
平安口袋银行获评年度最佳APP 大数据促零售战略转型
10月27日,由易观主办的“易观A10大数据应用峰会”在北京举行。凭借出色的金融创新能力和大数据在银行用户运营的应用,平安口袋银行将易观之星年度评选的“2017年最佳APP”奖项揽入囊中。作为国内一年一度的大数据盛典,易观A10峰会进行的易观之星2017年度评选是国内共识性和专业性于一体的奖项活动。
活动现场,平安银行(000001,股吧)零售网络金融事业部总裁李明作为特邀嘉宾,参与了“用户经营”论坛的演讲。演讲中李明谈道:“在大数据时代的背景下,平安银行致力于将行内系统底层数据全面打通,对客户数据进行全面收集并进行有效整合,对不同的客户制定不同的产品策略、营销策略及服务策略,制定精准经营方案。同时,不断完善内部数据标签体系,每个客户标签最多达到2000个,从而对银行老客户进行精细化运营。通过大数据平台经营覆盖全量客户。截止目前,平安银行新客户的户均资产比去年提升70%,存量零资产和低于1万元的低资产客户1-9月为全行贡献800多亿的新增资产。对标同业,平安银行2017年前三季度关键指标(存款、贷款、AUM)增速在股份制银行中均位列第一。”
平安银行以“大数据基础能力建设”、“AI基础能力建设”、“基础服务能力建设”3大基础建设作为基石,将银行内部各系统的底层数据全面打通,多维度对客户数据进行收集并有效整合,使其得以在客户经营、管理决策、市场获客及风控流程等领域被有效应用。比如本次获得“2017最佳APP”奖的平安口袋银行更是运用“人工智能+大数据”在4.0版本中,推出了平安口袋银行智能投顾,能根据客户的交易记录与风险偏好,为客户提供个性化的产品投资组合方案。同时,口袋APP还能对客户行为的大数据分析,可做到预测每一个客户最可能要使用的下一个功能或产品,并通过APP推送、呈现,实现“千人千面”。让客户能在平安银行口袋银行新版中充分感受到智能化、个性化的酷炫体验。
截至2017年9月末,平安银行零售AUM余额突破万亿,贷款余额7400余亿,存款余额也突破了3000亿元,这样庞大的零售数据若没有大数据报表平台的支持,就无法实时准确有效的获取并加以分析利用。李明表示,平安银行自行开发出多套数据报表,通过报表核心功能,做到经营业绩T+0快速可视化,并通过移动化设备实时传达,让管理者及时了解监控业绩情况,并通过邮件分享及订阅,将有效数据及时传达下发。报表核心功能还包括明细数据下载,让管理者能够有充足数据进行分析,助力决策制定。
此外,平安银行对创新媒体投放模式进行积极探索,深度挖掘行内数据,在内部建立用户标签体系,为客户标记年龄、性别、浏览购买行为、资产、业务类别等标签。之后,进一步通过IdMapping找到平安银行用户在合作媒体上的行为数据,例如浏览行为、兴趣标签等等,细化客户画像。最后,再利用大数据服务公司提供的用户线下行为数据、支付数据等,进一步完精准善客户画像。依托行内行外多方数据,建立数据模型,挖掘潜在客户,同时,加深与媒体方的深度合作,针对目标用户精准投放,再返回转化数据,优化模型。对比传统的媒体投放获客效率提升65%以上。
当下,欺诈风险日益呈现出复杂化、高科技化,李明在现场还介绍了平安银行“人工智能+大数据”构建的企业级的反欺诈体系。李明表示,平安银行通过对“事前、事中、事后”全流程进行反欺诈监控,即在欺诈行为事前、事中、事后各个环节中通过结合黑名单和各类征信资源、常用设备和习惯表、对关联欺诈进行挖掘、欺诈聚类和图案挖掘。利用人脸识别、经纬度定位、设备指纹、声纹识别等AI技术做到链式网络分析甄别欺诈用户。同时,大数据还深入运用到企业级反欺诈的各个模块,打通借记、信用,助力科学决策。据悉,平安银行通过运用这些有效的手段,仅在2016年一年间拦截案件就达到了50000余起,防堵金额近3亿元人民币。并且,截至2017年三季度,平安银行在零售贷款额增长的同时,零售贷款额不良增额、不良率实现“双降”。其中信用卡不良率1.18%,较上年末下降0.25个百分点。
精彩多样的金融科技创新的背后,是平安银行正渐入佳境的“智能化零售转型”。围绕“科技引领、零售突破、对公做精”三大核心策略,平安银行不断着力提升大数据的应用能力,凭借科技力量助推战略转型升级,全力打造以“SAT(社交+移动应用+远程服务)+智能主账户”为核心的零售银行服务体系,并对口袋银行APP进行精耕,运用高科技+大数据,为客户倾力打造“更懂您”的零售智能银行。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15