男女上床动态图_色妺妺视频网_亚洲爱视频_gogo人体做爰大胆视频_www.激情五月_国产噜噜噜_wwwxxx日本_日本操大逼_污片视频在线观看_国产成a人亚洲精v品无码_紧窄 粉嫩被粗大撑开_日韩视频中文_操女生下面_亚洲黄色网址大全_国内黄色网址

文：?鄂維南

轉(zhuǎn)自：普林科技

導(dǎo)讀：2016年3月24日，“第九屆中國(guó)城市商業(yè)銀行信息化發(fā)展創(chuàng)新座談會(huì)”召開(kāi)。可以說(shuō)，大數(shù)據(jù)已經(jīng)成為金融發(fā)展轉(zhuǎn)型的動(dòng)力源泉。大會(huì)為此專(zhuān)門(mén)邀請(qǐng)了國(guó)際著名數(shù)學(xué)家，人稱(chēng)“大數(shù)據(jù)院士”的中國(guó)科學(xué)院院士、北京大數(shù)據(jù)研究院院長(zhǎng)、普林科技技術(shù)指導(dǎo)委員會(huì)主任鄂維南教授就“大數(shù)據(jù)在銀行業(yè)如何務(wù)實(shí)落地”發(fā)表了主題演講。

1、大數(shù)據(jù)應(yīng)用發(fā)展與應(yīng)用鏈條

作為著名學(xué)者，鄂院士首先表示這是首次看到整個(gè)社會(huì)對(duì)一項(xiàng)技術(shù)產(chǎn)生強(qiáng)烈的興趣，這背后的深刻原因正是中國(guó)經(jīng)濟(jì)的轉(zhuǎn)型升級(jí)。谷歌的Alpha?Go戰(zhàn)勝了人類(lèi)圍棋最強(qiáng)選手，其背后的機(jī)理便是大數(shù)據(jù)技術(shù)。可以說(shuō)，這是人類(lèi)社會(huì)一個(gè)前所未有的機(jī)會(huì)，通過(guò)大數(shù)據(jù)技術(shù)可以幫助我們做出更加智慧的決策。

就整個(gè)大數(shù)據(jù)應(yīng)用產(chǎn)業(yè)鏈條而言，首先隨著互聯(lián)網(wǎng)、物聯(lián)網(wǎng)的發(fā)展，企業(yè)經(jīng)營(yíng)活動(dòng)、消費(fèi)者行為產(chǎn)生了海量數(shù)據(jù)；于是數(shù)據(jù)采集、傳輸、存儲(chǔ)技術(shù)應(yīng)運(yùn)而生，Hadoop、Spark等大數(shù)據(jù)分布式基礎(chǔ)架構(gòu)風(fēng)生水起。

隨后在數(shù)據(jù)基礎(chǔ)上進(jìn)行基本的運(yùn)算處理，獲得對(duì)數(shù)據(jù)的初步認(rèn)知。

最后便是應(yīng)用數(shù)據(jù)挖掘技術(shù)，找到數(shù)據(jù)背后的規(guī)律，形成新的業(yè)務(wù)認(rèn)知。當(dāng)完成這最后一步，大數(shù)據(jù)的價(jià)值才真正被完全釋放。

在這方面，除了大家熟知的谷歌，美國(guó)還有一家專(zhuān)業(yè)從事大數(shù)據(jù)建模分析的公司Palantir，據(jù)傳正是他們協(xié)助美國(guó)政府找打了本拉登的藏身之所。

中國(guó)也有一家公司普林科技專(zhuān)業(yè)從事這方面的工作，他們幫助央行打造新一代評(píng)分模型，幫助證監(jiān)會(huì)構(gòu)建資本市場(chǎng)征信體系等。

2、銀行業(yè)和城商行面臨的挑戰(zhàn)

說(shuō)回到銀行業(yè)，目前銀行業(yè)主要面臨三方面的挑戰(zhàn)。

首先，經(jīng)濟(jì)下行，需求不足，這對(duì)銀行業(yè)的精細(xì)化管理提出了更好的要求。

其次是新技術(shù)的沖擊，互聯(lián)網(wǎng)加大數(shù)據(jù)催生除了互聯(lián)網(wǎng)金融、大數(shù)據(jù)風(fēng)控等全新的金融業(yè)態(tài)，傳統(tǒng)銀行所秉承的經(jīng)營(yíng)理念、技術(shù)手段遭到了前所未有的挑戰(zhàn)。

最后，相比于美國(guó)，可以說(shuō)我國(guó)的銀行業(yè)基礎(chǔ)設(shè)施還是不夠健全，個(gè)人征信報(bào)告的覆蓋人群僅3.7億，這也就意味著大部分中國(guó)人沒(méi)有任何核心的金融履約行為記錄。

具體到城商行，面對(duì)這樣的大形勢(shì)，有四方面的問(wèn)題更為突出。

3、大數(shù)據(jù)在銀行業(yè)的應(yīng)用：信貸風(fēng)控

那么，大數(shù)據(jù)技術(shù)可以如何幫助城商行應(yīng)對(duì)這些挑戰(zhàn)呢？

首先，我們來(lái)看信貸風(fēng)控。

信貸風(fēng)控是銀行業(yè)務(wù)最核心的一環(huán)。要達(dá)到好的風(fēng)控效果，好的風(fēng)控模型和好的數(shù)據(jù)源都很重要。

就數(shù)據(jù)源而言，我國(guó)有3.7億人在央行有個(gè)人征信報(bào)告，這種金融履約行為是對(duì)一個(gè)人進(jìn)行授信最核心的數(shù)據(jù)源。

其次，個(gè)人在銀行內(nèi)部的交易數(shù)據(jù)、理財(cái)賬戶(hù)開(kāi)通數(shù)據(jù)、存款數(shù)據(jù)等等可以作為個(gè)人金融行為數(shù)據(jù)的補(bǔ)充，對(duì)用戶(hù)進(jìn)行更豐富的描摹。

最后，互聯(lián)網(wǎng)社交行為、手機(jī)通訊行為、電商平臺(tái)交易行為等，可以作為對(duì)個(gè)人信用描摹的外圍補(bǔ)充數(shù)據(jù)。

這里舉一個(gè)例子，大家都知道，我國(guó)有征信報(bào)告的人總共有3.7億，那么那些沒(méi)有任何金融履約行為記錄的人，在申請(qǐng)貸款時(shí)該怎么辦呢？

傳統(tǒng)的信用評(píng)估方法本質(zhì)上其實(shí)一直秉持的是相同的理念，即假定難以得到大量數(shù)據(jù)、存儲(chǔ)大量數(shù)據(jù)成本過(guò)于高昂，或者說(shuō)不可能使用大體量的數(shù)據(jù)。所以基于銀行本身數(shù)據(jù)的、基于經(jīng)驗(yàn)的審貸方法一直占據(jù)了主流。

但是大數(shù)據(jù)時(shí)代改變了這一切。傳統(tǒng)的信用評(píng)估只關(guān)注信用歷史等幾個(gè)變量，因而那些“金融活動(dòng)不足者”便難以獲得貸款。于是美國(guó)一家公司收集了許多看起來(lái)微不足道的數(shù)據(jù)，甚至包括打字速度在內(nèi)的上千維度的信息，再通過(guò)機(jī)器學(xué)習(xí)的方法建立這些信息和違約率之間的聯(lián)系。結(jié)果顯示，這種基于大數(shù)據(jù)和機(jī)器學(xué)習(xí)的評(píng)估模型較業(yè)內(nèi)一流信用評(píng)分改善了40%。

可見(jiàn)，相對(duì)外圍的個(gè)人行為數(shù)據(jù)，結(jié)合大數(shù)據(jù)新算法，可以化學(xué)反應(yīng)出非常神奇的結(jié)果。說(shuō)回中國(guó)，其實(shí)現(xiàn)在也有很多互聯(lián)網(wǎng)征信企業(yè)，試圖通過(guò)借款人在網(wǎng)上的行為記錄來(lái)輔助放貸決策；也有公司試圖通過(guò)覆蓋面達(dá)到了12.3億人的手機(jī)，來(lái)“增厚”個(gè)人信用報(bào)告。

比如普林科技就打通了三大電信運(yùn)營(yíng)商，通過(guò)一個(gè)人的手機(jī)消費(fèi)金額、通話對(duì)象、停機(jī)次數(shù)等眾多維度手機(jī)使用行為信息，來(lái)對(duì)信貸申請(qǐng)人進(jìn)行信息核驗(yàn)和風(fēng)險(xiǎn)評(píng)估。

4、大數(shù)據(jù)在銀行業(yè)的應(yīng)用：反欺詐

我們?cè)賮?lái)看一下面對(duì)金融詐騙、網(wǎng)絡(luò)詐騙案件增多的情況，大數(shù)據(jù)可以如何幫助城商行？

基于行為標(biāo)簽化的行為分析與異常識(shí)別是一點(diǎn)。通過(guò)對(duì)用戶(hù)的個(gè)人信息、交易偏好、交易習(xí)慣等大量信息的分析，可以清楚地描摹每一個(gè)用戶(hù)，甚至可以得出許多借貸人本人都不清楚的習(xí)慣。一旦這個(gè)賬戶(hù)出現(xiàn)了某些不符合分析結(jié)果的異常交易行為，就能夠被精準(zhǔn)地識(shí)別出來(lái)。

關(guān)聯(lián)分析和社交網(wǎng)絡(luò)分析也是數(shù)學(xué)模型在金融反欺詐中的絕佳應(yīng)用。比如詐騙團(tuán)伙常常通過(guò)電話、郵編、身份證號(hào)、地址等不同類(lèi)型的信息互相關(guān)聯(lián)，這些不同的關(guān)聯(lián)關(guān)系對(duì)應(yīng)著特定類(lèi)型的圖結(jié)構(gòu)，通過(guò)大數(shù)據(jù)建模分析技術(shù)，可以構(gòu)建基于圖的典型欺詐團(tuán)伙模式庫(kù)，從而識(shí)別不同模式的詐騙團(tuán)伙。

此外，在對(duì)申請(qǐng)人的信息進(jìn)行處理時(shí)，其背后也用到了自然語(yǔ)言處理技術(shù)和中文模糊匹配技術(shù)，從而實(shí)現(xiàn)精準(zhǔn)的分析匹配黑名單。

5、大數(shù)據(jù)在銀行業(yè)的應(yīng)用：營(yíng)銷(xiāo)優(yōu)化

城商行目前面臨的第三個(gè)問(wèn)題是，對(duì)客戶(hù)了解不夠，細(xì)分不夠，從而難以進(jìn)行有效的產(chǎn)品營(yíng)銷(xiāo)。那么我們?nèi)绾握J(rèn)識(shí)我們的客戶(hù)呢？

這時(shí)就需要用到基于標(biāo)簽化的用戶(hù)畫(huà)像技術(shù)。用戶(hù)畫(huà)像本質(zhì)就是從業(yè)務(wù)角度出發(fā)對(duì)用戶(hù)進(jìn)行分析，了解用戶(hù)需求，幫助尋找目標(biāo)客戶(hù)。這里舉個(gè)例子幫助大家理解。

普林科技通過(guò)大數(shù)據(jù)分析和用戶(hù)畫(huà)像，為某商業(yè)銀行深入分析用戶(hù)的基本信息、消費(fèi)行為、交易流水等，結(jié)合業(yè)務(wù)場(chǎng)景，將用戶(hù)細(xì)分，業(yè)務(wù)部門(mén)再據(jù)此設(shè)計(jì)產(chǎn)品、制定營(yíng)銷(xiāo)策略，從而節(jié)省了45%的營(yíng)銷(xiāo)成本。

6、大數(shù)據(jù)在銀行業(yè)的應(yīng)用：企業(yè)征信

最后，目前銀行內(nèi)部數(shù)據(jù)之間，內(nèi)部和外部眾多數(shù)據(jù)源之間難以進(jìn)行數(shù)據(jù)整合和共享。我們以對(duì)公業(yè)務(wù)為例，傳統(tǒng)想要了解一個(gè)公司，需要投入大量的人力和精力去獲取各種信息，再根據(jù)經(jīng)驗(yàn)做出判斷。

而在大數(shù)據(jù)時(shí)代，通過(guò)互聯(lián)網(wǎng)爬蟲(chóng)技術(shù)，我們可以獲取并整合包括工商、法院、稅務(wù)、互聯(lián)網(wǎng)輿情、企業(yè)招投標(biāo)、招聘等海量數(shù)據(jù)，再通過(guò)建模分析將之歸結(jié)為信用歷史、運(yùn)營(yíng)指標(biāo)、輿情指標(biāo)等多維度，最后輸出綜合評(píng)分。其背后的技術(shù)則是網(wǎng)頁(yè)解析技術(shù)、圖像識(shí)別技術(shù)、自然語(yǔ)言處理技術(shù)和大數(shù)據(jù)建模分析技術(shù)。

7、對(duì)城商行大數(shù)據(jù)應(yīng)用落地的建議

首先，打造核心的風(fēng)控與反欺詐系統(tǒng)，提高核心競(jìng)爭(zhēng)力。

其次，將數(shù)據(jù)分析成果與營(yíng)銷(xiāo)優(yōu)化的具體方案結(jié)合，切實(shí)落地。

最后，立足本行數(shù)據(jù)，結(jié)合外部數(shù)據(jù)源，與專(zhuān)業(yè)分析團(tuán)隊(duì)合作，有效實(shí)現(xiàn)數(shù)據(jù)共享、信息整合與技術(shù)融合。