
传统金融的大数据应用与创新
随着互联网,特别是移动互联网的不断发展,互联网金融正在给传统金融业带来不小的冲击,不过,互联网金融是否会对银行等传统机构构成威胁仍无法得出定论。但是,这并不表示银行业可以忽视这股冲击的浪潮,在这个大数据不断壮大的时代,传统金融业如何利用大数据来不断创新与变革,如何借助大数据降低金融风险等,是每个企业都应该深入思考的问题。
中国平安[微博]董事长马明哲曾表示,“作为传统金融业,平安未来最大的竞争对手,不是其他传统金融企业,而是现代科技行业。”那么,金融行业要怎样才能对大数据进行精准的运作,以此来适应互联网带来的冲击呢?安家世行市场部总监 杨学锋有自己的看法。他认为大数据热潮的互联网金融,推动并逐步对接消费者贷款需求的个性化和多元化。
大数据热潮的互联网金融,推动并逐步对接消费者贷款需求的个性化和多元化。在贷款产品同质化竞争激烈的时代,作为十年积累的传统金融企业,安家世行融资担保有限公司该如何对接互联网,尝试“用好新增,盘活存量”的技术活?杨学锋介绍,安家世行将建立并逐步完善更多的客户线下线上信息归集,借助已有客户档案信息完成用户画像,采用“全网数据分析+敢于承担风险”的产品研发模式,“可以在存量客户的盘子里做出新菜式,能进一步锁定客户粘性,提升客户增值服务与二次转化”。
安家世行大数据的建设
2013年年底,安家世行成立客户联络中心,开展客户一对一的针对性的营销和服务,为此研发一整套CRM后台系统,以建立1个客户1个账户多项产品的金融综合服务为最终目标。做好存量客户的信息建设,深入了解客户群体并且标签化。利用论坛、微信、微博、博客等网络工具,安家世行增强对客户的了解和互动,将其打造成为与电话客服并行的重要服务渠道,将金融服务与移动网络、电子商务、社交网络等完美融合。在用户生命周期中以交易、交互、精准推送和主动关怀四大模块构成一条客户体验闭环。
标签化大致分为以下两类人群:一是CLIENT,是业务产品咨询客户,分为已成交与未成交;二是FANS,即自媒体运营(微信/微博)fans。
标签化过程与采集渠道,主要是业务操作流程与客户所有接触人员和用户电话回访及线下活动相结合。(这句话啥意思哦,没看懂)
CRM系统的大数据应用
要成为数据化CRM(既客户关系管理),必须要有收集和分析数据的能力,并且还要能从数据中得到客户的完整图像,从而辅助安家世行做出针对性服务决策方案。
营销推送应用
O2O营销活动,根据用户关注点推送差异化营销活动主题。比如线下活动主题有理财、养生、亲子、户外等。市场部在举办某一主题活动邀约时,仅为符合该类标签的存量客户推送,提升客户体验。同时,结合用户360度数据,可以完成个人理财、保险等金融服务的推荐。
产品研发应用
结合客户基础信息,用大数据的方式来找到其中的共性,评出风险等级开发授信产品的专家评分卡,对存量客户提供授信担保并对接合作的小贷机构。安家世行已开始该产品的推送,产品名称叫“安家白条”,采用风控前置的思路筛选出一批符合授信的用户。在该产品申请上不需要提供任何资料,费率远低于市面的小贷公司。风控是金融的基本,但安家世行为什么敢做到不用客户提供繁琐的手续就给他们授信?那就是基于大数据,使线上线下的大数据相结合。
互联网金融本质是互联网与金融的融合,已经成为一种崭新的金融形式,进一步完善了金融市场体系。互联网金融与传统银行业绝不是相互取代,而是相互促进,共生共融,共同肩负着为广大客户提供优质金融服务的重任。在大数据和移动互联浪潮下的金融创新,已经成为传统银行业共同的课题。完成这个课题必须要解决好两个重要问题。
IBM[微博]软件集团大中华区银行业解决方案高级顾问陈剑也曾在演讲中提到,大数据平台其实是对原有数据库的扩展和增强,而不是一个替代,大数据平台引入后会对传统的数据库进行很好的补充和增强。特别是在银行、电信业,最珍贵的便是客户数据。事实上,各银行目前的同质竞争非常严重。因此,如何把握客户信息,了解客户的需求,甚至预测他们下一步的动向是非常重要的。
阿里巴巴[微博]余额宝[微博]服务火热的背后,不难看出阿里金融在近年来的快速成长。而阿里金融的发展能够如此快速,很大一部分原因便是其对大数据的准确应用。对此,IBM全球企业咨询服务部业务分析与优化团队副合伙人谢国忠分析认为,阿里金融背后的实质有两个方面,一个方面是大数据经营,另一个方面是业务创新。
阿里金融主要利用两类客户数据,一类是网上的客户信用数据,另一类是客户的行为数据。利用这两类数据阿里金融建立起一个网络数据模型以及信用体系。通过这些,阿里为每个用户进行信用评级,根据这个评级发放微贷,从而发现很多的业务产品。因此,阿里金融在短时间里能够如此快速的发展,就是因为利用了大数据经营,对业务进行创新。
然而,面对互联网金融的冲击,传统金融业更应该意识到大数据的重要性。对于安家世行来说,在未来的发展中,有几点是非常重要的,也是大数据能够帮助企业解决的几个问题。首先,大数据可以帮助企业提高运营效率;其次可以降低成本,提高客户的满意度;此外,最重要的是,很多金融机构经营的是风险业务,如果风险没有处理好,对企业的盈利和形象都会造成很大的负面影响。而大数据恰好可以帮助企业解决这些问题。在当下,获取大数据对企业来讲其实并不困难,而怎样使这些资源发挥它们的价值,从而在业务上达到创新,以适应传统金融业在大环境下所面临的冲击,这是急需企业去思考及实践的问题。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04CDA 数据分析师:驾驭数据范式,释放数据价值 在数字化转型浪潮席卷全球的当下,数据已成为企业核心生产要素。而 CDA(Certified ...
2025-09-04K-Means 聚类:无监督学习中数据分群的核心算法 在数据分析领域,当我们面对海量无标签数据(如用户行为记录、商品属性数据、图 ...
2025-09-03特征值、特征向量与主成分:数据降维背后的线性代数逻辑 在机器学习、数据分析与信号处理领域,“降维” 是破解高维数据复杂性的 ...
2025-09-03CDA 数据分析师与数据分析:解锁数据价值的关键 在数字经济高速发展的今天,数据已成为企业核心资产与社会发展的重要驱动力。无 ...
2025-09-03解析 loss.backward ():深度学习中梯度汇总与同步的自动触发核心 在深度学习模型训练流程中,loss.backward()是连接 “前向计算 ...
2025-09-02要解答 “画 K-S 图时横轴是等距还是等频” 的问题,需先明确 K-S 图的核心用途(检验样本分布与理论分布的一致性),再结合横轴 ...
2025-09-02