金融大数据的进阶之路,从营销到风控再到投融资决策

在互联网发展日新月异的时代背景下，人们的生活、工作、消费、活动的习惯与行为特点在被不断重塑，大量数据被留存记录，各行业对于数据的挖掘和使用有了适应时代发展的新特点，这在银行等金融机构的业务中尤为凸显。获客、信用风险控制、留存客户、触发客户消费是金融行业的几大痛点，而大数据行业的发展正好满足了这些需求，有效克服了目前金融机构数据来源单一、覆盖率不足、数据挖掘程度不深等问题。

在这一篇文章中我们将从精准营销、金融风控和投融资决策三个方面解读金融大数据，并在最后指出目前制约金融大数据发展的最大问题。

从多角度进行客户刻画，实现精准营销

要提升金融行业的营销效果，最重要的是要知道自己的潜在客户在哪里，然后将自己的产品信息触达这些潜在客户。传统的营销手段虽然能起到一定的效果，但存在诸多弊病，大数据技术的应用，可以从以下两个方面提升营销效率：

第一，减少人力干预，降低营销成本。传统的营销方式，主要通过人力来进行客户筛选，通过对收集的信息与客户标准进行对比，找到目标客户。这种方式费时费力，也增大了营销成本。基于大数据的营销系统，可以实现自动化、半自动化地客户筛查，减少人力干预，大大降低营销成本。

第二，更全面的客户刻画，让营销更精准。大数据技术的应用，可以帮助银行等金融机构实现更全面的描述，除了传统的个人银行信用记录、资产状况等信息外，还可以加入更多基于互联网和移动互联网的个人数据信息：个人消费信息，尤其是在电商平台上的购买记录以及通过美团等平台的O2O消费记录，通过对这些数据的收集，对客户的购买力有更全面的掌握；从携程、途牛、艺龙旅行等旅游平台上，了解客户在火车票、机票、酒店的消费记录，通过对其行程的掌握，从侧面印证其资金实力。

比如经常乘坐飞机出差并入驻高档酒店的客户，其经济实力还是比较有保障的；从智联招聘、58同城等招聘网站上了解客户的工作信息，通过分析其工作履历了解其金融消费和还款能力；从QQ、微信、微博等社交平台了解客户的人际网络状况，如果一个人的朋友很多并且关系良好，其朋友普遍具有较强的资金实力，那么客户本身的资金实力还是有保障的。另外，从客户与其朋友的交流信息中，可以分析其感兴趣的金融产品以及履约意识等方面的关键信息。

只有更全面的了解客户信息，才能更清晰的辨别客户的金融消费能力，进而将产品信息精准的推送给有经济实力也有金融消费需求的人群。我们以博易大数据精准营销实现方式为例：通过对客户进行深度分析（客户属性、应用兴趣、生活方式、消费兴趣、付费能力等多个角度入手），建立属性标签，通过数据整合建立更全面的用户画像，在短时间内获取客户个性化需求，进而帮助银行等金融机构实现更精准地推广。

更全面的信息实现精细化的风险管控

金融风险主要来自于两个方面：本来就没打算履行其金融协议，存在恶意欺诈的行为；原来有经济能力的客户金融实力减弱，其金融履约能力受到威胁，进而危及与其有业务往来的金融机构。其中恶意欺诈的现象较少，更为普遍的风险来源是客户履约能力变动带来的风险。要控制金融风险，就需要通过全面深入的用户监控，及时发现其金融状况的变动，在风险没有全面爆发之前就采取措施，消除风险或者尽可能的降低风险损失。

要全面监控客户的金融状况，需要更多样化的数据源，缩短监测的间隔周期，甚至进行实时监控。传统对客户信用记录、房产等固定资产的监控，一方面信息面太窄，粗线条的刻画不足以掌握其风险状况；另一方面，这些信息的实时性太差，较长的监测周期无法应对快速变化的金融市场风险。通过大数据技术，对多来源的数据进行实时监控和分析，是金融机构风险管控的必然方向。

我们列举几个用大数据进行风险监控的应用场景：监控客户在电商平台上的消费行为来，如果客户突然间大幅降低其购买次数和金额，就可能是经济能力出现问题的征兆。当然，这需要跟其长期的消费行为进行对比，并且只是电商数据还不足以确定其经济能力，还需要与其他数据进行综合分析；通过携程等平台监测其出行数据，如果客户在近期入驻酒店的规格出现明显降低，也是其经济能力降低的征兆；监测微信等社交平台以及支付宝等涉及个人支付与转账的支付平台上的客户数据，如果近期客户有较多的汇款行为，并且金额较大，也会对其金融履约能力构成影响，如果客户存在借款行为，其履约能力也需要关注...类似的场景还有很多，大数据让更全面的风险监控成为可能。

以博易股份为例，在金融风控方面，博易在以下几个方面比较有特色：

反欺诈，比如大额存款快速提现的异常交易，就可以通过阀值设定用模型进行快速确认，从而提高安全性；

信贷风险管理，依托基于用户行为分析的风险引擎，实时快速分析网络金融渠道客户交易行为细节，对海量的数据进行比对、甄选，主动识别异常行为，采集异常行为数据，进行实时分析判断。

智能化投融资决策是金融大数据的未来

大数据最大的价值不在于分析现状，而在于预测未来，并在此基础上进行决策。将大数据与人工智能进行结合，让智能系统在海量实时的数据分析基础上，自动或者半自动地作出投融资建议甚至决策，将是金融大数据发展的必然。

金融领域目前还无法做到智能决策，大数据技术只是作为一种决策辅助工具，最终的投融资行为还是人进行操作，这方面存在三个弊病：

人的经验是需要长期培养才能形成的，而人有寿命的限制，一个有经验的金融人才只能服务几十年；

人的精力有限，面对快速变化的复杂金融市场显得有些吃力，随着复杂程度的提升，很可能出现人驾驭不了的情况；

人容易受到情绪等因素的影响，面对压力时，不一定能进行理性分析，有出现决策失误的可能。

与之对应的，建立在大数据分析基础上的智能系统，可以突破人的局限，进行更理性合理并实时高效的分析和决策。另外，机器系统可以摆脱“寿命”限制，一旦智能系统上限，就可以一直服务，并且会随着数据的积累和系统优化不断提升其智能水平。

目前与智能系统的投融资决策比较相关的是“高频交易”系统，从那些人们无法利用的极为短暂的市场变化进行计算机化交易，并从中寻求获利。但“高频交易”还只是国际大投行用的比较多，而且多是用于股票交易，跟智能化投融资决策还存在很大的差距。

未来很可能从两方面进行扩展：

一是大数据和人工智能技术的发展，让一般的金融机构都具有很强的数据分析能力，智能决策系统从顶级投行向一般的金融机构拓展，实现普惠科技和普惠金融的梦想；

二是不仅局限于股票交易，智能决策系统向更广泛的金融领域进行扩展，比如债券交易、金融产品设计、信贷投放、个人的投资理财等，甚至实现整个社会的经济金融决策，比如央行的货币投放、财政政策、物价调节等。

金融大数据的未来是星辰大海

但目前依然问题重重

应该指出，虽然目前国内已经有较多的大数据企业在金融领域提供服务，但离成熟状态还差的比较远。存在诸多问题需要克服，其中最大的一个问题就是数据割裂。不管是营销、风控，还是投融资决策，比技术本身更重要的是数据。就金融领域而言，主要的数据有几个部分：银行、证券、保险等金融机构数据，淘宝、天猫、京东等电商数据，蚂蚁金服务、P2P平台等互联网金融数据，微信、QQ等社交数据。

数据的割裂表现在两个方面：

一是领域内部的数据割裂，比如金融系统内部银行、证券、保险的数据存在割裂，即使银行系统内部各个银行的数据也存在很严重的割裂。电商系统内部，阿里的淘宝和天猫平台可以打通，但要让阿里与京东的电商数据进行共享，就存在很大的问题；

二是不同领域之间的数据割裂，比如阿里的电商数据很难与微信的社交数据打通，淘宝与微信甚至还相互屏蔽。要让银行等金融系统将其数据与互联网巨头进行共享，也非常的困难。散在互联网领域的其他数据也存在割裂，比如众多P2P平台上积累的客户数据就没能很好的利用起来。

各个领域的数据被相应的机构把持，而要让大数据在金融领域发挥很好的作用，只是某一方面的数据是不行的，需要“全数据”的覆盖才有价值。因此，要让金融大数据真正用起来，还有很长的路要走。