大数据在金融行业的应用与发展展望

现如今，人们的生活中无不充斥着互联网的痕迹，越来越多的行为和事件被大数据记录又被大数据影响，金融行业因其安全性的重要更是与大数据技术息息相关。

金融业务对于数据应用的广泛性与质量要求

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，而以集奥聚合（北京集奥聚合科技有限公司简称）为代表的大数据技术公司引领的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。

金融行业既涉及宏观国民经济的方方面面，又与微观社会主体的经济生活密切相关，中国是一个人口大国，也是社会活动多样性的代表性国家，金融机构为了在纷繁的条件下做出正确的商业判断越发需要依据海量的高质量数据进行分析，但这也与相关数据覆盖人群不足、信息孤岛尚未联通等社会大环境形成了相对矛盾。例如，在个人信用风险控制方面，过去金融机构主要依托从各金融机构上报的信贷类数据的集中管理者——人民银行征信中心调取相关数据对于个人进行信用评价，但人民银行征信中心的数据并未对中国全部人口有实质性的广泛覆盖，甚至可以说只覆盖了偏少一部分有信贷、信用卡消费记录的人群，加之考虑到因 互联网金融 日益发展等因素而对金融产品需求愈发多样的人群，仅基于信贷类数据评价这些人群可能会误伤很多暂时还没有信贷纪录的中低收入人群，利用不同来源的“大数据”及相关技术（以下统称大数据）解决个人客户信用评价的全面性与客观性问题的重要作用凸显出来。

有价值大数据汇聚具备的特点

有价值的大数据的汇聚具备以下特点，这也是金融业应用大数据时要考虑的关键：

一、数据的联通性。由于很多数据是基于不同渠道、场景和主键进行的汇聚，要把这些碎片化数据进行准确整合，需要有很强的ID MAPPING能力，数据的联通解决不同数据是否归属于同一主体的能力。问题举例，10条行为信息，究竟是10个不同主体产生的，还是1个人在10个不同渠道留下的，不同的判断会直接影响数据分析的结果。

二、数据的连续性。数据汇聚需要在“约定“的频率下持续不断、全面地进行才能产生集合价值。首先，数据连续性要求数据源本身具备稳定提供数据的能力、数据全面和质量可靠的能力。就完整和可靠而言，金融机构是公认的最完整和可靠的数据来源。就稳定性而言，有些数据源，例如网络爬取、通过布放COOKIES或SDK等数据，有可能因特定原因出现数据采集提供不稳定或无法获取数据的情况，例如Robot协议禁止爬取或者Cookies被客户清理等原因，这样会使数据分析会出现很大偏差。其次，数据连续性还体现在数据更新频率上。能做到每日更新或实时更新数据对于某些业务需求非常有必要。如果更新频率过长，例如只能每个季度进行更新，这样的数据价值就会小很多。

三、数据的颗粒度。同样一类数据，字段的细分程度会体现不一样的价值。以常见的“金融”标签为例，标签做到大类分布，比如信用卡、信贷、理财、投资，和标签体现更加详细的描述，比如信用卡是哪家银行信用卡、什么类型的信用卡、对信用卡的什么特征更加关注、是从哪个媒体（网站）进行关注的等等，二者对于金融机构评价客户质量的作用显然是不一样的。

四、数据的合规性。对于合作方数据合规性的评估非常重要，这是能够长期合规合法使用数据的一个基本点。一个审慎的金融机构利用大数据的出发点和原则中除了可以解决相关业务实质性问题外，数据使用的合法合规性也必然是一个重要考量，充分尊重和保护个人客户的合法权益（例如个人信息安全），保障合法合规是使用大数据的必然前提。对于数据合规性管理，可以从以下几点考量：数据处理行为正当、合法、必要；数据源是数据的合法持有者；签订了权利义务明确的商务合作协议；数据传输和其他处理过程中采取缜密的加密等安全措施；尽可能合作脱敏后的数据等。

大数据可以在金融业务中有效应用

金融行业目前越来越重视大数据的应用，但因为前文提到的数据现状方面的原因、自身技术储备的原因以及 大数据发展 成熟度等原因，各金融机构对于大数据的应用水平参差不齐，主要的问题有：分析处理什么数据？数据怎么分析处理？数据用在哪些产品或活动中？基于大数据做出的分析判断如何落地推动业务发展？以集奥聚合积累的行业经验而言，大数据目前主要应用在于帮助金融机构实现“立体营销”、“客户价值管理”和“风险控制”。

传统上，营销无外乎是寻找目标客群、细分目标客群、触达客群个体。采用利用大数据机器学习的分析手法，判断他们的习惯偏好以及短期需求，形成画像描述，从而找到精准的目标客群。在第三方大数据支持下，金融机构可以在有”鲜活“互联网行为的网络使用者中发掘需求。一般在3-5次业务数据循环后，营销的效果会达到最优。在为某普惠公司提供的现金贷款营销中，经过5次优化，客户响应率、响应客户的资质合格率均有大幅度提升。

目前，尽管大型金融机构沉淀了大量客户及客户信息，但从大数据角度看，由于对客户信息缺乏挖掘、分析，导致对存量客户的了解不能加深，金融机构在进行客户管理时的效率提升会遇到困难。以客户激活为例，某行有4亿的存量客户，其中30%以上客户为静止客户，但在这1亿多静止客户中，银行对哪些是高净值客户，哪些需要加大力度挽留一直不得而知。如果对所有的静止客户进行激活，则成本会相对较高。

针对金融机构的”客户价值管理“需求，集奥聚合发布了“集奥方舟智能应用平台”，借助大数据进行客户聚类和客户行为分析，为金融机构的客户激活、客户管理和产品设计提供更精准的依据，帮助金融机构整体提升存量客户的价值，或交叉销售更多的产品，或激活能够带来价值的客户。

通过客户标签的匹配，对客户进行行为分析，把客户进行聚类，标示客户的价值，这样该金融机构在客户激活时，就确立了精准的目标，进而减少了成本。

另外，“方舟”能够分析客户的偏好，使金融机构在产品设计、宣传等方面做出更有针对性的策略，从而有效节省成本。一个实例是，相当一部分客户在银行开户后并不会下载银行的App，银行也就无法从App这个产品中获得价值。对此，银行希望通过实施优惠活动（代金券）吸引客户下载App。这个过程中，“方舟”会告诉银行客户的偏好，比如有多少客户喜欢外卖券，有多少客户喜欢电影券等等。这样，银行就不必拿每一种优惠券一个一个去测试客户的需求，而是通过发放对客户具有吸引力的优惠券，精准对接客户的内在需求，达到促使客户下载App的目的，同时减少无用功的成本支出。

“方舟”另一个强大的功能是把数据分析、建预测模型等工作“模块化”和“简单化”。一个没有统计学、数学背景的银行市场业务人员可以利用“方舟”进行快速分析和建模，并且可以判研效果；机器学习的模块可以实现效果快速迭代，并在稳定后进行模型固化，在下一个活动周期，直接调用以前的模型即可。“方舟”的以上功能可以大大缓解大数据专业分析人员不足、能力不足等问题。

结语：

近年来，互联网化已经让社会生活发生根本改变，微博和微信成为了人们沟通交流的主要方式，电商、微商改变了人们的购物行为与习惯。互联网化带来了人们线下和线上两个生活空间，让人们除了在现实生活中的行为信息外，还会在互联网上留下各类行为记录。

互联网化同时也极大地丰富了人们行为数据的数量与种类，也催生了大数据行业。国务院2015年8月下发了《促进大数据发展行动纲要》，明确表示：信息技术与经济社会的交汇融合引发了数据迅猛增长，数据已成为国家基础性战略资源，大数据正日益对全球生产、流通、分配、消费活动以及经济运行机制、社会生活方式和国家治理能力产生重要影响。

随着社交网络化、虚拟化，以及移动互联趋势的形成，互联网交易、互联网金融业务增长必将为金融行业带来深远的影响。我们认为，时代呼唤有金融、征信、互联网和大数据基因的 企业 出现。可以预见，金融交易与大数据将是一个不断融合的过程，最终将形成大数据与金融相结合的大数据金融模式。

☞点此进入 GEO集奥聚合数据 在数据观的企业栏目>>>

责任编辑：王培