网投彩票代理

大數據時(shi)代,對于(yu)商業銀行(xing)而言,在不斷完善計算機(ji)應(ying)用系統底層數據庫(ku)群、操作數據存儲、主數據存儲、企(qi)業級(ji)數據倉庫(ku)、數據集(ji)市等建設的(de)基(ji)礎上,網絡爬蟲(chong)、Hadoop、MapReduce、NoSQL、Lucene等技(ji)術拓(tuo)寬了銀行(xing)的(de)數據掌控能(neng)力。當(dang)前,銀行(xing)無(wu)論面對內(na)部數據還是外(wai)部數據、結構性數據亦或非(fei)結構性數據,數據的(de)產生、捕獲(huo)、整合、存儲、訪問shi)燃ji)術均已(yi)日漸(jian)成(cheng)熟。與此同時(shi),數據的(de)價(jia)值也(ye)隨著數據生命(ming)周期的(de)不斷延伸(shen)而大幅提(ti)升(sheng)。為實(shi)現數據價(jia)值的(de)最大化(hua),銀行(xing)還需要對所積累的(de)各類數據展開全面分析(xi),深入挖掘和鑽取數據,從中提(ti)煉(lian)出埋藏于(yu)數據深處的(de)規律和趨(qu)勢,全面運用于(yu)銀行(xing)戰略決策(ce)與業務發(fa)展。目前,商業銀行(xing)已(yi)將(jiang)數據挖掘定位(wei)于(yu)發(fa)展大數據戰略的(de)核心驅(qu)動(dong)力,是大數據信息化(hua)建設的(de)重中之重。

一、商業銀行(xing)數據挖掘發(fa)展目標(biao)

1.數據挖掘定義與內(na)涵。數據挖掘是廣義數據分析(xi)的(de)重要組成(cheng)部分,它是平行(xing)于(yu)“邏輯證明”、“假設檢驗”和“仿真(zhen)模擬”的(de)一套用以探索未知事物、獲(huo)取新知識的(de)方法論。數據挖掘的(de)核心思想(xiang)是從存放在數據庫(ku)、數據倉庫(ku)、數據集(ji)市、互聯(lian)網雲平台(tai)等結構性與非(fei)結構性的(de)海(hai)量數據中,按照一定的(de)模式(shi),自動(dong)挖掘並萃取出一切存在的(de)、有價(jia)值的(de)、但人們用肉眼無(wu)法識別的(de)信息和知識。確(que)fei)械亟玻 萃誥蚴且恢種悄neng)化(hua)信息應(ying)用過程,主要基(ji)于(yu)人工智能(neng)、機(ji)器學(xue)習、統計學(xue)、信息檢索、數據庫(ku)等技(ji)術,高度自動(dong)化(hua)地分析(xi)業務生產中的(de)數據和信息,做出歸納性推理(li),從中xing)誥虺鑾qian)在的(de)數據規律、規則、趨(qu)勢等,並加(jia)以有xing)?ying)用,達到“總結過去、預測未來”的(de)智能(neng)化(hua)效果。

2.數據挖掘發(fa)展目標(biao)。遵循“以客戶為中xing)摹 秈tie)業務流程、聚焦三類數據、貫穿(chuan)四個層面”的(de)發(fa)展思路(lu),以實(shi)現zhong)xing)信息價(jia)值貢獻的(de)最大化(hua)為目標(biao),聚焦庫(ku)表(biao)、文(wen)本和圖三類數據,在“數據決策(ce)”、“精細化(hua)管理(li)”、規劃(hua)先行(xing)”和“名單(dan)制(zhi)營銷”四個層面統一認識,采用智能(neng)化(hua)信息技(ji)術,遵照成(cheng)熟的(de)技(ji)術實(shi)施(shi)流程,引領銀行(xing)戰略決策(ce)與業務發(fa)展。

二、銀行(xing)各層面統一思想(xiang)認識

1.銀行(xing)決策(ce)層面。“數據決策(ce)”是針對“經驗決策(ce)”的(de)一種提(ti)法,同時(shi)也(ye)是對經驗決策(ce)的(de)一種驗證、補充和修正。隨著大數據時(shi)代的(de)到來,數據的(de)價(jia)值得到進一步(bu)提(ti)升(sheng),銀行(xing)決策(ce)管理(li)人員將(jiang)不再(zai)滿足于(yu)采用數據對經驗決策(ce)進行(xing)驗證的(de)簡單(dan)模式(shi),基(ji)于(yu)數據的(de)決策(ce)行(xing)為將(jiang)從“被動(dong)”轉向“主動(dong)”,主要體現于(yu)兩方面︰一是數據在業務分析(xi)上的(de)作用從“數據驗證”向“數據啟發(fa)”提(ti)升(sheng);二是數據在業務應(ying)用上的(de)作用從“事後快速響(xiang)應(ying)”向“事前精準預測”提(ti)升(sheng)。銀行(xing)對自身數據分析(xi)能(neng)力提(ti)出了更高要求。

2.銀行(xing)管理(li)層面。遵循以客戶為中xing)牡de)指導原(yuan)則,銀行(xing)“精細化(hua)管理(li)”應(ying)從客戶管理(li)入手(shou),逐步(bu)深入產品管理(li)、渠道管理(li)、營銷管理(li)、風險(xian)管理(li)、績效管理(li)、人力資源管理(li)、成(cheng)本管理(li)等que)矯妗/span>

為實(shi)現zhong)滴襠系de)“精耕細作”,銀行(xing)首(shou)先應(ying)對客戶市場進行(xing)科學(xue)細分,推進建立以客戶價(jia)值評估為基(ji)礎的(de)客戶分類體系,並輔以客戶行(xing)業歸屬、區(qu)域歸屬、產品偏好、渠道偏好、風險(xian)偏好、價(jia)格偏好等que)治xi)內(na)容,面向不同主題(ti),充分實(shi)現客戶層面的(de)“人以群分”。銀行(xing)要深入分析(xi)客戶信息,重點關(guan)注(zhu)客戶價(jia)值的(de)形成(cheng)原(yuan)因和驅(qu)動(dong)因素,準確(que)識別未來存在價(jia)值提(ti)升(sheng)可能(neng)性的(de)客戶,並同時(shi)對存在流失(shi)風險(xian)的(de)客戶進行(xing)預警(jing)。通過客戶產品關(guan)聯(lian)銷售、產品響(xiang)應(ying)預測、渠道lao)xiang)應(ying)預測等que)治xi)應(ying)用,為銀行(xing)開展客戶名單(dan)制(zhi)營銷、實(shi)行(xing)差異化(hua)服務提(ti)供依據。面向客戶違約風險(xian),銀行(xing)同樣要從客戶信息入手(shou),構建客戶信用評分模型(xing),盡早對存在違約風險(xian)的(de)客戶進行(xing)預警(jing),為銀行(xing)資產保全提(ti)供“第一手(shou)”信息。通過科學(xue)的(de)客戶分類支持zhong)xing)形成(cheng)差異化(hua)的(de)定價(jia)模型(xing)和成(cheng)本管理(li)策(ce)略,充分考(kao)量客戶滿意度、提(ti)升(sheng)客戶忠(zhong)誠(cheng)度,與客戶攜手(shou)實(shi)現共贏。

3.銀行(xing)運營層面。在銀行(xing)精細化(hua)管理(li)架構下,業務發(fa)展的(de)“規劃(hua)先行(xing)”是要考(kao)慮如何把握合適(shi)的(de)時(shi)機(ji)、選擇合適(shi)的(de)客戶、推介合適(shi)的(de)產品、采用合適(shi)的(de)渠道、委派合適(shi)的(de)人員,為客戶提(ti)供最優質、貼(tie)心的(de)金融(與非(fei)金融)服務;要考(kao)慮如何在有xing)?芽胤縵xian)的(de)同時(shi),以最低的(de)mou)殺盡 砸xing)與客戶均感到滿意的(de)價(jia)格實(shi)現雙(shuang)方價(jia)值的(de)最大化(hua);要實(shi)現zhong)xing)資源的(de)差異化(hua)配置(zhi)以及客戶的(de)個性化(hua)服務。

4.銀行(xing)執行(xing)層面。銀行(xing)執行(xing)層面的(de)“名單(dan)制(zhi)營銷”是根據規劃(hua)內(na)容,向一線(xian)業務人員傳達具體的(de)工作時(shi)間、地點、人物、事件(做什麼、怎麼做)等信息,並根據任務清單(dan)對業務人員的(de)工作執行(xing)能(neng)力予(yu)以評價(jia)。此外(wai),按具體業務流程進行(xing)梳理(li),在關(guan)鍵環節部署智能(neng)化(hua)預測或判定信息應(ying)用,減緩人為情緒(xu)和道德lu)縵xian)對業務發(fa)展的(de)影響(xiang)。

三、明確(que)銀行(xing)數據挖掘業務發(fa)展重點

遵循“以客戶為中xing)摹鋇de)發(fa)展戰略,同時(shi)兼顧數據挖掘對于(yu)數據樣本規模的(de)基(ji)本要求,建議各商業銀行(xing)結合自身發(fa)展戰略,將(jiang)數據挖掘技(ji)術優先部署于(yu)小微(wei)金融、中xing)Σqi)業金融、私人銀行(xing)、零售銀行(xing)等業務板塊。事實(shi)而言,為激發(fa)國民經濟活力、保持經濟平穩健康發(fa)展,國家和地方政府已(yi)相(xiang)繼(ji)出台(tai)了一系列支持小微(wei)企(qi)業發(fa)展的(de)政策(ce)措施(shi)。為適(shi)應(ying)新的(de)政策(ce)要求,各商業銀行(xing)紛(fen)紛(fen)推出了以貸款為核心的(de)小微(wei)金融產品,全力打造自身獨具特(te)色(se)的(de)小微(wei)金融服務模式(shi)和發(fa)展方式(shi)。

以商業銀行(xing)小微(wei)金融戰略為例(li),數據挖掘工作應(ying)著重聚焦小微(wei)信貸業務,緊貼(tie)業務流程並以小微(wei)金融風險(xian)預測為主要抓(zhua)手(shou),以支持全行(xing)小微(wei)貸款余額的(de)穩定增(zeng)長為目標(biao),積極探索全行(xing)小微(wei)金融“低成(cheng)本、低風險(xian)、高效率、高收益(yi)”的(de)業務發(fa)展模式(shi)。在商業銀行(xing)小微(wei)信貸業務流程中,建議加(jia)入一系列數據挖掘智能(neng)分析(xi)預測模型(xing),全面考(kao)量客戶級(ji)(和借據級(ji))數據,實(shi)現對關(guan)鍵業務環節的(de)精準預判。

1.小微(wei)金融無(wu)貸戶信貸需求預測。面向銀行(xing)數以百(bai)萬計的(de)小微(wei)金融無(wu)貸戶,從中自動(dong)識別出將(jiang)在未來一段(duan)時(shi)期內(na)有資shi)鸚棖蟺de)客戶。

2.小微(wei)金融潛(qian)在貸款客戶違約風險(xian)預測。針對“小微(wei)金融無(wu)貸戶信貸需求預測”結果,從中自動(dong)識別出未來存在違約風險(xian)的(de)客戶,將(jiang)其(qi)從潛(qian)在貸款客戶列表(biao)中剔除(chu)。

3.小微(wei)金融潛(qian)在貸款客戶細分。根據客戶行(xing)業歸屬、區(qu)域、與銀行(xing)往來時(shi)間、持有產品數量、對銀行(xing)的(de)價(jia)值貢獻等各類信息,將(jiang)已(yi)通過“小微(wei)金融潛(qian)在貸款客戶違約風險(xian)預測”篩選的(de)客戶進一步(bu)實(shi)現科學(xue)細分。

4.小微(wei)金融潛(qian)在貸款客戶群商榷策(ce)略分析(xi)。針對“小微(wei)金融潛(qian)在貸款客戶細分”中各客戶群hai) 浪愀每突 涸詿罟婺! 省?諳蕖 17絞shi)、還款方式(shi)等que)矯嫻de)意向,並推進新增(zeng)貸款客戶的(de)開發(fa)。

5.小微(wei)金融貸款客戶違約風險(xian)預測。以月度為周期,針對銀行(xing)全量未結清小微(wei)貸款客戶,考(kao)量其(qi)相(xiang)關(guan)借據信息以及客戶交易(yi)行(xing)為等信息,自動(dong)識別出將(jiang)在下一時(shi)間周期內(na)存在發(fa)生違約風險(xian)的(de)客戶,並嘗試對預測依據進行(xing)業務解(jie)析(xi),以便(bian)相(xiang)關(guan)一線(xian)業務人員有重點地排查、核實(shi)客戶情況,一旦確(que)認其(qi)違約風險(xian),盡快進入客戶催清收流程。

6.小微(wei)貸款不良客戶催清收策(ce)略分析(xi)。針對“小微(wei)金融貸款客戶違約風險(xian)預測”所篩查出的(de)風險(xian)確(que)認客戶,自動(dong)識別在現有客戶催清收方法中對其(qi)最為有xing)?de)方式(shi),並推進客戶催清收工作。

7.小微(wei)金融貸款客戶流失(shi)風險(xian)預測。以月度為周期,針對銀行(xing)全量未結清小微(wei)貸款客戶,綜合考(kao)量其(qi)客戶、借據等各類信息,自動(dong)識別出在下一時(shi)間周期內(na)存在發(fa)生流失(shi)風險(xian)的(de)客戶,並嘗試對預測依據進行(xing)業務解(jie)析(xi),以便(bian)相(xiang)關(guan)一線(xian)業務人員有重點地排查、核實(shi)客戶情況,一旦確(que)認其(qi)流失(shi)風險(xian),盡快進入客戶挽留(liu)流程。

8.小微(wei)貸款潛(qian)在流失(shi)客戶挽留(liu)策(ce)略分析(xi)。針對“小微(wei)金融貸款客戶流失(shi)風險(xian)預測”所篩查出的(de)風險(xian)確(que)認客戶,根據其(qi)流失(shi)預測依據以及對其(qi)在貸款規模、利率、期限、擔保方式(shi)、還款方式(shi)等que)矯嬉庀虻de)重新估算,綜合制(zhi)訂個性化(hua)的(de)客戶關(guan)懷策(ce)略,並推進客戶挽留(liu)工作。

9.小微(wei)金融產品關(guan)聯(lian)銷售分析(xi)。以客戶為單(dan)位(wei),基(ji)于(yu)銀行(xing)小微(wei)金融產品列表(biao),通過挖掘產品之間共同出現、相(xiang)互誘發(fa)的(de)關(guan)聯(lian)規則,推進小微(wei)金融產品間的(de)交叉銷售。在優化(hua)客戶服務、提(ti)升(sheng)客戶體驗的(de)同時(shi),通過增(zeng)加(jia)銀行(xing)收益(yi)以及提(ti)升(sheng)客戶滿意度、客戶粘度、客戶忠(zhong)誠(cheng)度,最終(zhong)實(shi)現zhong)xing)與客戶的(de)共贏。

10.小微(wei)金融貸款客戶續授信需求預測。面向銀行(xing)全量小微(wei)貸款客戶中貸款即將(jiang)到期的(de)客戶,從中自動(dong)識別出將(jiang)在未來一段(duan)時(shi)期仍有資shi)鸚棖蟺de)客戶;進行(xing)新一輪“小微(wei)金融潛(qian)在貸款客戶違約風險(xian)預測”、“小微(wei)金融潛(qian)在貸款客戶細分”、“小微(wei)金融潛(qian)在貸款客戶群商榷策(ce)略分析(xi)”,結合續授信業務情況,對原(yuan)本分析(xi)和預測結果進行(xing)必要調(diao)整。

11.小微(wei)金融客戶交易(yi)流水分析(xi)。小微(wei)金融客戶貸款規模分析(xi)實(shi)踐表(biao)明,小微(wei)客戶貸款額度過高反(fan)而助長了客戶的(de)違約現象,為此應(ying)采用圖分析(xi)技(ji)術,對小微(wei)客戶交易(yi)對手(shou)及交易(yi)流水信息進行(xing)挖掘,以求精準獲(huo)知客戶在日常經營中的(de)實(shi)際業務結算情況,為推出更加(jia)合理(li)的(de)小微(wei)“結算貸”產品提(ti)供信息支撐。

12.小微(wei)金融客戶投(tou)訴(su)信息分析(xi)。針對銀行(xing)零售客戶投(tou)訴(su)信息展開文(wen)本分析(xi),並關(guan)注(zhu)于(yu)小微(wei)金融相(xiang)關(guan)業務投(tou)訴(su),及時(shi)bei)菘突?餳jian)與建議優化(hua)調(diao)整相(xiang)關(guan)業務發(fa)展情況。

四、商業銀行(xing)數據挖掘人才布局方案

數據挖掘是一項團隊工作,團隊人員配置(zhi)是在明確(que)任務分工的(de)基(ji)礎上設置(zhi)的(de),不同崗(gang)位(wei)有不同的(de)任務分工和工作性質,要求具備(bei)不同知識結構和能(neng)力水平的(de)人員與之相(xiang)匹配。

1.數據挖掘技(ji)術流程。經實(shi)踐,建議商業銀行(xing)以CRISP-DM(跨行(xing)業數據挖掘標(biao)準過程)為藍本,確(que)立標(biao)準化(hua)的(de)數據挖掘項目實(shi)施(shi)流程,由業務理(li)解(jie)、數據理(li)解(jie)、數據準備(bei)、分析(xi)建模、模型(xing)評估、應(ying)用部署六個階段(duan)組成(cheng)。此外(wai),針對數據挖掘建模優化(hua)工作,建議采用六西格瑪DMAIC流程路(lu)徑,包含定義、測量、分析(xi)、改進、控制(zhi)五個步(bu)驟(zhou)。

2.明確(que)崗(gang)位(wei)分工。人員配備(bei)的(de)首(shou)要任務是根據崗(gang)位(wei)工作需要,經過嚴格考(kao)查和科學(xue)論證,發(fa)現或培育出為己所需的(de)各類人員。經初步(bu)實(shi)踐,建議商業銀行(xing)數據挖掘工作由以下四個崗(gang)位(wei)人員組成(cheng)。

數據挖掘科學(xue)家。結合業務需要,負責研發(fa)新型(xing)數據挖掘技(ji)術模式(shi)、模型(xing)和算法,並熟悉掌握現有各類數據挖掘技(ji)術發(fa)展情況,拓(tuo)展現有技(ji)術的(de)業務應(ying)用範duan)?/span>

數據挖掘工程師。負責將(jiang)新型(xing)數據挖掘技(ji)術模式(shi)、模型(xing)和算法予(yu)以實(shi)現,形成(cheng)新的(de)數據挖掘工具,並熟悉掌握現有各類數據挖掘工具的(de)可用性,參與標(biao)準化(hua)數據挖掘流程中應(ying)用部署等工作。

數據挖掘分析(xi)師。結合業務需要,負責使用各類數據挖掘工具對具體任務展開數據挖掘實(shi)驗工作,其(qi)內(na)容涵蓋(gai)標(biao)準化(hua)數據挖掘流程中數據準備(bei)、分析(xi)建模和模型(xing)評估工作,並參與應(ying)用部署工作。

銀行(xing)業務分析(xi)師。面向具體業務項目,負責標(biao)準化(hua)數據挖掘流程中業務理(li)解(jie)和數據理(li)解(jie)工作,並參與應(ying)用部署工作,具體負責業務模型(xing)化(hua)、SQL數據提(ti)取、數據邏輯向業務邏輯解(jie)析(xi)等工作。

數據挖掘工作多以項目形式(shi)開展。針對一個具體的(de)業務項目,建議配備(bei)各崗(gang)位(wei)人員協同作業。

3.明確(que)崗(gang)位(wei)人員配比結構。每項數據挖掘任務都是一個非(fei)常復(fu)雜而又不斷反(fan)復(fu)地過程,在此過程中包括明確(que)業務目標(biao)、將(jiang)業務目標(biao)轉化(hua)為建模目標(biao)、選擇數據源並設計變量、選擇建模方法、實(shi)施(shi)建模、測試和驗證模型(xing)以及將(jiang)模型(xing)結果解(jie)析(xi)為業務結論等多個環節,需要不同專(zhuan)業、技(ji)術、背景(jing)人員的(de)全面探討和反(fan)復(fu)嘗試。為使每個項目團隊的(de)崗(gang)位(wei)配置(zhi)最優化(hua),確(que)保各人員充分發(fa)揮(hui)特(te)長並保證其(qi)工作順利完成(cheng),經初步(bu)實(shi)踐,建議各數據挖掘團隊不同崗(gang)位(wei)人員的(de)配比為“1:2:4:8”。即一個數據挖掘團隊包括1名數據挖掘科學(xue)家、2名數據挖掘工程師、4名數據挖掘分析(xi)師以及8名銀行(xing)業務分析(xi)師。

网投彩票代理 | 下一页