大數據在銀行、保險、證券等金融行業的應用目錄CONTENTS1金融行業大數據應用概述2銀行大數據應用3保險行業大數據應用4證券行業大數據應用PART01金融行業大數據應用概述金融行業是經典的數據驅動行業，每天都會產生大量的數據，涉及交易、報價、業績報告、消費者研究報告、各類統計數據、多種指數等。所以，金融行業擁有豐富的數據，數據維度比較廣泛，數據質量也很高，利用本身的數據就能夠開發出諸多應用場景。金融行業大數據概述04金融行業是經典的數據驅動行業，每天都會產生大量的數據，涉及交易、報價、業績報告、消費者研究報告、各類統計數據、多種指數等金融行業擁有豐富的數據，數據維度比較廣泛，數據質量也很高，利用本身的數據就能夠開發出諸多應用場景假如能夠引入外部數據，還能夠進一步加緊數據價值的變現外部數據比很好的有社交數據、電商交易數據、移動大數據、運營商數據、工商司法數據、公安數據、教育數據、和銀聯交易數據等金融行業大數據應用案例05花旗銀行利用IBM沃森電腦為財富管理客戶推薦產品，并預測將來計算機推薦理財的市場將超出銀行專業理財師摩根大通銀行利用決策樹技術，降低了不良貸款率、轉化了提前還款客戶，一年為摩根大通銀行增長了6億美金的利潤VISA企業利用Hadoop平臺將730億交易處理時間從一種月縮短到13分鐘中國金融行業大數據應用投資構造06從投資構造上來看，銀行將會成為金融類企業中的主要部分，證券和保險分列第二和第三位，中國金融行業大數據應用規模及預測07中國金融行業大數據應用規模年均增長率達成97.0%，超出23億元。據不完全統計，2023年應用規模將達成44.29億元。中國金融行業大數據應用規模及預測08估計到2023-2023年，金融行業大數據應用市場規模年均復合增長率為55.21%，到2023年，中國金融行業大數據應用市場規模為497億元。PART02銀行大數據應用銀行的大數據應用場景比較豐富，比較經典的集中在數據庫營銷、顧客經營、數據風控、產品設計和決策支持等。目前來講，大數據在銀行的商業應用還是以其本身交易數據和客戶數據為主，外部數據為輔；描述性數據分析為主，預測性數據建模為輔；經營客戶為主，經營產品為輔。銀行大數據應用概述10銀行的大數據應用場景比較豐富，比較經典的集中在數據庫營銷、顧客經營、數據風控、產品設計和決策支持等目前大數據在銀行的商業應用情況以其本身交易數據和客戶數據為主，外部數據為輔描述性數據分析為主，預測性數據建模為輔經營客戶為主，經營產品為輔銀行數據的類型交易數據客戶數據信用數據資產數據銀行大數據應用類型11銀行大數據應用能夠分為四大方面：客戶畫像，精確營銷，風險管控，運營優化。PART02.1銀行客戶畫像應用銀行的大數據應用場景比較豐富，比較經典的集中在數據庫營銷、顧客經營、數據風控、產品設計和決策支持等。目前來講，大數據在銀行的商業應用還是以其本身交易數據和客戶數據為主，外部數據為輔；描述性數據分析為主，預測性數據建模為輔；經營客戶為主，經營產品為輔。客戶畫像應用13客戶畫像應用主要分為個人客戶畫像和企業客戶畫像個人客戶畫像：涉及人口統計學特征、消費能力數據、愛好數據、風險偏好等企業客戶畫像：涉及企業的生產、流通、運營、財務、銷售和客戶數據、有關產業鏈上下游等數據客戶畫像背后的原因14客戶消費習慣的變化，企業無法接觸到客戶，無法了解客戶需求;年輕人成為金融企業主要的消費者，但是他們不樂意到金融網點辦理業務年輕人將主要的時間都消費在移動互聯網，消費在智能手機上金融企業越來越難面對面接觸到年輕人，從對話中料機年輕人金融產品的需求客戶需求的分化，企業需要細分客戶，為目的客戶開發設計產品金融產品也需要進行細化，為不同客戶提供不同產品有的客戶高風險偏好高，希望高風險高收益；有的客戶風險偏好低，希望穩健收益;有的客戶金融理財意識低，只需服務很好即可;有的客戶完全沒有主意，你說是啥就是啥不同年齡，不同收入，不同職業，不同資產的客戶對金融產品的需求都不盡相同。金融企業需要借助于戶畫像，來了解客戶，找到目的客戶，觸達客戶。客戶畫像的目的15從業務角度出發對顧客進行分析，了解顧客需求，尋找目的客戶在了解客戶需求和消費能力，以及客戶信用額度的基礎上，利用畫像信息為客戶開發出適合目的客戶的產品或開展營銷活動顧客畫像需要堅持的三個原則16顧客畫像涉及數據的緯度需要業務場景結合，既要簡樸干練又要和業務強有關，既要篩選便捷又要以便進一步操作顧客畫像需要堅持三個原則信用信息和人口屬性為主采用強有關信息，忽視弱有關信息將定量的信息歸類為定性的信息信用信息和人口屬性為主17信用信息信用信息是描述一種人在社會中的消費能力信息，是顧客畫像中主要的信息進行客戶畫像的目的是尋找目的客戶，其必須是具有潛在消費能力的客戶信用信息涉及消費者工作、收入、學歷、財產等信息人口屬性信息定位完目的客戶之后，需要觸達客戶，人口屬性信息就是起到觸達客戶的作用人口屬性信息涉及姓名、性別，電話號碼，郵件地址，家庭住址等信息人口屬性信息能夠幫助金融企業聯絡客戶，將產品和服務推銷給客戶采用強有關信息，忽視弱有關信息18強有關信息就是同場景需求直接有關的信息，0.6以上的有關系數就應該定義為強有關信息人的年齡、學歷、職業、地點與收入高下是強有關關系人口屬性信息例如，35歲左右人的平均工資高于平均年齡為30歲的人，計算機專業畢業的學生平均工資高于哲學專業學生，從事金融行業工作的平均工資高于從事紡織行業的平均工資，上海的平均工資超出海南省平均工資顧客的身高、體重、姓名、星座等信息，極難從概率上分析出其對消費能力的影響，這些是弱有關信息顧客畫像和顧客分析時，需要考慮強有關信息，不要考慮弱有關信息。將定量的信息歸類為定性的信息19定量的信息不利于對客戶進行篩選，需要將定量信息轉化為定性信息，經過信息類別來篩選人群能夠將年齡段對客戶進行劃分，18歲-25歲定義為年輕人，25歲-35歲定義為中青年，36-45定義為中年人等能夠參照個人收入信息，將人群定義為高收入人群，中檔收入人群，低收入人群參照資產信息也能夠將客戶定義為高、中、低檔別將金融企業各類定量信息，集中在一起，對定性信息進行分類，并進行定性化，有利與對顧客進行篩選，迅速定位目的客戶。顧客畫像信息的類型20金融企業需要結合業務需求進行顧客畫像，能夠將顧客畫像信息提成五類信息人口屬性信用屬性消費特征愛好愛好社交屬性顧客畫像信息的類型21人口屬性用于描述一種人基本特征的信息，主要幫助金融企業懂得客戶是誰，怎樣觸達顧客姓名，性別，年齡，電話號碼，郵箱，家庭住址都屬于人口屬性信息信用屬性用于描述顧客收入潛力和收入情況，支付能力，幫助企業了解客戶資產情況和信用情況，有利于定位目的客戶客戶職業、收入、資產、負債、學歷、信用評分等都屬于信用信息消費特征用于描述客戶主要消費習慣和消費偏好，用于尋找高頻和高價值客戶，幫助企業根據客戶消費特點推薦有關金融產品和服務能夠參照客戶的消費統計將客戶直接定性為某些消費特征人群，例如差旅人群，境外游人群，旅游人群，餐飲顧客，汽車顧客，母嬰顧客，理財人群等顧客畫像信息的類型22愛好愛好用于描述客戶具有哪方面的愛好愛好，在這些愛好方面可能消費偏好比較高，幫助企業了解客戶愛好和消費傾向，定向進行活動營銷愛好愛好的信息可能起源于社交信息和客戶位置信息，例如戶外運動愛好者，旅游愛好者，電影愛好者，科技發燒友，健身愛好者，奢侈品愛好者等消費特征起源于已經有的消費統計，但是購置的物品和服務不一定是自己享用社交信息用于描述顧客在社交媒體的評論，這些信息往往代表顧客內心的想法和需求，具有實時性高，轉化率高的特點例如客戶問詢上海哪里好玩?澳大利亞墨爾本的交通?房屋貸款哪家優惠多?那個理財產品好?這些社交信息都是代表客戶多需求，假如企業能夠及時了解到，將會有利于產品推廣金融企業顧客畫像的基本環節23參照金融企業的數據類型和業務需求，能夠將金融企業顧客畫像工作進行細化基本上從如下五個方面進行篩選目的客戶畫像有關數據的整頓和集中找到同業務場景強有關數據對數據進行分類和標簽化根據業務需求引入外部數據按照業務需求進行篩選客戶1.畫像有關數據的整頓和集中24金融企業內部的信息分布在不同的系統中人口屬性信息主要集中在客戶關系管理系統信用信息主要集中在交易系統和產品系統之中，也集中在客戶關系管理系統中消費特征主要集中在渠道和產品系統中愛好愛好和社交信息需要從外部引入，例如客戶的行為軌跡能夠代表其愛好愛好和品牌愛好，移動設備到位置信息能夠提供較為精確的愛好愛好信息社交信息能夠借助于金融行業本身的文本挖掘能力進行采集和分析，也是能夠借助于廠商的技術能力在社交網站上直接取得社交信息往往是實時信息，商業價值較高，轉化率也較高，是大數據預測方面的主要信息起源1.畫像有關數據的整頓和集中25客戶畫像的數據倉庫客戶畫像的五大類數據都分布在不同的信息系統，金融企業都上線了數據倉庫，全部畫像有關的強有關信息都能夠在數據倉庫里面整頓和集中數據倉庫成為顧客畫像數據的主要處理工具，根據業務場景和畫像需求將原始數據進行分類、篩選、歸納、加工等，生成顧客畫像需要的原始數據2.找到同業務場景強有關數據26為企業帶來商業價值才是顧客畫像工作的主要動力和主要目的全部畫像信息應該是5大分類的強有關信息，強有關信息是指同業務場景強有關信息，能夠幫助金融行業定位目的客戶，了解客戶潛在需求，開發需求產品只有強有關信息才干幫助金融企業有效結合業務需求，發明商業價值金融企業內部信息較多，在顧客畫像階段不需要對全部信息都采用，只需要采用同業務場景和目的客戶強有關的信息即可，這么有利于提升產品轉化率，降低ROI，有利于簡樸找到業務應用場景，在數據變現過程中也輕易實現不要將顧客畫像工作搞的過于復雜，同業務場景關系不大，這么就讓諸多金融企業尤其是領導失去顧客畫像的愛好，看不到顧客畫像的商業，不樂旨在大數據領域投資2.找到同業務場景強有關數據27金融行業強有關信息舉例姓名、手機號、家庭地址就是能夠觸達客戶的強人口屬性信息收入、學歷、職業、資產就是客戶信用信息的強有關信息差旅人群、境外游人群、汽車顧客、旅游人群、母嬰人群就是消費特征的強有關信息攝影愛好者、游戲愛好者、健身愛好者、電影人群、戶外愛好者就是客戶愛好愛好的強有關信息社交媒體上刊登的旅游需求，旅游攻略，理財征詢，汽車需求，房產需求等信息代表了顧客的內心需求，是社交信息場景應用的強有關信息2.找到同業務場景強有關數據283.對數據進行分類和標簽化(定量to定性)29定性信息進行定量分類是顧客畫像的一種主要工作環節，具有較高的業務場景要求，考驗顧客畫像商業需求的轉化金融企業集中了全部信息之后，根據業務需求，對信息進行加工整頓，需要對定量的信息進行定性，以便信息分類和篩選，這部分工作提議在數據倉庫進行定性信息進行定量分類cq主要目的是幫助企業將復雜數據簡樸化，將交易數據定性進行歸類，而且融入商業分析的要求，對數據進行商業加工將定量信息歸納為定性信息，并根據業務需求進行標簽化，有利于金融企業找到目的客戶，而且了解客戶的潛在需求，為金融行業的產品找到目的客戶，進行精確營銷，降低營銷成本，提升產品轉化率金融企業還能夠根據客戶的消費特征、愛好愛好、社交信息及時為客戶推薦產品，設計產品，優化產品流程，提升產品銷售的活躍率，愈加好地為客戶設計產品3.對數據進行分類和標簽化(定量to定性)30定性信息進行定量分類舉例能夠將客戶按照年齡區間分為學生，青年，中青年，中年，中老年，老年等人生階段，源于各人生階段的金融服務需求不同，在尋找目的客戶時，能夠經過人生階段進行目的客戶定位企業能夠利用客戶的收入、學歷、資產等情況將客戶分為低、中、高端客戶，并根據其金融服務需求，提供不同的金融服務能夠參照其金融消費統計和資產信息，以及交易產品，購置的產品，將客戶消費特征進行定性描述，辨別出電商客戶，理財客戶，保險客戶，穩健投資客戶，激進投資客戶，餐飲客戶，旅游客戶，高端客戶，公務員客戶等。利用外部的數據能夠將定性客戶的愛好愛好，例如戶外愛好者，奢侈品愛好者，科技產品發燒友，攝影愛好者，高端汽車需求者等信息4.根據業務需求引入外部數據31金融企業本身的數據不足以了解客戶的消費特征、愛好愛好、社交信息金融企業能夠引入外部信息來豐富客戶畫像信息，例如引入銀聯和電商的信息來豐富消費特征信息，引入移動大數據的位置信息來豐富客戶的愛好愛好信息，引入外部廠商的數據來豐富社交信息等外部信息在引入時需要考慮幾種問題，分別是外部數據的覆蓋率，怎樣和內部數據打通，和內部信息的匹配率，以及信息的有關程度，還有數據的鮮活度外部數據的合規性也是金融企業在引入外部數據時的一種主要考慮，敏感的信息例如手機號、家庭住址、身份證號在引入或匹配時都應該注意隱私問題，基本的原則是不進行數據互換，能夠進行數據匹配和驗證外部數據不會集中在某一家，需要金融企業花費大量時間進行尋找5.按照業務需求進行篩選客戶32顧客畫像是數據思維運營過程中到一種主要閉環，幫助金融企業利用數據進行精細化運營和市場營銷，以及產品設計顧客畫像就是一切以數據商業化運營為中心，以商業場景為中，幫助金融企業深度分析客戶，找到目的客戶DMP（大數據管理平臺）在整個顧客畫像過程中起到了一種數據變現的作用從技術角度來講，DMP將畫像數據進行標簽化，利用機器學習算法來找到相同人群，同業務場景深度結合，篩選出具有價值的數據和客戶，定位目的客戶，觸達客戶，對營銷效果進行統計和反饋銀行顧客畫像實踐簡介33銀行顧客畫像的主要目的銀行具有豐富的交易數據、個人屬性數據、消費數據、信用數據和客戶數據，顧客畫像的需求較大，但是缺乏社交信息和愛好愛好信息分析客戶、了解客戶、找到目的客戶、為客戶設計其需要的產品，是銀行進行顧客畫像的主要目的銀行的主要業務需求集中在消費金融、財富管理、融資服務，顧客畫像要從這幾種角度出發，尋找目的客戶銀行顧客畫像實踐簡介34銀行顧客畫像的五大環節先利用數據倉庫進行數據集中，篩選出強有關信息，對定量信息定性化，生成DMP需要的數據利用DMP進行基礎標簽和應用定制，結合業務場景需求，進行目的客戶篩選或對顧客進行深度分析同步利用DMP引入外部數據，完善數據場景設計，提升目的客戶精確度找到觸達客戶的方式，對客戶進行營銷，并對營銷效果進行反饋，衡量數據產品的商業價值利用反饋數據來修正營銷活動和提升ROI，形成市場營銷的閉環，實現數據商業價值變現的閉環PART02.2銀行精確營銷銀行的大數據應用場景比較豐富，比較經典的集中在數據庫營銷、顧客經營、數據風控、產品設計和決策支持等。在客戶畫像的基礎上銀行能夠有效的開展精確營銷。銀行精確營銷概述36在客戶畫像的基礎上銀行能夠有效的開展精確營銷實時營銷實時營銷是根據客戶的實時狀態來進行營銷例如根據客戶當初的所在地、客戶近來一次消費等信息有針對性地進行營銷例如某客戶采用信用卡采購孕婦用具，能夠經過建模推測懷孕的概率，并推薦孕婦類喜歡的業務例如將客戶變化生活狀態的事件（換工作、變化婚姻情況、置居等）視為營銷機會交叉營銷也就是進行不同業務或產品的交叉推薦，例如招商銀行能夠根據客戶交易統計分析，有效地辨認小微企業客戶，然后用遠程銀行來實施交叉銷售；銀行精確營銷概述37在客戶畫像的基礎上銀行能夠有效的開展精確營銷個性化推薦銀行能夠根據客戶的喜歡進行服務或者銀行產品的個性化推薦例如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精擬定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣客戶生命周期管理客戶生命周期管理涉及新客戶獲取、客戶防流失和客戶贏回等如招商銀行經過構建客戶流失預警模型，對流失率等級前20%的客戶出售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點銀行精確營銷應用實例簡介38銀行顧客畫像的大數據應用場景尋找分期客戶利用銀聯數據+本身數據+信用卡數據，發覺信用卡消費超出其月收入的顧客，推薦其進行消費分期尋找高端資產客戶利用銀聯數據+移動位置數據(別墅/高檔小區)+物業費代扣數據+銀行本身數據+汽車型號數據，發目前銀行資產較少，在其他行資產較多的顧客，為其提供高端資產管理服務尋找境外游客戶利用本身卡消費數據+移動設備位置信息+社交好境外強有關數據(攻略，航線，景點，費用)，尋找境外游客戶為其提供金融服務銀行精確營銷應用實例簡介39銀行顧客畫像的大數據應用場景需找理財客戶利用本身數據(交易+工資)+移動端理財客戶端/電商活躍數據，發覺客戶將工資/資產轉到外部，但是電商消費不活躍客戶，其互聯網理財可能性較大，能夠為其提供理財服務，將資金留在本行尋找貸款客戶利用本身數據(人口屬性+信用信息)+移動設備位置信息+社交購房/消費強有關信息，尋找即將購車/購房的目的客戶，為其提供金融服務(抵押貸款/消費貸款)PART02.3銀行風險管控利用大數據技術能夠進行對中小企業貸款風險的評估和對欺詐交易的辨認，從而幫助銀行降低風險。銀行風險管控大數據應用41利用大數據技術能夠進行對中小企業貸款風險的評估和對欺詐交易的辨認，從而幫助銀行降低風險銀行風險管控大數據應用舉例中小企業貸款風險評估銀行可經過企業的產、流通、銷售、財務等有關信息結合大數據挖掘措施進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款實時欺詐交易辨認和反洗錢分析銀行能夠利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如從一種不經常出現的國家為一種特有顧客轉賬或從一種不熟悉的位置進行在線交易）進行實時的交易反欺詐分析中小企業貸款風險評估42為數眾多的中小企業是金融機構不可忽視的客戶群體，但中小企業貸款償還能力差；財務制度普遍不健全，難以有效評估其真實經營情況；生存能力相對比較低；信用度低據測算，對中小企業貸款的平均管理成本是大型企業的5倍左右，而風險成本卻高諸多這種成本、收益和風險不對稱造成金融機構不樂意向中小企業全方面敞開大門，這一方面限制了本身的成長，另一方面也限制了中小企業的成長大數據分析技術已經能夠幫助銀行進行企業風險分析評估銀行可經過企業的產、流通、銷售、財務等有關信息結合大數據挖掘措施進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款中小企業貸款風險評估舉例43“阿里小貸”根據會員在阿里巴巴平臺上的網絡活躍度、交易量、網上信用評價等，結合企業本身經營的財務健康情況進行貸款決定首先經過阿里巴巴B2B、淘寶、天貓、支付寶等電子商務平臺，搜集客戶積累的信用數據，涉及客戶評價數據、貨運數據、口碑評價等，同步引入海關、稅務、電力等外部數據加以匹配，建立數據模型其次，經過交叉檢驗技術輔以第三方驗證確認客戶的真實性，將客戶在電子商務平臺上的行為數據映射為企業和個人的信用評價，并對地域客戶進行評級分層，研發評分卡體系、微貸通用規則決策引擎、風險定量化分析等技術最終，在風險監管方面，開發了網絡人際爬蟲系統，獲取和整合有關人際關系信息，并經過設計規則及其關聯性分析得到風險評估結論，結合與結論與貸前評級系統進行交叉驗證，構成風險控制的雙保險PART02.4銀行運營優化經過大數據分析措施改善經營決策，為管理層提供可靠的數據支撐，使經營決策愈加高效、敏捷，精確性更高。銀行運營優化大數據應用45經過大數據分析措施改善經營決策，為管理層提供可靠的數據支撐，使經營決策愈加高效、敏捷，精確性更高市場和渠道分析優化產品和服務優化輿情分析銀行運營優化大數據應用46市場和渠道分析優化經過大數據，銀行能夠監控不同市場推廣渠道尤其是網絡渠道推廣的質量，從而進行合作渠道的調整和優化能夠分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化產品和服務優化銀行能夠將客戶行為轉化為信息流，并從中分析客戶的個性特征和風險偏好，更深層次地了解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化如興業銀行目前對大數據進行初步分析，經過對還款數據挖掘比較辨別優質客戶，根據客戶還款數額的差別，提供差別化的金融產品和服務方式銀行運營優化大數據應用47輿情分析銀行能夠經過爬蟲技術，抓取小區、論壇和微博上有關銀行以及銀行產品和服務的有關信息，并經過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發覺和處理問題，對于正面信息，能夠加以總結并繼續強化銀行也能夠抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為本身業務優化的借鑒PART03保險行業大數據應用保險行業主要經過保險代理人與保險客戶進行連接，對客戶的基本信息和需求掌握極少，所以極端依賴外部保險代理人和渠道（銀行）。伴隨互聯網保險的興起，顧客會被分流到互聯網渠道，尤其是年輕人會愈加喜歡經過互聯網這個渠道來滿足自己的需求。將來線上客戶將成為保險企業客戶的主要起源。保險行業大數據應用概述49保險行業主要經過保險代理人與保險客戶進行連接，對客戶的基本信息和需求掌握極少，所以極端依賴外部保險代理人和渠道（銀行）。伴隨互聯網保險的興起，顧客會被分流到互聯網渠道，將來線上客戶將成為保險企業客戶的主要起源保險行業的產品是一種長周期性產品，保險客戶再次購置保險產品的轉化率很高，所以，經營好老客戶是保險企業一項主要任務，所以應該進行數據挖掘分析和顧客畫像了解客戶保險行業的數據業務場景是圍繞保險產品和保險客戶進行的，經典的數據應用有利用顧客行為數據來制定保險價格，利用客戶外部行為數據來了解客戶需求，向目的顧客推薦產品等保險企業能夠為客戶建立人生檔案，利用個人的生命周期各個階段需要，為客戶提供保險產品保險行業的大數據應用的三大方面50客戶細分和精細化營銷51客戶細分和差別化服務風險偏好是擬定保險需求的關鍵。風險喜好者、風險中立者和風險厭惡者對于保險需求有不同的態度，一般來講，風險厭惡者有更大的保險需求在客戶細分的時候，還要結合客戶職業、愛好、習慣、家庭構造、消費方式偏好數據，利用機器學習算法來對客戶進行分類，并針對分類后的客戶提供不同的產品和服務策略客戶精確營銷在網絡營銷領域，保險企業能夠經過搜集互聯網顧客的各類數據，如地域分布等屬性數據，搜索關鍵詞等即時數據，購物行為、瀏覽行為等行為數據，以及愛好愛好、人脈關系等社交數據，能夠在廣告推送中實現地域定向、需求定向、偏好定向、關系定向等定向方式，實現精確營銷客戶細分和精細化營銷52潛在客戶挖掘及流失顧客預測可經過大數據整合客戶線上和線下的有關行為，經過數據挖掘手段對潛在客戶進行分類，細化銷售要點經過大數據進行挖掘，綜合考慮客戶的信息、險種信息、既往出險情況、銷售人員信息等，篩選出影響客戶退保或續期的關鍵原因，并經過這些原因和建立的模型，對客戶的退保概率或續期概率進行估計，找出高風險流失客戶，及時預警，制定挽留策略，提升保單續保率。客戶細分和精細化營銷53客戶關聯銷售保險企業能夠關聯規則找出最佳險種銷售組合、利用時序規則找出顧客生命周期中購置保險的時間順序，從而把握保戶提升保額的時機、建立既有保戶再銷售清單與規則，從而增進保單的銷售，借助大數據，保險業能夠直接鎖定客戶需求以淘寶運費退貨險為例，據統計，淘寶顧客運費險索賠率在50%以上，該產品對保險企業帶來的利潤只有5%左右，但是有諸多保險企業都有意愿去提供這種保險。因為客戶購置運費險后保險企業就能夠取得該客戶的個人基本信息，涉及手機號和銀行賬戶信息等，并能夠了解該客戶購置的產品信息，從而實現精確推送。假設該客戶購置并退貨的是嬰兒奶粉，我們就能夠估計該客戶家里有小孩，能夠向其推薦有關小朋友疾病險、教育險等利潤率更高的產品欺詐行為分析54基于企業內外部交易和歷史數據，實時或準實時預測和分析欺詐等非法行為醫療保險欺詐與濫用分析醫療保險欺詐與濫用一般可分為兩種，一是非法騙取保險金，即保險欺詐；另一類則是在保額程度內反復就醫、浮報理賠金額等，即醫療保險濫用保險企業能夠利用過去數據，尋找影響保險欺詐最為明顯的原因及這些原因的取值區間，建立預測模型，并經過自動化計分功能，迅速將理賠案件根據濫用欺詐可能性進行分類處理車險欺詐分析保險企業夠利用過去的欺詐事件建立預測模型，將理賠申請分級處理，能夠很大程度上處理車險欺詐問題，涉及車險理賠申請欺詐偵測、業務員及修車廠勾結欺詐偵測等精細化運營55產品優化，保單個性化在沒有精細化的數據分析和挖掘的情況下，保險企業把諸多人都放在同一風險水平之上，客戶的保單并沒有完全處理客戶的多種風險問題保險企業能夠經過自有數據以及客戶在社交網絡的數據，處理既有的風險控制問題，為客戶制定個性化的保單，取得更精確以及更高利潤率的保單模型，給每一位顧客提供個性化的處理方案代理人（保險銷售人員）甄選根據代理人員（保險銷售人員）業績數據、性別、年齡、入司前工作年限、其他保險企業經驗和代理人人員思維性向測試等，找出銷售業績相對最佳的銷售人員的特征，優選高潛力銷售人員精細化運營56運營分析基于企業內外部運營、管理和交互數據分析，借助大數據臺，全方位統計和預測企業經營和管理績效基于保險保單和客戶交互數據進行建模，借助大數據平臺迅速分析和預測再次發生或者新的市場風險、操作風險等PART04證券行業大數據應用大數據時代，券商們已意識到大數據的主要性，券商對于大數據的研究與應用正在處于起步階段，相對于銀行和保險業，證券行業的大數據應用起步相對較晚。證券行業大數據應用概述58大數據時代，券商們已意識到大數據的主要性，券商對于大數據的研究與應用正在處于起步階段目前國內外證券行業的大數據應用大致有如下三個方向股價預測客戶關系管理投資景氣指數股價預測59英國對沖基