金融科技对银行业的影响及其发展趋势课件

金融科技对银行业的影响及其发展趋势

科技金融概念辨析3金融科技概念、技术与趋势金融科技概念辨析金融科技的技术列表金融科技阶段与趋势金融科技应用方向与案例案例：精准营销案例：智能投顾商业银行：机遇与挑战课程目录金融科技概念辨析金融科技是金融和信息技术的有机融合。它是科技类企业或金融行业新晋者，利用信息科技手段对传统金融业所提供的产品、服务进行由外至内的升级革新，以及传统金融业通过引入开发新技术对自身进行由内至外的改造，以提升金融服务效率。它是指技术带来的金融创新，它能创造新的业务模式、应用、流程或产品，从而对金融市场、金融机构或金融服务的提供方式造成重大影响。金融科技市场概况金融科技市场概况金融科技市场概况金融科技市场概况金融科技发展阶段金融科技产业演进路径金融科技演进路径金融科技演进路径银行业转型20大痛点金融科技发展趋势：“五化”金融科技领域8大范畴金融科技技术列表金融科技演进路径大数据—数据资产大数据—数据资产大数据—数据资产大数据—数据资产大数据—数据资产数据资产管理的核心理念数据资产管理的核心理念数据资产管理的核心理念数据资产管理的核心理念数据资产管理的核心理念数据资产管理的核心理念数据资产管理的核心理念32金融科技概念、技术与趋势金融科技概念辨析金融科技的技术列表金融科技发展阶段与趋势金融科技应用方向与案例金融科技应用方向案例：精准营销案例：智能投顾商业银行：机遇与挑战课程目录金融科技应用方向金融科技应用方向金融科技应用方向金融科技应用方向金融科技应用方向大数据分析的总体性思路大数据分析的框架40金融科技概念、技术与趋势金融科技概念辨析金融科技的技术列表金融科技发展阶段与趋势金融科技应用方向与案例金融科技应用方向案例：精准营销案例：智能投顾商业银行：机遇与挑战课程目录个人客户精准低成本营销精准营销个性化体系概念菲利普·科特勒先生：“促销费用的大部分都打了水漂，仅有十分之一的促销活动能得到高于5%的响应率，而这个可怜的数字还在逐年递减”。精准营销：在精准定位的基础上，依托现代信息技术手段建立个性化的顾客沟通服务体系，实现企业可度量的低成本扩张之路。终极追求：无营销的营销，到达终极思想的过程就是逐步精准。精准营销就是通过可量化的精确的市场定位技术，突破传统营销定位只能定性的局限。精准营销借助先进的数据库技术、网络通讯技术及现代高度分散物流等手段保障和顾客的长期个性化沟通，实现客户链式反应增殖，同时使营销达到可度量、可调控等精准要求。摆脱了传统广告沟通的高成本束缚，使企业低成本快速增长成为可能。如何做好客户关系管理、实现精准营销？CRM可以理解为理念、技术、实施三个层面。理念是CRM成功的关键，它是CRM实施应用的基础和土壤信息系统、IT技术是CRM成功实施的手段和方法实施是决定CRM成功与否、效果如何的直接因素。三者构成CRM稳固的“铁三角”图1:CRM铁三角CRM=管理理念+信息技术+计算机应用系统关键问题：1、如何管理和分析大量、庞杂的客户信息，从中找出对企业管理决策有价值的知识，为CRM的实施提供了良好的决策支持？2、何为“道-法-术”的市场开拓营销之路？亟待解决的营销难题如何提高客户价值贡献度客户在哪里：来源客户群体分类：细分客户细分群体：特征客户细分群体：营销策略产品特征客户与产品如何对接如何实现交叉销售如何实现保持、防止流失如何发现欺诈如何实现个人/企业信用评级改善……•丰田汽车案例1：客户信息管理软件（CRM）

运用CRM的管理软件、开展客户集成服务营销客户情况数据信息集成内部数据车辆信息服务纪录潜在客户营销支付纪录使用产品 和服务数据仓库售后服务营销销售及其回应情况外部数据人口/统 计数据信用记录客户再次营销市场信息分散的、不连贯的客户信息使您无法看到客户的全貌

丰田汽车案例1：谁是我的客户?销售部门的信息产品需求产品研发部门客户服务部门市场部门的信息市场环境社会信息丰田汽车案例1：客户知识管理发展趋势运营型客户管理（OCRM）——智能型客户管理（ICRM）智能型客户管理=前台操作型客户管理+后台分析型客户管理营销模式的革新：基于大数据环境下客户行为分析的数据库智能营销——区别于以往关系型营销、渠道营销、媒体营销、产品营销等模式。顾客客户关系部销售部经销店总经理服务部丰田汽车案例1：组织架构49问题：某公司要预测哪些用户会对邮件促销活动产生响应。目标变量是二值变量，标识用户是否对最近的促销产生响应。该模型的输入变量是年龄、收入、婚否以及最近六个月是否产生购买。在SAMPSIO.BUY数据集中包含10000名用户信息和是否对最近的促销产生响应。对于每个用户，记录了12个输入变量。神经网络模型—案例250神经网络模型—案例2变量名模型角色度量方式描述RESPONDTargetBinary1=responded,0=didnotrespondAGEInputIntervalAgeofindividualinyearsINCOMEInputIntervalAnnualincomeinthousandsofdollarsMARRIEDInputBinary1=married,0=notmarriedFICOInputIntervalCreditscorefromoutsidecreditagencyGENDERInputBinaryF=Female,M=MaleOWNHOMEInputBinary1=ownshome,0=doesnotownhomeLOCInputNominalLocationofresidencecodedAthroughHBUY6InputIntervalNumberofpurchasesinthelast6monthsBUY12InputIntervalNumberofpurchasesinthelast12monthsBUY18InputIntervalNumberofpurchasesinthelast18monthsVALUE24InputIntervalTotalvalueofpurchasesinthepast24monthsCOA6InputBinaryChangeofaddressinthelast6months(1=addresschanged,0=addressdidnotchange)51神经网络模型—案例252神经网络模型—案例253针对客户行为变量，设置三种情景实验：情景一：人口统计属性情景二：人口统计属性+交易属性情景三：人口统计属性+交易属性+产品持有属性案例3：代发薪客户交叉销售分析变量选择输入变量：人口统计属性、交易属性与产品持有属性三类变量输出变量：基金推荐（fundflag）。两个状态：当fundflag=‘actp’时，客户接受推荐；当fundflag=‘rejt’时，客户拒绝推荐。54表1：3种模型的提升度和拟合统计量比较通过上表1的比较可以发现：MLP神经网络-3的预测性能明显优于其他两个模型，它的提升度和profit最高，离差和错判率最小，因此，接来下我们将使用mlp神经网络-3模型进行基金推荐，即在输入变量为人口统计变量+交易属性+产品持有情况的条件下，使用神经网络对目标变量fundflag建模，并以此模型为依据进行基金产品的推荐。基金推荐总结模型类型Liftvalue提升度Deviance离差P自由度Profit收益错判率Logistic回归-11.1710243.73190.550.2789MLP神经网络-21.329463.341261.350.2672MLP神经网络-31.408616.191092.100.2398案例3：代发薪客户交叉销售分析55推荐客户总数13025人，其中7963人已持有基金，未持有基金的5062个客户将成为基金营销的主要对象。基金推荐总结CRM_CIFNOP_fundflagactp01430095280.68574711301509383980.68979799101510854490.82913590801510855060.51415473301510855120.97724554301510858690.59442662201510871190.63899218701510875570.63210634701510877440.61722162201510884200.61368979701510884510.69670548501510885070.53945421101510885340.61258056801510887140.70057419601510892430.80231775401510896730.97721461701510899160.56562248901510904220.97715843601510904460.57819180501510909300.68560257

。。。。。。。。。。。。表2：部分推荐客户名单在表2中：P_fundflagactp表示客户接受推荐的概率，P_fundflagactp>=0.5时，基金推荐状态为推荐。案例3：代发薪客户交叉销售分析56推荐基金客户特征1、大部分为女性2、婚姻状态主要为已婚3、代发薪次数较多4、90%以上持有借记卡5、持有信用卡人数比例较大6、年日均资产多数在100W以上7、大部分客户开户时间5年以上8、第三方存管、表内理财持有额增加9、持有国债余额100万以上的客户50%以上成为推荐对象案例3：代发薪客户交叉销售分析57基金分类推荐客户预测分析基金类型Deviance离差MSE均方差错判率货币型3585.120.05440.0617股票型7842.880.14650.2195债券型4644.990.07590.0925集合理财1286.370.01560.0163保险0.29542.75E-100指数型5808.870.10090.1319一对多498.480.00500.0051QDII3273.630.04780.0524保本型1047.400.01150.0118由上表3可以看出，均方差与错判率都很低，效果很好！案例3：代发薪客户交叉销售分析表3：基金分类产品推荐客户预测精度58金融科技概念、技术与趋势金融科技概念辨析金融科技的技术列表金融科技发展阶段与趋势金融科技应用方向与案例金融科技应用方向案例：精准营销案例：智能投顾商业银行：机遇与挑战课程目录高效低价的财富管理服务2023/10/6案例1：FOF基金组合智能推荐应用2016年649只股票性基金持仓重合度网络结构图2023/10/6案例1：FOF基金组合智能推荐应用2023/10/6案例1：FOF基金组合智能推荐应用2023/10/6金融常识：不要把鸡蛋放在一个篮子里64金融科技概念、技术与趋势金融科技概念辨析金融科技的技术列表金融科技发展阶段与趋势金融科技应用方向与案例金融科技应用方向案例：精准营销案例：智能投顾商业银行：机遇与挑战课程目录65接受、拥抱：金融科技时代的到来！商业银行数字化转型，提升数字化能力。第一，依靠敏捷和可靠的设施辅助业务的拓展以及数据的积累和持续的分析；第二，提供智能的体验，通过建立客户标签体系，大数据采用人工智能方式分析客户；第三，连接生态，即把金融业务连接到多种场景，开