为数据，以及兴趣爱好、人脉关系等社交数据，在广告推送中实现地域定向、需求定向、偏好定向、关系定向等定向方式，实现精准营销。

客户精准营销2.欺诈行为分析

（1）医疗保险实时数据平台通过数据追溯，找出影响保险欺诈最为显著的因素，以及这些因素的取值区间，建立起预测模型，通过自动化分析功能，快速将理赔案件依照滥用欺诈可能性进行分类处理；

（2）车险欺诈分析通过此前建立的预测模型，将理赔申请分级处理，高效解决车险欺诈问题，以及车险理赔申请欺诈侦测、业务员及修车厂勾结欺诈侦测等。

3.精细化运营

（1）产品优化通过自有数据以及客户社交网络数据，解决保险公司现有的风险控制问题，获得更准确以及更高利润率的保单模型，为客户制定个性化保单和解决方案；

（2）运营分析基于企业内外部运营、管理和交互数据分析，flashflow 可以全方位统计和预测企业经营和管理绩效，基于保险保单和客户交互数据进行建模，快速分析和预测市场风险、操作风险等；

（3）代理人甄选平台可根据代理人员业绩数据、性别、年龄、入司前工作年限、其它保险公司经验和代理人人员思维性向测试等，优选高潜力销售人员。

证券行业

券商对于大数据的研究与应用正处于起步阶段，目前国内外证券行业的大数据应用如下所示：

1.股价预测

国外某大学研究组追踪了三家知名企业在社交媒体上的受欢迎程度，比较它们的股价后发现，Facebook上的粉丝数、Twitter 上的听众数和 Youtude 上的观看人数均与股价密切相关。另外，根据品牌的受欢迎程度，预测股价在10天、30天之后的上涨情况。

2.客户关系管理

（1）客户细分通过平台实时分析客户的账户状态、账户价值、交易习惯、投资偏好，以及投资收益，来进行客户聚类和细分，找出最有价值和盈利潜客群, 进行配置资源和政策优化；（2）流失客户预测券商可根据客户历史交易行为和流失情况，通过平台来建模从而预测客户流失概率。如下图所示：

3.智能投资顾问

智能投资顾问业务提供线上投资顾问服务，其基于客户的风险偏好、交易行为等个性化数据，依靠大数据量化模型，为客户提供低门槛、低费率的个性化财富管理方案。

4.投资景气指数

实时数据平台深入挖掘分析海量个人投资者真实投资交易信息，掌握交易行为变化、投资信心状态与发展趋势、对市场预期以及当前风险偏好等信息。

跑象大数据解决方案

跑象科技在服务金融行业客户时，建立了一套可敏捷满足客户需求的高可用，柔性可复制的落地方案。

（一）实时采集

flashflow 以不入侵的形式调取数据，不影响业务使用的情况下把分散的数据、实时的数据、动态的数据、有生命的数据，汇集成实时的数据库，彻底解决信息孤岛问题。

（二）实时处理

flashflow可以做到流批一体，实时把数据处理结果传到企业数据库/数仓里，再通过数据可视化工具datart，形成实时大屏，实时报表，以实时数据可视化的形式驱动企业客户端系统做相应的动作，以及驱动管理决策层做出相应调整。这种实时交互模式，让实时数据平台 flashflow 在企业数据化管理当中，充当着采集者、理解者、驱动者的角色，彻底解决数据延迟，处理时效可达到秒级。

flashflow数据处理

（三）搭建专属实时数据管理系统flashflow 助力金融企业实现实时数据采集、实时数据处理、风险维度数据、网络安全预警规则、实时营销功能的数据支持，包含营销策略，需要对行内数据（如交易流水/前端埋点数据等）以及外部数据（如社交数据、运营商数据等）进行实时特征采集及特征衍生。

风险维度数据

基于 flashflow 实时数据平台、Kafka、Flink等组件开发分布式可扩展的系统，数据可视化datart，包括数据采集、实时计算、实时分析等模块，各模块之间的接口简洁清晰，各层次之间结构合理，完美覆盖了客户要求分层次的架构设计需求，建立起高可用的实时数据管理系统。

（四）降本增效方案金融企业自建数据管理平台需要专业性很强的技术团队，成本高，耗时耗力。采用实时数据管理平台后，只需配备会简单SQL语言的基础IT人员即可，成本低大数据 方案，效率大大提高。另外，企业无需购买安装监控系统，可以直接采取 flashflow 数据库服务器，各个层面的问题都能被实时发现与追踪，准确定位问题页面，还原崩溃发生轨迹，以低成本高效率的方式，实现端到端的全链路监控。

此外，实时数据采集模块支持了主流数据同步工具，和实时计算模块实现了流计算、批计算、流批一体计算等多种不同场景的计算功能。实时数据处理、分析和风险预警的模块都提供了API接口服务、消息服务等功能，把实时数据处理运维成本也降到最低。

（编辑：520站长网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!