|
近年来，随着大数据、人工智能、云计算等快速发展并和金融行业的深度融合，大大推动和释放了金融行业的潜能与活力，尤其是大数据技术，在金融行业的多个领域都可以看见它的身影。
一、大数据在银行中的应用——客户画像
客户画像应用主要可以分成个人客户画像和企业客户画像。对于个人客户画像来说，大数据可以收集人口统计学特征、消费能力数据、兴趣数据、风险偏好等；对于企业客户画像来说，大数据可以收集企业的生产、运营、财务、销售和客户数据、以及相关产业链上下游等数据。
通过客户画像，银行就可以有效地展开精准营销。比如：
1、实时营销。银行可以根据客户最近的消费情况来设定营销方案。例如，某客户的银行卡消费记录显示她最近在采购孕妇用品，那可以通过建模等大数据技术推测客户怀孕的概率并推荐适合孕妇的业务。
2、个性化推荐。银行可以针对客户喜欢的产品和服务进行个性化推荐。例如，用大数据判断某客户的资产规模和理财偏好，分析他潜在的服务需求，然后进行针对性营销。
3、客户生命周期管理。银行可以利用客户画像建模，针对不同生命周期的客户提出不同的管理方案。例如，构建客户流失预警模型，依据流失率对客户划分等级，对于流失率高的客户可以考虑发放高收益理财产品等方式允以挽留。
4、风险管理与风险控制
银行可以通过大数据挖掘技术对企业的生产、运营、销售、财务等方面进行风险分析，量化企业的信用额度，有效识别欺诈交易手段和贷款风险。
二、在证券行业中的应用——客户关系管理
1、客户细分。
证券公司可以通过分析以下几个方面来对客户进行聚类和细分，依此来找出最具价值的客户群体和他们所需要的服务类型和产品，更好地匹配资源。
①账户状态：账户类型、客户生命周期、投资时间
②账户价值：资产峰值、资产均值、交易量、佣金贡献和成本等
③交易习惯：市场关注度、平均持股市值和时间、单笔交易均值和日均成交量等
④投资偏好：偏好品种、投资渠道等
⑤投资收益：本期相对和绝对收益、今年相对和绝对收益和投资能力等
2、流失客户预测。
证券公司可以根据客户过去的交易信息和流失情况来建模，量化客户行为，预测客户流失的概率。
三、在保险行业中的应用
1、客户细分和精细化营销
（1）客户细分和差异化服务。对于保险行业来说，风险偏好是划分保险需求的关键要素。一般情况下，风险厌恶者对保险有很大的需求。保险公司就可以利用大数据从客户的职业、爱好、家庭、消费等等信息中得出客户的风险偏好，然后针对不同类别的客户提供差异化产品和服务。
（2）客户关联销售。依靠大数据技术，保险公司可以通过关联规则来为客户提供最佳险种销售组合，从而抓住客户提高保额的时机。
（3）客户精准营销。在网络营销领域，保险公司可以通过收集互联网用户的各种数据，比如地理位置分布等属性数据，搜索关键词等即时数据，购物行为、浏览行为等行为数据，以及兴趣爱好、人脉关系等社交数据，可以在广告推送中实现地域定向、需求定向、偏好定向、关系定向等定向方式，实现精准营销。
2、欺诈行为分析
（1）医疗保险欺诈与滥用分析。通常我们把医疗保险欺诈与滥用分为两种：一是保险欺诈，即非法骗取保险金；一是医疗保险滥用，即在保额限度內重复就医、浮报理赔金额等。保险公司可以利用用户过去的数据，寻找最能影响医疗保险欺诈与滥用的因素及这些因素的取值范围，建立预测模型，实现自动化计分功能，快速将理赔案件按照滥用欺诈可能性进行分类处理。
（2）车险欺诈分析。保险公司能够利用过去的欺诈事件建立预测模型，将理赔申请分级处理，可以很大程度上解决车险欺诈问题，包括车险理赔申请欺诈侦测、业务员及修车厂勾结欺诈侦测等。
| 
