《大数据金融》 课件 第4章大数据金融的应用分析

第四章大数据金融的应用分析AnalysisoftheApplicationofBigDataFinance大数据金融CONTENTS01大数据在银行业中的应用ApplicationofBigDatainBanking02大数据证券行业中的应用ApplicationofBigDataintheSecuritiesIndustry03大数据在保险行业中的应用ApplicationofBigDataintheInsuranceIndustry04大数据在互联网金融行业中的应用ApplicationofBigDataintheInternetFinanceIndustry05大数据征信行业中的应用ApplicationofBigDataintheCreditIndustry06大数据金融的其他应用实例OtherApplicationExamplesofBigDataFinance大数据在银行业中的应用ApplicationofBigDatainBanking第一节大数据在银行业中的应用大数据在银行业中的应用与创新主要体现在四个方面:对客户画像进行准确刻画精准营销风险管控运营优化一、大型商业银行大数据环境对我国商业银行的影响:1.颠覆商业银行发展战略2.变革商业银行运营方式3.挑战商业银行数据驾驭能力一、大型商业银行（一）风险控制体系创新大数据在金融领域的核心作用在于提高金融机构的风险定价能力，为金融机构提供全面、动态的风险控制体系，并推动金融体系变革。（二）业务经营与客户关系管理创新银行推出一个金融产品或服务就能满足大多数客户需求的时代将不复存在，发现并留住最有价值的客户也变得越来越困难。一、大型商业银行（三）管理决策方式创新商业银行使用大数据分析技术和工具，对海量结构化数据和非结构化数据进行分析、判断和挖掘，能够及时、准确地发现业务和管理领域的风险与机会，为业务发展和风险防范提供全面及时的决策支持信息。（四）商业银行应对大数据的经验和路径1.发达国家的经验2.我国商业银行的路径选择和政策建议二、中小型商业银行（一）精准营销创新（二）小微信贷业务创新（三）与第三方征信公司的数据合作三、互联网银行互联网银行：是将传统银行的业务通过互联网平台进行数字化、网络化的一种新型金融服务模式。它利用现代科技手段，打破了传统银行在物理网点、营业时间等方面的限制，为客户提供更加便捷、高效的金融服务。（一）美国的互联网银行发展模式1.互联网平台模式2.直销银行模式3.银行服务商模式三、互联网银行（二）中国互联网银行发展现状兴起背景与优势

随着大数据浪潮的到来，基于电商或社交平台的企业在成立互联网银行方面具有独特的优势。这些企业拥有庞大的用户基础、丰富的数据资源和先进的技术能力，为互联网银行的快速发展提供了有力支持。业务模式与创新不设物理网点，不做现金业务，也不涉足传统银行的线下业务。它们主要利用互联网平台、大数据技术和云计算能力，提供高效、便捷、差异化的金融服务。三、互联网银行（二）中国互联网银行发展现状主要代表与特点

1.深圳前海微众银行：由腾讯、百业源、立业共同出资成立，是中国首批试点的民营互联网银行之一。2.浙江网商银行：由阿里巴巴和万向出资成立，其利用阿里巴巴电商平台的大数据处理能力和征信体系，为小微企业提供便捷的金融服务。3.百信银行：由百度和中信银行共同出资成立，也是一家具有创新性的互联网银行。三、互联网银行（二）中国互联网银行发展现状市场定位与影响互联网银行主要定位于服务小微企业和个人消费者，特别是那些在传统银行体系中难以获得金融服务的群体。三、互联网银行（三）中国互联网银行面临的风险与挑战1.竞争压力较大

2.业务经营信用风险较大3.网络技术安全风险大数据证券行业中的应用ApplicationofBigDataintheSecuritiesIndustry第二节一、证券行业创新现代证券业具有资本密集、信息密集、智力密集和技术密集等特点。（一）技术架构改变

证券行业中的信息收集与分析反馈更加便捷高效。（二）业务架构改变

券商现有的业务有所调整。（三）管理架构改变

利用数据的实时分析与反馈可以使内部风险的控制变得更加便捷和高效。二、证券投资决策和业务模式转变传统证券业金融机构与互联网、大数据将加快渗透和融合，并与金融系统内的其他金融机构和互联网公司处于相互渗透。证券业的未来经营模式：为小微企业和低收入群体服务营业部模式；面对中产阶级的综合服务模式；面对机构客户和高净值个人客户的专业化综合服务模式；三、大数据时代的行情预测

大数据可以有效地拓宽证券业、企业量化投资数据维度，帮助企业更精准地了解市场行情。

证券业应用大数据可对海量个人投资者样本进行持续性跟踪监测，对投资收益率、持仓率、资金流动情况等一系列指标进行统计、加权汇总，了解个人投资者交易行为的变化、投资信心的状态与发展趋势、对市场的预期以及当前的风险偏好等，对市场行情进行预测。四、大数据时代的智能服务证券公司精编客服队伍，根据业务类别对其进行区分。如将证券交易开户、业务咨询办理、产品咨询销售、理财规划配置、投诉建议等业务分别设定为1~5级，客户依照自身不同需求可在不同客服服务人员之间进行切换。智能金融终端机（VTM）承载了轻型营业部和新型营业部的大部分功能。大数据在保险行业中的应用ApplicationofBigDataintheInsuranceIndustry第三节一、业务经营技术创新大数据的采集对于保险业的发展起着至关重要的作用，将有利于收集更多客户信息，分析处理投保人个性化的风险信息，创新保险产品和服务，降低信息不对称风险，同时延长产业链和升级商业模式。（一）基于NoSQL的保单管理

在数据可视化时代，基于NoSQL的数据模型设计可以以多结构化的模式进行存储。（二）基于NoSQL的历史数据查询NoSQL具有查询历史数据的功能

数据整合法

同源设计法一、业务经营技术创新（三）基于语音数据识别的自动质检

传统保险业是通过质量检测发现销售人员通话过程中存在的问题。而大数据技术的进步推动了语音数据识别技术的发展成熟，自动化的语音数据识别技术能够全方位提高质检的准确性。（四）基于内外部数据结合的地址信息标准化

借助大数据技术，将人工信息与外部的标准化地址库进行匹配，可以以标准化地址替代既有的录入地址。（五）数据标签化与数据补充保险公司利用大数据技术提炼客户特征、形成客户标签。二、产品营销方式创新通过大数据分析发现潜在客户的精准营销。大数据营销会彻底重塑传统保险产品的销售方式，而且保险公司的销售支持系统可能迎来一次重大变革。海量数据能够为代理人提供强大的后援，保障保单的签单量和质量。三、风险分析与预警保险欺诈一直是保险行业的顽疾。大数据和最新的数据分析技术解决了该问题。（一）基于社交网络的风险分析管理1.社交网络分析（SNA）法SNA工具把多种分析方法融合在一起，包括组织规则、统计方法、模式分析和网络链接分析，来真正揭示大量数据之间的关系。2.社会化CRM

保险公司的CRM系统与社交媒体连接起来。三、风险分析与预警（二）基于预测性分析的反欺诈系统1.赔款本身2.理赔成本3.客户服务四、大数据在保险行业的应用实例众安在线财产保险股份有限公司（简称众安）成立时间：2013年注册地：上海股票代码：6060.HK发起股东：蚂蚁金服、腾讯、中国平安业务范围：健康、数字生活、消费金融、汽车四大生态四、大数据在保险行业的应用实例众安在线财产保险股份有限公司（简称众安）业务特点：互联网保险：不设分支机构，完全通过互联网进行承保和理赔服务科技创新：工程师及技术人员占比超过50%，过去三年科技投入占当年保费的较高比例生态系统：围绕健康、数字生活、消费金融、汽车四大生态，提供个性化、定制化、智能化新保险四、大数据在保险行业的应用实例众安在线财产保险股份有限公司（简称众安）产品与服务：百万医疗险：责任内最高600万医疗保障百万综合意外险：累计投保人数100000+千万家财保：日常提升幸福感，紧急时刻更心安科技输出：提供S系列保险科技产品、X系列数据智能产品、T系列区块链产品、F系列金融科技产品四、大数据在保险行业的应用实例（二）互联网巨头涉足保险京东保——京东保险经纪（天津）有限公司腾讯推出了智慧车险并开发了移动展业功能蚂蚁金服推出“定损宝”和“车险分”四、大数据在保险行业的应用实例（三）新兴科技公司1.OK车险OK车险上线于2014年7月，是上海保橙网络科技有限公司旗下的一款手机APP2.大象保险大象保险是世纪保众（北京）网络科技有限公司打造的C2B（用户导向）的互联网保险综合服务平台。大数据在互联网金融行业中的应用ApplicationofBigDataintheInternetFinanceIndustry第四节大数据在互联网金融行业中的应用一、精准营销二、风险管理三、信用评价四、大数据在互联网金融行业的应用实例数喆数据:上海数喆数据科技有限公司，一家基于线下线上模式开展小微企业数据库建设、小微金融数据服务和评估、调研与咨询服务的小微金融大数据公司。大数据在征信行业中的应用ApplicationofBigDataintheCreditIndustry第五节一、大数据征信概述大数据征信定义：大数据征信是指运用大数据技术构建征信模型及算法，通过对海量数据进行采集、分析、整合和挖掘，多维度刻画信用主体的违约率和信用状况，形成对信用主体的信用评价。我国征信体系的组成：由中国人民银行进行监管，制定相关政策法规，人民银行征信体系和民营征信体系并存，共同为政府部门、金融机构、普通工商企业和个人提供服务。一、大数据征信的概念大数据征信的数据来源有以下优势：1.征信对象覆盖面广泛2.信用信息更加多维3.数据的实时性一、大数据征信的概念（一）个人征信个人征信是指收集个人信用信息、提供个人信用服务的业务行为。1999年，中国人民银行批准在上海和深圳开展个人征信试点。用于大数据征信的数据来源主要包括：信用卡类网站大数据02社交类网站大数据03小额贷款类网站大数据04第三方支付网站大数据05电商类网站大数据01生活服务类网站大数据06一、大数据征信的概念（二）企业征信我国企业征信系统建设可分为三个阶段：第一阶段是1991—1996年探索阶段第二阶段是1996—2005年起步阶段第三阶段是2005年至今的发展阶段二、大数据征信的应用优势（一）个人信用贷款（消费金融）

建立数据挖掘模型，商业银行可以识别个人用户的信用风险，从而扩大个人消费信贷业务。（二）信用卡申请

银行掌握信息有局限性，利用据挖掘模型找出网上行为与信用卡风险之间的内在联系，做个人风险评估和预测。（三）小微企业信用贷款

通过建模识别小微企业的违约风险。三、大数据时代征信行业发展相关建议完善个人征信业务相关法律法规加快人民银行征信基础数据库建设鼓励征信产品创新提升征信行业监督管理水平大数据金融的其他应用实例OtherApplicationExamplesofBigDataFinance第六节大数据金融的其他应用实例一、理财魔方理财魔方团队成立于2014年12月，并于2015年3月推出了其App。理财魔方的特色包括追踪用户理财产品的收益、搜索并对比各种理财产品、提供收益排行、全球资产配置、风险定制以及管家服务等功能。产品特色：1.智能投资管理系统2.全球资产配置3.风险控制4.管家服务大数据金融的其他应用实例二、SCORISTAPitchChina大数据风控SCORISTA是一家信贷评分服务提供商，由来自俄罗斯的金融科技创业团队运营。SCORISTA团队运用大数据的问题分析能力和人工智能的快速学习能力，通过构建严密的数学模型，准确地进行借款人评估，及时做出信贷决策。大数据金融