中信银行数据分析交流XXXX0527东南融通

数据分析经验分享2011年5月议程安排1.数据分析基本概念2.灵活查询分享3.数据库营销分享4.Q&A数据分析应用的目标数据的分析应用是萃取原始数据转换成决策信息，进而衍生企业智慧的一个过程，数据的价值就体现在深度运用中，如何利用数据为银行创造价值，是大家共同关心的问题，如何借鉴国外先进银行的经验，结合银行的业务发展策略和应用现状推进数据的应用，提高对业务需求的响应速度和质量，是我们面临的重大挑战。主要工作内容有什么？能做什么？希望做什么？1.目前都采集和存储了哪些数据？2.这些数据都分布在何处？3.这些数据中哪些是可用的？哪些是不可用的？4.不可用的数据有什么问题？有什么替代方案？1.日常管理：针对业务发展的规模、变动等按照既定口径和规则进行常规的统计和分析。多以指标和报表形式体现。2.监管需求：根据监管需求（含规则、口径等）加工数据，定期产生报送报表。1.灵活查询：针对突发需求、专项业务专题、异常情况、重要业务规则等实现自定义的分析，及时响应业务需求。2.数据挖掘：通过分析大量历史数据，基于统计学专用技术，发掘规律，提供趋势预测等。数据分析应用=对数据的了解+对业务期望的把握数据现状常规应用深度挖掘业界主要的数据应用模式灵活查询–进行数据探索和查询，回答各种未预先定义的业务问题。具有很强的随机性、开放性、独特性、不确定性。数据挖掘–在灵活分析的基础上，对某些业务问题进行数据属性的提炼和归纳，具有全面性、专用性、周期性等特点，典型应用包括“评分模型”、“违约模型”、”细分模型”等。应用系统–支持复杂业务逻辑的应用系统，具有逻辑整合、交互式、信息整合、面向特定业务主题等特点，典型的包括营销管理、利润贡献度、平衡计分卡等。数据挖掘应用灵活查询报表固定报表–以固定模式回答简单、常规管理、统计类问题，具有确定性、普遍性、综合性等特点。业务需求/分析和应用模式的关系OLAP/固定报表随机查询挖掘模型¾用途：提供日常业务管理统计，辅助发现业务发展趋势。¾场景：客户分布发生变化或者某项业务趋势呈现异常，转而使用其他分析手段，以“客户交易金额和笔数分布发生变化”为例。¾用途：提供解决那些无法预先定义的查询分析需求以及查找问题时的详细钻取。¾场景：“客户交易金额和笔数分布发生变化”的详细分析，比如“哪些客户的哪些交易有了变化，是交易种类、金额、笔数还是交易场所？这些客户的特征是怎样的？他们在我行持有的产品分布如何？”¾用途：数据挖掘通过模式识别与数学模型技术从数据仓库中的大量明细数据中发现隐藏的模式与趋势。¾场景：经过随机分析发现那些属于“交易金额和笔数分布发生变化”的客户群中发现部分客户昀近有销户或者已经很长时间不发生往来的倾向，因此需要利用“客户流失模型”进行评分，结合“客户等级”确定需要进行挽留的客户名单。¾用途：支持综合、复杂业务逻辑的应用，提供前端的用户使用界面。¾场景：设计营销活动进行客户挽留，输入该营销活动的“执行策略、日期、预计成本”以及具体的“沟通计划”和“渠道使用规则”等信息。上述各模式的使用顺序与逻辑仅是示例，依赖于具体的使用场景。应用系统分析人员分工合作各司其职固定报表固定报表是信息共享的主要途径之一，也是昀重要的展现方式。部分常用的，能够提炼出共性的灵活查询可能会转化为固定报表。特点•确定性－信息所涉及的度量和维度是确定的、权威的，一般由归口业务部门对其进行明确定义。•普遍性－信息经常在部门内部乃至全行的信息需求中多次出现；简单、容易理解，对用户要求不高。•跨系统－不依赖单一业务系统，需要全局视图。需要关注的……•信息共享•统计口径•大用户量•主要元素：维度、指标设计、报表设计规范、控制总量、准入准出制度应用系统分析型的应用系统绝不仅仅是固定报表随意的堆砌，应用系统中特意设定的业务逻辑可以帮助用户逐步访问与分析一系列交互式的报表，并在特定的业务主题背景下采取经过优化的行动。特点•逻辑整合—业务逻辑内嵌于此应用以便用户能够按照一定的规则完成其任务。•交互式—相对于事务型应用非常固定的用户界面，分析型应用提供交互式的访问途径。•信息整合—分析型应用是以业务主题为导向的，会使用多个信息来源。建构在数据仓库环境上的分析型应用在多个维度上保证信息的一致性。•业务主题—分析型应用一定是服务某个业务主题定义。例如风险管理、营销管理等。需要关注的……•自建还是购买•架构和部署：BI架构、数据架构、技术架构•主要元素：外观和感受、业务逻辑、报表和分析功能、数据模型、数据映射……灵活查询利用分析工具直接进行任意的数据探索和查询，回答各种未预先定义的业务问题。特点•随机性－随时发生、可以由任何部门发起。•时效性－应对突发需求的相应能力，要求比较高。•开放性－可能是简单统计，或是某种测算，或是某项明细数据查询，也可能是某种复杂逻辑的处理。•独特性－特定的目标，特有的度量、专用的视角和算法。•不确定性－过程不确定、方法不确定、查询路径不确定、分析结果不确定、表现形式也不确定。需要关注的……•业务人员的参与和交互•需求、数据、效率的平衡•提供知识共享的途径和办法（分析模板、用户培训）•依赖条件：数据的了解、业务知识和经验、查询分析工具的运用、沟通、应变能力……数据挖掘从大量数据中揭示出隐含的、先前未知的并有潜在价值的信息的过程，主要基于人工智能、机器学习、模式识别、统计学等技术，做出归纳性的推理，从中挖掘出潜在的模式，帮助决策者调整市场策略，减少风险，做出正确的决策。特点•全面性－挖掘模型使用的数据通常都需要大量详细的历史数据支持，大多需要跨业务领域进行综合的关联分析。•专用性－大多数挖掘模型都是针对某个特定领域的特定问题创建，应用的范围和服务的对象都比较特定。•抽象性－数据挖掘使用的统计技术以及模型的产出结果都具有高度的抽象性。•周期性－挖掘模型的创建是基于建模时的训练和校验数据，一段时间后可能需要根据性能对模型进行回顾和调整。需要关注的……•业务人员的参与：资质、目标、规则•架构：仓内、仓外•产出结果：存储、发布、应用四种应用模式缺一不可•昀常用•数量昀多•用户昀广泛•昀直观•昀专用•响应快•昀多样•跟业务更贴近•昀复杂•要求昀高固定报表灵活查询数据挖掘分析型应用实践表明，应用系统的开发离不开需求的成熟和稳定，只有通过大量的灵活分析和数据挖掘的应用，才能形成成熟稳定的应用需求，反之，应用系统在业务中的大量使用，又会促进分析人员更加深入、有效的分析探索数据。议程安排1.数据分析基本概念2.灵活查询分享3.数据库营销分享4.Q&A灵活查询的用途…应对突发分析分析整理业务需求确认业务规则异常分析业务专题分析利用查询工具，直接访问数据，支持业务部门灵活和紧迫的数据分析、统计报表等需求通过数据分析和探索，确认需求的合理性和可行性，进行整理、提炼，提出改进建议和意见，改善业务需求的质量以提高应用开发的效率和效益。对一些复杂业务指标（如营销费用摊分、交易收入的分配）的计算方法进行试算，为应用开发提供切实可行的建议和计算规则。对出现异常的指标进行深入的分析，挖掘问题的所在，提出解决问题的建议和方法。通过专题分析，形成分析报告，为各级决策人员提供决策辅助信息。如针对某项新产品、新服务推广效果的分析等。灵活查询的不同阶段Phase1－分析报表模板Phase2－简单分析查询工具Phase3－复杂SQLPhase4－其他工具和方案使用常用的统计口径和指标设计报表，满足业务日常管理支持。利用工具通过简单拖拽实现灵活分析，满足一些临时性、探索性需求。对于工具无法实现的复杂查询，需要直接利用SQL语句实现。部分需求需要借用挖掘工具或者软件应用实现。灵活查询的阶段议程安排1.数据分析基本概念2.灵活查询分享3.数据库营销分享4.Q&A数据库营销的定义数据库营销（DatabaseMarketing）是在IT、Internet与Database技术发展上逐渐兴起和成熟起来的一种市场营销推广手段。通过收集和积累消费者大量的信息，经过处理后预测消费者有多大可能去购买某种产品，以及利用这些信息给产品以精确定位，有针对性地制作营销信息达到说服消费者去购买产品地目的。通过数据库的建立和分析，对客户资料有详细全面的了解，可以给予更加个性化的服务支持和营销设计，使“一对一的客户关系管理成为可能。16数据库营销的核心构建基于5W的营销分析框架，提升营销活动的精准性¾将合适的业务—Which¾在合适的时机—When¾通过合适的渠道—Where¾对合适的客户—Who¾采取合适的行动—What营销分析框架选择“合适”，降低营销服务成本，提高营销效率。服务于营销活动策划整个过程。“以客户为中心”的营销理念。合适的客户合适的时机合适的渠道合适的行动合适的业务五项营销要素合适的客户-基于数据挖掘的客户获取•根据客户的属性、行为、需求、偏好以及价值等因素对客户进行分类,并提供有针对性的产品、服务和营销模式的过程客户细分•用尽可能简单的、抽象的方式来描述预测对象,它能说明预测对象与其相关因素之间的相关性•通过预测模型为新产品寻找目标群体预测模型•通过产品购买记录，寻找出产品购买之间的关联性•寻找产品捆绑销售机会•根据产品关联性，为新产品寻找目标群体关联规则按事件主体分类国庆长假：发行7天理财产品公众事件网银上线：赠送Token企业事件事件营销分类-按事件主体分类自然属性事件：生日，交易行为事件：大笔定期存款到期，推荐理财个体事件合适的业务-根据客户的特点，推荐客户需要的产品合适的渠道-选择最合适的渠道，提高渠道效能生产数据网银系统数据手机银行数据客户交易数据开卡时长网站登录次数手机银行操作业务类型数查询业务类型…拨打客服次数客服数据是否贵宾客户Logistic回归网银偏好度模型手机银行偏好度模型电话渠道偏好度模型通过对来自不同数据源数据的析取，提取相关的变量，采用Logistic回归进行模型设计，分别对客户的网银偏好度、手机银行偏好度和电话银行偏好度建立模型，对客户的渠道偏好度进行评分。数据探索变量选取建模和执行模型评估客户刷卡量得到提升，用户使用习惯得到培养开展营销活动，向潜力客户告知线下活动信息合适的行动–根据响应模型选择赠送策略通过客户行为分析定位消费有潜力客户通过响应模型判别是赠送积分还是礼品∆预测目标消费∆消费前三月实际消费通过客户行为分析模型定位潜力客户通过响应模型判断是赠送积分还是礼品。1234基于分析和细分模型产生名单的目标营销基于模型和事件产生名单的事件式营销多渠道多步骤的呼入式营销基于客户互动的实时性智能营销市场营销的发展趋势在过去10年中，CRM发生了快速变革，我们正处于一个对顾客互动环节进行实时智能管理的新时代。¾新的营销方式并不取代旧的营销方式；¾多种营销方式并存，使营销活动效果更好；产品驱动客户需求驱动低响应率高响应率RSMRotterdamSchoolofManagementErasmusGraduateSchoolofBusiness*CRM-ItsPaybacktime,MarcTeerlink&RebeccaBucnis,2001•大众营销(MassMarketing)0.2--3.1%•目标/细分营销(TargetMarketing)2.0--4.9%•交互式营销(InteractiveMarketing)8.2--14.6%•事件式营销(Event-DrivenMarketing)18--34%•多渠道/多步骤事件式营销21--62%(CombinedCampaign&Eventdriven)营销方式与客户响应成功率目前面临的困难取数难流程固化难渠道协同难取数过于复杂协调取数周期太长人力成本浪费沟通成本过高怎么整合多个渠道怎么防止过渡打扰怎么共享营销数据如何实现全流程支撑如何实现作业自动化如何衡量与评估营销体系的组成部分26•从组织架构层面说明在一个完整的营销流程中都需要哪些组成部分，每个部分分别肩负什么职能。•组织内部需要什么角色的人员，这些人员应该接受什么培训，具备什么技能？组织架构•完整的营销流程包括哪些步骤，每步的工作目标和内容是什么？