金融行业大数据的应用案例分享(工行、光大银行、蚂蚁金服)

文章从工行、光大银行、蚂蚁金服实践中的3个大数据应用案例，以应用背景、数据源、图说场景、实现途径、应用效果5个视角去看待大数据在银行的应用状况。

工行运用大数据打击电信诈骗

应用背景：

近年来电话诈骗、网络诈骗等案件频发、花样翻新，受害人往往汇完钱后才恍然大悟。由于银行往往是“ 挽救” 受骗者的“ 最后一道防线” ，因此，银行事先对账户进行防欺诈风险审核成为一道重要的安全屏障。基于此，银行要积极运用大数据技术，阻击电信诈骗的汇款问题。

数据源：

个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。

资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。

其他数据：个人互联网行为数据、个人位置信息数据、商户数据、法院、公安数据、第三方征信数据等。

实现路径：

通过收集来自行内、金融同业以及司法部门提供的各类风险客户和账户信息，通过大数据技术的相关分析、挖掘，使得银行可以实现风险收集分析、风险评级等功能。

应用效果：

欺诈检测： 通过收集和整理各行业、机构的黑名单信息，通过多样化的机器学习模型及大数据关联分析等技术，给银行、个人等企业提供风险管控和反欺诈的服务。

风险评级。使用专业技术和工具，评估风险账户相关数据的客观性、准确度，量化其信用风险、履约等能力;在控制风险前提下，使个人能够实现安全汇款。

实时预警。用数据挖掘技术，发掘与相关账户的信用相关的预警信息，形成预警信号并向相关风险管理系统主动推送，进而跟踪预警信号处置流程，直至形成最终结论或风险管控方案，形成一个风险预警、通知、处置和关闭的闭环处理流程。

案例五：光大银行用“ 大数据” 推动理财业务转型

应用背景：

在全球经济缓慢复苏的背景下，创新正成为企业发展的新动力，而数据则是推动创新的重要资源。对于银行业而言，开发运用好大数据这一基础性战略资源，有利于将大数据作为改革创新和业务发展的重要引擎，从内部深化数据的行业运用，提高运营效率，加快经营转型。

数据源：

个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。

资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。

其他数据：个人互联网行为数据、个人位置信息数据、商户数据(商户客户对象、商品种类等)。

实现路径：

利用大数据相关挖掘技术、文本数据分析等技术，将客户数据、产品数据、地理空间等数据进行关联分析，通过事件驱动覆盖客户的潜在需求;银行可有针对性的进行推荐产品，进行精准营销、投放广告等活动，进而推动自身所需业务的转型。

应用效果：

产品定位分析。在海量分析、实时数据处理等大数据技术的基础上，对金融业产品的开发及推广进行精准定位，并对创新金融业务提供相应的服务与支持。

精准营销。整合金融业内部和外部数据，建立起多维度多层次的分析洞察报表，可提供市场、销售、用户、舆情等多角度的宏观洞察，辅助战略决策，同时也为企业的运营、产品、市场、销售、服务等一线业务人员提供数据洞察，支持其日常的业务行动。

个性化推荐：通过客户管理形成的细分客户，用大数据技术智能化分析细分客户的需求，如客户的理财偏爱好、年龄等，因人而异，实施精准化、有针对性的产品及服务推荐。

优化体验：通过对市场和渠道的分析优化，金融业可以监控不同市场的推广渠道，进而为产品或者服务找到合适的渠道，优化推广策略，提高客户体验满意度。

案例六：蚂蚁金服推航空延误险“ 晚点乐”

应用背景：

航班延误、取消等状况频发，不但耗费旅客的时间成本，甚至造成经济损失。不过由于传统的航班延误理赔较为麻烦，繁琐的手续让旅客望而止步。在此情况下，保险公司与航空大数据的联动及合作将会使旅客在办理延误险时的手续大为简化，解决用户痛点问题。

数据源：

保单数据：姓名、险种、银行帐号、家庭住址等。

理赔数据：理赔金额、历史次数、理赔原因等。

其他数据：医疗数据、用户网上消费数据、用户资产数据等。

实现路径：

通过捕获航班信息大数据，结合大数据系统的分析和推导结论，及时分辨当天出现的航班变动并依据紧急程度，提供航班变动情况等信息，帮助用户解决难点。

应用效果：

机场资源跟踪。基于相关数据分析，更改飞机起飞、降落时间段等。

理赔服务。通过客户的保单数、飞机延误原因、时长等问题，对用户进行相关的理赔自助服务。

End.