（65页PPT）大数据在银行保险证券等金融行业的应用.ppt

下载

下载

39积分

49积分

下载

49积分

VIP价：39积分

大数据在银行、保险、证券等金融行业的应用 目 录 C O N T E N T S 1 金融行业大数据应用概述 2 银行大数据应用 3 保险行业大数据应用 4 证券行业大数据应用 PART 01 金融行业大数据应用概述 金融行业是典型的数据驱动行业，每天都会产生大量的数据，包括 交易、报价、业绩报告、消费者研究报告、各类统计数据、各种指 数等。所以，金融行业拥有丰富的数据，数据维度比较广泛，数据 质量也很高，利用自身的数据就可以开发出很多应用场景。 金融行业大数据概述 04 • 金融行业是典型的数据驱动行业，每天都会产生大量的数据，包括交易、报价、 业绩报告、消费者研究报告、各类统计数据、各种指数等 • 金融行业拥有丰富的数据，数据维度比较广泛，数据质量也很高，利用自身的数 据就可以开发出很多应用场景 • 如果能够引入外部数据，还可以进一步加快数据价值的变现 • 外部数据比较好的有社交数据、电商交、某著名企业大数据、运营商数据、工商 司法数据、公安数据、教育数据、和银联交等 金融行业大数据应用案例 05 • 花旗银行利用IBM沃森电脑为财富管理客户推荐产品，并预测未来计算机推荐某 省市场将超过银行专业理财师 • 摩根大通银行利用决策树技术，降低了不良贷款率、转化了提前还款客户，一年 为摩根大通银行增加了6亿美金的利润 • VISA公司利用Hadoop平台将730亿交时间从一个月缩短到13分钟 中国金融行业大数据应用投资结构 06 从投资结构上来看，银行将会成为金融类企业中的重要部分，证券和保险分列第二 和第三位， 中国金融行业大数据应用规模及预测 07 中国金融行业大数据应用规模年均增长率达到%，超过23亿元。据不完全统计，2016 年应用规模将达到亿元。 中国金融行业大数据应用规模及预测 08 预计到2017-2022年，金融行业大数某省市场规模年均复合增长率为%，到2022 年，中国金融行业大数某省市场规模为497亿元。 PART 02 银行大数据应用 银行的大数据应用场景比较丰富，比较典型的集中在数据库营 销、用户经营、数据风控、产品设计和决策支持等。目前来讲， 大数据在银行的商业应用还是以其自身交和客户数据为主，外 部数据为辅；描述性数据分析为主，预测性数据建模为辅；经 营客户为主，经营产品为辅。 银行大数据应用概述 10 • 银行的大数据应用场景比较丰富，比较典型的集中在数据库营销、用户经营、数 据风控、产品设计和决策支持等 • 目前大数据在银行的商业应用状况 • 以其自身交和客户数据为主，外部数据为辅 • 描述性数据分析为主，预测性数据建模为辅 • 经营客户为主，经营产品为辅 • 银行数据的类型 • 交 • 客户数据 • 信用数据 • 资产数据 银行大数据应用类型 11 银行大数据应用可以分为四大方面：客户画像，精准营销，风险管控，运营优化。 PART 银行客户画像应用 银行的大数据应用场景比较丰富，比较典型的集中在数据库营 销、用户经营、数据风控、产品设计和决策支持等。目前来讲， 大数据在银行的商业应用还是以其自身交和客户数据为主，外 部数据为辅；描述性数据分析为主，预测性数据建模为辅；经 营客户为主，经营产品为辅。 客户画像应用 13 • 客户画像应用主要分为个人客户画像和企业客户画像 • 个人客户画像：包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等 • 企业客户画像：包括企业的生产、流通、运营、财务、销售和客户数据、相关产 业链上下游等数据 客户画像背后的原因 14 • 客户消费习惯的改变，企业无法接触到客户，无法了解客户需求; • 年轻人成为金融企业主要的消费者，但是他们不愿意到金融网点办理业务 • 年轻人将主要的时间都消费在某著名企业互联网，消费在智能手机上 • 金融企业越来越难面对面接触到年轻人，从对话中料机年轻人金融产品的需求 • 客户需求的分化，企业需要细分客户，为目标客户开发设计产品 • 金融产品也需要进行细化，为不同客户提供不同产品 • 有的客户高风险偏好高，希望高风险高收益；有的客户风险偏好低，希望稳健收益; 有的客户金融理财意识低，只需服务较好即可;有的客户完全没有主意，你说是啥就 是啥 • 不同年龄，不同收入，不同职业，不同资产的客户对金融产品的需求都不尽相同。 金融企业需要借助于户画像，来了解客户，找到目标客户，触达客户。 客户画像的目的 15 1. 从业务角度出发对用户进行分析，了解用户需求，寻找目标客户 2. 在了解客户需求和消费能力，以及客户信用额度的基础上，利用画像信息为客户开 发出适合目标客户的产品或开展营销活动 用户画像需要坚持的三个原则 16 • 用户画像涉及数据的纬度需要业务场景结合，既要简单干练又要和业务强相关， 既要筛选便捷又要方便进一步操作 • 用户画像需要坚持三个原则 1. 信用信息和人口属性为主 2. 采用强相关信息，忽略弱相关信息 3. 将定量的信息归类为定性的信息 信用信息和人口属性为主 17 • 信用信息 • 信用信息是描述一个人在社会中的消费能力信息，是用户画像中重要的信息 • 进行客户画像的目的是寻找目标客户，其必须是具有潜在消费能力的客户 • 信用信息包含消费者工作、收入、学历、财产等信息 • 人口属性信息 • 定位完目标客户之后，需要触达客户，人口属性信息就是起到触达客户的作用 • 人口属性信息包含姓名、性别，电话号码，邮件地址，家庭住址等信息 • 人口属性信息可以帮助金融企业联系客户，将产品和服务推销给客户 采用强相关信息，忽略弱相关信息 18 • 强相关信息就是同场景需求直接相关的信息，以上的相关系数就应该定义为强 相关信息 • 人的年龄、学历、职业、地点与收入高低是强相关关系人口属性信息 • 比如，35岁左右人的平均工资高于平均年龄为30岁的人，计算机专业毕业的学 生平均工资高于哲学专业学生，从事金融行业工作的平均工资高于从事纺织行 业的平均工资，上海的平均工资超某省市平均工资 • 用户的身高、体重、姓名、星座等信息，很难从概率上分析出其对消费能力的影响， 这些是弱相关信息 用户画像和用户分析时，需要考虑强相关信息，不要考虑弱相关信息。 将定量的信息归类为定性的信息 19 • 定量的信息不利于对客户进行筛选，需要将定量信息转化为定性信息，通过信息类 别来筛选人群 • 可以将年龄段对客户进行划分，18岁-25岁定义为年轻人，25岁-35岁定义为中青年， 36-45定义为中年人等 • 可以参考个人收入信息，将人群定义为高收入人群，中等收入人群，低收入人群 • 参考资产信息也可以将客户定义为高、中、低级别 将金融企业各类定量信息，集中在一起，对定性信息进行分类， 并进行定性化，有利与对用户进行筛选，快速定位目标客户。 用户画像信息的类型 20 • 金融企业需要结合业务需求进行用户画像，可以将用户画像信息分成五类信息 • 人口属性 • 信用属性 • 消费特征 • 兴趣爱好 • 社交属性 用户画像信息的类型 21 • 人口属性 • 用于描述一个人基本特征的信息，主要帮助金融企业知道客户是谁，如何触达用户 • 姓名，性别，年龄，电话号码，邮箱，家庭住址都属于人口属性信息 • 信用属性 • 用于描述用户收入潜力和收入情况，支付能力，帮助企业了解客户资产情况和信用情况，有利于定 位目标客户 • 客户职业、收入、资产、负债、学历、信用评分等都属于信用信息 • 消费特征 • 用于描述客户主要消费习惯和消费偏好，用于寻找高频和高价值客户，帮助企业依据客户消费特点 推荐相关金融产品和服务 • 可以参考客户的消费记录将客户直接定性为某些消费特征人群，例如差旅人群，境外游人群，旅游 人群，餐饮用户，汽车用户，母婴用户，理财人群等 用户画像信息的类型 22 • 兴趣爱好 • 用于描述客户具有哪方面的兴趣爱好，在这些兴趣方面可能消费偏好比较高，帮助企业了解客 户兴趣和消费倾向，定向进行活动营销 • 兴趣爱好的信息可能来源于社交信息和客户位置信息，例如户外运动爱好者，旅游爱好者，电 影爱好者，科技发烧友，健身爱好者，奢侈品爱好者等 • 消费特征来源于已有的消费记录，但是购买的物品和服务不一定是自己享用 • 社交信息 • 用于描述用户在社交媒体的评论，这些信息往往代表用户内心的想法和需求，具有实时性高， 转化率高的特点 • 例如客户询问上海哪里好玩?澳大利亚墨尔本的交通?房屋贷款哪家优惠多?那个理财产品好?这 些社交信息都是代表客户多需求，如果企业可以及时了解到，将会有助于产品推广 金融企业用户画像的基本步骤 23 • 参考金融企业的数据类型和业务需求，可以将金融企业用户画像工作进行细化 • 基本上从以下五个方面进行筛选目标客户 1. 画像相关数据的整理和集中 2. 找到同业务场景强相关数据 3. 对数据进行分类和标签化 4. 依据业务需求引入外部数据 5. 按照业务需求进行筛选客户 1. 画像相关数据的整理和集中 24 金融企业的信息分布在不同的系统中 • 人口属性信息主要集中在客户关系管理系统 • 信用信息主要集中在交和产品系统之中，也集中在客户关系管理系统中 • 消费特征主要集中在渠道和产品系统中 • 兴趣爱好和社交信息需要从外部引入，例如客户的行为轨迹可以代表其兴趣爱好和 品牌爱好，某著名企业设备到位置信息可以提供较为准确的兴趣爱好信息 • 社交信息可以借助于金融行业自身的文本挖掘能力进行采集和分析，也是可以借助 于厂商的技术能力在社交网站上直接获得 • 社交信息往往是实时信息，商业价值较高，转化率也较高，是大数据预测方面的主 要信息来源 1. 画像相关数据的整理和集中 25 客户画像的数据仓库 • 客户画像的五大类数据都分布在不同的信息系统，金融企业都上线了数据仓库，所 有画像相关的强相关信息都可以在数据仓库里面整理和集中 • 数据仓库成为用户画像数据的主要处理工具，依据业务场景和画像需求将原始数据 进行分类、筛选、归纳、加工等，生成用户画像需要的原始数据 2.找到同业务场景强相关数据 26 为企业带来商业价值才是用户画像工作的主要动力和主要目的 • 所有画像信息应该是5大分类的强相关信息，强相关信息是指同业务场景强相关信 息，可以帮助金融行业定位目标客户，了解客户潜在需求，开发需求产品 • 只有强相关信息才能帮助金融企业有效结合业务需求，创造商业价值 • 金融企业信息较多，在用户画像阶段不需要对所有信息都采用，只需要采用同业务 场景和目标客户强相关的信息即可，这样有助于提高产品转化率，降低ROI，有利 于简单找到业务应用场景，在数据变现过程中也容 • 不要将用户画像工作搞的过于复杂，同业务场景关系不大，这样就让很多金融企业 特别是领导失去用户画像的兴趣，看不到用户画像的商业，不愿意在大数据领域投 资 2.找到同业务场景强相关数据 27 金融行业强相关信息举例 • 姓名、手机号、家庭地址就是能够触达客户的强人口属性信息 • 收入、学历、职业、资产就是客户信用信息的强相关信息 • 差旅人群、境外游人群、汽车用户、旅游人群、母婴人群就是消费特征的强相关信 息 • 摄影爱好者、游戏爱好者、健身爱好者、电影人群、户外爱好者就是客户兴趣爱好 的强相关信息 • 社交媒体上发表的旅游需求，旅游攻略，理财咨询，汽车需求，房产需求等信息代 表了用户的内心需求，是社交信息场景应用的强相关信息 2.找到同业务场景强相关数据 28 3.对数据进行分类和标签化(定量to定性) 29 • 定性信息进行定量分类是用户画像的一个重要工作环节，具有较高的业务场景要求，考验用户画像 商业需求的转化 • 金融企业集中了所有信息之后，依据业务需求，对信息进行加工整理，需要对定量的信息进行定性， 方便信息分类和筛选，这部分工作建议在数据仓库进行 • 定性信息进行定量分类c q主要目的是帮助企业将复杂数据简单化，将交定性进行归类，并且融入商 业分析的要求，对数据进行商业加工 • 将定量信息归纳为定性信息，并依据业务需求进行标签化，有助于金融企业找到目标客户，并且了 解客户的潜在需求，为金融行业的产品找到目标客户，进行精准营销，降低营销成本，提高产品转 化率 • 金融企业还可以依据客户的消费特征、兴趣爱好、社交信息及时为客户推荐产品，设计产品，优化 产品流程，提高产品销售的活跃率，更好地为客户设计产品 3.对数据进行分类和标签化(定量to定性) 30 定性信息进行定量分类举例 • 可以将客户按照年龄区间分为学生，青年，中青年，中年，中老年，老年等人生阶 段，源于各人生阶段的金融服务需求不同，在寻找目标客户时，可以通过人生阶段 进行目标客户定位 • 企业可以利用客户的收入、学历、资产等情况将客户分为低、中、高端客户，并依 据其金融服务需求，提供不同的金融服务 • 可以参考其金融消费记录和资产信息，以及交，购买的产品，将客户消费特征进行 定性描述，区分出电商客户，理财客户，保险客户，稳健投资客户，激进投资客户， 餐饮客户，旅游客户，高端客户，公务员客户等。 • 利用外部的数据可以将定性客户的兴趣爱好，例如户外爱好者，奢侈品爱好者，科 技产品发烧友，摄影爱好者，高端汽车需求者等信息 4.依据业务需求引入外部数据 31 • 金融企业自身的数据不足以了解客户的消费特征、兴趣爱好、社交信息 • 金融企业可以引入外部信息来丰富客户画像信息，例如引入银联和电商的信息来丰 富消费特征信息，引入某著名企业大数据的位置信息来丰富客户的兴趣爱好信息， 引入外部厂商的数据来丰富社交信息等 • 外部信息在引入时需要考虑几个问题，分别是外部数据的覆盖率，如何和数据打通， 和信息的匹配率，以及信息的相关程度，还有数据的鲜活度 • 外部数据的合规性也是金融企业在引入外部数据时的一个重要考虑，敏感的信息例 如手机号、家庭住址、身份证号在引入或匹配时都应该注意隐私问题，基本的原则 是不进行数据交换，可以进行数据匹配和验证 • 外部数据不会集中在某一家，需要金融企业花费大量时间进行寻找 5.按照业务需求进行筛选客户 32 • 用户画像是数据思维运营过程中到一个重要闭环，帮助金融企业利用数据进行精细 化某省市场营销，以及产品设计 • 用户画像就是一切以数据商业化运营为中心，以商业场景为中，帮助金融企业深度 分析客户，找到目标客户 • DMP（大数据管理平台）在整个用户画像过程中起到了一个数据变现的作用 • 从技术角度来讲，DMP将画像数据进行标签化，利用机器学习算法来找到相似人群， 同业务场景深度结合，筛选出具有价值的数据和客户，定位目标客户，触达客户， 对营销效果进行记录和反馈 银行用户画像实践介绍 33 银行用户画像的主要目的 • 银行具有丰富的交、个人属性数据、消费数据、信用数据和客户数据，用户画像的 需求较大，但是缺少社交信息和兴趣爱好信息 • 分析客户、了解客户、找到目标客户、为客户设计其需要的产品，是银行进行用户 画像的主要目的 • 银行的主要业务需求集中在消费金融、财富管理、融资服务，用户画像要从这几个 角度出发，寻找目标客户 银行用户画像实践介绍 34 银行用户画像的五大步骤 1. 先利用数据仓库进行数据集中，筛选出强相关信息，对定量信息定性化，生成DMP 需要的数据 2. 利用DMP进行基础标签和应用定制，结合业务场景需求，进行目标客户筛选或对用 户进行深度分析 3. 同时利用DMP引入外部数据，完善数据场景设计，提高目标客户精准度 4. 找到触达客户的方式，对客户进行营销，并对营销效果进行反馈，衡量数据产品的 商业价值 5. 利用反馈数据来修正营销活动和提高ROI某省市场营销的闭环，实现数据商业价值 变现的闭环 PART 银行精准营销 银行的大数据应用场景比较丰富，比较典型的集中在数 据库营销、用户经营、数据风控、产品设计和决策支持 等。在客户画像的基础上银行可以有效的开展精准营销。 银行精准营销概述 36 在客户画像的基础上银行可以有效的开展精准营销 1. 实时营销 • 实时营销是根据客户的实时状态来进行营销 • 比如根据客户当时的所在地、客户最近一次消费等信息有针对性地进行营销 • 比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 • 比如将客户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 2. 交叉营销 • 也就是进行不同业务或产品的交叉推荐，比如招商银行可以根据客户交分析， 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； 银行精准营销概述 37 在客户画像的基础上银行可以有效的开展精准营销 3. 个性化推荐 • 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 • 比如根据客户的年龄、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 4. 客户生命理 • 客户生命理包括新客户获取、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 银行精准营销应用实例介绍 38 银行用户画像的大数据应用场景 1. 寻找分期客户 • 利用银联数据+自身数据+信用卡数据，发现信用卡消费超过其月收入的用户， 推荐其进行消费分期 2. 寻找高端资产客户 • 利用银联数据+某著名企业位置数据(别墅/高档小区)+物业费代扣数据+银行自 身数据+汽车型号数据，发现在银行资产较少，在其他行资产较多的用户，为其 提供高端资产管理服务 3. 寻找境外游客户 • 利用自身卡消费数据+某著名企业设备位置信息+社交好境外强相关数据(攻略， 航线，景点，费用)，寻找境外游客户为其提供金融服务 银行精准营销应用实例介绍 39 银行用户画像的大数据应用场景 3. 需找理财客户 • 利用自身数据(交易+工资)+某著名企业端理财客户端/电商活跃数据，发现客户 将工资/资产转到外部，但是电商消费不活跃客户，其互联网理财可能性较大， 可以为其提供理财服务，将资金留在本行 4. 寻找贷款客户 • 利用自身数据(人口属性+信用信息)+某著名企业设备位置信息+社交购房/消费 强相关信息，寻找即将购车/购房的目标客户，为其提供金融服务(抵押贷款/消 费贷款) PART 银行风险管控 利用大数据技术可以进行对中小企业贷款风险的评估和 对欺诈交别，从而帮助银行降低风险。 银行风险管控大数据应用 41 • 利用大数据技术可以进行对中小企业贷款风险的评估和对欺诈交别，从而帮助银 行降低风险 银行风险管控大数据应用举例 • 中小企业贷款风险评估 • 银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进 行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款 • 实时欺诈交和反洗 • 银行可以利用持卡人基本信息、卡基本信息、交、客户历史行为模式、正在 发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国 家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交 诈分析 中小企业贷款风险评估 42 • 为数众多的中小企业是金融机构不可忽视的客户群体，但中小企业贷款偿还能力 差；财务制度普遍不健全，难以有效评估其真实经营状况；生存能力相对比较低； 信用度低 • 据测算，对中小企业贷款的平均管理成本是大型企业的5倍左右，而风险成本却 高很多 • 这种成本、收益和风险不对称导致金融机构不愿意向中小企业全面敞开大门，这 一方面限制了自身的成长，另一方面也限制了中小企业的成长 • 大数据分析技术已经能够帮助银行进行企业风险分析评估 • 银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷 款风险分析，量化企业的信用额度，更有效的开展中小企业贷款 中小企业贷款风险评估举例 43 • “阿里小贷”依据会员在阿里巴巴平台上的网络活跃度、交、网上信用评价等， 结合企业自身经营的财务健康状况进行贷款决定 • 首先通过阿里巴巴B2B、支付宝等电子商务平台，收集客户积累的信用数据，包 括客户评价数据、货运数据、口碑评价等，同时引入海关、税务、电力等外部数 据加以匹配，建立数据模型 • 其次，通过交叉检验技术辅以第三方验证确认客户的真实性，将客户在电子商务 平台上的行为数据映射为企业和个人的信用评价，并对地区客户进行评级分层， 研发评分卡体系、微贷通用规则决策引擎、风险定量化分析等技术 • 最后，在风险监管方面，开发了网络人际爬虫系统，获取和整合相关人际关系信 息，并通过设计规则及其关联性分析得到风险评估结论，结合与结论与贷前评级 系统进行交叉验证，构成风险控制的双保险 PART 银行运营优化 通过大数据分析方法改善经营决策，为管理层提供可靠 的数据支撑，使经营决策更加高效、敏捷，精确性更高。 银行运营优化大数据应用 45 • 通过大数据分析方法改善经营决策，为管理层提供可靠的数据支撑，使经营决策 更加高效、敏捷，精确性更高 1. 市场和渠道分析优化 2. 产品和服务优化 3. 舆情分析 银行运营优化大数据应用 46 1. 市场和渠道分析优化 • 通过大数据，银行可以监某省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 • 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 2. 产品和服务优化 • 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 银行运行优化大数据应用 47 3. 舆情分析 • 银行可以通过爬虫技术，抓取社区、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 • 银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以 作为自身业务优化的借鉴 PART 03 保险行业大数据应用 保险行业主要通过保险代理人与保险客户进行连接，对客户的 基本信息和需求掌握很少，因此极端依赖外部保险代理人和渠 道（银行）。随着互联网保险的兴起，用户会被分流到互联网 渠道，特别是年轻人会更加喜欢通过互联网这个渠道来满足自 己的需求。未来线上客户将成为保险公司客户的重要来源。 保险行业大数据应用概述 49 • 保险行业主要通过保险代理人与保险客户进行连接，对客户的基本信息和需求掌 握很少，因此极端依赖外部保险代理人和渠道（银行）。随着互联网保险的兴起， 用户会被分流到互联网渠道，未来线上客户将成为保险公司客户的重要来源 • 保险行业的产品是一个长产品，保险客户再次购买保险产品的转化率很高，所以， 经营好老客户是保险公司一项重要任务，所以应该进行数据挖掘分析和用户画像 了解客户 • 保险行业的数据业务场景是围绕保险产品和保险客户进行的，典型的数据应用有 利用用户行为数据来制定保险价格，利用客户外部行为数据来了解客户需求，向 目标用户推荐产品等 • 保险公司可以为客户建立人生档案，利用个人的生命个阶段需要，为客户提供保 险产品 保险行业的大数据应用的三大方面 50 客户细分和精细化营销 51 1. 客户细分和差异化服务 • 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，还要结合客户职业、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 2. 客户精准营销 • 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 客户细分和精细化营销 52 3. 潜在客户挖掘及流失用户预测 • 可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。 客户细分和精细化营销 53 3. 客户关联销售 • 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，借助大数据，保险业可以直接锁定客户需求 • 以险为例，据统计，险索赔率在50%以上，该产品对保险公司带来的利润只有5%左 右，但是有很多保险公司都有意愿去提供这种保险。因为客户购买运费险后保险公 司就可以获得该客户的个人基本信息，包括手机号和银行账户信息等，并能够了解 该客户购买的产品信息，从而实现精准推送。假设该客户购买并退货的是婴儿奶粉， 我们就可以估计该客户家里有小孩，可以向其推荐关于儿童疾病险、教育险等利润 率更高的产品 欺诈行为分析 54 基于企业内外部交史数据，实时或准实时预测和分析欺诈等非法行为 1. 医疗保险欺诈与滥用分析 • 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 2. 车险欺诈分析 • 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 精细化运营 55 1. 产品优化，保单个性化 • 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 • 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 2. 代理人（保险销售人员）甄选 • 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 精细化运营 56 3. 运营分析 • 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 或某省市场风险、操作风险等 PART 04 证券行业大数据应用 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。 证券行业大数据应用概述 58 • 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 • 目前国内外证券行业的大数据应用大致有以下三个方向 ① 股价预测 ② 客户关系管理 ③ 投资景气指数 股价预测 59 • 英国对冲基金Derwent Capital Markets通过分析Twitter 的数据内容某省市场 情绪，从而指导进行投资，并在首月的交实盈利了，%的收益率远高于平均 数只有%的其他对冲基金 • 麻省理工学院的学者，根据情绪词将Twitter内容标定为正面或负面情绪。结果 发现，无论是如“希望”的正面情绪，或是“害怕”、“担心”的负面情绪，其 占总Twitter内容数的比例，都预示着道琼斯指数、标准普尔500指数、纳斯达克 指数的下跌 • 美国佩斯大学追踪了星巴克、可口可乐和耐克三家公司在社交媒体上的受欢迎程 度，同时比较它们的股价，结果发现，Facebook上的粉丝数、Twitter 上的听众 数和 Youtube上的观看人数都和股价密切相关 客户关系管理 60 1. 客户细分 通过分析客户的账户状态（类型、生命、投资时间）、账户价值（资产峰值、资产 均值、交、佣金贡献和成本等）、交（市场关注度、仓位、平某省市值、平均持股 时间、单笔交和日均成交量等）、投资偏好（偏好品种、下单渠道和是否申购）以 及投资收益（本期相对和绝对收益、今年相对和绝对收益和投资能力等），来进行 客户聚类和细分，从而发现客户交类型，找出最有价值和盈利潜力的客户群, 以及 他们最需要的服务, 更好地配置资源和政策, 改进服务,抓住最有价值的客户 客户关系管理 61 2. 流失客户预测 券商可根据客户历史交和流失情况来建模从而预测客户流失的概率。如2012年海通 证券自主开发的“给予数据挖掘算法的证券客户行为特征分析技术”主要应用在客 户深度画像以及基于画像的用户流失概率预测。通过对海通100多万样本客户、半年 交的海量信息分析，建立了客户分类、客户偏好、客户流失概率的模型。该项技术 最大初衷是希望通过客户行为的量化分析，来测算客户将来可能流失的概率 投资景气指数 62 • 国泰君安推出的“个人投资者投资景气指数”（简称3I指数）通过一个独特的视角 传递个人投某省市场的预期、当期的风险偏好等信息 • 国泰君安对海量个人投资者样本进行持续性跟踪监测，对账本投资收益率、持仓率、 资金流动情况等一系列指标进行统计、加权汇总后得到的综合性投资景气指数 • 3I指数通过对海量个人投资者真实投资交的深入挖掘分析，了解交投资者交的变化、 投资信心的状态与发展趋某省市场的预期以及当前的风险偏好等信息 投资景气指数 63 • 在样本选择上，选择资金100万元以下、投资年限5年以上的中小投资者，样本规模 高达10万，覆盖全国不同地区，所以，这个指数较为有代表性 • 在参数方面，主要根据中小投资者持仓率的高低、是否追加资金、是否盈利这几个 指标，来看投某省市场是乐观还是悲观 • “3I指数”每月发布一次，以100为中间值，100—120属于正常区间，120以上表示 趋热，100以下则是趋冷。 投资景气指数 64 谢 谢 观 看！