大数据在零售银行应用现状及发展思路.docx

《大数据在零售银行应用现状及发展思路.docx》由会员分享，可在线阅读，更多相关《大数据在零售银行应用现状及发展思路.docx（37页珍藏版）》请在优知文库上搜索。

1、4g北京银联信投资顾问有限责任公司4/WWW.UNBANK.INFO大数据技术应用于零售银行转型与创新研究第1期：大数据技术在零售银行业务中应用现状及开展思路1、银行占据社会信息中心22、计算机应用强化银行竞争优势23、互联网冲击银行信息中心地位3(=)国外银行模式分析与借鉴31、扩大数据分析范围、提升信用评估能力32、提供深度分析效劳、打造消费信息中心43、进行非账务性线索排查的有力手段54、强化市场营销、优化商业模式5二、大数据在我国零售银行中的应用6(一)信用卡1一招商银行徵信银行7L为什么选择微信72、微信平台对招行的价值73、微信平台的功能拓展10二信用卡2中信银行秒极营销10L需求

2、：快速处理灵活分析大数据102、实效：实现秒级营销运营效率全面提升113、Greenplum:省钱的先进技术13(=)小微金融一阿里小贷经营模式分析14L淘宝数据来源142、阿里数据体系153、大数据的应用17四商业银行大数据应用存在的问题20L无法对接客户需求202、存在严重数据短板203、深陷大数据争夺战21三、大数据时代银行的机遇和挑战22(-大数据给银行带来的影响和机遇22L大数据提供了全新的沟通渠道和营销手段222、大数据滋生了新型金融业态参与市场竞争233、利用数据的能力日益成为银行竞争的关键234、从长远看大数据将全面颠覆金融效劳型态24二大数据时代银行面临的挑战24L数据驾驭能

3、力受到考验242、生存开展能力受到挑战243、商业运营模式面临变革25(三)SWOT分析25L优势分析252、劣势分析253、时机分析264、威胁分析27四、大数据时代零售银行开展战略分析28一大数据应用场景描述281、客户管理282、市场营销283、风险管理29二大数据应用开展思路29L促进金融效劳与社交网络的融合292、3、4、布局与大数据金融的竞争和合作31培养面对大数据时代的核心能力31零售银行应用大数据的三个方向32图表目录图表1：招商银行2023年各月账户交易笔数、交易量、流通户数与来电量7图表2:招商银行智能客服平台闭环效劳模式错误!未定义书签。图表3:招商银行微信平台局部智能识

4、别功能错误!未定义书签。图表4:招商银行通过智能交互实现营销推荐错误!未定义书签。图表5:中信银行信用卡中心嗷据仓库逻辑架构13图表6:阿里金融大数据体系错误!未定义书签。图表7:阿里金融数据应用流程图17图表8:阿里小贷风险管理体系错误!未定义书签。图表9:阿里小贷业务流程图19图表10:商业银行大数据时代的SWOT分析27图表11：零售银行大数据应用场景28大数据技术在零售银行业务中的应用现状及开展思路一、商业银行处于大数据时代变革之中2023年3月奥巴马政府公布了大数据(BigData)研发方案,旨在提高和改良人们从海量和复杂的数据中获取知识的能力，这是时隔近20年美国政府宣布信息高速公

5、路方案后的又一重大科技开展部署。1993年诞生的信息高速公路方案改变了全世界信息的生产和传输方式,推动了全球化的Internet的开展，掀起了世界性的互联网革命。作为信息革命的第二个高潮，可以预见大数据即将对未来的世界产生重大影响。当前银行业效劳及管理模式都发生了根本的改变。统计显示以ATM、网上银行、银行为代表的电子银行在我国当前已经成为主要交易渠道，对传统银行渠道的替代率超过了60%o接下来的大数据革命可能对银行的一些观念和经营模式再次加以颠覆，银行业应如何主动变革、变挑战为机遇是一个值得探讨和深刻思考的问题。(一)大数据的三个主要特征自1980年以来，世界上的数据以每40个月翻一番的速度

6、增长，现在每一天约有2.5E字节的新数据产生商业公司数据产生量更迅速每翻一番的时间大概为14个月。但大数据绝不能简单等同于海量数据，大数据主要有三个主要特征：1、动态开展根据麦肯锡公司的定义：大数据往往是指传统手段和工具无法处理的数据。这是一个比拟主观的定义旨在强调大数据是动态的，会随时间和技术而扩展。另外大数据也随着行业的不同而变化，视该行业所使用的软件以及一般数据集大小而定义，当前对一般行业来说落在几十个T(IT=Io24G)与几个PQP=1024T)之间的数据量就会感到难以处理，对它们来说就是大数据。2、时效性、经济性大数据是传统技术无法处理的数据，严格地说只要时间足够长没有无法处理的数

7、据。而大数据是难以在业务容忍时间内使用传统软件捕获、管理和处理的大尺度数据集，因此大数据的尺度是随任务时间变动的。除了技术,经济性是应对大数据挑战需要考虑的另一个重要因素。当世界上的数据量以年40%的速度增长的时候，信息科技(IT)投入的增长率仅有5%o技术和经济两方面决定无法使用传统方法应对大数据时代的到来。3、非结构化数据大数据一个具有很多非结构化的异构数据种类的数据集，这些异构数据种类包括社交网络文本、射频认证、相机照片、信号、传感器网络信息等，随着技术的进步这类数据增长率更快，数量更巨大，世界上有90%的数字内容是非结构化的。银行中的数据具有典型的异构化特征数，包括传统业务数据、办公信

8、息、开发测试数据、业务运行日志、与客户进行沟通的邮件和短信、银行和效劳的语音记录等。二银行、信息与关系网络近年来大数据的概念被反复提及,一个主要原因是电子商务活动的全面兴起,无论是B2B还是B2C,在线交易规模的迅速扩大带来了数据信息的爆发式增长。最引人关注的是,记录客户行为的大量非结构化数据开始影响到金融领域。作为社会信用的中心，商业银行始终占据着最关键的社会信息资源，然而非结构化数据的普及应用使得互联网企业不断冲击银行的核心地位。大数据的有效利用，帮助互联网企业迅速拓展关系网络，其搭建的各类公共平台正试图成为社会关系的核心，可谓是银行业的巨大威胁。1、银行占据社会信息中心商品经济的开展,要

9、求信用在全社会进行放大,与之适应构造了这样一种社会关系：银行对其他行业企业单向提供信用，处在支配地位，成为信用社会信用中心；企业为了获取更多信用主动向银行提供自己的信息，银行也自然成为社会经济信息收集中,心行业。这种关系的形成的缘由是只有作为信息收集中心，银行才可能使用信息对信用进行社会性放大。这时以银行为中心，企业间信用和信息构成雪花和网状的混合结构，企业之间能够进行更大更广的信用连接，形成更复杂社会关系。2、计算机应用强化银行竞争优势信息的具体存储使用形式，是限制社会信用进行有效扩展的一个重要因素，计算机技术的普及应用极大的提升了银行收集和处理信息的能力。社会信用状况处于不断变化之中，因此

10、也需要对持续变化的信息进行判断。计算机技术开展的初期，银行的标准化需求是直接推动力之一。这种标准化一方面是指将单据等信息进行数字化标准化，另一方面是指将企业的经营活动用标准化指标表示，银行是这种规那么的构建者，企业只能屈从建立所谓标准化的制度。一个典型的例子是由于反映了关系网络因此关系型数据库成为信息行业的重要产品和标准。使用计算机技术银行强化了它的经济信息收集中心地位，同时可以更深度地探测分析它的借款人关系网络。基于对客户信息更深刻和正确的探测，银行能够进行信用更有效的放大，结果是以银行为中心筛选出适应社会开展的最良好的企业关系群体，优化、加速了整个社会资源配置。银行还通过信息技术如POS机

11、、ATM不断扩大优化以它为中心的信息和信用关系网络。3、互联网冲击银行信息中心地位广泛意义的网络出现后，银行业的主要竞争优势表达在信息中心，能够高效的探测集合到各种行业以及企业的信息，这是其他行业做不到的，银行业主要彳壬务是对客户信息进行去伪存真。然而，当前各种传统业务正在向互联网迁移，当然也包括银行业。但是银行在互联网上开展业务仅仅是借助这一渠道，它依然使用传统的数据关系。不过，互联网构建的原那么是形成一种联网机构相对平等的关系，没有唯一的核心行业，于是银行在互联网上不再是经济关系的信息中心。银行成为了被动的效劳者，除了去伪存真，银行业必须主动吸引客户；这个时代银行只有遵循网络规那么，除此之

12、外别无它途。以往面对处于支配地位的银行，企业愿意主动提供信息并配合进行标准化，但在全新的网络环境下，银行是效劳方，信息不可能按照银行的意愿标准化并主动推送。银行必须采用新的能够检测非标准化的企业信息/数据的装置和手段，并不断改善其对社会关系探测灵敏度。(三)国外银行模式分析与借鉴互联网冲击着银行信息中心的地位，而商业银行也在利用信用和资源优势稳固自己的领地。为了得到客户真实关系网的信息，国外一些银行开始研究如何通过获取、整合各种网络大数据对客户真实社会网络关系加以映射和应用。在具体实践中，主要有四种表现形式。1、扩大数据分析范围、提升信用评估能力在美国由个人消费信用评估公司(FlCO)开发的F

13、ICO信用积分指标大概包含1520个变量，大多数美国银行对个人信用闲古也建立在该根底上，再添加本行的其他一些侧重指标。这造成了一个问题，这个标准简单划一，不注重细节。这与我们了解的客观世界的复杂性不相符，人不是机器，不可能存在任何时候都是非好即坏的绝对情况，同样的人不同的环境会形成不一样的结果，人的信用也如此。在此意义下FICO信用积分显得过于主观,究其原因是银行过去信用评定者由于缺乏先进的技术，要判断每个人的信用所形成的环境只能使用客户经理人为判断，本钱十分高昂。ZestCash是这样一家公司，它的客户群体主要瞄准了信用记录不好或者没有信用卡历史的人。ZestCash的创始人是Google的

14、前首席信息官,Google是大数据研究的开拓者之一，其MapReduce技术是被认为当前研究大数据最常用的有效技术。ZeStCaSh使用M叩RedUCe进行大数据分析考察贷款人的数千个信息线索（比照FICO的几十个指标），从而造就了它独特的竞争力。例如对于一个无法进行某次还款的客户不管他是否主动解释，传统银行都认为他是高风险的，但ZestCash发现如果这种顾客主动解释其原因，他们更有可能全额还款；ZestCash还会探测客户在ZestCash网站上停留的时间（这反映了真实世界人们对信用申请的谨慎程度与还款诚意）作为信用评价的考量因素，这些都是过去FICO信用评分系统所无法想象的。ZestCa

15、sh的分析技术的核心就是把握客户的差异化行为，理解网络对真实世界的反映。如果仅仅分析一个数据可能是噪音，但如果将多方面展示客户的数据收集起来，并理解它们的关系，那么可能出现不同的效果。而这些数据不可能是规规矩矩的，需要我们使用不同的探测方法加以寻找，更敏锐的分析能力会令我们发现更多商业时机。例如对我们周边那些太忙碌或者一时糊涂遗忘了信用卡还款时间的人，这样一种技术使得我们不会轻易丧失一个优质客户。2、提供深度分析效劳、打造消费信息中心国内的一些银行已经尝试根据顾客购置产品的历史，分析他们的兴趣使用各种手段主动营销，但这仅仅是数据初步应用，还没有做到将线下的购置行为与客户浏览行为结合起来进行更进一步分析。尤其是当今经济热点切换频率快，各种产品收益轮动，客户对银行产品的兴趣会紧随这种波动，这种分析能力国内银行尚欠缺。国外银行现在已经开始根据大数据的分析尝试提供超越银行领域的产品和效劳。新加坡花旗银行基于消费者的信用卡交易记录，有针对性地给他们提供商家和餐馆优惠，并且根据反响不断学习提升推荐准确度。服饰零售商Gap为了提高吸引力,与Visa卡合作,由Visa采集数据，如果客户在Gap店附近进行刷卡的就会得到折扣