大數(shù)據(jù)技術(shù)在銀行業(yè)中的應(yīng)用分析

沈帥奇/Shen Shuaiqi

（香港理工大學(xué) 香港999077）

1 銀行業(yè)呼喚大數(shù)據(jù)技術(shù)

隨著信息技術(shù)的飛速發(fā)展，數(shù)據(jù)正在迅速膨脹并呈現(xiàn)出幾何級(jí)數(shù)的增長(zhǎng)，大數(shù)據(jù)時(shí)代已經(jīng)來(lái)到了每個(gè)人的身邊。大數(shù)據(jù)的特點(diǎn)可以用所謂的“4V”概括：Volume，數(shù)據(jù)規(guī)模龐大，增長(zhǎng)速度快；Variety，數(shù)據(jù)類型多樣，大部分是非結(jié)構(gòu)化數(shù)據(jù)，構(gòu)成復(fù)雜；Value，數(shù)據(jù)中的信息價(jià)值巨大卻隱藏較深，需要復(fù)雜的算法提??；Velocity，對(duì)數(shù)據(jù)處理要求速度快、時(shí)效性強(qiáng)，并進(jìn)行實(shí)時(shí)反饋。大數(shù)據(jù)技術(shù)分析處理海量的數(shù)據(jù)，并從中提取有價(jià)值的信息，大數(shù)據(jù)技術(shù)的應(yīng)用正在為各行各業(yè)帶來(lái)創(chuàng)新與變革，而其中最重要的應(yīng)用領(lǐng)域便是銀行業(yè)。

銀行業(yè)是天生擁有數(shù)據(jù)資源的行業(yè)，同時(shí)也是數(shù)據(jù)驅(qū)動(dòng)的行業(yè)。其業(yè)務(wù)從儲(chǔ)蓄、信用卡、信貸，到各種金融理財(cái)產(chǎn)品，都會(huì)產(chǎn)生和積累大量數(shù)據(jù)，反過來(lái)這些業(yè)務(wù)的經(jīng)營(yíng)發(fā)展也離不開數(shù)據(jù)分析的支撐。例如，為了提高服務(wù)質(zhì)量，降低貸款風(fēng)險(xiǎn)，提升投資收益，銀行需要對(duì)客戶的各項(xiàng)業(yè)務(wù)數(shù)據(jù)進(jìn)行長(zhǎng)期存儲(chǔ)、整合和分析，從而對(duì)客戶產(chǎn)生更全面的了解，例如信用評(píng)級(jí)、消費(fèi)傾向等。

長(zhǎng)期以來(lái)，銀行在傳統(tǒng)數(shù)據(jù)庫(kù)上對(duì)結(jié)構(gòu)化數(shù)據(jù)的處理技術(shù)（例如SQL分析）已經(jīng)趨于完善。然而，傳統(tǒng)數(shù)據(jù)庫(kù)的信息量并不豐富，也不完整。例如，銀行存儲(chǔ)有客戶的基本身份信息，但對(duì)于客戶的興趣愛好、生活習(xí)慣、行業(yè)領(lǐng)域、家庭狀況等其他信息卻難以準(zhǔn)確掌握。而對(duì)于非結(jié)構(gòu)化的數(shù)據(jù)，例如客戶網(wǎng)頁(yè)瀏覽行為、資金往來(lái)、話音服務(wù)記錄等，傳統(tǒng)的數(shù)據(jù)庫(kù)架構(gòu)難以進(jìn)行處理，更無(wú)法結(jié)合多維度信息進(jìn)行綜合分析。尤其值得關(guān)注的是，隨著銀行用戶數(shù)量的增加、業(yè)務(wù)和產(chǎn)品的擴(kuò)張以及近年來(lái)互聯(lián)網(wǎng)金融的興起，銀行的數(shù)據(jù)產(chǎn)生量也呈現(xiàn)爆發(fā)式增長(zhǎng)，使數(shù)據(jù)分析的規(guī)模和復(fù)雜度都超過了傳統(tǒng)數(shù)據(jù)庫(kù)的處理能力。數(shù)據(jù)處理與計(jì)算因龐大的數(shù)據(jù)量而難以及時(shí)完成，一些模型甚至由于過于復(fù)雜而無(wú)法在傳統(tǒng)數(shù)據(jù)庫(kù)上應(yīng)用。正因如此，大數(shù)據(jù)技術(shù)在銀行業(yè)受到了空前的重視。

大數(shù)據(jù)技術(shù)對(duì)于銀行業(yè)最重要的作用在于兩個(gè)方面：一方面在于能夠?yàn)槠涮幚砣找嬖黾拥暮Ａ繑?shù)據(jù)，用大數(shù)據(jù)平臺(tái)替代結(jié)構(gòu)化關(guān)系數(shù)據(jù)庫(kù)，解決傳統(tǒng)數(shù)據(jù)技術(shù)面臨的困境；另一方面，銀行需要通過種種算法模型，從數(shù)據(jù)中挖掘出更多價(jià)值，為銀行的業(yè)務(wù)發(fā)展帶來(lái)進(jìn)一步的提升。

2 銀行業(yè)大數(shù)據(jù)的技術(shù)架構(gòu)

銀行業(yè)的大數(shù)據(jù)應(yīng)用，每家有不一樣的側(cè)重點(diǎn)和目的，因而有著多種多樣的實(shí)現(xiàn)途徑、技術(shù)路線和具體方案，但大多不外乎以下兩大類。

建立大數(shù)據(jù)的數(shù)據(jù)倉(cāng)庫(kù)：利用大數(shù)據(jù)平臺(tái)強(qiáng)大的處理能力處理原有的數(shù)據(jù)分析業(yè)務(wù)，對(duì)大量報(bào)表的關(guān)聯(lián)和聚合進(jìn)行分析。

對(duì)數(shù)據(jù)的進(jìn)一步挖掘：使用數(shù)據(jù)挖掘算法開發(fā)一些新的應(yīng)用，從數(shù)據(jù)中獲取更多價(jià)值，為客戶提供更優(yōu)質(zhì)、更具個(gè)性化的服務(wù)。

2.1 大數(shù)據(jù)倉(cāng)庫(kù)

主要目標(biāo)是對(duì)過于集中的數(shù)據(jù)庫(kù)進(jìn)行分布式改造，建立大數(shù)據(jù)的存儲(chǔ)和備份數(shù)據(jù)池，大力提高存儲(chǔ)、處理海量非結(jié)構(gòu)化數(shù)據(jù)的能力。數(shù)據(jù)管理和應(yīng)用如圖1所示，數(shù)據(jù)存儲(chǔ)和備份如圖2所示。分布式數(shù)據(jù)庫(kù)有如下技術(shù)架構(gòu)。

●通過數(shù)據(jù)分布實(shí)現(xiàn)海量數(shù)據(jù)處理能力，把這些數(shù)據(jù)打散到不同的節(jié)點(diǎn)，來(lái)實(shí)現(xiàn)橫向擴(kuò)展以及處理能力的提高。

●數(shù)據(jù)匯集機(jī)制支持本銀行全國(guó)集中管理模式，通過網(wǎng)絡(luò)和云計(jì)算平臺(tái)，把數(shù)據(jù)匯集到總行集中管理模式的應(yīng)用上。

●通過將數(shù)據(jù)復(fù)制至備份節(jié)點(diǎn)實(shí)現(xiàn)高可靠性，節(jié)點(diǎn)與節(jié)點(diǎn)之間也有數(shù)據(jù)復(fù)制的機(jī)制，來(lái)實(shí)現(xiàn)數(shù)據(jù)出現(xiàn)異常情況下的快速恢復(fù)。

●基于硬件的可靠消息總線，每秒能有50～60萬(wàn)消息的處理能力，可以通過增加硬件的設(shè)備來(lái)提高它的處理能力。

●隨著用戶規(guī)模增長(zhǎng)的需要，系統(tǒng)處理能力可以無(wú)限橫向擴(kuò)展，理想效果達(dá)到可以不斷地通過新增加的資源，包括數(shù)據(jù)中心的資源，來(lái)滿足業(yè)務(wù)發(fā)展的需要。

●硬件方面：使用大量標(biāo)準(zhǔn)化的硬件，如機(jī)房機(jī)柜采用的標(biāo)準(zhǔn)x86服務(wù)器，目前運(yùn)行在其上的數(shù)據(jù)庫(kù)（TD-SQL）可實(shí)現(xiàn)數(shù)十萬(wàn)級(jí)IOPS的讀寫能力。

● 軟件方面：采用了大量開源軟件，如Java、MySQL、Linux等，同時(shí)使用包括LVS、TGW、TLinux、TD-SQL、TDW等有實(shí)際運(yùn)營(yíng)經(jīng)驗(yàn)的開源軟件。

2.2 銀行非結(jié)構(gòu)化數(shù)據(jù)管理架構(gòu)

IDC研究表明，金融行業(yè)未來(lái)80%的數(shù)據(jù)主要呈現(xiàn)為影像、照片、音頻、視頻等非結(jié)構(gòu)化數(shù)據(jù)。2010～2020年，非結(jié)構(gòu)化數(shù)據(jù)將以44倍的發(fā)展速度迅猛增長(zhǎng)。同時(shí)，非結(jié)構(gòu)化數(shù)據(jù)對(duì)傳統(tǒng)針對(duì)結(jié)構(gòu)化數(shù)據(jù)的現(xiàn)有處理系統(tǒng)也提出了嚴(yán)峻挑戰(zhàn)。如何有效地保存和處理這些海量非結(jié)構(gòu)化數(shù)據(jù)？其管理架構(gòu)應(yīng)主要具備以下4個(gè)功能板塊。

（1）分級(jí)存儲(chǔ)功能

根據(jù)票據(jù)影像文件生成時(shí)間與訪問頻度，合理利用在線、近線、離線存儲(chǔ)介質(zhì)，減少生產(chǎn)存儲(chǔ)容量。

（2）自動(dòng)歸檔功能

根據(jù)歸檔策略，將訪問頻度低的文件通過“打包歸檔”方式實(shí)現(xiàn)數(shù)據(jù)保護(hù)，滿足監(jiān)管要求。

（3）自動(dòng)備份功能

實(shí)現(xiàn)“海量小文件”的高速備份，在系統(tǒng)故障和個(gè)別文件損毀的情況下，能有效管理數(shù)億的文件，并能夠?qū)崿F(xiàn)數(shù)據(jù)的快速恢復(fù)。

（4）透明訪問功能

當(dāng)應(yīng)用系統(tǒng)訪問已經(jīng)歸檔的文件時(shí)，方案可以自動(dòng)將歸檔數(shù)據(jù)從近線存儲(chǔ)中回調(diào)至生產(chǎn)存儲(chǔ)，保證應(yīng)用在等待若干秒后能夠訪問到所需數(shù)據(jù)，無(wú)需人工干預(yù)，操作人員無(wú)感知。

2.3 大數(shù)據(jù)挖掘的平臺(tái)系統(tǒng)

（1）主流技術(shù)之一：甲骨文（Oracle）大數(shù)據(jù)系統(tǒng)

甲骨文將大數(shù)據(jù)平臺(tái)的行為概括為數(shù)據(jù)獲取、數(shù)據(jù)組織和數(shù)據(jù)分析，并為這3個(gè)階段開發(fā)了不同的產(chǎn)品，而這些產(chǎn)品又與其推出的“大數(shù)據(jù)機(jī)”完全集成到一起。隨著甲骨文大數(shù)據(jù)機(jī)的推出，甲骨文成為了以全面、軟/硬件集成的產(chǎn)品滿足企業(yè)關(guān)鍵大數(shù)據(jù)需求的公司。

甲骨文完整的大數(shù)據(jù)平臺(tái)包括Oracle NoSQL數(shù)據(jù)庫(kù)、甲骨文大數(shù)據(jù)連接器、大數(shù)據(jù)一體機(jī)、數(shù)據(jù)庫(kù)云服務(wù)器、商務(wù)智能云服務(wù)器等產(chǎn)品。其中，Oracle NoSQL數(shù)據(jù)庫(kù)支持水平擴(kuò)展、彈性配置、透明負(fù)載平衡等特性，Oracle大數(shù)據(jù)連接器實(shí)現(xiàn)Hadoop與Oracle數(shù)據(jù)庫(kù)和Oracle數(shù)據(jù)庫(kù)云服務(wù)器的優(yōu)化集成，大數(shù)據(jù)機(jī)實(shí)現(xiàn)軟件與硬件的完美結(jié)合。整個(gè)大數(shù)據(jù)平臺(tái)完成了數(shù)據(jù)的流動(dòng)、獲取、組織、分析和可視化等全過程。

（2）主流技術(shù)之二：SAP大數(shù)據(jù)平臺(tái)

SAP 大數(shù)據(jù)平臺(tái)由 SAPHANA、SAP IQ、Hadoop、高級(jí)分析和可視化工具組成。SAP大數(shù)據(jù)業(yè)務(wù)涉及4個(gè)層面，包括吸收、存儲(chǔ)、處理以及展現(xiàn)，針對(duì)半結(jié)構(gòu)性數(shù)據(jù)、結(jié)構(gòu)性數(shù)據(jù)以及非結(jié)構(gòu)性數(shù)據(jù)，其中數(shù)據(jù)處理的SAPHANA是SAP大數(shù)據(jù)解決方案的核心。

SAPHANA是一個(gè)利用內(nèi)存計(jì)算的新型實(shí)時(shí)數(shù)據(jù)平臺(tái)，能夠?qū)崿F(xiàn)在海量數(shù)據(jù)持續(xù)增加的情況下支持實(shí)時(shí)業(yè)務(wù)驅(qū)動(dòng)，可以在本地部署，也可以通過云交付。SAP HANA平臺(tái)可以助力企業(yè)的實(shí)時(shí)業(yè)務(wù)，包括對(duì)運(yùn)營(yíng)報(bào)表、數(shù)據(jù)倉(cāng)庫(kù)、大數(shù)據(jù)預(yù)測(cè)分析和文字分析的實(shí)時(shí)分析；涉及核心流程加速、計(jì)劃優(yōu)化應(yīng)用和感知響應(yīng)應(yīng)用等實(shí)時(shí)應(yīng)用以及數(shù)據(jù)庫(kù)、移動(dòng)端、云端的實(shí)時(shí)平臺(tái)。

3 典型應(yīng)用

大數(shù)據(jù)技術(shù)在銀行業(yè)的應(yīng)用非常廣泛，目前國(guó)內(nèi)多家銀行已經(jīng)開始了有益的嘗試，并在業(yè)內(nèi)實(shí)現(xiàn)了許多成功的應(yīng)用案例。主要是在大數(shù)據(jù)平臺(tái)上使用數(shù)據(jù)挖掘算法，開發(fā)新的應(yīng)用，從數(shù)據(jù)中獲取更多價(jià)值支撐業(yè)務(wù)，例如歷史交易數(shù)據(jù)存儲(chǔ)查詢、客戶畫像、用戶流失預(yù)測(cè)、精準(zhǔn)營(yíng)銷和個(gè)性化服務(wù)、金融產(chǎn)品個(gè)性化推薦、信用卡欺詐檢測(cè)等。

3.1 歷史交易數(shù)據(jù)存儲(chǔ)查詢

（1）需求

隨著銀行交易數(shù)據(jù)的爆發(fā)性增長(zhǎng)，傳統(tǒng)數(shù)據(jù)庫(kù)結(jié)構(gòu)難以對(duì)海量歷史數(shù)據(jù)進(jìn)行長(zhǎng)期存儲(chǔ)和處理，存儲(chǔ)成本昂貴，橫向擴(kuò)展能力欠缺。

移動(dòng)互聯(lián)網(wǎng)的發(fā)展，使用戶可以隨時(shí)隨地對(duì)賬戶進(jìn)行歷史交易數(shù)據(jù)的查詢及分析操作。數(shù)據(jù)庫(kù)系統(tǒng)面對(duì)高并發(fā)數(shù)據(jù)查詢壓力激增，響應(yīng)延遲，亟需提升查詢、分析的性能。

（2）方案

使用TDH下的交互式SQL分析引擎Transwarp Inceptor支持銀行的數(shù)據(jù)倉(cāng)庫(kù)業(yè)務(wù)，Transwarp Inceptor采用分布式內(nèi)存計(jì)算方式，將涉及海量數(shù)據(jù)的復(fù)雜任務(wù)分割成小任務(wù)交給多臺(tái)機(jī)器同時(shí)處理，加快計(jì)算速度。

TDH采用通過添加服務(wù)器的方式來(lái)橫向擴(kuò)展（Scale Out）處理能力，保證投入和處理能力的提升是線性關(guān)系，擴(kuò)展性極佳，可以無(wú)限提升存儲(chǔ)和計(jì)算能力，具體如圖3所示。

（3）實(shí)例：銀聯(lián)實(shí)時(shí)查詢服務(wù)系統(tǒng)

銀聯(lián)公司利用上述大數(shù)據(jù)平臺(tái)，實(shí)現(xiàn)了海量歷史交易數(shù)據(jù)的快捷高效處理，為持卡人提供實(shí)時(shí)交易查詢服務(wù)，并提供多維度統(tǒng)計(jì)分析，持卡人可通過手機(jī)、電腦等不同渠道享受豐富的大數(shù)據(jù)服務(wù)。圖4是電子對(duì)賬單示意。

3.2 圖片等小文件數(shù)據(jù)存儲(chǔ)管理

（1）需求

當(dāng)前，銀行日常營(yíng)業(yè)窗口產(chǎn)生大量單據(jù)、證件等紙質(zhì)文件，均需掃描成照片文檔在系統(tǒng)上保存。傳統(tǒng)的數(shù)據(jù)庫(kù)對(duì)半結(jié)構(gòu)化、非結(jié)構(gòu)化文檔和圖片支持較差，現(xiàn)有管理平臺(tái)性能不足，檢索、查詢、統(tǒng)計(jì)等繁瑣而低效，加之?dāng)?shù)據(jù)量龐大，只能分頭存放在分行，因此，無(wú)法滿足數(shù)據(jù)管理的智能化、集中化要求，亟需利用大數(shù)據(jù)技術(shù)來(lái)解決。

（2）方案

一是實(shí)現(xiàn)數(shù)據(jù)文件存儲(chǔ)保管的二級(jí)索引。二級(jí)索引的設(shè)計(jì)是將記錄文件的一級(jí)索引與介質(zhì)一起存放，由介質(zhì)服務(wù)器管理，備份服務(wù)器只管理二級(jí)索引。這種分布式的索引技術(shù)可以支持?jǐn)?shù)十億文件的高性能管理。

二是實(shí)現(xiàn)數(shù)據(jù)文件查詢調(diào)用的透明訪問。歸檔操作時(shí)，一方面將超過一定時(shí)間的數(shù)據(jù)文件遷移到近線存儲(chǔ)，另一方面在生產(chǎn)存儲(chǔ)留下相應(yīng)的存根。該存根指向文件遷出后的實(shí)際位置。在應(yīng)用系統(tǒng)訪問已經(jīng)歸檔的文件時(shí)，就訪問到了存根，此時(shí)會(huì)觸發(fā)一個(gè)將歸檔文件回調(diào)至生產(chǎn)存儲(chǔ)的操作，使得應(yīng)用系統(tǒng)能夠讀取到該文件。IBM中小銀行影像管理基礎(chǔ)架構(gòu)解決方案如圖5所示。

（3）實(shí)例：中國(guó)農(nóng)業(yè)銀行票據(jù)影像文件管理平臺(tái)

農(nóng)業(yè)銀行數(shù)據(jù)庫(kù)中，大量支票、交易票據(jù)、證件都以圖片存檔，大小為50 kB～1 MB不等，每天新增存儲(chǔ)量達(dá)到2 TB，為此，農(nóng)行建立了票據(jù)影像文件管理平臺(tái)，利用大數(shù)據(jù)技術(shù)進(jìn)行了小文件存儲(chǔ)的全面優(yōu)化。

●海量小文件的備份效率提高到每小時(shí)數(shù)百GB，備份時(shí)間約縮短至傳統(tǒng)方式的1/10。相對(duì)于備份方式，該平臺(tái)可以支持更高頻率的備份，大大提高數(shù)據(jù)安全性。

●通過數(shù)據(jù)生命周期思想，有效控制在線數(shù)據(jù)規(guī)模，降低存儲(chǔ)采購(gòu)成本；一站式解決海量文件存儲(chǔ)、備份、歸檔、容災(zāi)問題，建設(shè)成本低?！駥?shí)現(xiàn)全自動(dòng)數(shù)據(jù)管理，減少大量運(yùn)維成本與人員投入；索引、文件一體化存儲(chǔ)，并融合備份與容災(zāi)，簡(jiǎn)化系統(tǒng)組網(wǎng)，一套平臺(tái)統(tǒng)一管理；通過軟件可視化進(jìn)行電子影像系統(tǒng)的容災(zāi)管理，隨時(shí)掌控容災(zāi)的路徑、狀態(tài)。

●矩陣式多控架構(gòu)，系統(tǒng)資源支持線性擴(kuò)展，滿足客戶未來(lái)長(zhǎng)期的數(shù)據(jù)增長(zhǎng)需求。

3.3 客戶信息挖掘

（1）需求

銀行卡交易數(shù)據(jù)能夠反映持卡人消費(fèi)行為習(xí)慣以及消費(fèi)市場(chǎng)中企業(yè)的經(jīng)營(yíng)狀況。通過對(duì)客戶的數(shù)據(jù)挖掘，可以形成特定的客戶畫像，并為商戶提供有價(jià)值的關(guān)聯(lián)信息或是出售分析服務(wù)，打造新的商業(yè)模式，如圖6所示。

（2）方案

首先，將銀行卡客戶的完整消費(fèi)行為記錄，按照多副本進(jìn)行半結(jié)構(gòu)化數(shù)據(jù)的分布式存儲(chǔ)。在各分布式存儲(chǔ)節(jié)點(diǎn)的物理機(jī)上，部署數(shù)據(jù)挖掘分析系統(tǒng)、風(fēng)險(xiǎn)分析模型系統(tǒng)和交易報(bào)文分析系統(tǒng)，利用相應(yīng)數(shù)學(xué)模型、多維指標(biāo)綜合處理系統(tǒng)，在海量數(shù)據(jù)的基礎(chǔ)上進(jìn)行數(shù)據(jù)的整理、分析、統(tǒng)計(jì)和結(jié)果輸出。

（3）實(shí)例：中國(guó)銀聯(lián)客戶畫像系統(tǒng)

中國(guó)銀聯(lián)利用客戶信息系統(tǒng)（如圖7所示）挖掘銀聯(lián)持卡人歷史交易數(shù)據(jù)中的潛在規(guī)律，從多角度形成數(shù)據(jù)支持，刻畫出持卡人的交易行為特征，為精準(zhǔn)營(yíng)銷、客戶服務(wù)等工作提供強(qiáng)有力支持。

同時(shí)，挖掘商戶之間的關(guān)聯(lián)性，直接（銀聯(lián)的商戶服務(wù)）或間接（面向收單機(jī)構(gòu)等合作伙伴）為商戶提供經(jīng)營(yíng)決策支持、合作性指導(dǎo)、競(jìng)爭(zhēng)性指導(dǎo)等服務(wù)，在商圈品牌引進(jìn)、店鋪選址、聯(lián)合營(yíng)銷等領(lǐng)域有很大的潛在價(jià)值。

3.4 利用社交媒體大數(shù)據(jù)分析開展精準(zhǔn)營(yíng)銷

在社交媒體風(fēng)靡世界各國(guó)，引發(fā)各階層、各年齡段、各文化背景的人們大量使用社交軟件的背景下，人們對(duì)網(wǎng)絡(luò)社交應(yīng)用的粘性和依賴性越來(lái)越強(qiáng)。微信、微博、Facebook、Twitter等社交媒體上匯集著大量豐富多樣的大數(shù)據(jù)資源，是人們行為特征的最大信息資源池，對(duì)大數(shù)據(jù)分析者們有著巨大的吸引力。當(dāng)然，銀行業(yè)經(jīng)營(yíng)者也不會(huì)放棄這塊寶地，紛紛試圖從社交媒體上得到用戶行為數(shù)據(jù)和消費(fèi)規(guī)律，從而開展精準(zhǔn)營(yíng)銷。

亞太地區(qū)的幾大銀行，如新加坡銀行、香港匯豐銀行等，已開始創(chuàng)建自己的用戶社交媒體活動(dòng)圈，發(fā)布Facebook頁(yè)面，并創(chuàng)建Twitter賬戶以及Linkedln檔案。他們認(rèn)識(shí)到通過社交媒體不僅能展示自己，更重要的是可與客戶開展互動(dòng)。

營(yíng)銷方法有以下幾個(gè)方面。

●利用社交媒體分析工具判斷消費(fèi)者情緒。

●利用銀行整體品牌分析模型將品牌認(rèn)知度與客戶特定的營(yíng)銷活動(dòng)相集成。

●利用情緒分析來(lái)判斷對(duì)營(yíng)銷活動(dòng)的實(shí)施響應(yīng)情況。

獲得的成效如下。

●實(shí)時(shí)了解品牌認(rèn)知度以及競(jìng)爭(zhēng)品牌認(rèn)知度。

●設(shè)定新的情感目標(biāo)，以提高營(yíng)銷活動(dòng)的反饋率。

●利用情緒知識(shí)和有針對(duì)性的營(yíng)銷反饋數(shù)據(jù)提高服務(wù)中心參與度。

3.5 客戶信用評(píng)估

（1）需求

近年來(lái)銀行信用卡發(fā)卡量迅速增長(zhǎng)，在大量發(fā)卡的同時(shí)，申請(qǐng)者和持卡者的風(fēng)險(xiǎn)評(píng)估、信用評(píng)估等方面面臨越來(lái)越多的壓力。不僅數(shù)量龐大、工作量繁雜，而且時(shí)效性和準(zhǔn)確度要求高。迫切需要一個(gè)可拓展、高性能的數(shù)據(jù)倉(cāng)庫(kù)解決方案，提升業(yè)務(wù)敏捷性，建立對(duì)客戶信用風(fēng)險(xiǎn)的自動(dòng)化、智能化評(píng)估機(jī)制，從而減少不良貸款比例。

（2）方案：Greenplum

銀行采用無(wú)共享開放平臺(tái)的MPP架構(gòu)，將所有分行和支行用于保存已有客戶和潛在客戶的信用記錄、交易特征記錄等的服務(wù)器、數(shù)據(jù)庫(kù)，均通過網(wǎng)絡(luò)連通，沒有磁盤級(jí)共享或連接，服務(wù)器以完全并行的方式處理每個(gè)查詢。這種方式更容易添加模塊化設(shè)備集群，確保現(xiàn)有資源優(yōu)化，降低初始成本支出。數(shù)據(jù)集中在同一平臺(tái)，減少了系統(tǒng)維護(hù)工作量。Greenplum架構(gòu)如圖8所示。

（3）實(shí)例1：中信銀行客戶營(yíng)銷和信用評(píng)估系統(tǒng)

中信銀行自2014年建立起大數(shù)據(jù)客戶系統(tǒng)后，實(shí)現(xiàn)了業(yè)務(wù)數(shù)據(jù)的集中整合，建立了數(shù)據(jù)庫(kù)營(yíng)銷平臺(tái)。同時(shí)，結(jié)合實(shí)時(shí)、歷史數(shù)據(jù)的挖掘分析，建立了統(tǒng)一的客戶視圖，更清楚地了解客戶的價(jià)值體系，針對(duì)性地開展?fàn)I銷活動(dòng)。

中信銀行根據(jù)建立的數(shù)據(jù)挖掘模型，風(fēng)險(xiǎn)管理部門每天評(píng)估客戶的行為，并對(duì)客戶的信用額度在同一天進(jìn)行調(diào)整，從而減少了信用卡的不良貸款比率。

（4）實(shí)例 2：阿里小貸征信系統(tǒng)

阿里小貸為客戶提供小額貸款業(yè)務(wù)，無(wú)需抵押物和擔(dān)保人，客戶能否申請(qǐng)貸款和貸款額度完全取決于大數(shù)據(jù)平臺(tái)計(jì)算出的信用值。阿里小貸部門依據(jù)貸款者線上經(jīng)營(yíng)的信用數(shù)據(jù)、財(cái)務(wù)數(shù)據(jù)，通過對(duì)這些海量數(shù)據(jù)的在線分析，予以授信。

阿里小貸征信系統(tǒng)每天處理上PB的數(shù)據(jù)量，包括店鋪等級(jí)、收藏、評(píng)價(jià)等幾百億個(gè)信息項(xiàng)，運(yùn)算上百個(gè)數(shù)據(jù)模型，甚至需要測(cè)評(píng)用戶對(duì)假設(shè)情景的掩飾和撒謊程度，對(duì)大數(shù)據(jù)平臺(tái)的可靠性、安全性以及計(jì)算的準(zhǔn)確性提出了極高要求。

阿里公司將是否放貸、貸款額度和風(fēng)險(xiǎn)評(píng)估完全交給大數(shù)據(jù)處理平臺(tái)，無(wú)需人工處理，實(shí)現(xiàn)“3分鐘申請(qǐng)、1秒放款、0人工干預(yù)”的高效工作模式。有效識(shí)別和分散風(fēng)險(xiǎn)，提供更有針對(duì)性、多樣化的服務(wù)，減少不良貸款比率。批量化、流水化的作業(yè)使得交易成本大幅下降。無(wú)需抵押物、擔(dān)保人和繁瑣的申請(qǐng)流程，降低了貸款申請(qǐng)門檻，吸引了更多小額貸款用戶。