金融行业拥有丰富的数据，并且数据维度和数据质量也很好，自身的数据就是最好的数据，可以开发出很多应用场景。下面为大家介绍金融行业大数据场景应用分析。

金融行业大数据场景应用分析

如果考虑引入外部数据，可以加快数据价值的变现，市场上较好的数据有社交数据、电商交易数据、移动大数据、运营商数据、工商司法数据、公安数据、教育数据、银联交易数据等。

大数据在金融行业应用范围较广，典型的案例有花旗银行利用IBM沃森电脑为财富管理客户推荐产品，并预测未来计算机推荐理财的市场将超过银行专业理财师。摩根大通银行利用决策树技术，降低了不良贷款率、转化了提前还款客户，一年为摩根大通银行增加了6亿美金的利润。VISA公司利用Hadoop平台将730亿交易处理时间从一个月缩短到13分钟。

1 银行数据应用场景

银行的数据应用场景比较丰富，典型的数据应用场景集中在数据库营销、用户经营、数据风控、产品设计和决策支持等。现阶段，大数据在银行的商业应用还是以其自身交易数据和客户数据为主，外部数据为辅;描述性数据分析为主，预测性数据建模为辅;经营客户为主，经营产品为辅。

可以将银行的数据按类型分为交易数据、客户数据、信用数据、资产数据四大类。大部分数据都集中在数据仓库，都是结构化数据，金融属性较强，可以利用数据挖掘来分析出一些交易数据背后的商业价值。商业银行正在从经营产品转向经营客户，因此目标客户的寻找，正在成为银行数据商业应用的主要方向。其中高端财富管理和理财客户的挖掘，成为吸收存款和理财产品销售的主要应用领域。

1)利用数据库营销，挖掘高端财富客户

从物业费待缴服务中寻找高端理财客户，银行可能帮助一些物业公司进行物业费代缴，其中包含了较多的高档楼盘的代扣代缴，银行可以依据物业费的多少，来识别出高档住宅的业主。例如针对物业费代扣金额超过3千元的客户进行分析，结合其在本行的资产余额，来帮助银行找到一些主要资产不在本行的高端用户，为这些用户提供理财服务和资产管理服务。曾经某家股份制商业银行，利用此方法，两个月新增了十多亿存款。

2)利用银行卡刷卡记录来寻找财富管理人群

中国有120万人口高端财富人群，这些人群平均可支配的金融资产在一千万人民币，是所有银行财富管理重点发展的人群。这些人群具有典型的高端消费习惯，高端消费场场景覆盖奢侈品、游艇、豪车、手表、高尔夫、古玩等。银行可以参考POS机的消费记录定位这些高端财富管理人群，为其提供定制的财富管理方案，吸收其成为财富管理客户，增加存款和理财产品销售。另外移动设备的位置数据也可以帮助银行识别出这些人群。

3)利用外部数据找到白金卡用户

信用卡中的白金卡主要面对高端消费人群，这些人群很难通过线下的方式触达，但是其又是信用卡公司希望获得的高价值用户。银行可以参考客户乘坐头等仓的次数、出境游消费金额、境外数据漫游费用来为其提供白金卡服务，这类经常乘坐头等仓和消费高的客户，其消费额度和信用水平应该可以满足白金信用卡客户的要求。这种消费场景的关联应用是典型的大数据应用方式，也是目前数据库营销和数据风控常用的场景。

2 保险行业数据应用功能场景

保险行业主要通过保险代理人连接保险客户，对客户的基本信息和需求掌握很少，因此极端依赖外部保险代理人和渠道(银行)，在竞争不激烈的情况下，这种连接客户的方式是可以的。但是如果互联网保险兴起之后，用户很可能会被分流到互联网渠道，因为年轻人更加喜欢通过互联网这个渠道来满足自己的需求。未来线上客户将成为保险公司客户来源。

保险行业的产品是一个长周期产品，保险客户再次购买保险产品的转化率很高，经营好老客户是保险公司一项重要任务。保险公司内部的交易系统不多，交易方式不是很复杂，数据主要集中在产品系统和交易系统之中，客户关系管理系统中也包含丰富了信息，但是数据集中在很多保险公司还没有完成，数据仓库建设可能需要在用户画像建设前完成。

保险公司主要数据有人口属性信息，信用信息，产品销售信息，客户家人信息。缺少兴趣爱好、消费特征、社交信息等信息。保险产品主要有寿险，车险，保障，财产险，意外险，养老险，旅游险。

保险行业数据业务场景是围绕保险产品和保险客户进行的，典型的数据应用有利用用户行为数据来制定车险价格(UBI)，利用客户外部行为数据来了解客户需求，向目标用户推荐产品，例如依据自身数据(个人属性)，外部养车App活跃情况，为保险公司找到车险客户;依据自身数据(个人属性)，移动设备位置信息，为保险企业找到商旅人群，推销意外险和保障险。依据自身数据(家人数据)，人生阶段信息，为用户推荐理财保险，寿险，保障保险，养老险，教育险，依据自身数据和外部数据，为高端人士提供财产险和寿险。利用外部数据，提升保险产品的精算水平，提高利润水平和投资收益。

保险公司急需收集整理客户信息，为客户建立人生档案，利用个人的生命周期各个阶段需要，为客户提供保险产品。保险公司也需要同外部渠道进行合作开发出适合不同业务场景的保险产品。例如航班延误险、旅游天气险、手机被盗险等新的险种。目的不是靠这些险种盈利，而是找到潜在客户，为客户提供其他保险产品。另外保险公司应该借助于移动互联网连接客户，利用数据分析来了解客户，降低对外部渠道的依赖，降低保险营销费用，提高直销渠道投入和直销销售比。

3 证券行业数据应用场景

证券行业的主要收入来源于经纪业务、资产管理、投融资服务、自由资金投资。外部数据的分析，特别是行业数据的分析有助于其投融资服务和投资业务。2015年4月13日，一码通实施之后，证券行业面临了互联网证券平台的强力竞争，依据TalkingData发布的金融App排行榜，移动互联网证券App，排名前5位的证券类App，只有一家传统券商华泰证券。排名第一的互联网券商同化顺覆装机量是排名第一传统券商的6倍，前三名的互联券商总体覆盖用户接近6000万用户。用户总数还在不断增加。传统证券行业现在面临的主要挑战是用户交易账户的争夺，证券行业如何增加新用户?如何留住用户?如何提高证券行业用户的活跃?如何提高单个客户的收入?是证券行业主要的业务需求。

证券行业拥有的数据类型有个人属性信息例如用户名称，手机号码，家庭地址，邮件地址等。证券公司还拥有交易用户的资产和交易纪录，同时还拥有用户收益数据，利用这些数据和外部数据，证券公司可以利用数据建立业务场景，筛选目标客户，为用户提供适合的产品，提高单个客户收入。帕累托效应还是适用于证券行业，20%的客户创造了80%的利润。证券行业需要找到高频交易客户、资产较高的客户，理财客户。借助于数据分析，如果客户平均年收益低于5%，交易频率很低，建议其购买证券公司提供的理财产品。如果客户交易很频繁，又收益较高，可以主动推送融资服务。如果客户交易不频繁，但是资金量较大，可以为客户提供投资咨询，激活客户交易兴趣。客户交易的频率，客户的资产规模，客户交易量都是证券公司主要收入来源，对客户交易习惯和行为分析可以帮助证券公司获得更多的收益。另外证券App交易的便捷和用户体验，也是提升用户粘性的重要方面。

证券公司除了利用企业财务数据来判断企业经营情况，还可以利用外部数据来分析企业的经营情况，为投融资以及自身投资业务提供有力支持。例如利用移动App的活跃和覆盖率来判断移动互联网企业经营情况，电商、手游、旅游等行业的App活跃情况完全可以说明企业运营情况。海关数据、物流数据、电力数据、交通数据、社交舆情、邮件服务器容量等数据可以说明企业经营情况，为投资提供重要参考。

“金融行业大数据场景应用分析”就为大家整理到这儿，有帮助到您吗?

相关推荐：

工业大数据应用如何进行“集成应用”

别吹牛，大数据精准广告并不靠谱