网投快三app

大數(shu)據時代,對于商業銀行(xing)而言,在(zai)不(bu)斷完(wan)善(shan)計算機應(ying)用系(xi)統底層數(shu)據庫群、操作數(shu)據存(cun)儲、主數(shu)據存(cun)儲、企業級數(shu)據倉(cang)庫、數(shu)據集市等建設的基礎上,網(wang)絡爬蟲、Hadoop、MapReduce、NoSQL、Lucene等技術拓寬了銀行(xing)的數(shu)據掌控能(neng)力(li)。當前,銀行(xing)無論面對內部(bu)數(shu)據還(huai)是外部(bu)數(shu)據、結構性數(shu)據亦或非(fei)結構性數(shu)據,數(shu)據的產生、捕獲、整(zheng)合(he)、存(cun)儲、訪問等技術均已日漸成熟。與此同時,數(shu)據的價值(zhi)也隨著(zhou)數(shu)據生命周期的不(bu)斷延you)shen)而大幅提(ti)升(sheng)。為實現數(shu)據價值(zhi)的最大化,銀行(xing)還(huai)需(xu)要對所(suo)積累的各類數(shu)據展開全面分析,深入挖掘和鑽取數(shu)據,從中提(ti)煉出(chu)埋藏(cang)于數(shu)據深處的規律和趨勢,全面運用于銀行(xing)戰略(lue)決策與業務發展。目(mu)前,商業銀行(xing)已將(jiang)數(shu)據挖掘定位(wei)hui)詵 勾笫shu)據戰略(lue)的核心驅(qu)動力(li),是大數(shu)據信(xin)息(xi)化建設的重中之重。

一、商業銀行(xing)數(shu)據挖掘發展目(mu)標

1.數(shu)據挖掘定義(yi)與內涵。數(shu)據挖掘是廣義(yi)數(shu)據分析的重要組成部(bu)分,它是平行(xing)于“邏輯證明”、“假(jia)設檢驗”和“仿真模(mo)擬”的一套用以探索未(wei)知事物、獲取新知識的方法論。數(shu)據挖掘的核心思想是從存(cun)放在(zai)數(shu)據庫、數(shu)據倉(cang)庫、數(shu)據集市xiao) ? wang)雲平台(tai)等結構性與非(fei)結構性的海(hai)量數(shu)據中,按(an)照一定的模(mo)式,自動挖掘並(bing)萃取出(chu)一切(qie)存(cun)在(zai)的、有價值(zhi)的、但人們用肉眼無法識別的信(xin)息(xi)和知識。確fei)qie)地講(jiang),數(shu)據挖掘是一種智(zhi)能(neng)化信(xin)息(xi)應(ying)用過程,主要基于人工智(zhi)能(neng)、機器學習、統計學、信(xin)息(xi)檢索、數(shu)據庫等技術,高度自動化地分析業務生產中的數(shu)據和信(xin)息(xi),做出(chu)歸納性推理,從中xing)誥虺chu)潛在(zai)的數(shu)據規律、規則、趨勢等,並(bing)加以有xing)?ying)用,達到jian)白zong)結過去(qu)、預測未(wei)來(lai)”的智(zhi)能(neng)化效果。

2.數(shu)據挖掘發展目(mu)標。遵循“以客戶(hu)為中xing)摹 秈滴窳 獺 勱谷san)類數(shu)據、貫穿四個層面”的發展思路,以實現銀行(xing)信(xin)息(xi)價值(zhi)貢獻的最大化為目(mu)標,聚焦庫表、文本和圖三(san)類數(shu)據,在(zai)“數(shu)據決策”、“精(jing)細(xi)化管理”、規劃先(xian)行(xing)”和“名單(dan)制(zhi)營銷”四個層面統一認識,采用智(zhi)能(neng)化信(xin)息(xi)技術,遵照成熟的技術實施流程,引領銀行(xing)戰略(lue)決策與業務發展。

二、銀行(xing)各層面統一思想認識

1.銀行(xing)決策層面。“數(shu)據決策”是針(zhen)對“經驗決策”的一種提(ti)法,同時也是對經驗決策的一種驗證、補充和修正。隨著(zhou)大數(shu)據時代的到來(lai),數(shu)據的價值(zhi)得(de)到進(jin)一步提(ti)升(sheng),銀行(xing)決策管理人員將(jiang)不(bu)再(zai)滿(man)足于采用數(shu)據對經驗決策進(jin)行(xing)驗證的簡單(dan)模(mo)式,基于數(shu)據的決策行(xing)為將(jiang)從“被(bei)動”轉向“主動”,主要體現于兩(liang)方面︰一是數(shu)據在(zai)業務分析上xi)淖饔麼印笆shu)據驗證”向“數(shu)據啟發”提(ti)升(sheng);二是數(shu)據在(zai)業務應(ying)用上xi)淖饔麼印笆潞hou)快速(su)響應(ying)”向“事前精(jing)準預測”提(ti)升(sheng)。銀行(xing)對自身數(shu)據分析能(neng)力(li)提(ti)出(chu)了更(geng)高要求(qiu)。

2.銀行(xing)管理層面。遵循以客戶(hu)為中xing)牡鬧傅莢yuan)則,銀行(xing)“精(jing)細(xi)化管理”應(ying)從客戶(hu)管理入手,逐步深入產品管理、渠道管理、營銷管理、風(feng)險管理、績(ji)效管理、人力(li)資shi)垂芾懟 殺竟芾淼確矯妗/span>

為實現業務上xi)摹熬jing)耕細(xi)作”,銀行(xing)首先(xian)應(ying)對客戶(hu)市場進(jin)行(xing)科學細(xi)分,推進(jin)建立以客戶(hu)價值(zhi)評估為基礎的mu)突hu)分類體系(xi),並(bing)輔以客戶(hu)行(xing)業歸屬、區域(yu)歸屬、產品偏好、渠道偏好、風(feng)險偏好、價格偏好等分析內容,面向不(bu)同主題(ti),充分實現客戶(hu)層面的“人以群分”。銀行(xing)要深入分析客戶(hu)信(xin)息(xi),重點關注客戶(hu)價值(zhi)的形成原(yuan)因和驅(qu)動因素,準確識別未(wei)來(lai)存(cun)在(zai)價值(zhi)提(ti)升(sheng)可能(neng)性的mu)突hu),並(bing)同時對yuan)cun)在(zai)流失風(feng)險的mu)突hu)進(jin)行(xing)預警。通(tong)過客戶(hu)產品關聯銷售、產品響應(ying)預測、渠道響應(ying)預測等分析應(ying)用,為銀行(xing)開展客戶(hu)名單(dan)制(zhi)營銷、實行(xing)差異化服(fu)務提(ti)供(gong)依據。面向客戶(hu)違約風(feng)險,銀行(xing)同樣要從客戶(hu)信(xin)息(xi)入手,構建客戶(hu)信(xin)用評分模(mo)型(xing),盡早(zao)對yuan)cun)在(zai)違約風(feng)險的mu)突hu)進(jin)行(xing)預警,為銀行(xing)資shi)H ti)供(gong)“第一手”信(xin)息(xi)。通(tong)過科學的mu)突hu)分類支持銀行(xing)形成差異化的定價模(mo)型(xing)和成本管理策略(lue),充分考量客戶(hu)滿(man)意度、提(ti)升(sheng)客戶(hu)忠誠度,與客戶(hu)攜手實現共贏。

3.銀行(xing)運營層面。在(zai)銀行(xing)精(jing)細(xi)化管理架構下,業務發展的“規劃先(xian)行(xing)”是要考慮如何把握合(he)適的時bei) ≡窈he)適的mu)突hu)、推介合(he)適的產品、采用合(he)適的渠道、委派合(he)適的人員,為客戶(hu)提(ti)供(gong)最優質、貼心的金融(rong)(與非(fei)金融(rong))服(fu)務;要考慮如何在(zai)有xing)?芽胤feng)險的同時,以最低的成本、以銀行(xing)與客戶(hu)均感(gan)到滿(man)意的價格實現雙方價值(zhi)的最大化;要實現銀行(xing)資shi)吹牟鉅旎 渲靡約翱突hu)的個性化服(fu)務。

4.銀行(xing)執行(xing)層面。銀行(xing)執行(xing)層面的“名單(dan)制(zhi)營銷”是根據規劃內容,向一線(xian)業務人員傳達具體的工作時間、地點、人物、事件(jian)(做什(shi)麼、怎(zen)麼做)等信(xin)息(xi),並(bing)根據任務清單(dan)對業務人員的工作執行(xing)能(neng)力(li)予以評價。此外,按(an)具體業務流程進(jin)行(xing)梳理,在(zai)關鍵(jian)環節部(bu)署智(zhi)能(neng)化預測或判定信(xin)息(xi)應(ying)用,減緩人為情緒和道德風(feng)險對業務發展的影響。

三(san)、明確銀行(xing)數(shu)據挖掘業務發展重點

遵循“以客戶(hu)為中xing)摹鋇姆 拐鉸lue),同時兼(jian)顧數(shu)據挖掘對于數(shu)據樣本規模(mo)的基本要求(qiu),建議(yi)各商業銀行(xing)結合(he)自身發展戰略(lue),將(jiang)數(shu)據挖掘技術優先(xian)部(bu)署于小(xiao)微金融(rong)、中xing)Σ笠到鶉rong)、私人銀行(xing)、零售銀行(xing)等業務板塊。事實而言,為激發國民(min)經濟活力(li)、保持經濟平穩健(jian)康發展,國家和地方政府已相繼出(chu)台(tai)了一系(xi)列支持小(xiao)微企業發展的政策措(cuo)施。為適應(ying)新的政策要求(qiu),各商業銀行(xing)紛紛推出(chu)了以yuan)釵 誦牡男xiao)微金融(rong)產品,全力(li)打造自身獨具特色的小(xiao)微金融(rong)服(fu)務模(mo)式和發展方式jian)/span>

以商業銀行(xing)小(xiao)微金融(rong)戰略(lue)為例(li),數(shu)據挖掘工作應(ying)著(zhou)重聚焦小(xiao)微信(xin)貸業務,緊貼業務流程並(bing)以小(xiao)微金融(rong)風(feng)險預測為主要抓手,以支持全行(xing)小(xiao)微貸款余額的穩定增長為目(mu)標,積極探索全行(xing)小(xiao)微金融(rong)“低成本、低風(feng)險、高效率、高收益”的業務發展模(mo)式jian)Tzai)商業銀行(xing)小(xiao)微信(xin)貸業務流程中,建議(yi)加入一系(xi)列數(shu)據挖掘智(zhi)能(neng)分析預測模(mo)型(xing),全面考量客戶(hu)級(和借據級)數(shu)據,實現對關鍵(jian)業務環節的精(jing)準預判xiao)/span>

1.小(xiao)微金融(rong)無貸戶(hu)信(xin)貸需(xu)求(qiu)預測。面向銀行(xing)數(shu)以百萬(wan)計的小(xiao)微金融(rong)無貸戶(hu),從中自動識別出(chu)將(jiang)在(zai)未(wei)來(lai)一段時期內有資金需(xu)求(qiu)的mu)突hu)。

2.小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)違約風(feng)險預測。針(zhen)對“小(xiao)微金融(rong)無貸戶(hu)信(xin)貸需(xu)求(qiu)預測”結果,從中自動識別出(chu)未(wei)來(lai)存(cun)在(zai)違約風(feng)險的mu)突hu),將(jiang)其從潛在(zai)貸款客戶(hu)列表中剔除。

3.小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)細(xi)分。根據客戶(hu)行(xing)業歸屬、區域(yu)、與銀行(xing)往來(lai)時間、持有產品數(shu)量、對銀行(xing)的價值(zhi)貢獻等各類信(xin)息(xi),將(jiang)已通(tong)過“小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)違約風(feng)險預測”篩選的mu)突hu)進(jin)一步實現科學細(xi)分。

4.小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)群商榷策略(lue)分析。針(zhen)對“小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)細(xi)分”中各客戶(hu)群hai) 浪愀gai)客戶(hu)群在(zai)貸款規模(mo)、利率、期限、擔(dan)保方式jian) huai)款方式等方面的意向,並(bing)推進(jin)新lue)齟羈突hu)的mu)  /span>

5.小(xiao)微金融(rong)貸款客戶(hu)違約風(feng)險預測。以月度為周期,針(zhen)對銀行(xing)全量未(wei)結清小(xiao)微貸款客戶(hu),考量其相關借據信(xin)息(xi)以及客戶(hu)交易行(xing)為等信(xin)息(xi),自動識別出(chu)將(jiang)在(zai)下一時間周期內存(cun)在(zai)發生違約風(feng)險的mu)突hu),並(bing)嘗試(shi)對預測依據進(jin)行(xing)業務解析,以便相關一線(xian)業務人員有重點地排查、核實客戶(hu)情況(kuang),一旦確認其違約風(feng)險,盡快進(jin)入客戶(hu)催清收流程。

6.小(xiao)微貸款不(bu)良客戶(hu)催清收策略(lue)分析。針(zhen)對“小(xiao)微金融(rong)貸款客戶(hu)違約風(feng)險預測”所(suo)篩查出(chu)的風(feng)險確認客戶(hu),自動識別在(zai)現有客戶(hu)催清收方法中對其最為有xing)?姆絞劍 bing)推進(jin)客戶(hu)催清收工作。

7.小(xiao)微金融(rong)貸款客戶(hu)流失風(feng)險預測。以月度為周期,針(zhen)對銀行(xing)全量未(wei)結清小(xiao)微貸款客戶(hu),綜合(he)考量其客戶(hu)、借據等各類信(xin)息(xi),自動識別出(chu)在(zai)下一時間周期內存(cun)在(zai)發生流失風(feng)險的mu)突hu),並(bing)嘗試(shi)對預測依據進(jin)行(xing)業務解析,以便相關一線(xian)業務人員有重點地排查、核實客戶(hu)情況(kuang),一旦確認其流失風(feng)險,盡快進(jin)入客戶(hu)挽留流程。

8.小(xiao)微貸款潛在(zai)流失客戶(hu)挽留策略(lue)分析。針(zhen)對“小(xiao)微金融(rong)貸款客戶(hu)流失風(feng)險預測”所(suo)篩查出(chu)的風(feng)險確認客戶(hu),根據其流失預測依據以及對其在(zai)貸款規模(mo)、利率、期限、擔(dan)保方式jian) huai)款方式等方面意向的重新估算,綜合(he)制(zhi)訂個性化的mu)突hu)關懷策略(lue),並(bing)推進(jin)客戶(hu)挽留工作。

9.小(xiao)微金融(rong)產品關聯銷售分析。以客戶(hu)為單(dan)位(wei),基于銀行(xing)小(xiao)微金融(rong)產品列表,通(tong)過挖掘產品之間共同出(chu)現、相互誘發的關聯規則,推進(jin)小(xiao)微金融(rong)產品間的交叉銷售。在(zai)優化客戶(hu)服(fu)務、提(ti)升(sheng)客戶(hu)體驗的同時,通(tong)過增加銀行(xing)收益以及提(ti)升(sheng)客戶(hu)滿(man)意度、客戶(hu)粘度、客戶(hu)忠誠度,最終實現銀行(xing)與客戶(hu)的共贏。

10.小(xiao)微金融(rong)貸款客戶(hu)續授信(xin)需(xu)求(qiu)預測。面向銀行(xing)全量小(xiao)微貸款客戶(hu)中貸款即將(jiang)到期的mu)突hu),從中自動識別出(chu)將(jiang)在(zai)未(wei)來(lai)一段時期仍(reng)有資金需(xu)求(qiu)的mu)突hu);進(jin)行(xing)新一輪“小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)違約風(feng)險預測”、“小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)細(xi)分”、“小(xiao)微金融(rong)潛在(zai)貸款客戶(hu)群商榷策略(lue)分析”,結合(he)續授信(xin)業務情況(kuang),對原(yuan)本分析和預測結果進(jin)行(xing)必要調整(zheng)。

11.小(xiao)微金融(rong)客戶(hu)交易流水分析。小(xiao)微金融(rong)客戶(hu)貸款規模(mo)分析實踐(jian)表明,小(xiao)微客戶(hu)貸款額度過高反而助(zhu)長了客戶(hu)的違約現象,為此應(ying)采用圖分析技術,對小(xiao)微客戶(hu)交易對手及交易流水信(xin)息(xi)進(jin)行(xing)挖掘,以求(qiu)精(jing)準獲知客戶(hu)在(zai)日常經營中的實際業務結算情況(kuang),為推出(chu)更(geng)加合(he)理的小(xiao)微“結算貸”產品提(ti)供(gong)信(xin)息(xi)支撐。

12.小(xiao)微金融(rong)客戶(hu)投訴信(xin)息(xi)分析。針(zhen)對銀行(xing)零售客戶(hu)投訴信(xin)息(xi)展開文本分析,並(bing)關注于小(xiao)微金融(rong)相關業務投訴,及時根據客戶(hu)意見與建議(yi)優化調整(zheng)相關業務發展情況(kuang)。

四、商業銀行(xing)數(shu)據挖掘人才布局方案(an)

數(shu)據挖掘是一項團隊工作,團隊人員配置是在(zai)明確任務分工的基礎上設置的mo) bu)同崗位(wei)hui)脅bu)同的任務分工和工作性質,要求(qiu)具備不(bu)同知識結構和能(neng)力(li)水平的人員與之相匹配。

1.數(shu)據挖掘技術流程。經實踐(jian),建議(yi)商業銀行(xing)以CRISP-DM(跨行(xing)業數(shu)據挖掘標準過程)為藍本,確立標準化的數(shu)據挖掘項目(mu)實施流程,由(you)業務理解、數(shu)據理解、數(shu)據準備、分析建模(mo)、模(mo)型(xing)評估、應(ying)用部(bu)署六個階段組成。此外,針(zhen)對數(shu)據挖掘建模(mo)優化工作,建議(yi)采用六西格瑪DMAIC流程路徑,包含定義(yi)、測量、分析、改進(jin)、控制(zhi)五個步驟。

2.明確崗位(wei)分工。人員配備的首要任務是根據崗位(wei)huai)?饜xu)要,經過嚴xi)窨疾楹涂蒲 壑?  只蚺pei)育(yu)出(chu)為己(ji)所(suo)需(xu)的各類人員。經初(chu)步實踐(jian),建議(yi)商業銀行(xing)數(shu)據挖掘工作由(you)以下四個崗位(wei)人員組成。

數(shu)據挖掘科學家。結合(he)業務需(xu)要,負責(ze)研發新型(xing)數(shu)據挖掘技術模(mo)式jian) mo)型(xing)和算法,並(bing)熟悉掌握現有各類數(shu)據挖掘技術發展情況(kuang),拓展現有技術的業務應(ying)用範圍。

數(shu)據挖掘工程師。負責(ze)將(jiang)新型(xing)數(shu)據挖掘技術模(mo)式jian) mo)型(xing)和算法予以實現,形成新的數(shu)據挖掘工具,並(bing)熟悉掌握現有各類數(shu)據挖掘工具的mu)捎眯裕 斡氡曜薊 shu)據挖掘流程中應(ying)用部(bu)署等工作。

數(shu)據挖掘分析師。結合(he)業務需(xu)要,負責(ze)使用各類數(shu)據挖掘工具對具體任務展開數(shu)據挖掘實驗工作,其內容涵蓋標準化數(shu)據挖掘流程中數(shu)據準備、分析建模(mo)和模(mo)型(xing)評估工作,並(bing)參與應(ying)用部(bu)署工作。

銀行(xing)業務分析師。面向具體業務項目(mu),負責(ze)標準化數(shu)據挖掘流程中業務理解和數(shu)據理解工作,並(bing)參與應(ying)用部(bu)署工作,具體負責(ze)業務模(mo)型(xing)化、SQL數(shu)據提(ti)取、數(shu)據邏輯向業務邏輯解析等工作。

數(shu)據挖掘工作多以項目(mu)形式開展。針(zhen)對一個具體的業務項目(mu),建議(yi)配備各崗位(wei)人員協(xie)同作業。

3.明確崗位(wei)人員配比結構。每項數(shu)據挖掘任務都是一個非(fei)常復雜而又不(bu)斷反復地過程,在(zai)此過程中包括明確業務目(mu)標、將(jiang)業務目(mu)標轉化為建模(mo)目(mu)標、選擇數(shu)據源(yuan)並(bing)設計變(bian)量、選擇建模(mo)方法、實施建模(mo)、測試(shi)和驗證模(mo)型(xing)以及將(jiang)模(mo)型(xing)結果解析為業務結論等多個環節,需(xu)要不(bu)同專業、技術、背景人員的全面探討和反復嘗試(shi)。為使每個項目(mu)團隊的崗位(wei)配置最優化,確保各人員充分發揮(hui)特長並(bing)保證其工作順利完(wan)成,經初(chu)步實踐(jian),建議(yi)各數(shu)據挖掘團隊不(bu)同崗位(wei)人員的配比為“1:2:4:8”。即一個數(shu)據挖掘團隊包括1名數(shu)據挖掘科學家、2名數(shu)據挖掘工程師、4名數(shu)據挖掘分析師以及8名銀行(xing)業務分析師。

网投快三app | 下一页