最近在了解大数据在各行各业中的应用开发，以及产生的商业价值，文章对金融行业的分析，贴出来欢迎大家指正。

大数据技术在金融行业中应用主要以银行、证券、保险等金融细分领域为主。

银行

银行大数据应用可以分为以下四大方面：

1.客户画像

基于自身数据有时难以得出理想的客户画像，银行会考虑整合外部更多的数据，以扩展对客户的了解。包括：

（1）社交媒体上的行为数据；

（2）电商网站的交易数据；

（3）企业客户的产业链上下游数据；

（4）客户兴趣偏好类数据，如DMP数据平台的互联网用户行为数据等。

简言之，银行通过打通内部数据和外部社会化数据，以获得更为完整的客户拼图，从而实现更为精准的营销和管理。

2.精准营销

（1）实时营销根据客户的实时状态来进行营销，如针对客户实时所在地、工作情况、婚姻状况、置居、客户近期消费等信息进行营销；

（2）交叉营销如银行根据客户交易记录分析，有效地识别小微企业客户，以远程银行来实施交叉销售；

（3）个性化推荐根据客户喜好进行个性化推荐，如根据客户的年龄、资产规模、理财偏好等，进行精准定位，分析其潜在金融服务需求，针对性进行营销推广；

（4）客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，从而大幅降低客户流失率。

3.风险管控

（1）中小企业贷款风险评估通过企业生产、流通、销售、财务等相关信息，实时数据挖掘，进行贷款风险分析，量化企业的信用额度，从而有效地开展中小企业贷款；

（2）实时欺诈交易识别和反洗钱分析银行利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，通过实时数据平台，建立起智能规则引擎进行实时交易反欺诈分析。

4.运营优化

（1）市场和渠道分析优化实时数据平台可实时监控不同市场推广渠道的质量，从而进行合作渠道的调整和优化；

（2）产品和服务优化平台将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户习惯，实时化、智能化分析和预测客户需求，针对性进行产品创新和服务优化；（3）舆情分析实时抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，进行正负面判断，及时发现和处理问题。

保险行业

总体上，保险行业大数据应用可分为三大方面：实时营销、欺诈行为分析和精细化运营。

1.实时营销

（1）客户细分和差异化服务除了风险偏好等数据外，还会结合职业、爱好、习惯、家庭结构、消费偏好等数据，实时采集数据进行细分，完成产品和服务策略实时推荐；

（2）潜客挖掘及流失用户预测通过实时数据平台整合客户线上和线下相关行为，对潜客进行实时分类，细化销售重点，综合筛选出影响客户退保或续期的关键因素，对客户的退保概率或续期概率进行估计，找出高风险流失客户，实时预警干预，提高保单续保率；

（3）客户关联销售以淘宝运费退货险为例，据统计，淘宝用户运费险索赔率在50%以上，该项产品对保险公司带来的利润只有5%左右，但保险公司很愿意提供此项保险。因为运费险包含个人基本信息，手机号、银行账户信息等，保险公司还能够掌握客户购买的产品信息，从而实现精准推送；

（4）客户精准营销通过实时数据平台收集互联网用户相关数据，如地域分布等属性数据，搜索关键词等即时数据，购物行为、浏览行为等行为数据，以及兴趣爱好、人脉关系等社交数据，在广告推送中实现地域定向、需求定向、偏好定向、关系定向等定向方式，实现精准营销。

2.欺诈行为分析

（1）医疗保险实时数据平台通过数据追溯，找出影响保险欺诈最为显著的因素，以及这些因素的取值区间，建立起预测模型，通过自动化分析功能，快速将理赔案件依照滥用欺诈可能性进行分类处理；

（2）车险欺诈分析通过此前建立的预测模型，将理赔申请分级处理，高效解决车险欺诈问题，以及车险理赔申请欺诈侦测、业务员及修车厂勾结欺诈侦测等。

3.精细化运营

（1）产品优化通过自有数据以及客户社交网络数据，解决保险公司现有的风险控制问题，获得更准确以及更高利润率的保单模型，为客户制定个性化保单和解决方案；

（2）运营分析基于企业内外部运营、管理和交互数据分析，flashflow 可以全方位统计和预测企业经营和管理绩效，基于保险保单和客户交互数据进行建模，快速分析和预测市场风险、操作风险等；

（3）代理人甄选平台可根据代理人员业绩数据、性别、年龄、入司前工作年限、其它保险公司经验和代理人人员思维性向测试等，优选高潜力销售人员。

证券行业

券商对于大数据的研究与应用正处于起步阶段，目前国内外证券行业的大数据应用如下所示：

1.股价预测

国外某大学研究组追踪了三家知名企业在社交媒体上的受欢迎程度，比较它们的股价后发现，Facebook上的粉丝数、Twitter 上的听众数和 Youtude 上的观看人数均与股价密切相关。另外，根据品牌的受欢迎程度，预测股价在10天、30天之后的上涨情况。

2.客户关系管理

（1）客户细分通过平台实时分析客户的账户状态、账户价值、交易习惯、投资偏好，以及投资收益，来进行客户聚类和细分，找出最有价值和盈利潜客群, 进行配置资源和政策优化；

（2）流失客户预测券商可根据客户历史交易行为和流失情况，通过平台来建模从而预测客户流失概率。

3.智能投资顾问

智能投资顾问业务提供线上投资顾问服务，其基于客户的风险偏好、交易行为等个性化数据，依靠大数据量化模型，为客户提供低门槛、低费率的个性化财富管理方案。

4.投资景气指数

实时数据平台深入挖掘分析海量个人投资者真实投资交易信息，掌握交易行为变化、投资信心状态与发展趋势、对市场预期以及当前风险偏好等信息。