案例分享丨金融大数据：三大应用场景提升营销收益

根据毕马威中国9月份发布的报告，评审出了中国金融科技前 50强，而其评审参考的纬度其中非常重要的一个方面——“科技驱动数据归集、挖掘、使用”讲的直接就是大数据分析。当然大数据运用的重要性根本无需多言，重要的是怎么用，如何结合业务发挥数据分析的价值。

三大应用场景大幅提升营销收益

金融行业向来是对新技术最为敏感的接受者之一。实现数据价值变现是金融数据化运营实践的主要目的之一，从实践来讲，最主要有三个方向： 精准营销、风控以及增值业务开发。

1.精准营销

以泰康在线为例，泰康在线是国内第一家由传统保险集团发起的互联网保险公司，拥有过亿用户，提供全程互联网保险服务的平台。其2015年8月上线的大数据产品“泰健康”，目前已有650万会员，是行业内第一个将客户价值数字化、全面量化的评估体系。在互联网+保险的垂直行业，泰康在线可谓是大数据应用的先行者。

　　泰康在线主要业务板块

具体来说，泰健康评分本身是基于现有的过亿的用户，通过健康保障度、健康资料完整度和健康活跃度等五个维度给用户做评分画像，基于这样的体系给每个用户不同的分数段以及推荐不同的服务。画像的结果第一可以增加用户的黏性，第二是做未来决策定价的基础。在这些维度中，通过热数据，比如说用户在腾讯云上做了一些丰富的健康测试，基于这些行为，可以对其健康度进行一个评分，因为热数据更能体现健康行为和倾向的变化，从而为后续产品、服务定价和决策提供一个支撑作用。在泰健康这个产品的支持下，可以看到现在有650万的泰健康会员，这些会员是通过客户价值和数字化评分完整的给用户做一个健康的刻划，通过永洪BI的产品做后续的数据分析会发现，在这650万的泰健康会员里面有23.4万人肠胃不适，就是针对用户的实际情况，推荐一些有针对性的健康和服务。通过数据分析对用户进行了差异化分取和运营，给用户提供差异化的服务。

　　泰康在线大数据闭环 以用户为中心

精准营销的第一步是用户画像：就是对平台用户打标签，目前设计的标签都是比较零散化，暂时不做层级划分，在业务没有成型之前先把特征标记上，后面业务成型之后再做分层分级。打的标签具体分两个纬度，一个是用户的基础属性纬度，另外一个就是用户意愿属性维度。在某家银行里，可能某个银行用户是一个高净值用户，但是在这个银行里面只存了几万块，如果把这个客户界定为低净值用户就会错过很多机会。所以首先要把数据收集工作做到位，形成真正的大数据，然后再对用户进行基础属性和意愿属性的划分，按照四个区域进行分类：低净值、低意愿；低净值、高意愿；高净值、低意愿；高净值、高意愿。以聚宝匯平台为例，该平台的大部分用户都属于起点高、活跃度高的类型，这也是两年半的时间能达到这么高的业务规模的原因，这些用户本身具备一定的高净值属性，并且对这个平台有较高的信任度，对这种用户是应该注重口碑营销，减少其他的市场常规推销。

有了准确的用户画像，那么第二步就是个性化营销：目前互联网金融平台在这个方面还处于非常初级的阶段，大部分的投资用户要么就是通过强有力的信任关系引入的，要么就是外面的羊毛党或者流量导入的质量不太高的用户，分层界限比较明显。那么如何培养低意愿用户慢慢的形成高意愿用户？通过复投模型去找，在不做任何处理的情况下，从平台用户中随机选取1000个人，看看在一个月之内是否有复投，最后结果显示，这些人当中真正续投的大概是3%到4%左右，是非常低的。通过一些关键指标进行简单的决策树分析后，找出来1000个用户里面最终命中率能达到56.7%，后续经过长期的数据训练应该可以表现得更好。

这是一个机遇和挑战并存的年代，会不时的听到风险即收益这样的说辞。风险并不可怕，但是需要有规避风险的有效解决方法。从宏观层面上,合理有效的方式是选择可靠的合作伙伴去控制风险。

2.风险控制

从聚宝滙分享的应用场景中可以看到其在反欺诈（业务风控）和管理风控方面非常有经验。

早在第三方支付发展过程中，聚宝滙就已经慢慢积累了反欺诈的做法，通过收集用户和支付数据最后形成客户层面和产品层面的反馈。客户层面就是风险控制，对用户进行大量数据分析，看这个人本身是不是个风险用户；产品层面是现在各个互联网金融平台都在提的金融科技，毕马威中国评选出的金融科技50强中都有他们的身影，主要提的还是智能投顾的概念，把产品风控模型、用户风控属性和投资意愿综合起来，最后给用户进行自动智能的理财服务。现在行业内真正能做到这点的还是非常少，主要还是因为监管政策或者整个行业产品并不是那么成型，给用户提供可选的东西并不多，非常智能的分析结果出来最后能投的产品也非常少。

采用BIM建模实现管理风控体系：这个目前是海航集团内部正在推行的，把建筑行业BIM模型引入到集团作为管理手段。BIM模型涉及的是整个集团企业的数据化管理，涉及的数量非常庞大，建模过程中的数据抓取方式也不一样，这对企业IT实施工作是非常有挑战的，像人力资源数据或者是市场营销数据，甚至还需要人工去维护。值得一提的是，目前永洪的产品可以把这些数据汇总在一起，最后形成一个可视化的分析模型。整个BIM在集团内部推行中也在强调，要将模型做到共享、全息、可视化。

3.增值业务

金融领域创新是新的价值流向，其中最受关注之一就是供应链金融。这个领域正在将传统的供应链金融底层进行改造，用区块链底层进行改造。改造有几个方面，第一个是供应链通过区块链的方式把它高效链接起来。第二个是把它的支付进行改造，实现在缺乏信用关系前提下的安全可靠的交易。

中关村大数据联盟的秘书长颜阳老师给出了一个经典案例：海航钱包。把供应链整合起来，因为航空公司上下的供应链是非常复杂的，在这个过程中首先要建立企业的钱包。为什么要建立企业钱包，因为将来要跟多个银行打交道，通过企业的钱包可以进行点对点的支付。在这个支付改造中，其中很重要的一环就是积分，坐飞机有航空旅程积分，这种积分关系是基于个人消费中产生的，如果把积分的价值用于供应链中，那就一定要基于一个集中支付系统，这个集中支付系统实现起来的难点在于——积分消费的逻辑。往往是到了年底有些积分要失效了给一个通知，可以拿着积分换一下这个企业相关产品，有人干脆让它作废了。这样被动接受的方式产生的体验感是很差的。于是很多用户有了这样的需求，能不能利用不同的积分互换？比如说航空公司到了某一个积分可以换机票，有个朋友正好差那么一点积分，其他的朋友能不能换给他？传统方式也是比较难做到的，为什么呢？要跟个人和企业之间兑换有一个汇率标准，这个标准的制定在企业与企业间很难达成一致。为什么要1：1跟对方换？能不能0.9跟对方换？但是两个用户私下是可以讨价还价的，这个过程中可以实现点对点的交易，也可以让用户跨越平台购买其需要的产品，这也是区块链可以做到的。

因为基于企业的积分是定价的，没有定价没法换商品。有一个定价但是不能直接把积分换成人民币，这是违反货币监管的。但是通过定价的中间过程可以跟京东或者淘宝打通，去外部企业平台换东西。这样一个是激发了用户使用这个积分的热情，积分一活跃，会得到很多数据，而且用户体验也非常好了。同理，银行的信用卡中心积分数据更为庞大，是否能够利用积分发挥更大的价值？如何激活用户使用的热情以及与企业间的交叉销售形成新的增值业务将成为银行未来资产的前沿课题。

今年很多银行在通过APP做营销，非常关注流量问题，如果将来以单一流量为标准，而不是说短信多少钱、流量多少钱，而是当流量成为了硬通货，银行与企业间可以建立这样的一个模式，将用户积分换取相关的流量，这个流量拿到了以后用户之间是可以互换的，通过这个方式完全可以形成一个新的资产平台。

金融行业需要什么样的大数据平台？

前面的应用部分都是基于海量数据和复杂应用场景，事实上在金融领域，多个交易中心之间的数据必须要汇齐，在整个金融机构里面有统一风险管理的相关交易汇集，统一的交易平台是机构风险管理的必须的要求。而金融业的监管机构在其监管要求里面，也明确提到了商业银行应该系统收集整合和跟踪各种风险相关数据，并且建立统一的数据平台进行风险控制，确保数据完整性、全面性、标准性以及一致性，为了满足资本计算以及内部充足评估的需要。

另外，金融领域中真正做交易是要建立一套系统去支持业务决策，而不是基于一些明星交易员的个人能力做市场预判，所以业务本身也需要进行持续优化和相关交易的决策过程。前面说到由于应用场景和政策要求需要各金融机构建立强大的大数据处理平台，其实Yonghong Z Suite就提供了金融各业务场景的大数据分析解决方案，比如说自定义字段，可以支持实时计算，支持定时自动刷新，因为金融领域必须支持不同的金融产品，这些金融产品都有不同的特性，所以必须要有一个统一的框架做到这种灵活性。另外它本身有一个非常强大的数据集市可以进行百万级数据秒级响应，因为在整个风险模型里面是有非常大的计算量的，也需要具备这样的计算能力。这些产品特性对金融领域内具体的平台运用有了一个很好的支持。

　　金融行业大数据应用场景示例 发掘高价值用户

这个图是永洪做的一个银行的模型，比如以某个支行或者某个银行用户存款额度和授信额度以及贷款纬度为几个纬度去看，这些散点和大小表示贷款额度的大小，X轴表示信用额度Y轴表示存款金额，那么怎么筛选出高价值用户？永洪的做法非常简单，当鼠标选择这一部分，点击缩放按纽可以看到所有的明细数据和表格都可以做联动，这种应用是敏捷式的体现。做用户画像和数据分析的时候往往针对某一类的用户，比如看到他的特征可以给他设一些标签做筛选，针对这些特征提供给风险部门或者营销部门和业务部门的同事做一些定位推广和营销指导，实时的数据分析和反馈也便于提高企业级风险管控能力。

来源：永洪科技