万人炸金花

大數據(ju)時(shi)代(dai),對za)諫桃狄卸er)言(yan),在不(bu)斷完善(shan)計算(suan)機應用(yong)系統底層數據(ju)庫群、操(cao)作(zuo)數據(ju)存儲、主數據(ju)存儲、企業級數據(ju)倉庫、數據(ju)集市(shi)等建設的基礎上(shang),網絡爬蟲、Hadoop、MapReduce、NoSQL、Lucene等技術拓寬(kuan)了銀行的數據(ju)掌(zhang)控(kong)能力。當前,銀行無(wu)論(lun)面對內(na)部數據(ju)還是外(wai)部數據(ju)、結構(gou)性數據(ju)亦或非結構(gou)性數據(ju),數據(ju)的產(chan)生、捕獲(huo)、整合、存儲、訪(fang)問等技術均(jun)已(yi)日漸成熟。與(yu)此(ci)同時(shi),數據(ju)的價值(zhi)也隨著數據(ju)生命周期的不(bu)斷延伸而(er)大幅提升(sheng)。為實現(xian)數據(ju)價值(zhi)的最大化(hua),銀行還需要對所積累的各類數據(ju)展開全(quan)面分zhi)觶 釗臚誥jue)和(he)鑽取數據(ju),從中提煉出(chu)埋藏于數據(ju)深處的規(gui)律(lv)和(he)趨勢,全(quan)面運用(yong)于銀行戰略決策與(yu)業務發展。目前,商業銀行已(yi)將數據(ju)挖掘(jue)定位于發展大數據(ju)戰略的核心驅動力,是大數據(ju)信(xin)息化(hua)建設的重中之重。

一、商業銀行數據(ju)挖掘(jue)發展目標

1.數據(ju)挖掘(jue)定義與(yu)內(na)涵(han)。數據(ju)挖掘(jue)是廣義數據(ju)分zhi)齙鬧匾 槌剎糠鄭 瞧叫杏 奧嘸 ?鰲薄 凹偕杓煆欏焙he)“仿真模擬”的一套用(yong)以探索未知(zhi)事物、獲(huo)取新知(zhi)識的方法論(lun)。數據(ju)挖掘(jue)的核心思想是從存放在數據(ju)庫、數據(ju)倉庫、數據(ju)集市(shi)、互聯(lian)網雲(yun)平台等結構(gou)性za)敕牆 gou)性的海量數據(ju)中,按照一定的模式(shi),自動挖掘(jue)並萃(cui)取出(chu)一切存在的、有(you)價值(zhi)的、但(dan)人們用(yong)肉(rou)眼無(wu)法識別的信(xin)息和(he)知(zhi)識。確(que)切地講,數據(ju)挖掘(jue)是一種智能化(hua)信(xin)息應用(yong)過(guo)程,主要基于人工智能、機器學習、統計學、信(xin)息檢索、數據(ju)庫等技術,高(gao)度(du)自動化(hua)地分zhi) 滴襠chan)中的數據(ju)和(he)信(xin)息,做出(chu)歸納性推(tui)理,從中挖掘(jue)出(chu)潛在的數據(ju)規(gui)律(lv)、規(gui)則、趨勢等,並加(jia)以za)you)效(xiao)應用(yong),達到“總結過(guo)去(qu)、預(yu)測未來(lai)”的智能化(hua)效(xiao)果。

2.數據(ju)挖掘(jue)發展目標。遵循(xun)“以客(ke)戶為中心、緊貼業務流程、聚焦三類數據(ju)、貫穿四個層面”的發展思路,以實現(xian)銀行信(xin)息價值(zhi)貢(gong)獻的最大化(hua)為目標,聚焦庫表(biao)、文本和(he)圖三類數據(ju),在“數據(ju)決策”、“精細化(hua)管理”、規(gui)劃先行”和(he)“名(ming)單制營銷”四個層面統一認識,采用(yong)智能化(hua)信(xin)息技術,遵照成熟的技術實施流程,引領銀行戰略決策與(yu)業務發展。

二、銀行各層面統一思想認識

1.銀行決策層面。“數據(ju)決策”是針對“經驗決策”的一種提法,同時(shi)也是對經驗決策的一種驗證、補充和(he)修正。隨著大數據(ju)時(shi)代(dai)的到來(lai),數據(ju)的價值(zhi)得到進一步提升(sheng),銀行決策管理人員將不(bu)再滿足(zu)于采用(yong)數據(ju)對經驗決策進行驗證的簡單模式(shi),基于數據(ju)的決策行為將從“被動”轉向“主動”,主要體現(xian)于兩方面︰一是數據(ju)在業務分zhi)鏨shang)的作(zuo)用(yong)從“數據(ju)驗證”向“數據(ju)啟發”提升(sheng);二是數據(ju)在業務應用(yong)上(shang)的作(zuo)用(yong)從“事後快速響應”向“事前精準預(yu)測”提升(sheng)。銀行對自身數據(ju)分zhi)瞿芰μ岢chu)了更高(gao)要求。

2.銀行管理層面。遵循(xun)以客(ke)戶為中心的指導原則,銀行“精細化(hua)管理”應從客(ke)戶管理入手,逐步深入產(chan)品管理、渠道管理、營銷管理、風險管理、績(ji)效(xiao)管理、人力資源管理、成本管理等que)矯妗/span>

為實現(xian)業務上(shang)的“精耕細作(zuo)”,銀行首先應對客(ke)戶市(shi)場進行科(ke)學細分,推(tui)進建立以客(ke)戶價值(zhi)評估為基礎的客(ke)戶分類體系,並輔以客(ke)戶行業歸屬、區(qu)域歸屬、產(chan)品偏好、渠道偏好、風險zhang) 謾 鄹衿 玫確(que)治(zhi)瞿na)容,面向不(bu)同主題,充分實現(xian)客(ke)戶層面的“人以群分”。銀行要深入分zhi)隹ke)戶信(xin)息,重點關注客(ke)戶價值(zhi)的形成原因(yin)和(he)驅動因(yin)素,準確(que)識別未來(lai)chuang)嬖詡壑zhi)提升(sheng)可能性的客(ke)戶,並同時(shi)對存在流失風險的客(ke)戶進行預(yu)警(jing)。通(tong)過(guo)客(ke)戶產(chan)品關聯(lian)銷售(shou)、產(chan)品響應預(yu)測、渠道lao) υyu)測等que)治(zhi) τyong),為銀行開展客(ke)戶名(ming)單制營銷、實行差異(yi)化(hua)服(fu)務提供依據(ju)。面向客(ke)戶違約(yue)風險,銀行同樣(yang)要從客(ke)戶信(xin)息入手,構(gou)建客(ke)戶信(xin)用(yong)評分模型,盡(jin)早對存在違約(yue)風險的客(ke)戶進行預(yu)警(jing),為銀行資shi)chan)保全(quan)提供“第一手”信(xin)息。通(tong)過(guo)科(ke)學的客(ke)戶分類支持銀行形成差異(yi)化(hua)的定價模型和(he)成本管理策略,充分考量客(ke)戶滿意度(du)、提升(sheng)客(ke)戶忠誠(cheng)度(du),與(yu)客(ke)戶攜手實現(xian)共贏。

3.銀行運營層面。在銀行精細化(hua)管理架(jia)構(gou)下,業務發展的“規(gui)劃先行”是要考慮如何把握合適的時(shi)機、選擇合適的客(ke)戶、推(tui)介(jie)合適的產(chan)品、采用(yong)合適的渠道、委派合適的人員,為客(ke)戶提供最優質、貼心的金融(與(yu)非金融)服(fu)務;要考慮如何在有(you)效(xiao)把控(kong)風險的同時(shi),以最低的成本jin) 砸杏yu)客(ke)戶均(jun)感(gan)到滿意的價格實現(xian)雙方價值(zhi)的最大化(hua);要實現(xian)銀行資源的差異(yi)化(hua)配(pei)置以yue)翱ke)戶的個性化(hua)服(fu)務。

4.銀行執行層面。銀行執行層面的“名(ming)單制營銷”是根(gen)據(ju)規(gui)劃內(na)容,向一線(xian)業務人員傳達具(ju)體的工作(zuo)時(shi)間、地點、人物、事件(做什(shi)麼、怎麼做)等信(xin)息,並根(gen)據(ju)任務清單對業務人員的工作(zuo)執行能力予(yu)以yun)蘭邸4ci)外(wai),按具(ju)體業務流程進行梳理,在關鍵環節部署(shu)智能化(hua)預(yu)測或判定信(xin)息應用(yong),減緩人為情(qing)緒和(he)道德風險對業務發展的影響。

三、明確(que)銀行數據(ju)挖掘(jue)業務發展重點

遵循(xun)“以客(ke)戶為中心”的發展戰略,同時(shi)兼顧數據(ju)挖掘(jue)對za)謔ju)樣(yang)本規(gui)模的基本要求,建議(yi)各商業銀行結合自身發展戰略,將數據(ju)挖掘(jue)技術優先部署(shu)于小微金融、中小企業金融、私人銀行、零(ling)售(shou)銀行等業務板塊。事實而(er)言(yan),為激(ji)發國民經濟活力、保持經濟平穩(wen)健康(kang)發展,國家和(he)地方政府(fu)已(yi)yan)嗉壇chu)台了一系列支持小微企業發展的政策措(cuo)施。為適應新的政策要求,各商業銀行紛紛推(tui)出(chu)了以貸款為核心的小微金融產(chan)品,全(quan)力打造(zao)自身獨具(ju)特色的小微金融服(fu)務模式(shi)和(he)發展方式(shi)。

以商業銀行小微金融戰略為例,數據(ju)挖掘(jue)工作(zuo)應著重聚焦小微信(xin)貸業務,緊貼業務流程並以小微金融風險預(yu)測為主要抓手,以支持全(quan)行小微貸款余額的穩(wen)定增(zeng)長(chang)為目標,積極(ji)探索全(quan)行小微金融“低成本jin) 頭縵鍘 gao)效(xiao)率、高(gao)收益”的業務發展模式(shi)。在商業銀行小微信(xin)貸業務流程中,建議(yi)加(jia)入一系列數據(ju)挖掘(jue)智能分zhi)鱸yu)測模型,全(quan)面考量客(ke)戶級(和(he)借據(ju)級)數據(ju),實現(xian)對關鍵業務環節的精準預(yu)判。

1.小微金融無(wu)貸戶信(xin)貸需求預(yu)測。面向銀行數以百萬計的小微金融無(wu)貸戶,從中自動識別出(chu)將在未來(lai)一段(duan)時(shi)期內(na)有(you)資shi)鸚棖蟺目ke)戶。

2.小微金融潛在貸款客(ke)戶違約(yue)風險預(yu)測。針對“小微金融無(wu)貸戶信(xin)貸需求預(yu)測”結果,從中自動識別出(chu)未來(lai)chuang)嬖諼?yue)風險的客(ke)戶,將其從潛在貸款客(ke)戶列表(biao)中剔除。

3.小微金融潛在貸款客(ke)戶細分。根(gen)據(ju)客(ke)戶行業歸屬、區(qu)域、與(yu)銀行往(wang)來(lai)時(shi)間、持有(you)產(chan)品數量、對銀行的價值(zhi)貢(gong)獻等各類信(xin)息,將已(yi)通(tong)過(guo)“小微金融潛在貸款客(ke)戶違約(yue)風險預(yu)測”篩選的客(ke)戶進一步實現(xian)科(ke)學細分。

4.小微金融潛在貸款客(ke)戶群商榷策略分zhi)觥U?浴靶  鶉誶痹詿羈ke)戶細分”中各客(ke)戶群,估算(suan)該客(ke)戶群在貸款規(gui)模、利率、期限、擔保方式(shi)、還款方式(shi)等que)矯嫻囊庀潁 ?tui)進新增(zeng)貸款客(ke)戶的開發。

5.小微金融貸款客(ke)戶違約(yue)風險預(yu)測。以月度(du)為周期,針對銀行全(quan)量未結清小微貸款客(ke)戶,考量ke)湎喙亟杈ju)信(xin)息以yue)翱ke)戶交易(yi)行為等信(xin)息,自動識別出(chu)將在下一時(shi)間周期內(na)存在發生違約(yue)風險的客(ke)戶,並嘗試對預(yu)測依據(ju)進行業務解析,以便相關一線(xian)業務人員有(you)重點地排查、核實客(ke)戶情(qing)況,一旦(dan)確(que)認其違約(yue)風險,盡(jin)快進入客(ke)戶催清收流程。

6.小微貸款不(bu)良客(ke)戶催清收策略分zhi)觥U?浴靶  鶉詿羈ke)戶違約(yue)風險預(yu)測”所篩查出(chu)的風險確(que)認客(ke)戶,自動識別在現(xian)有(you)客(ke)戶催清收方法中對yun)渥釵 you)效(xiao)的方式(shi),並推(tui)進客(ke)戶催清收工作(zuo)。

7.小微金融貸款客(ke)戶流失風險預(yu)測。以月度(du)為周期,針對銀行全(quan)量未結清小微貸款客(ke)戶,綜(zong)合考量ke)淇ke)戶、借據(ju)等各類信(xin)息,自動識別出(chu)在下一時(shi)間周期內(na)存在發生流失風險的客(ke)戶,並嘗試對預(yu)測依據(ju)進行業務解析,以便相關一線(xian)業務人員有(you)重點地排查、核實客(ke)戶情(qing)況,一旦(dan)確(que)認其流失風險,盡(jin)快進入客(ke)戶挽留流程。

8.小微貸款潛在流失客(ke)戶挽留策略分zhi)觥U?浴靶  鶉詿羈ke)戶流失風險預(yu)測”所篩查出(chu)的風險確(que)認客(ke)戶,根(gen)據(ju)其流失預(yu)測依據(ju)以yue)岸雲(yun)湓詿罟gui)模、利率、期限、擔保方式(shi)、還款方式(shi)等que)矯嬉庀虻鬧匭鹿浪suan),綜(zong)合xian)貧└魴曰hua)的客(ke)戶關懷策略,並推(tui)進客(ke)戶挽留工作(zuo)。

9.小微金融產(chan)品關聯(lian)銷售(shou)分zhi)觥R鑰ke)戶為單位,基于銀行小微金融產(chan)品列表(biao),通(tong)過(guo)挖掘(jue)產(chan)品之間共同出(chu)現(xian)、相互誘發的關聯(lian)規(gui)則,推(tui)進小微金融產(chan)品間的交叉銷售(shou)。在優化(hua)客(ke)戶服(fu)務、提升(sheng)客(ke)戶體驗的同時(shi),通(tong)過(guo)增(zeng)加(jia)銀行收益以yue)疤嶸sheng)客(ke)戶滿意度(du)、客(ke)戶粘度(du)、客(ke)戶忠誠(cheng)度(du),最終實現(xian)銀行與(yu)客(ke)戶的共贏。

10.小微金融貸款客(ke)戶續授信(xin)需求預(yu)測。面向銀行全(quan)量小微貸款客(ke)戶中貸款即將到期的客(ke)戶,從中自動識別出(chu)將在未來(lai)一段(duan)時(shi)期仍za)you)資shi)鸚棖蟺目ke)戶;進行新一輪“小微金融潛在貸款客(ke)戶違約(yue)風險預(yu)測”、“小微金融潛在貸款客(ke)戶細分”、“小微金融潛在貸款客(ke)戶群商榷策略分zhi)觥保 岷閑諦xin)業務情(qing)況,對原本分zhi)齪he)預(yu)測結果進行必要調整。

11.小微金融客(ke)戶交易(yi)流水分zhi)觥P  鶉誑ke)戶貸款規(gui)模分zhi)鍪導biao)明,小微客(ke)戶貸款額度(du)過(guo)高(gao)反而(er)助長(chang)了客(ke)戶的違約(yue)現(xian)象,為此(ci)應采用(yong)圖分zhi)黽際  孕  ke)戶交易(yi)對手及交易(yi)流水信(xin)息進行挖掘(jue),以求精準獲(huo)知(zhi)客(ke)戶在日常經營中的實際業務結算(suan)情(qing)況,為推(tui)出(chu)更加(jia)合理的小微“結算(suan)貸”產(chan)品提供信(xin)息支撐(cheng)。

12.小微金融客(ke)戶投訴信(xin)息分zhi)觥U?砸辛ling)售(shou)客(ke)戶投訴信(xin)息展開文本分zhi)觶  刈 諦  鶉諳喙匾滴褳端擼 笆shi)根(gen)據(ju)客(ke)戶意見(jian)與(yu)建議(yi)優化(hua)調整相關業務發展情(qing)況。

四、商業銀行數據(ju)挖掘(jue)人才布(bu)局方案

數據(ju)挖掘(jue)是一項團隊工作(zuo),團隊人員配(pei)置是在明確(que)任務分工的基礎上(shang)設置的,不(bu)同崗位有(you)不(bu)同的任務分工和(he)工作(zuo)性質,要求具(ju)備不(bu)同知(zhi)識結構(gou)和(he)能力水平的人員與(yu)之相匹配(pei)。

1.數據(ju)挖掘(jue)技術流程。經實踐,建議(yi)商業銀行以CRISP-DM(跨(kua)行業數據(ju)挖掘(jue)標準過(guo)程)為藍(lan)本,確(que)立標準化(hua)的數據(ju)挖掘(jue)項目實施流程,由業務理解、數據(ju)理解、數據(ju)準備、分zhi)黿 ! P推(tui)攔饋 τyong)部署(shu)六個階(jie)段(duan)組成。此(ci)外(wai),針對數據(ju)挖掘(jue)建模優化(hua)工作(zuo),建議(yi)采用(yong)六西格瑪DMAIC流程路徑,包(bao)含定義、測量、分zhi)觥 慕 kong)制五個步驟。

2.明確(que)崗位分工。人員配(pei)備的首要任務是根(gen)據(ju)崗位工作(zuo)需要,經過(guo)嚴(yan)格考查和(he)科(ke)學論(lun)證,發現(xian)或培育出(chu)為己所需的各類人員。經初步實踐,建議(yi)商業銀行數據(ju)挖掘(jue)工作(zuo)由以下四個崗位人員組成。

數據(ju)挖掘(jue)科(ke)學家。結合業務需要,負責研發新型數據(ju)挖掘(jue)技術模式(shi)、模型和(he)算(suan)法,並熟悉掌(zhang)握現(xian)有(you)各類數據(ju)挖掘(jue)技術發展情(qing)況,拓展現(xian)有(you)技術的業務應用(yong)範duan)?/span>

數據(ju)挖掘(jue)工程師。負責將新型數據(ju)挖掘(jue)技術模式(shi)、模型和(he)算(suan)法予(yu)以實現(xian),形成新的數據(ju)挖掘(jue)工具(ju),並熟悉掌(zhang)握現(xian)有(you)各類數據(ju)挖掘(jue)工具(ju)的可用(yong)性,參(can)與(yu)標準化(hua)數據(ju)挖掘(jue)流程中應用(yong)部署(shu)等工作(zuo)。

數據(ju)挖掘(jue)分zhi)鍪Α=岷弦滴襉枰  涸鶚褂yong)各類數據(ju)挖掘(jue)工具(ju)對具(ju)體任務展開數據(ju)挖掘(jue)實驗工作(zuo),其內(na)容涵(han)蓋標準化(hua)數據(ju)挖掘(jue)流程中數據(ju)準備、分zhi)黿 ︰he)模型tui)攔攔?zuo),並參(can)與(yu)應用(yong)部署(shu)工作(zuo)。

銀行業務分zhi)鍪ΑC嫦蚓ju)體業務項目,負責標準化(hua)數據(ju)挖掘(jue)流程中業務理解和(he)數據(ju)理解工作(zuo),並參(can)與(yu)應用(yong)部署(shu)工作(zuo),具(ju)體負責業務模型化(hua)、SQL數據(ju)提取、數據(ju)邏輯向業務邏輯解析等工作(zuo)。

數據(ju)挖掘(jue)工作(zuo)多以項目形式(shi)開展。針對一個具(ju)體的業務項目,建議(yi)配(pei)備各崗位人員協同作(zuo)業。

3.明確(que)崗位人員配(pei)比結構(gou)。每項數據(ju)挖掘(jue)任務都是一個非常復(fu)雜(za)而(er)又不(bu)斷反復(fu)地過(guo)程,在此(ci)過(guo)程中包(bao)括(kuo)明確(que)業務目標、將業務目標轉化(hua)為建模目標、選擇數據(ju)源並設計變量、選擇建模方法、實施建模、測試和(he)驗證模型以yue)敖 P徒  鑫 滴窠崧lun)等多個環節,需要不(bu)同專業、技術、背景人員的全(quan)面探討和(he)反復(fu)嘗試。為使每個項目ke)哦擁母諼慌pei)置最優化(hua),確(que)保各人員充分發揮特長(chang)並保證其工作(zuo)順利完成,經初步實踐,建議(yi)各數據(ju)挖掘(jue)團隊不(bu)同崗位人員的配(pei)比為“1:2:4:8”。即一個數據(ju)挖掘(jue)團隊包(bao)括(kuo)1名(ming)數據(ju)挖掘(jue)科(ke)學家、2名(ming)數據(ju)挖掘(jue)工程師、4名(ming)數據(ju)挖掘(jue)分zhi)鍪σ約(yue)名(ming)銀行業務分zhi)鍪Α/span>

万人炸金花 | 下一页