在过去的几年中银行 数据分析，“大数据(Big Data)”的概念引起了各行各业的关注，并且在某些行业正引领行业变革。作为具有高质量数据天然优势的银行业，大数据分析的重要性已是行业共识。关于银行数据如何使用和创造价值的讨论也是层出不穷，但是具体到落地业务又会另当别论，目前仍然是很难确切的回答大数据能做什么来提高银行业务价值。而对于银行来说，进行大数据分析也意味做高成本投入，由于不清楚该在哪些具体业务上投资金钱和时间进行大数据分析，也使在很多银行在开展大数据分析项目上踌躇不前。

接下来的几期文章中，我们结合团队同事之前在银行业做大数据分析的相关经验，总结了大数据分析在银行业落地的五大业务：精准营销，风险管控，运营优化，内部管理，差异化定价，以及整理它们在银行部署使用的一些真实案例。

在探讨具体业务之前，我们先熟悉一下银行的数据，银行数据逻辑详情如图一所示：

图一：银行数据逻辑

精准营销

银行业在移动互联网时代面对的一个巨大挑战就是其客户在消费需求和消费行为上转变。首先，在消费需求上，银行客户的需求出现细化，单一品种的金融产品很难满足不同用户的需求。另外，在消费行为上，银行已经很难通过面对面的传统方式来接触到消费者(特别是年轻消费者)及了解客户的需求并推销产品。因此，银行业迫切需要基于大数据驱动的精准营销，帮助银行寻找目标客户以及为客户推荐合适的产品，从而达到减少用户打扰和营销成本并提高营销转化率的目的。

1. 精准营销系统流程

精准营销的本质就是给合适的用户推荐合适的产品。对于银行不同业务的具体需求，精准营销所选取的数据源，算法，营销方式(辅助营销，自动化营销或其它)会有所差别。但从大的方向来看，一个通用的精准营销系统流程如图二所示。它通过融合用户画像，产品画像，用户-产品的历史交易记录等等信息并通过机器学习方法而最终得到用户偏好不同产品的概率值。

简单地讲，用户画像是指通过对用户打一系列标签来准确描述用户。例如，我们可以通过年龄，性别，职业，婚姻状态，收入情况等等的基本属性标签来描述用户。另外，根据具体业务需求，我们也可以从数据中挖掘去与业务强相关的深层次的标签，例如用户类型，爱好，兴趣等等，从而给用户打上例如稳健型投资者，风险型投资者，科技产品发烧友，摄影爱好车，汽车爱好者，境外游爱好者等等标签。产品画像与用户画像类似，即通过一些标签来描述产品。把用户画像，产品画像以及用户与产品的历史交易记录作为机器学习模型的输入，最终我们会得到用户对每个产品的偏好，基于用户对产品的偏好，我们就可以实现精准营销。

图二 精准营销系统流程

2. 精准营销落地案例

1) 招行短信营销理财产品

招行理财产品销售的短信广告，以前推送很多，很多用户觉得骚扰比较严重。在对数据进行分析以后，系统有选择地根据相关理财产品的特征匹配用户的财务状况及理财产品的持有情况进行推荐，使得短信发送数量大幅下降银行 数据分析，但命中率大幅提高。据招行测算，以某重要分行的客户为样本，只要发送原来数量19.6%的短信，就可以覆盖95%最终购买的客户。

2) 广发银行金融超市理财产品精准营销

为

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！