数据分析在金融行业中的应用

数据分析在金融行业中的应用

大数据技术的普及和广泛应用，使得数据分析已成为行业的热门趋势，下面将介绍数据在银行、证券和保险行业的应用。在介绍金融行业应用之前先总结下大数据的特点。

大数据的特点可归纳为“5V”

• 数量Volume：
  海量性也许是与大数据最相关的特征。
• 多样化Variety：
  种类和来源多样化。大数据既包括以事务为代表的传统结构化数据，还包括以网页为代表的半结构化数据和以视频、语音信息为代表的非结构化数据。
• 价值Value：
  大数据的体量巨大，但数据中的价值密度却很低。比如几个小时甚至几天的监控视频中，有价值的线索或许只有几秒钟。
• 速度Velocity：
  数据增长速度快，处理速度也快，获取数据的速度也要快。
• 准确性Veracity：
  数据的准确性和可信赖度，即数据的质量。

一、在银行行业中的应用

1、客户画像：客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等;企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。

（1）客户在社交媒体上的行为数据，打通银行内部数据和外部社会化的数据就可以获得更为完整的客户拼图，从而进行更为精准的营销和管理。如：光大银行建立了社交网络信息数据库

（2）客户在电商网站的交易数据，通过客户在电商网站上的交易数据就可以了解客户的购买能力和购买习惯，从而帮助银行评判客户的信贷能力。如：建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可。

（3）企业客户的产业链上下游数据，如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；

（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。

2、精准营销：在客户画像的基础上银行可以有效的开展精准营销。

（1）实时营销。实时营销是根据客户的实时状态来进行营销的，例如，根据客户当时的所在地、客户最近一次消费等信息有针对性地进行营销。当某客户采用信用卡采购孕妇用品时，可以通过建模推测怀孕的概率，并推荐孕妇类喜欢的业务。也可以将客户改变生活状态的事件（换工作、改变婚姻状