大數據項目--準備

客戶流失分析（Customer churn analysis）：你們都知道開發新客戶比留住老客戶的成本要高，大數據和Hadoop技術能夠經過致使客戶放棄的行爲分析和識別模式來幫助金融公司來留住他們的客戶。何時客戶會最可能由於競爭對手而離開？什麼緣由？致使客戶不滿意的因素是什麼？公司失敗在哪裏？這些決定如何避免客戶放棄的信息都是無價的。爲了迎合客戶需求，使客戶利益最大化，學習用正確的步驟來執行對金融公司公司來講勢在必行

1. 客戶的管理

          金融機構內部也擁有大量具備價值的數據，如業務訂單數據、用戶屬性數據、用戶收入數據、客戶查詢數據、理財產品交易數據、用戶行爲等數據，這些數據能夠經過用戶帳號的打通，創建用戶標籤體系。在此基礎之上，結合風險偏好數據、客戶職業、愛好、消費方式等偏好數據，利用機器學習算法來對客戶進行分類，並利用已有數據標籤和外部數據標籤對用戶進行畫像。進而針對不一樣類型的客戶提供不一樣的產品和服務策略，這樣能夠提升客戶滲透力、客戶轉化率和產品轉化率。也就是說，經過大數據應用，金融機構能夠逐漸實現徹底個性化客戶服務的目標。

          2. 產品的管理

          經過大數據分析平臺，金融機構可以獲取客戶的反饋信息，及時瞭解、獲取和把握客戶的需求，經過對數據進行深刻分析，能夠對產品進行更加合理的設置。經過大數據，金融機構能夠快速高效地分析產品的功能特徵和喜歡的狀態，產品的價值，客戶的喜愛緣由，產品的生命週期，產品的利潤，產品的客戶羣等。若是處理得好，能夠作到把適當的產品送到須要該產品的客戶手上，這是客戶關係管理中一個重要的環節。

          3. 營銷的管理

          藉助大數據分析平臺，經過對形式多樣的用戶數據（基本信息數據、財富信息數據、教育數據、消費數據、瀏覽數據、購買路徑、客戶的微博、客戶的微信、客戶的購買行爲）進行挖掘、追蹤、分析，以提高精準營銷水平。在客戶畫像的基礎上，金融機構能夠有效地開展精準營銷，包括利用外部大數據進行網絡獲客；基於社交數據、網絡行爲數據等對客戶進行進一步的細分、分類；根據網絡行爲數據等對客戶進行事件營銷、實時營銷等；根據外部大數據分析展開交叉銷售，提高業務量並加深客戶關係；根據客戶偏好、年齡、資產規模等進行個性化營銷以及基於客戶生命週期進行客戶生命週期管理，即新客戶獲取、客戶的維護，客戶防流失和客戶贏回等大數據應用。

2.1 銀行大數據應用

國內很多銀行已經開始嘗試經過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，光大銀行創建了社交網絡信息數據庫，招商銀行則利用大數據發展小微貸款。總的來看銀行大數據應用能夠分爲四大方面：

2.1.1 客戶畫像

客戶畫像應用主要分爲我的客戶畫像和企業客戶畫像。我的客戶畫像包括人口統計學特徵、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據。值得注意的是，銀行擁有的客戶信息並不全面，基於銀行自身擁有的數據有時候難以得出理想的結果甚至可能得出錯誤的結論。好比，若是某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每一年打4次客服電話，從未有過投訴，按照傳統的數據分析，該客戶是一位滿意度較高流失風險較低的客戶。但若是看到該客戶的微博，獲得的真實狀況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾回打客服電話沒接通，客戶屢次在微博上抱怨，該客戶流失風險較高。因此銀行不只僅要考慮銀行自身業務所採集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的瞭解。包括：
（1）客戶在社交媒體上的行爲數據（如光大銀行創建了社交網絡信息數據庫）。經過打通銀行內部數據和外部社會化的數據能夠得到更爲完整的客戶拼圖，從而進行更爲精準的營銷和管理；
（2）客戶在電商網站的交易數據，如建設銀行則將本身的電子商務平臺和信貸業務結合起來，阿里金融爲阿里巴巴用戶提供無抵押貸款，用戶只須要憑藉過去的信用便可；
（3）企業客戶的產業鏈上下游數據。若是銀行掌握了企業所在的產業鏈上下游的數據，能夠更好掌握企業的外部環境發展狀況，從而能夠預測企業將來的情況；
（4）其餘有利於擴展銀行對客戶興趣愛好的數據，如網絡廣告界目前正在興起的DMP數據平臺的互聯網用戶行爲數據。

 

2.1.2 精準營銷

在客戶畫像的基礎上銀行能夠有效的開展精準營銷，包括：
（1）實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，好比客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶採用信用卡採購孕婦用品，能夠經過建模推測懷孕的機率並推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工做、改變婚姻情況、置居等）視爲營銷機會；
（2）交叉營銷。即不一樣業務或產品的交叉推薦，如招商銀行能夠根據客戶交易記錄分析，有效地識別小微企業客戶，而後用遠程銀行來實施交叉銷售；
（3）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，如根據客戶的年齡、資產規模、理財偏好等，對客戶羣進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；
（4）客戶生命週期管理。客戶生命週期管理包括新客戶獲取、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%的客戶發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下降了15個和7個百分點。

2.1.3 風險管理與風險控制

在風險管理和控制方面包括中小企業貸款風險評估和欺詐交易識別等手段。 （1）中小企業貸款風險評估。銀行可經過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。 （2）實時欺詐交易識別和反洗錢分析。銀行能夠利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行爲模式、正在發生行爲模式（如轉帳）等，結合智能規則引擎（如從一個不常常出現的國家爲一個特有用戶轉帳或從一個不熟悉的位置進行在線交易）進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶帳號或侵入自動櫃員機(ATM)系統的罪犯。