数据驱动金融服务

打通全部金融产品,贯穿用户全生命周期,构建数据应用闭环,实时数据驱动客户经营

Banner image
数据驱动金融服务
打通全部金融产品,贯穿用户全生命周期,构建数据应用闭环,实时数据驱动客户经营
服务一体化
统一资源,统一数据加工,统一数据标签;统一数据视角;统一平台;统一渠道;统一客户,打造以业务应用和客户运营为核心的大数据服务平台。
数据闭环
从业务场景入手,完成对客户全服务流程的数据探测,形成数据闭环,洞察目标客户需求,分析目标客户行为,计量客户价值,预测客户资产趋势……
极速响应
大数据决策平台作为应用平台与数据平台的连通器,交易的响应速度和策略的实时调整/发布,是评价大数据决策平台能力的重要指标。
服务连续性
与业务场景相匹配,时刻在线,即时响应,即刻服务;全配置化管理,数据对接、策略管理、数据加工在线完成;灰度发布、冠军挑战,策略实验平滑上线……
Image module
一体服务、数据闭环、极速响应、不

间断服务

建立以业务驱动的数据服务中台

以业务应用和客户运营为核心的数据服务平台
大数据平台应用体系如何助力银行业务经营?
  • 统一资源,统一数据加工,统一数据标签,解决数据分散,数据割裂,数据重复建设的问题,解决“数据管理和数据质量”的问题;
  • 统一数据视角,构建客群分析,客户洞察,用户行为分析,产品渠道分析等多维度,多标签体系的数据分析服务,明确业务场景,解决业务经营中“服务客群”的问题;
  • 统一平台,打造一套数据平台核心:数据分析引擎,规则策略引擎,数据指标引擎,批次计算引擎,实现资源自动调度和计算,提供面向全渠道的策略输出,解决 “服务方式”的问题;
  • 统一渠道,构建分场景的数据应用,根据执行渠道的特征和优势,采取差异化的场景服务落地,对执行进度和结果进行实时监测反馈,定期对策略模型进行试验设计和结果匡正,解决“用户服务体验”的问题;
  • 统一客户,打通信贷客户,借记客户,投资理财客户,对金融产品营销,个性化推送,风险管控实现客户的全生命周期覆盖,解决“用户服务周期”的问题。
营销、风控、服务……,预测与优化

构建业务应用的数据闭环

基于场景,洞察目标客户需求、行为、价值……
如何建立大数据闭环?
  • 业务运营策略设计,基于业务应用场景和目标客户,制定营销活动策略,设置风险策略,进行多指标的实验设计;
  • 执行管控,在客户端到端的业务应用流程中,完成对过程的关键节点的监控,跟踪客户的响应和活动效果反馈;
  • 分析反馈,基于客户过程反馈和响应数据,进行实验设计和策略匡正,对策略模型进行优化训练和效果改进;
Image module
Image module
营销、风控、服务……,预测与优化

构建业务应用的数据闭环

基于场景,洞察目标客户需求、行为、价值……
如何建立大数据闭环?
  • 业务运营策略设计,基于业务应用场景和目标客户,制定营销活动策略,设置风险策略,进行多指标的实验设计;
  • 执行管控,在客户端到端的业务应用流程中,完成对过程的关键节点的监控,跟踪客户的响应和活动效果反馈;
  • 分析反馈,基于客户过程反馈和响应数据,进行实验设计和策略匡正,对策略模型进行优化训练和效果改进;
Image module
实时决策、实时分析、实时画像、实

时训练

以事件触发的实时数据应用

交易、活动、预制活动等“事件”触发实时决策
大数据应用的实时性体现在哪里?
  • 实时决策:基于交易事件数据的事中交易风险决策及交易阻断,基于用户交易行为的个性化实时营销。在金融应用场景中实现十几毫秒内的复杂风险规则决策以及营销策略触达,使得数据真正的在业务核心系统中发挥强大的威力,实现数据的实时应用;
  • 实时分析:基于事件的流式计算,为数据运营提供实时的行为分析,价值分析和业务核心指标监控,对业务提供即时的数据运营体验;
  • 实时画像:对客户的实时数据进行特征分析,特征指标计算,形成用户的实时画像,跟踪用户的实时偏好,为客户运营提供最新的实时数据;
  • 实时训练:对活动响应,事件结果的事件数据进行微批次的训练反馈,解决数据模型的更新不及时的问题,实现数据模型的即时更新和匡正。
营销、风控、服务……,预测与优化

基于客户全生命周期的画像分析

产品、渠道、客户,精细运营,数据激发价值潜力
数据在客户经营方面有哪些作用?
  • 服务于机构全产品,全渠道客户,打破产品及渠道壁垒;
  • 从客户的行为和价值角度对客户进行客群划分,针对客群和产品特征进行客群洞察,指导业务优化运营策略;
  • 对客户生命周期的跟踪管理、运营活动监控管理,可以有效降低过渡营销或客户关怀缺失等降低客户满意度的经营策略风险;
  • 从初始期、提升期、成熟期、衰退期、流失期等不同生命周期阶段,对客户进行全景洞察,指导业务采取有效措施获客、留客,持续激发客群活力。
Image module
Image module
营销、风控、服务……,预测与优化

基于客户全生命周期的画像分析

产品、渠道、客户,精细运营,数据激发价值潜力
数据在客户经营方面有哪些作用?
  • 服务于机构全产品,全渠道客户,打破产品及渠道壁垒;
  • 从客户的行为和价值角度对客户进行客群划分,针对客群和产品特征进行客群洞察,指导业务优化运营策略;
  • 对客户生命周期的跟踪管理、运营活动监控管理,可以有效降低过渡营销或客户关怀缺失等降低客户满意度的经营策略风险;
  • 从初始期、提升期、成熟期、衰退期、流失期等不同生命周期阶段,对客户进行全景洞察,指导业务采取有效措施获客、留客,持续激发客群活力。
Image module
实时、连续、高可用、易扩展

数据应用的转变

数据应用要高度符合与业务场景的要求
金融大数据应用的关键要求?
  • 7×24服务:满足金融业务连续性要求,时刻在线,即时响应,即刻服务;
  • 高并发快速响应:与零售业务特点匹配,小额高频、快速交易,对大数据应用的实时性提出新要求;
  • 主动服务:站在银行零售业务角度,如何主动获取客户的即时需求,并以客户偏爱的方式引导客户获得最佳的服务,是以往被动式数据应用所不具备的,也是未来大数据应用在金融业务领域提供支撑的重要要求之一;
  • 管家模式:从客户角度,用科学的方法,客观分析、跟踪自身需求,帮助客户动态的获取产品和服务信息,是金融业务发展的关键环节。至此,通过大数据应用体系的构建,形成可对零售业务形成有效支撑的数据服务闭环;
  • 市场手段:零售业务正在从产品服务向场景服务转变,与之相对应的数据对市场的支撑,则更加复杂多变。如何将适当的服务在适当的场景下送达给客户?如何提供给客户沉浸式服务体验?大数据在金融行业的应用需要不断的探索和学习。
数据、能力、应用

数据系统:综合数据应用能力的体现

数据平台由众多数据应用服务组成
从数据应用到数据系统的多方位融合:
数据系统不是一个孤立的系统,也不是针对某一个应用场景搭建的应用系统,而是围绕着数据系统衍生出来的多种多样的数据应用服务。例如:基于交易行为的个性化营销、基于用户访问行为的个性化推荐、基于特定产品的定向推送,用户风险评估、用户授信额度评分、用户信用风险侦测、个性化催收决策等。数据应用已经不再是以独立的场景出现,更多是多场景、多应用的融合,如:营销场景中带有风险识别、策略规则中带有模型算法、人工智能/机器学习与数据系统的集成、联机事务(OLTP)的交易实现即时的联机分析(OLAP)……。数据交叉应用和多场景的功能融合,是数据系统建设的根本。
Image module
Image module
数据、能力、应用

数据系统:综合数据应用能力的体现

数据平台由众多数据应用服务组成
从数据应用到数据系统的多方位融合:
数据系统不是一个孤立的系统,也不是针对某一个应用场景搭建的应用系统,而是围绕着数据系统衍生出来的多种多样的数据应用服务。例如:基于交易行为的个性化营销、基于用户访问行为的个性化推荐、基于特定产品的定向推送,用户风险评估、用户授信额度评分、用户信用风险侦测、个性化催收决策等。数据应用已经不再是以独立的场景出现,更多是多场景、多应用的融合,如:营销场景中带有风险识别、策略规则中带有模型算法、人工智能/机器学习与数据系统的集成、联机事务(OLTP)的交易实现即时的联机分析(OLAP)……。数据交叉应用和多场景的功能融合,是数据系统建设的根本。
Image module
围绕核心,持续优化

金融数据应用的持续升级

金融大数据应用的发展方向
金融大数据应用持续升级:
  • 整合:多渠道服务信息、跨业务数据、外部数据源、多元化客户画像及产品标签,持续整合;
  • 精准:针对不同客群,提供精准服务。千人千面,个性化信息推送,及时客户偏好,交叉推荐,个性化营销;
  • 实时:营销即时推送,服务实时响应,事中交易风险阻断,决策快速触发,减少批量数据处理;
  • 智能:结合人工智能技术,提升主动服务能力。主动服务,个性化关怀,自主学习,深度学习,策略自动化建议。
5大核心引擎构建金融大数据应用体系:
  • 实时流程决策引擎:基于事件触发的实时策略;
  • 数据服务引擎:数据整合,实时数据洞察;
  • 指标计算引擎:实时指标计算,汇总主题数据计算;
  • 数据分析引擎:反馈分析,客群分析,标签计算;
  • 离线计算引擎:模型训练,数据处理;