互联网金融基础第8章习题---课后思考(答案与解析).doc

《互联网金融基础第8章习题---课后思考(答案与解析).doc》由会员分享，可在线阅读，更多相关《互联网金融基础第8章习题---课后思考(答案与解析).doc（4页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、浙江金融职业学院 互联网金融基础 第8章 n课后思考课后思考1、 简述银行外部数据对发展征信业务的意义。参考答案：银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户应该是一位满意度较高、流失风险较低的客户。但如果看到该客户的微博，其真实情况却是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要分析从银行自身业务中采集到的数据，更应整合外部更多的数

2、据，以扩展对客户的了解。包括：客户在社交媒体上的行为数据。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。客户在电商网站的交易数据。如建设银行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申请。企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好地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。其他有利于加深银行对客户兴趣爱好了解的数据，如通过数据管理平台（DMP）分析提取的互联网用户行为数据。2、 银行应如何推进基于大数据金融产品的精准营销？参考答案

3、：在客户画像的基础上银行可以有效地开展精准营销，包括：实时营销。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（例如某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；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。交叉营销。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。个性化推荐。银行可以根据客户的喜好进行服务或者进行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

4、融服务需求，进而有针对性地营销推广。客户生命周期管理。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，这使得金卡和金葵花卡客户流失率分别降低了15%和7%。3、 保险行业大数据与人工智能的应用主要包含哪些方面，请具体阐述。参考答案：保险行业的应用可以分为三大方面：客户细分及精细化营销、欺诈行为分析和精细化运营。（1） 客户细分及精细化营销。主要应用于客户细分、潜在客户挖掘及流失用户预测、客户关联销售以及客户精准营销。（2） 欺诈行为分析。基于企业内外部交易和历史数据，可以实时或准实时预测和分析欺诈

5、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。（3） 精细化运营。主要应用于产品优化，保单个性化，运营分析以及代理人（保险销售人员）甄选。4、 简析如何以人才为核心，提升数据分析能力。参考答案：商业银行作为传统行业，不仅需要充分利用大数据技术及人工智能技术，持续发挥银行数据资产的价值优势，推进银行转型发展。还需要在企业文化、业务流程和人才培养等方面进行革新和加强：一是企业文化和管理理念的变革。银行需要大力塑造数据导向型企业文化，鼓励创新型价值观念，善于用数据说话，运用数据分析结果指导决策。二是业务流程优化。银行需要不断优化产品研发流程，更加敏捷高效地适应快节奏的大数据时代，真正做

6、到业务与技术的高度融合，才能让数据产生价值。三是分析师队伍建设和人才培养。分析师队伍的建设是大数据战略的关键，只有培养自身专业化的分析师队伍，持续提升大数据分析和挖掘能力，银行的大数据平台才能够为业务转型发展提供源源不断的创新动力。此外可以借鉴美国创新计划，各金融机构成立一些国家级人工智能创新中心或重点实验室，加强计算机视听觉、智能决策控制、基础算法、重点设备等共性软硬件的研发，集中突破核心瓶颈，推动人工智能感知识别、人工智能分析等技术在银行领域的深入应用；增加对人工智能的投入，培养人工智能金融复合型人才，完善人工智能基础设施，为银行应用人工智能创造好的机遇。5、 谈谈大数据与人工智能在金融领域的发展会面临哪些挑战。参考答案： 随着大数据与人工智能时代的到来，如何通过相关技术推动业务发展和创新，已成为银行业最近重点关注和讨论的话题。虽然已有部分银行启动了相关工作，但仍普遍存在数据来源与存储模式不能有效支撑大数据分析，缺少成熟的数据分析模型与工具，专业的数据分析人员匮乏、新增成本投入较高，缺少对大数据与人工智能应用的金融监管机制等问题，在一定程度上阻碍了大数据和人工智能技术在银行业的全面推广和应用。 4 / 4