談金融用戶精準可信推薦范文

本站小編為你精心準備了談金融用戶精準可信推薦參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

摘要:金融業面對的一個巨大挑戰就是其客戶在消費需求和消費行為上轉變。首先，在消費需求上，客戶的可靠性需求出現提升，傳統機構存在垃圾廣告營銷，無法真正滿足顧客對產品的可信需求等。另外，在消費行為上，金融機構已經很難通過面對面的傳統方式來接觸到消費者(特別是年輕消費者)去了解客戶信用情況及精準推薦。因此，本研究以區塊鏈技術為基礎，研究金融大數據的共享與流通，以社交網絡技術和工作流技術為基礎，研究金融大數據的分析與協調技術，最終實現面向金融用戶的精準可信推薦。

關鍵詞:金融;區塊鏈;可信推薦

一、金融聯盟區塊鏈的可信交易與安全共享機制

金融數據管理的難點首先在于可信與共享訪問。研究構建金融聯盟區塊鏈的可信交易與安全共享模型，并對區塊鏈的安全檢測機制進行重點研究，提出安全檢測方法，保障金融數據共享過程中的安全性。具體思路如下:金融聯盟鏈可信交易機制設計。為了在保障隱私性的基礎上，實現不同機構間金融數據的分布共享，本研究設計金融聯盟區塊鏈的可信交易和數據共享訪問模型，以金融機構、互聯網平臺、政府監管部門等不同數據承載群體作為聯盟區塊鏈中節點，重點地從區塊鏈的共識層、激勵層、合約層和應用層，約定交易合約，社交共識算法、數字簽名與證書加密策略，實現去中心化的數據存儲訪問機制，具體方案見圖所示。圖中所示的金融聯盟區塊鏈可信交易方案中，研究從系統安全和執行效率性能綜合考慮角度，對金融聯盟區塊鏈權限控制、智能合約編寫與執行、共識算法的選擇、數據傳輸等關鍵模塊進行設計。權限控制層根據商業銀行、工商系統、司法訴訟、稅務系統、第三方評級以及其他系統等機構資質認證及其監管關系進行數字證書分配和權限范圍授予。智能合約擬根據金融服務場景中事件執行邏輯、時間限制、執行者身份等條件約束進行建模編寫，利用智能合約狀態機監測程序，觸發智能合約執行。共識算法部分擬考慮算力消耗、穩定性和金融聯盟結構特征，設計共識算法并對其難度等級進行實驗分析。研究通過鄰近節點廣播方法改善數據傳輸效率。每個區塊鏈節點均配置一定的存儲空間和計算力度，參與到共識機制和數據維護，實現區塊鏈可信交易和數據共享［1］。

二、基于金融聯盟區塊鏈的數據流通機制

目前金融大數據面臨的問題包括:(1)面對碎片、跨界、復雜、海量、多源、異質的大數據，缺乏必要的共享與流通方法，導致商業銀行等金融機構與政府、第三方等機構之間的數據源離散且阻隔;(2)商業銀行內部各個業務系統數據孤立，無法很好融合與共享［2］。傳統集中式數據存儲與交互技術架構在數據計算一致性、可用性與容錯性方面的不足，導致無法有效地解決金融大數據的共享和流通問題。本研究研究在區塊鏈技術的基礎上構建金融大數據共享與流通，利用區塊鏈技術實現數據流通，可以從網絡交換層、共識機制層、數據存儲層、智能合約層和數據流通層5個層次進行梳理。這5個層次如圖2所示。架構圖如下所示:

三、金融大數據分布式協調機制

除了解決金融業的跨界大數據碎片化的問題，還需要一種分布式協調機制，解決各實體利益羈絆，進而助力金融用戶信用高效管理與經營。在單獨的金融機構中，由于缺乏參與各方的信息互通機制，使得金融行業的用戶信用出現了信息不對稱以及信息不及時的亂象。本研究針對金融業的跨界大數據的數據所有者不同造成完整數據被截斷、數據公開性的要求不同等兩大碎片化的兩大特性，研究如何通過對互聯網碎片化的數據進行高效合理地整合，建立高效的基于區塊鏈的金融行業的用戶信用的信息協調機制。為了實現對采集到的行業大數據進行高效、可擴展以及低成本的計算和分析，本研究擬基于一系列主流開源的大數據計算基礎框架和協調機制，提供基于分布式存儲的離線計算、基于內存計算的實施分析以及分布式應用程序協調服務。其中主要包括基于Hadoop的分布式存儲離線計算引擎、基于Spark內存計算的實時分析以及利用Zookeeper提供配置維護、域名服務、分布式同步、組服務等一系列協調服務。這些開源平臺在業界也被廣泛使用，且在高校性、可靠性、安全性等方面得到了實際應用的檢驗，本研究擬利用這些較為成熟的開源大數據技術支撐各項行業大數據的分析研究工作。另外，本研究通過還基于分布式工作流引擎技術構建金融機構的跨界大數據分布式協調機制，增進行業各方的信任，協調各方利益，打造各方自動流程參與規則，為大數據流通提供良性環境。本研究通過對工作流技術的設計，對信息交互各方進行有效約束，同時，利用協同設計的思想來指導工作流管理，從而實現支持協調機制的工作環境，主要包括以下三個方面:1．數據訪問權限:傳統的數據庫管理系統訪問權限主要是數據安全口令與讀寫權限控制。而大數據環境下，數據訪問權限需要限制什么人什么時間以及執行什么任務。本研究采用工作流引擎技術可以根據訪問者的身份動態的分配數據訪問權限，主要分為a)主體:主體可以為人，角色，企業或者IP地址等;b)時間:可以是固定日期，使用次數，或者任務依賴關系(銷售分析完成后才可以進行利潤分析);c)任務:任務是工作流技術協同的核心。在大數據環境下，任務主要是以輸入，輸出和分析方法來定義;d)數據量:可以規定數據的大小，屬性(列)或者樣本數量(行)。2．并行數據訪問控制:數據可以同時被多個用戶同時訪問，并控制多用戶并行的效率以及如何分配數據資源，以及保證實時數據的一致性和完整性3．協調數據整合與傳輸:在訪問權限的允許下，來自多個數據源數據可以被傳輸到一個集中的云服務器或者私有服務器進行分析，并通過隨機干擾技術進行數據傳輸以及協調數據隱私。

四、面向金融領域精準可信推薦

金融精準可信營銷是為了能夠有效及時地將最合適、可信賴的服務/產品推薦給客戶［3］。研究設計市場銷售類分析模型，主要包括客戶管理模型，客戶群信用分析，產品可信賴度，機構市場營銷統計分析，客戶貢獻度分析，客戶潛在價值分析和客戶活躍度分析等;為了能夠制定優質可靠的金融服務產品，研究設計業務產品條線分析模型，主要包括存款分析模型，貸款分析模型，國際業務分析，信用卡業務分析，電子渠道業務分析，理財業務分析，票據業務分析，債券業務分析等［4］［5］［6］［7］。

五、總結

本研究面向金融領域精準可信營銷推薦，有效解決金融行業的用戶需求不能精準推薦、交易雙方可信問題等難題。研究打破跨界機構之間的數據孤島，實現共享與互操作時保證流通過程是可信的、可追溯的、安全的;基于深度信用挖掘的金融用戶興趣畫像與精準可信推薦系統從歷史數據中找出不同客戶群體的潛在金融產品與服務的消費行為特征，并建立一個交易雙方可信的環境，為本行開展特定金融產品與服務、拓展新的客戶資源提供信息并建設一個交易可信平臺提供支持。

參考文獻:

［1］何蒲，于戈，張巖峰，等．區塊鏈技術與應用前瞻綜述［J］．計算機科學，2017，44(4):1－7．

［2］任安軍．運用區塊鏈改造我國票據市場的思考［J］．南方金融，2016(3):39－42．

［3］移動支付平臺精準推薦算法設計與實現［D］．華南理工大學，2015．

［4］債券類金融產品推薦系統的設計與實現［D］．山東大學，2013．

［5］互聯網金融理財產品多粒度推薦模型研究［D］．重慶工商大學，2018．

［6］佚名．基于多特征融合的金融領域科研合作推薦研究［J］．數據分析與知識發現，2017，1(08):43－51．

［7］佚名．基于MapReduce的股票代碼標簽抽取與金融資訊關聯推薦［D］．廣西大學，2014．

作者：陳亞輝 吳基成 孫瀾 單位：浙江工商大學