Written by 15:59 金融科技

大数据下的金融

Issue 37

未来的时代将不是 IT时代,而是DTData Technology)的时代。—-马云

在美国,个人信用评分是有专门的机构负责的,应用比较广泛的是FICO评分。它采集客户的人口统计学信息、历史贷款还款信息、历史金融交易信息、人民银行征信信息等,通过逻辑回归模型计算客户的还款能力,预测客户在未来一年违约的概率,得出的信用分数范围在300~850分之间,分数越高,说明客户的信用风险越小。金融机构可以购买 FICO评分去对客户进行不同的评级。

但是,众所周知,中国的个人信用记录是保存在人行征信系统里的,一般不对外公开。只有商业银行在有本人授权的情况下可以进行查询。并且,如果在一段时间内,个人的信用报告因为贷款、信用卡审批等原因多次被不同的银行查询,且未能获得新贷款或申请过信用卡,则会对个人信用产生不良影响。所以,个人征信轻易查不得!但随着社会经济的发展,衍生出了很多需求,比如说先买后付的消费需求(花呗、白条等)。平台就需要去评估用户的信用,但是又不能无限次的查询征信,该怎么办呢?

随着科技的发展,中国各商业巨头,形成了一套自己的评分体系。比如,阿里巴巴以大数据分析技术为基础推出了芝麻信用分,采集多元化数据,包括传统的金融类交易、还款数据,第三方的非金融行为数据,互联网、移动网络和社交网络数据等,帮助贷款方从多个方面考察个体的还款能力、还款意愿,做出合理、全面的信用评分。根据芝麻信用分的不同,客户能获得不同的特权。

这中间有一项技术功不可没,就是大数据技术!什么是大数据呢?

根据麦肯锡全球研究所给出的定义:一种规模大到在获取、存储、管理、分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模、快速的数据流转、多样的数据类型和价值密度低四大特征。大数据包括结构化、半结构化和非结构化数据。

大数据技术的战略意义不在于掌握庞大的数据信息,而在于对这些含有意义的数据进行专业化处理。换而言之,如果把大数据比作一种产业,那么这种产业实现盈利的关键,在于提高对数据的“加工能力”,通过“加工”实现数据的“增值”。据IDC的调查报告显示:企业中 80%的数据都是非结构化数据,这些数据每年都按指数增长60%。在以云计算为代表的技术创新大幕的衬托下,这些原本看起来很难收集和使用的数据开始容易被利用起来了,通过各行各业的不断创新,大数据会逐步为人类创造更多的价值。

以银行业为例,比较典型的大数据应用可以分成4 大方面:客户画像、精准营销、风险管控、运营优化。

客户画像

每个银行拥有的客户信息并不全面,基于银行自身拥有的数据有时候难以得出理想的结果, 甚至可能得出错误的结论。例如,如果某位信用卡客户月均刷卡 5 次,平均每次刷卡金额 2000 元,平均每年打 5 次客服电话,从未有过投诉。如果按照传统的数据分析,该客户是 一位满意度较高,流失风险较低的客户。但是,如果看到该客户的微博,得到的真实情况是, 工资卡和信用卡不在同一家银行,还款不方便,好几次打客服电话没接通,客户多次在微博 上抱怨,该客户的流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据,更 应整合外部更多的数据,以扩展对客户的了解。

精准营销

在客户画像的基础上,银行可以有效地开展精准营销。银行可以根据客户的实时状态来进行 实时营销。例如,当某客户用信用卡进行境外消费时,可以适时的推送境外优惠活动。此外, 还可以进行不同业务或产品的交叉推荐以及根据客户的喜好进行服务或者银行产品的个性化 推荐,例如,根据客户的年龄、资产规模、理财偏好等,对客户群进行精准定位,分析出其潜在的金融服务需求,进而有针对性地营销推广。

风险管控

通过使用大数据分析技术,银行可通过将企业的生产、流通、销售、财务等相关信息与大数据挖掘方 法相结合的方式进行贷款风险分析,从而量化企业的信用额度,更有效地开展中小企业贷款。例如, “阿里小贷”依据会员在阿里巴巴平台上的网络活跃度、交易量、网上信用评价等,结合企业自身经 营的财务健康状况进行贷款决定。

运营优化

大数据分析方法可以改善经营决策,为管理层提供可靠的数据支撑,使经营决策更加高效、敏捷,精 确性更高。例如,兴业银行通过对还款数据的挖掘来比较区分优质客户,根据客户还款数额的差别, 提供差异化的金融产品和服务方式。

 

(Visited 58 times, 1 visits today)
[email protected]
Close