大数据项目在银行业的应用20

大数据项目在银行业的应用第2页大数据项目启动思路1目录首先要了解自己的企业，或者自己所在的行业的核心是什么？作为各类企业尤其是客户方的企业来说，大数据跟他们有什么关系，或者说作为企业方怎样去参与，这是企业方现在面临的最大问题。大数据项目启动思路大数据项目启动思路在建立数据的过程中，企业需要从什么方向去探索，也不是漫无目的的。在大数据尤其是互联网时代还有一个最重要的点，就是失效预警。即你发现一个规律，在现实中应用了，但是你一定要设立一些预警指标。大数据项目启动思路第6页大数据项目建设要点2目录大数据项目建设要点1、关注集群属性，推进“区域化”营销将同样生活、工作圈内的客户作为一个“集群”，这些客户往往具有某些相同的属性，分析这些集群客户的规律与偏好，针对不同集群的特征进行差异化营销。具体的操作方式包含如下四个步骤：1合理划分区域2区域客户画像3行为偏好分析4遴选营销活动发现数据中存在的关系和规则，挖掘数据背后隐藏的知识，预测未来的发展趋势。这是大数据应用的最终目的和方向，也是能够为企业带来实际效益的手段。对于银行而言，预测客户的信用风险与流失风险无疑是最重要的工作之一。这项工作的开展需要经历如下几个步骤：大数据项目建设要点2、整合运营信息，跟踪客户“健康度”量化评估指标构建诊断模型指导日常工作大数据项目建设要点量化评估指标构建诊断模型指导日常工作1、业务信息类2、消费信息类3、捆绑业务类4、客户维系类大数据项目建设要点量化评估指标构建诊断模型指导日常工作1、主成分分析法通过主成分的载荷矩阵和主成份的贡献率确定指标权重。2、层次分析法通过对非定量事件的定量对比分析，制定出一套较为可行的确定权重或直接比较的方法。大数据项目建设要点量化评估指标构建诊断模型指导日常工作1、通过模型进行客户的健康度评估2、通过对于不同行动的客户响应率与挽留率对于活动的有效性进行评估运用以往未被关注的内部数据检测管理运营效率与服务承诺落实情况。将评估内容扩展，结合内部数据，则有助于获得更有针对性地结果。3、应用内部数据，做好“承诺”管控大数据项目建设要点第13页大数据分析的解决方案3目录1.大数据分析相关系统大数据分析的解决方案目前广泛使用的开源海量数据处理系统大都以Hadoop作为数据存储和并行处理的基础框架——HDFS提供海量数据存储平台，MR框架提供海量数据并行计算模型。Hive和Pig都是在Hadoop之上提供了类SQL语言的解决方案，这大大减少了并行处理程序开发的难度，使用户不必具备较强的程序编写能力，进而更多地关注业务逻辑。以上海量数据处理系统在高可用性、高容错、扩展性方面都提供了很好的支持。2.大数据分析的经典案例大数据分析的解决方案3、大数据在银行业的应用场景大数据分析的解决方案大数据分析的解决方案3、大数据在银行业的应用场景风险管理营销管理客户管理4、大数据背景下银行业的发展趋势及面临的挑战1)未来银行业的发展趋势大数据分析的解决方案2)银行业在大数据背景下面临的挑战大数据分析的解决方案4、大数据背景下银行业的发展趋势及面临的挑战结束