传统金融的大数据应用与创新

简介:

随着互联网,特别是移动互联网的不断发展,互联网金融正在给传统金融业带来不小的冲击,不过,互联网金融是否会对银行等传统机构构成威胁仍无法得出定论。但是,这并不表示银行业可以忽视这股冲击的浪潮,在这个大数据不断壮大的时代,传统金融业如何利用大数据来不断创新与变革,如何借助大数据降低金融风险等,是每个企业都应该深入思考的问题。

中国平安[微博]董事长马明哲曾表示,“作为传统金融业,平安未来最大的竞争对手,不是其他传统金融企业,而是现代科技行业。”那么,金融行业要怎样才能对大数据进行精准的运作,以此来适应互联网带来的冲击呢?安家世行市场部总监 杨学锋有自己的看法。他认为大数据热潮的互联网金融,推动并逐步对接消费者贷款需求的个性化和多元化。

大数据热潮的互联网金融,推动并逐步对接消费者贷款需求的个性化和多元化。在贷款产品同质化竞争激烈的时代,作为十年积累的传统金融企业,安家世行融资担保有限公司该如何对接互联网,尝试“用好新增,盘活存量”的技术活?杨学锋介绍,安家世行将建立并逐步完善更多的客户线下线上信息归集,借助已有客户档案信息完成用户画像,采用“全网数据分析+敢于承担风险”的产品研发模式,“可以在存量客户的盘子里做出新菜式,能进一步锁定客户粘性,提升客户增值服务与二次转化”。

安家世行大数据的建设

2013年年底,安家世行成立客户联络中心,开展客户一对一的针对性的营销和服务,为此研发一整套CRM后台系统,以建立1个客户1个账户多项产品的金融综合服务为最终目标。做好存量客户的信息建设,深入了解客户群体并且标签化。利用论坛、微信、微博、博客等网络工具,安家世行增强对客户的了解和互动,将其打造成为与电话客服并行的重要服务渠道,将金融服务与移动网络、电子商务、社交网络等完美融合。在用户生命周期中以交易、交互、精准推送和主动关怀四大模块构成一条客户体验闭环。

标签化大致分为以下两类人群:一是CLIENT,是业务产品咨询客户,分为已成交与未成交;二是FANS,即自媒体运营(微信/微博)fans。

标签化过程与采集渠道,主要是业务操作流程与客户所有接触人员和用户电话回访及线下活动相结合。(这句话啥意思哦,没看懂)

CRM系统的大数据应用

要成为数据化CRM(既客户关系管理),必须要有收集和分析数据的能力,并且还要能从数据中得到客户的完整图像,从而辅助安家世行做出针对性服务决策方案。

营销推送应用

O2O营销活动,根据用户关注点推送差异化营销活动主题。比如线下活动主题有理财、养生、亲子、户外等。市场部在举办某一主题活动邀约时,仅为符合该类标签的存量客户推送,提升客户体验。同时,结合用户360度数据,可以完成个人理财、保险等金融服务的推荐。

产品研发应用

结合客户基础信息,用大数据的方式来找到其中的共性,评出风险等级开发授信产品的专家评分卡,对存量客户提供授信担保并对接合作的小贷机构。安家世行已开始该产品的推送,产品名称叫“安家白条”,采用风控前置的思路筛选出一批符合授信的用户。在该产品申请上不需要提供任何资料,费率远低于市面的小贷公司。风控是金融的基本,但安家世行为什么敢做到不用客户提供繁琐的手续就给他们授信?那就是基于大数据,使线上线下的大数据相结合。

互联网金融本质是互联网与金融的融合,已经成为一种崭新的金融形式,进一步完善了金融市场体系。互联网金融与传统银行业绝不是相互取代,而是相互促进,共生共融,共同肩负着为广大客户提供优质金融服务的重任。在大数据和移动互联浪潮下的金融创新,已经成为传统银行业共同的课题。完成这个课题必须要解决好两个重要问题。

IBM[微博]软件集团大中华区银行业解决方案高级顾问陈剑也曾在演讲中提到,大数据平台其实是对原有数据库的扩展和增强,而不是一个替代,大数据平台引入后会对传统的数据库进行很好的补充和增强。特别是在银行、电信业,最珍贵的便是客户数据。事实上,各银行目前的同质竞争非常严重。因此,如何把握客户信息,了解客户的需求,甚至预测他们下一步的动向是非常重要的。

阿里巴巴[微博]余额宝[微博]服务火热的背后,不难看出阿里金融在近年来的快速成长。而阿里金融的发展能够如此快速,很大一部分原因便是其对大数据的准确应用。对此,IBM全球企业咨询服务部业务分析与优化团队副合伙人谢国忠分析认为,阿里金融背后的实质有两个方面,一个方面是大数据经营,另一个方面是业务创新。

阿里金融主要利用两类客户数据,一类是网上的客户信用数据,另一类是客户的行为数据。利用这两类数据阿里金融建立起一个网络数据模型以及信用体系。通过这些,阿里为每个用户进行信用评级,根据这个评级发放微贷,从而发现很多的业务产品。因此,阿里金融在短时间里能够如此快速的发展,就是因为利用了大数据经营,对业务进行创新。

然而,面对互联网金融的冲击,传统金融业更应该意识到大数据的重要性。对于安家世行来说,在未来的发展中,有几点是非常重要的,也是大数据能够帮助企业解决的几个问题。首先,大数据可以帮助企业提高运营效率;其次可以降低成本,提高客户的满意度;此外,最重要的是,很多金融机构经营的是风险业务,如果风险没有处理好,对企业的盈利和形象都会造成很大的负面影响。而大数据恰好可以帮助企业解决这些问题。在当下,获取大数据对企业来讲其实并不困难,而怎样使这些资源发挥它们的价值,从而在业务上达到创新,以适应传统金融业在大环境下所面临的冲击,这是急需企业去思考及实践的问题。

本文转自d1net(转载)

相关实践学习
简单用户画像分析
本场景主要介绍基于海量日志数据进行简单用户画像分析为背景,如何通过使用DataWorks完成数据采集 、加工数据、配置数据质量监控和数据可视化展现等任务。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
相关文章
|
14天前
|
存储 消息中间件 监控
【Flume】Flume在大数据分析领域的应用
【4月更文挑战第4天】【Flume】Flume在大数据分析领域的应用
|
27天前
|
Cloud Native 数据处理 云计算
探索云原生技术在大数据分析中的应用
随着云计算技术的不断发展,云原生架构作为一种全新的软件开发和部署模式,正逐渐引起企业的广泛关注。本文将探讨云原生技术在大数据分析领域的应用,介绍其优势与挑战,并探讨如何利用云原生技术提升大数据分析的效率和可靠性。
|
1月前
|
存储 消息中间件 大数据
Go语言在大数据处理中的实际应用与案例分析
【2月更文挑战第22天】本文深入探讨了Go语言在大数据处理中的实际应用,通过案例分析展示了Go语言在处理大数据时的优势和实践效果。文章首先介绍了大数据处理的挑战与需求,然后详细分析了Go语言在大数据处理中的适用性和核心技术,最后通过具体案例展示了Go语言在大数据处理中的实际应用。
|
1月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
118 1
|
3月前
|
数据采集 搜索推荐 大数据
大数据技术在电商平台中的应用
电商平台是当今社会最为普及的购物方式之一,而大数据技术则成为了众多企业的强有力竞争力。本文将介绍大数据技术在电商平台中的应用,包括数据采集、预测分析、用户画像等方面,并探讨其对电商平台的价值和意义。
|
3月前
|
存储 机器学习/深度学习 算法
大数据时代下的智能洞察:大规模数据处理的创新与应用
在信息爆炸的时代,大规模数据处理成为了科技领域的核心挑战之一。本文将探讨大规模数据处理的定义、创新技术和广泛应用,并阐述数据驱动的决策和洞察对现代社会带来的巨大影响。
76 3
|
24天前
|
数据采集 分布式计算 大数据
Java语言在大数据处理中的应用
传统的大数据处理往往依赖于庞大的数据中心和高性能的服务器,然而随着大数据时代的到来,Java作为一种强大的编程语言正在被广泛应用于大数据处理领域。本文将探讨Java语言在大数据处理中的优势和应用,以及其在分布式计算、数据处理和系统集成等方面的重要作用。
|
1月前
|
存储 大数据 数据挖掘
云计算与大数据:从基础设施到实际应用
云计算与大数据:从基础设施到实际应用
100 0
|
3月前
|
数据挖掘
离线大数据分析的应用
离线大数据分析的应用
|
16天前
|
NoSQL 大数据 数据挖掘
现代数据库技术与大数据应用
随着信息时代的到来,数据量呈指数级增长,对数据库技术提出了前所未有的挑战。本文将介绍现代数据库技术在处理大数据应用中的重要性,并探讨了一些流行的数据库解决方案及其在实际应用中的优势。