大数据在金融领域的应用上课讲义.ppt

大数据在金融领域的应用金融大数据的发展 随着大数据技术的广泛普及和发展成熟，金融大数据应用已经成为行业热点趋势，在交易欺诈识别、精准营销、黑产防范、消费信贷、信贷风险评估、供应链金融、股市行情预测、股价预测、智能投顾、骗保识别、风险定价等涉及银行、证券、保险等多领域的具体业务中，得到广泛应用。对于大数据的应用分析能力，正在成为金融机构未来发展的核心竞争要素。金融大数据拥有着广阔的发展前景。然而，金融大数据应用也面临着数据资产管理水平不足、技术改造难度大、行业标准缺失、安全管控压力大和政策保障仍不完善等一系列制约因素。为推动金融大数据更好发展应用，必须从政策扶持保障、数据管理能力提升、行业标准规范建设和应用合作创新等多个方面入手，不断强化应用基础能力，持续完善产业生态环境。金融大数据简介金融大数据简介数据来源99%人类活动人类活动的数据信息系统信息系统产生的数据硬件设备物理世界产生的数据人：指的是人类活动的数据，它是人类在活动过程所产生的各类数据，包括评论、通话记录、照片、网页浏览痕迹、交易记录等信息机：指的是信息系统产生的数据，这些信息主要以文件、多媒体等形式存在，包括审计、日志这样自动生成的信息物：指的是物理世界产生的数据，是通过摄像头、传感器等数字设备在监测中采集的数据，例如服务器运行监控数据、押运车监控数据等。金融数据产生主体：人、机、物大数据大数据应应用水平正在成用水平正在成为为金融企金融企业竞业竞争力的核心要素争力的核心要素金融的核心是风控，风控以数据为导向。金融机构积累了大量的数据，分散在各个系统中，利用大数据技术和平台实现数据统一管理，帮助企业做出更好的决策金融行金融行业业数据整合、共享和开放成数据整合、共享和开放成为趋势为趋势数据越关联越有价值，越开放越有价值。大数据的发展需要所有组织和个人的共同协作，将个人、企业、政府自由的数据整合，将私有数据转换为共有数据金融数据与其他跨金融数据与其他跨领领域数据的融合域数据的融合应应用不断用不断强强化化以前，金融机构主要基于金融业自由信息进行分析，数据多来源于自由系统，随着大数据技术的成熟，数据采集技术的发展和多样化，金融机构可获得政府公开数据、企业数据、社交数据、电商数据等。金融大数据简介发展趋势金融大数据的应用场景分析金融大数据的应用场景分析应用场景金融大数据应用场景银行大数据应用保险大数据应用证券大数据应用01020312301通过整合内外部资源让信贷风控更趋近现实02供应链金融的风险控制从授信主体向整个链条转变03利用大数据构建客户画像，在此基础上银行可以有效的开展精准营销04市场和渠道分析、产品和服务优化、舆情分析银行大数据应用场景信贷风控精准营销供应链金融运营优化银行大数据应用信贷风控评估在传统方法中，银行对企业客户的违约风险评估多是基于过往的信贷数据和交易数据等静态数据，这种方式的最大弊端就是缺少前瞻性。因为影响企业违约的重要因素并不仅仅只是企业历史的信用情况，还包括行业的整体发展状况和实时的经营情况。而大数据手段的介入使信贷风险评估更趋近于事实。商业银行在识别客户需求、估算客户价值、判断客户优劣、预测客户违约可能的过程中，既需要借助银行内部已掌握的客户相关信息，也需要借助外部机构掌握的人行征信信息、客户公共评价信息、商务经营信息、收支消费信息、社会关联信息等。银行大数据应用信贷风控评估BankBank微信微博等社交平台信息知乎类知识分享平台客户社交媒体上的行为信息用户存取款记录借贷记录信用卡使用情况银行自由系统数据如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况产业链上下游数据建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可电商网站的交易数据数据数据银行大数据应用信贷风控评估步骤123以客户级大数据为基础，为存量客户建立画像，使银行能够向各管辖机构、各业务条线、各产品条线进行内容全面、形式友好、敏捷的客户级大数据集中供给。建立客户画像建立专项集中的企业及个人风险名单库，统一“风险客户”等级标准，集中支持各专业条线、各金融产品对高风险客户的过滤工作。建立风险名单库统筹各专业条线、各业务环节对大数据增量信息的需求优先序列，对新客户、高等级客户、高时效业务、高风险业务实现大数据实时采集式更新；对存量、一般、普通时效业务、低风险业务实现大数据集中、批量、排序、滚动更新。数据更新管理信贷风控评估步骤：建立客户画像建立风险名单库建立数据动态更新银行大数据应用供应链金融供应链金融的风险控制从授信主体向整个链条转变。供应链核心企业拥有良好的资产、充足的资金和高额的授信额度。而依附于核心企业的上下游企业可能需要资金，但是贷不到款。供应链金融可以由核心企业做担保，以产品或应收账款做质押，帮助上下游企业获得资金。利用大数据技术，银行可以根据企业之间的投资、控股、借贷、担保以及股东和法人之间的关系，形成企业之间的关系图谱，利于关联企业分析及风险控制。知识图谱在通过建立数据之间的关联链接，将碎片化的数据有机的组织起来，让数据更加容易被人和机器理解和处理，并为搜索、挖掘、分析等提供便利。上游供应商核心优质企业分析与上游企业的关系下游商户分析与下游商户的关系以核心企业为切入点，将供应链上的多个企业作为一个整体，建立交往圈模型，通过分析企业间的交往数据的变化，评估供应链的健康度等。银行大数据应用精准营销银行基于用户大量的社交和电商消费数据，建立客户画像，在客户画像的基础上银行可以有效的开展精准营销实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销，或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会实时营销即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；交叉营销银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广个性化推荐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。如招商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，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点.客户生命周期管理银行大数据应用运营优化Copy paste fonts.Choose the only option to retain text.Text hereText hereCopy paste fonts.Choose the only option to retain text.Text hereText hereCopy paste fonts.Choose the only option to retain text.Text hereText here通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化市场和渠道分析优化银行可以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的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式产品和服务优化银行可以通过爬虫技术，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，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化舆情分析金融大数据的应用场景分析应用场景金融大数据应用场景银行大数据应用保险大数据应用证券大数据应用010203123简介及分类 过去，由于保险行业的代理人的特点，所以在传统的个人代理渠道，代理人的素质及人际关系网是业务开拓的最为关键因素，而大数据在在新客户开发和维系中的作用就没那么突出。但随着互联网、移动互联网以及大数据的发展，网络营销、移动营销和个性化的电话销售的作用将会日趋显现，越来越多的保险公司注意到大数据在保险行业中的作用。保险行业的大数据应用可以分为三大方面：客户细分及精细化营销 欺诈行为分析 精细化运营保险大数据应用保险大数据应用客户细分及精细化营销客客户细分和差异化服分和差异化服务风险偏好是确定保险需求的关键。风险喜好者、风险中立者和风险厌恶者对于保险需求有不同的态度。一般来讲，风险厌恶者有更大的保险需求。在客户细分的时候，除了风险偏好数据外，要结合客户职业、爱好、习惯、家庭结构、消费方式偏好数据，利用机器学习算法来对客户进行分类，并针对分类后的客户提供不同的产品和服务策略客客户关关联销售售保险公司可以关联规则找出最佳险种销售组合、利用时序规则找出顾客生命周期中购买保险的时间顺序，从而把握保户提高保额的时机、建立既有保户再销售清单与规则，从而促进保单的销售潜在客潜在客户挖掘及流失用挖掘及流失用户预测通过大数据整合客户线上和线下的相关行为，通过数据挖掘手段对潜在客户进行分类，细化销售重点。通过大数据进行挖掘，综合考虑客户的信息、险种信息、既往出险情况、销售人员信息等，筛选出影响客户退保或续期的关键因素，并通过这些因素和建立的模型，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，及时预警，制定挽留策略，提高保单续保率客客户精准精准营销在网络营销领域，保险公司可以通过收集互联网用户的各类数据，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，可以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。保险大数据应用欺诈行为分析医疗保险欺诈与滥用通常可分为两种，一是非法骗取保险金，即保险欺诈；另一类则是在保额限度内重复就医、浮报理赔金额等，即医疗保险滥用。保险公司能够利用过去数据，寻找影响保险欺诈最为显著的因素及这些因素的取值区间，建立预测模型，并通过自动化计分功能，快速将理赔案件依照滥用欺诈可能性进行分类处理。医疗保险欺诈与滥用分析保险公司够利用过去的欺诈事件建立预测模型，将理赔申请分级处理，可以很大程度上解决车险欺诈问题，包括车险理赔申请欺诈侦测、业务员及修车厂勾结欺诈侦测等车险欺诈分析欺诈行为分析基于企业内外部交易和历史数据，实时或准实时预测和分析欺诈等非法行为，包括医疗保险欺诈与滥用分析以及车险欺诈分析等。保险大数据应用精细化运营$过去在没有精细化的数据分析和挖掘的情况下，保险公司把很多人都放在同一风险水平之上，客户的保单并没有完全解决客户的各种风险问题。但是，保险公司可以通过自有数据以及客户在社交网络的数据，解决现有的风险控制问题，为客户制定个性化的保单，获得更准确以及更高利润率的保单模型，给每一位顾客提供个性化的解决方案产品优化，保单个性化基于企业内外部运营、管理和交互数据分析，借助大数据台，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，借助大数据平台快速分析和预测再次发生或者新的市场风险、操作风险等运营分析根据代理人员（保险销售人员）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，找出销售业绩相对最好的销售人员的特征，优选高潜力销售人员代理人（保险销售人员）甄选金融大数据的应用场景分析应用场景金融大数据应用场景银行大数据应用保险大数据应用证券大数据应用010203123证券大数据应用简介和分析大数据时代，券商们已意识到大数据的重要性，券商对于大数据的研究与应用正在处于起步阶段，相对于银行和保险业，证券行业的大数据应用起步相对较晚。目前国内外证券行业的大数据应用大致有以下三个方向：股价预测客户关系管理智能投顾证券大数据应用股价分析2011年5月英国对冲基金Derwent Capital Markets建立了规模为4000 万美金的对冲基金，该基金是首家基于社交网络的对冲基金，该基金通过分析Twitter 的数据内容来感知市场情绪，从而指导进行投资。利用 Twitter 的对冲基金 Derwent Capital Markets 在首月的交易中确实盈利了，其以1.85%的收益率，让平均数只有0.76%的其他对冲基金相形见绌证券大数据应用客户关系管理分析客户的账户状态、交易习惯等进行客户聚类和细分，找出最有价值和盈利潜力的客户群客户细分客户流失预测券商可根据客户历史交易行为和流失情况来建模量化分析从而预测客户流失的频率证券大数据应用智能投顾分析客户的账户状态、交易习惯等进行客户聚类和细分，找出最有价值和盈利潜力的客户群客户细分客户流失预测券商可根据客户历史交易行为和流失情况来建模量化分析从而预测客户流失的频率智能投顾是近年证券公司应用大数据技术匹配客户多样化需求的新尝试之一，目前已经成为财富管理新蓝海。智能投顾业务提供线上的投资顾问服务，能够基于客户的风险偏好、交易行为等个性化数据，采用量化模型，为客户提供低门槛、低费率的个性化财富管理方案。智能投顾在客户资料收集分析、投资方案的制定、执行以及后续的维护等步骤上均采用智能系统自动化完成，且具有低门槛、低费率等特点，因此能够为更多的零售客户提供定制化服务。风险偏好交易行为等用户数据数据加工建立模型个性化服务THANKSFOR YOUR WATCHING此此课件下件下载可自行可自行编辑修改，修改，仅供参考！供参考！感感谢您的支持，我您的支持，我们努力做得更好！努力做得更好！谢谢