電信行業大數據在銀行業場景化的應用范文

本站小編為你精心準備了電信行業大數據在銀行業場景化的應用參考范文，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。

《IT經理世界》2017年第Z1期

摘要：在分析銀行業大數據需求和現狀的基礎上，基于電信行業大數據的特點和應用，梳理電信行業大數據在銀行業的主要需求，結合需求設計提出16項具體的場景化應用，最后介紹了部分電信行業大數據在銀行業的場景化應用實際案例。

關鍵詞：大數據；銀行業；電信行業；場景化；行業應用；電信運營商

1銀行業大數據業務需求及現狀

1.1銀行業發展現狀

截至2016年底，我國銀行業金融機構本外幣資產總額為232萬億，同比增長15.8%；本外幣負債總額為215萬億，同比增長16.0%，資產和負債規模穩步增長；商業銀行全年實現凈利潤16490億元，同比增長3.54%，整體行業發展良好。隨著互聯網、移動手機的普及，傳統銀行的業務形態已經發生了極大變化，金融科技的發展正在逐步重塑銀行業態，手機銀行、網上銀行、微信支付等新興渠道正在快速替代傳統的柜員服務，目前國內大型商業銀行的電子交易占比已超過80%；同時，互聯網金融的興起對于傳統銀行業造成巨大沖擊，互聯網消費、互聯網借貸等業務快速擴展，傳統銀行業面臨管道化危險。因此，銀行業面臨迫切的轉型需求，即從原來的賬務性、交易性處理轉向經濟生活全場景化的服務。面對壓力，銀行業積極探索通過創新驅動業務增長和市場發展。作為金融服務業的一個分支，銀行業創新的本質在于更好地吸引和服務客戶，提升綜合競爭力。其中，數據作為金融行業的核心資產，是服務好客戶的前提和保障，而大數據的出現則為銀行業充分利用數據手段提升客戶服務效能、拉動業務增長提供了有效途徑。在這種背景下，銀行業也成為大數據應用最為廣泛和深入的行業之一。

1.2銀行業大數據業務需求及現狀

從應用維度來看，銀行業對于大數據業務的需求主要集中在客戶精準識別畫像、產品精準營銷以及金融風險防范。從應用領域來看，銀行業對于大數據的業務需求分布于零售業務、公司業務、資本市場業務、交易銀行業務、資產管理業務、財富管理業務和風險管理。從銀行業實際需求來看，銀行業對于大數據業務的需求集中在應用、平臺和數據3個維度?，F階段國內外銀行業都在積極探索使用大數據創新業務模式，拉動銀行業務快速增長。如建設銀行已經實現在實時數據倉庫上對客戶經理做實時的數據提供和交付，并設計6類數據應用模式，包括挖掘類、數據實驗室、機器查詢、儀表盤、固定報表、自動查詢等。中國銀行則通過打造中銀開放平臺，將中國銀行的大數據整合開發為1000多個標準的API接口，在將其應用于自身業務開展的同時，探索面向外部合作伙伴提供API接口服務。銀行業在積極探索大數據應用的同時，也面臨如下問題和挑戰。a）隨著客戶交易行為越來越線上化以及第三方支付與店商的合作，銀行對客戶交易行為的了解相比以前減弱了，銀行業急需通過多維度數據資源補全客戶行為畫像。b）由其行業特點所決定，銀行業大數據需要使用個人類數據較多，如何獲得數據擁有者的許可和信任，即合法合規利用大數據優化現有業務模式，也是銀行業在開展大數據業務時不可忽視的問題。c）銀行業積累了較強的數據研發能力，基本都已建完備的數據平臺。但銀行業細分業務場景繁多，如何將大數據與細分業務流程融合，尋求大數據業務合理的切入點，是目前銀行業大數據應用的核心問題。

2電信行業大數據特點及應用現狀

2.1電信行業大數據的4V特征

按照業界常用的方法，從體量（Volume）、速度（Velocity）、價值密度（Value）和多樣性（Variety）4個維度分析電信行業大數據。a）體量：電信行業大數據具有體量大和覆蓋廣的特點。截至2016年底，全國移動通信用戶累計達到13.278億戶，全國寬帶用戶累計達到2.76億戶。同時電信行業用戶覆蓋國內各級自然行政區域及國外漫游區域，數據采集基本不受地理和經濟發展等因素影響。b）速度：電信行業在多年處理用戶信息消費的過程中，通過計費、管理、服務等平臺的多維度建設，已經建成可以快速處理海量用戶數據的計算分析平臺，能夠快速地對外提供數據加工和挖掘服務。c）價值密度：大數據以低價值密度為主要特征，電信行業具有相對優質和高價值密度的數據資源。以國內電信運營商為例，截至2016年12月31日，國內已100%實現電話用戶的實名登記。此外，電信運營商以號碼為唯一的ID來整合各類數據，其刻畫客戶的完整性是一般企業難以企及的，因為號碼就是業務本身，而且還有終端ID作為移動通信網業務屬性而存在。d）多樣性：從數據來源區分，電信運營商數據來源涵蓋B域（Businesssupportsys），O域（Operationsup⁃portsys），M域（Managementsupportsys）。從數據類型區分，電信運營商數據分類包括消費、位置、終端、網絡行為等多個維度，而且維度間存在強關聯。

2.2電信行業大數據在細分行業應用情況

電信行業大數據因其數據質量高、數據應用經驗豐富已經在許多細分行業得到深入應用，如表1所示，此處結合電信行業數據類型，對部分目前使用電信行業大數據較多的行業進行了分析。

3電信行業大數據在銀行業場景化應用

3.1應用思路

在為銀行業設計大數據應用解決方案時，應該立足電信行業已具備的大數據能力，通過深入了解銀行業務應用場景，尋求電信行業大數據與銀行業務流程的結合點，完成電信行業大數據在銀行業的應用。

3.2電信行業大數據在銀行業主要應用

按照上述思路，電信行業在銀行業的主要應用可分為6類，分別是精準營銷獲客、用戶特質描繪、消費信用評估、欺詐識別防范、智能投顧輔助和業務運營優化。a）精準營銷獲客：利用電信行業積累的用戶消費、信息等數據，結合營銷產品和計劃，通過電信行業設定的用戶標簽篩選重點目標客戶群體，然后開展精準觸達營銷。b）用戶特質描繪：利用電信行業用戶標簽，完善銀行業已有用戶畫像庫，為后續開展針對性服務和營銷提供數據參考基礎。c）消費信用評估：將用戶在電信領域的消費、投訴等歷史記錄，作為銀行業客戶消費信用評估的重要參考維度，輔助銀行開展互聯網借貸等新業務，或者直接通過API接口比對驗證用戶在電信側的相關數據。d）欺詐識別防范：包括事前、事中和事后3個環節的欺詐識別預防。利用電信行業用戶位置、朋友圈等有效數據，合理設計場景，輔助識別金融欺詐行為，避免銀行客戶損失。e）智能投顧輔助：依托電信行業完整的用戶畫像，為銀行業開展智能化投資理財提供用戶分群參考。f）業務運營優化：利用電信行業的位置數據以及積累的PoI數據庫等信息，輔助銀行業開展日常業務運營優化，如網點選址、市場分析等。

3.3電信行業大數據在銀行業通用場景化應用

基于上述6類應用場景，本文對電信行業大數據在銀行業的具體應用進行了詳細劃分，在充分研究銀行業務場景需求和用戶隱私保護的前提下，共設計提出16項銀行需求較為急迫的通用場景化應用，對場景化應用進行了詳細介紹。

4電信行業大數據在銀行業場景化應用案例

4.1銀行客戶征信

4.1.1應用場景銀行在信用卡用戶開卡、銀行賬戶開立或者金融借貸發生時，利用電信行業大數據，判斷用戶提供的部分初始信息是否準確，進行金融業務的事前風險防范。

4.1.2應用方案數據傳遞：通過API接口傳遞數據，傳輸協議使用SOAP。銀行客戶通過調用接口完成數據征信。

4.2銀行電子交易風控

4.2.1應用場景在電子銀行交易過程中，存在用戶交易確認短信被不法分子以非法手段截取的欺詐場景，如植入木馬、復制SIM卡等。通過引入電信運營商的位置大數據服務，可在銀行電子銀行交易過程中實時比對用戶登錄電子銀行、用戶接收短信以及用戶操作U盾等交易環節的位置數據，然后通過比對各交易環節位置數據，通過位置差值觸發和阻斷可疑交易。該思路同樣適用于手機銀行登錄、手機銀行交易等。

4.2.2應用方案引入電信運營商大數據服務以后的電子銀行交易流程，通過運營商處位置和銀行獲取的用戶交易位置進行比對，在發現距離超限后，銀行實時阻斷和掛起交易，減少欺詐的發生。

4.3利用電信行業大數據完成銀行客戶精準分群

4.3.1應用場景某銀行希望對其部分有潛在理財需求的客戶進行電話營銷前，進行精準分群，針對不同屬性的客戶提供針對性的理財產品，并設計個性化的營銷方案，進而提高電話營銷的成功率。

4.3.2應用方案基于客戶應用場景，在進行客戶分群時共使用個性化定制標簽34個，包括近3~6個月出賬收入、觸媒偏好、在網時長、終端類型、訪問特定類型網站情況等，數據類型涵蓋用戶身份屬性、終端基本屬性、位置狀態、上網行為、興趣偏好等。最終，通過使用上述標簽對銀行提供的客戶樣本進行分析，完成客戶精準分群如表5所示。按照營銷產品屬性，將樣本用戶分為4類，分別是關注商務應用類網站、關注炒股類APP、接聽客服電話超過30s和關注××銀行APP，針對分群后的不同用戶，建議銀行采用不同的營銷方案，如針對接聽客服電話超過30s的客戶，建議通過外呼的方式進行產品銷售。

4.4利用電信行業大數據風控模型幫助銀行開展貸前授信評估

4.4.1應用場景

銀行在提供小額信貸、消費貸等面向個人的靈活類型借貸時，需要通過一系列風控模型對借貸人進行信用評估。電信行業大數據可幫助銀行從移動號碼維度出發，對借貸人進行信用評估。

4.4.2應用方案

參考銀行業借貸業務場景，貸前審核分為身份核實、授信額度信用評估兩部分，由于個人信貸額度一般較小，因此對用戶還款意愿的評估比還款能力的評估更為重要。提煉電信行業側與用戶小額借貸等個人借貸行為相關聯通信信息行為屬性，構建風控模型，經過模型能力訓練，部署至實際數據生產環境，在借貸業務場景下調用模型接口，為銀行提供風控參考。

5結束語

面對激烈的市場競爭，大數據已經成為銀行業保持業務增長的重要手段。聚焦融合行業特色的場景化應用，電信行業大數據可有效助力銀行業大數據應用，幫助銀行業創造更多價值。通過跟蹤銀行業實際業務需求和新業務發展，電信行業大數據在銀行業的應用將不斷深入，應用場景將不斷豐富，電信行業大數據在銀行業的場景化應用將同時推動2個行業的轉型升級。

參考文獻：

［1］龐引明，張紹華，宋俊典.互聯網金融與大數據分析［J］.中國信息化，2016（10）.

［2］鄭東盟.大數據時代商業銀行優化經營管理策略研究［J］.現代經濟信息，2015（15）.

［3］孫妮，康守松，劉曉峰.數據資產視角下商業銀行大數據應用現狀及發展前景分析［J］.現代管理科學，2017（2）：79-81.

［4］張晉.移動運營商在大數據方面的應用及策略［J］.中國新通信，2016，18（11）：93-93.

［5］陳濤，魯萌，陳彥名.運營商大數據技術應用研究［J］.電信科學，2017（1）：130-134.

［6］廖慧，李娜，王蓉.大數據時代下電信運營商應用模式研究［J］.電信技術，2016（3）：8-12.

［7］穆致君，何陽，楊丹.運營商的大數據業務發展模式分析［J］.現代電信科技，2016，46（1）：8-12.

［8］陳科帆，周洪成.電信運營商大數據資源變現模式及策略研究［J］.移動通信，2016（1）：63-67.

［9］呂良成.電信運營商大數據資源應用及變現探析［J］.通訊世界，2016（13）：75-76.

［10］范濟安，李衛，魏進武.電信運營商的大數據發展戰略［J］.信息通信技術，2015（6）：5-12.

［11］魏進武，靳淑嫻，張基恒，等.大數據關鍵技術及運營商落地建議［J］.郵電設計技術，2015（5）：9-12.

［12］王熙.移動互聯網迅猛發展加速大數據應用落地，運營商試水大數據經營［J］.通信世界，2015（1）：34-34.

［13］楊虎，易丹輝，肖宏偉.基于大數據分析的互聯網金融風險預警研究［J］.現代管理科學，2014（4）：3-5.

［14］余韋.基于電信大數據的位置類應用服務策略［J］.移動通信，2015（24）：77-81.

［15］張雅.電信企業大數據分析的應用及發展策略研究［J］.經營者，2015（2）.

［16］胡為艷，艾民，周光彬，等.基于大數據的信令監測系統的設計與實現［J］.電視技術，2016，40（1）：95-101.

［17］施戀林.大數據征信助力運營商轉型［J］.中國電信業，2016（12）：46-46.

［18］黃志凌.大數據思維與數據挖掘能力正成為大型商業銀行的核心競爭力［J］.征信，2016（6）：1-7.

［19］蔣耀萱.大數據時代我國商業銀行風險管理的問題研究［J］.中國商論，2015（16）：85-87.

［20］孫暢.大數據背景下的銀行信用風險管理［J］.商情，2016（29）.

［21］湯雅妃，魏進武，張云勇.基于大數據的信令監測系統研究［J］.郵電設計技術，2014（7）：47-52.

［22］桑宏偉，劉占強，曾毅，等.基于大數據平臺的移動分組網絡安全及IP性能的研究［J］.郵電設計技術，2016（1）：32-38.

［23］邵許生.大數據時代商業銀行的客戶信用風險管理研究［J］.時代金融，2016（20）.

［24］蔣國清.運營商大數據發展策略研究［J］.無線互聯科技，2016（10）：7-8.

作者：許致遠 單位：中國聯合網絡通信集團有限公司