版本號：V1.0金融大數(shù)據(jù)應(yīng)用案例民生銀行署云計算，實現(xiàn)自動化、高能效、虛擬化和標準化的云部署目標；洞察大數(shù)據(jù)推動了民生銀行的轉(zhuǎn)型與創(chuàng)新；手機銀行等移動應(yīng)用幫助它們打造了戰(zhàn)略產(chǎn)品平臺根據(jù)數(shù)據(jù)智能分析向前臺提供服務(wù)與反饋，支持實現(xiàn)以客戶為中心的服務(wù)模式與體驗；整合日益互聯(lián)互通的各種服務(wù)渠道；建立持續(xù)從廣泛的來源獲取、量度、建模、處理、分析大容量多類型數(shù)據(jù)的功能；及時在互聯(lián)互通的流程、服務(wù)、系統(tǒng)間共享數(shù)據(jù)，并將經(jīng)過智能分析與加工的數(shù)據(jù)用于業(yè)務(wù)決策與支持；智能化分析和預(yù)測客戶需求中信銀行信用卡中心3大數(shù)據(jù)挑戰(zhàn)發(fā)卡量增長迅速：2008年發(fā)卡約500萬張，2010年增加了一倍。業(yè)務(wù)數(shù)據(jù)增長迅速：隨著業(yè)務(wù)的迅猛增長，業(yè)務(wù)數(shù)據(jù)規(guī)模也線性膨脹。數(shù)據(jù)存儲、系統(tǒng)維護、數(shù)據(jù)有效利用都面臨巨大壓力。需求可擴展、高性能的數(shù)據(jù)倉庫解決方案能夠?qū)崿F(xiàn)業(yè)務(wù)數(shù)據(jù)的集中和整合；可以支持多樣化和復(fù)雜化數(shù)據(jù)分析提升信用卡中心的業(yè)務(wù)效率；通過從數(shù)據(jù)倉庫提取數(shù)據(jù)，改進和推動有針對性的營銷活動。采用大數(shù)據(jù)方案后價值體現(xiàn)實時的商業(yè)智能可以結(jié)合實時、歷史數(shù)據(jù)進行全局分析,風(fēng)險管理部門現(xiàn)在可以每天評估客戶的行為，并決定對客戶的信用額度在同一天進行調(diào)整；原有內(nèi)部系統(tǒng)、模型整體性能顯著提高秒級營銷Greenplum數(shù)據(jù)倉庫解決方案提供了統(tǒng)一的客戶視圖，更有針對的進行營銷。2011年，中信銀行信用卡中心通過其數(shù)據(jù)庫營銷平臺進行了1286個宣傳活動，每個營銷活動配置平均時間從2周縮短到2-3天。EMCGreen-plum建設(shè)銀行阿里信貸面向阿里巴巴普通會員全面放開，不用提交任何擔(dān)保、抵押，只需憑借企業(yè)的信用資源就可以“微貸”“微貸”通過網(wǎng)絡(luò)低成本廣泛采集客戶的各類數(shù)據(jù)信息，分析挖掘的數(shù)據(jù)，判斷客戶資質(zhì)，用戶可以24小時隨用隨借、隨借隨還善融商務(wù)平臺上的每一筆交易，建行都有記錄并且能鑒別真?zhèn)危勺鳛榭蛻羰谛旁u級的重要依據(jù)對消費者購買行為的分析，比如點擊量、跨店鋪點擊，訂單流轉(zhuǎn)量甚至聊天信息的收集和分析未來互聯(lián)網(wǎng)金融模式下資源配置的特點是：資金供需信息直接在網(wǎng)上發(fā)布并匹配，供需雙方甚至不需銀行、券商或交易所等中介，直接匹配完成信評級的重要依據(jù)互聯(lián)網(wǎng)銀行模式—建行光大銀行—行動打通社會化大數(shù)據(jù)庫，期待社會化數(shù)據(jù)內(nèi)外通達如何把品牌價值透過網(wǎng)絡(luò)雜音直擊目標客戶，并及時發(fā)現(xiàn)客戶的需求做好精準服務(wù)是考驗自身技術(shù)段位的如果把銀行內(nèi)部的客戶號和新浪的微博號掛接起來，在一定程度上就可以做群體營銷了。外部數(shù)據(jù)引入的動作很關(guān)鍵，把微博、QQ、郵箱等社交化的、能很快找到客戶的方式能通達起來。跟傳統(tǒng)的數(shù)據(jù)存儲放一起，同等對待，建立一個更加立體豐富的數(shù)據(jù)庫。基本信息、愛好信息、行為信息、分析信息互聯(lián)網(wǎng)金融模式新浪微博開發(fā)平臺上做了一個繳費應(yīng)用——“V繳費”光大銀行—思考銀行大數(shù)據(jù)包括非結(jié)構(gòu)化數(shù)據(jù)、結(jié)構(gòu)化數(shù)據(jù)和敏捷數(shù)據(jù)系統(tǒng)日志數(shù)據(jù)GIS地理信息數(shù)據(jù)在線交易數(shù)據(jù)前瞻性的應(yīng)用客戶營銷：在線營銷方案微博營銷：把微博上用戶跟我們光大銀行用戶相匹配，采用中文分析引擎客戶行為分析，包括電話語音、網(wǎng)絡(luò)的監(jiān)控錄像：客戶走動線路的重疊分析風(fēng)險控制與管理：結(jié)構(gòu)化非結(jié)構(gòu)化數(shù)據(jù)整合，分析系統(tǒng)存在IT風(fēng)險或者釣魚網(wǎng)站防欺詐互聯(lián)網(wǎng)銀行模式—交行阿里金融現(xiàn)狀中國將近4200萬小微企業(yè)，占企業(yè)總數(shù)的的97.3%由于分布零散、業(yè)務(wù)不規(guī)范、盈利不明朗、信貸時間長、信用難以構(gòu)建等現(xiàn)狀，使得小微企業(yè)的貸款相當困難大數(shù)據(jù)與小而美的金融信貸完全是構(gòu)建在互聯(lián)網(wǎng)的基礎(chǔ)通過數(shù)據(jù)分析，以自主服務(wù)模式為主的、面對小微企業(yè)的信貸工廠24小時開放、隨時申請、隨時審批、隨時發(fā)放的純互聯(lián)網(wǎng)的小額信貸服務(wù)ODPSOpenDataProcessingService，阿里云開放數(shù)據(jù)處理服務(wù)來自淘寶、天貓、B2B、支付寶的交易數(shù)據(jù)、日志、聊天記錄以及評價等各個方面的數(shù)據(jù)經(jīng)過確定的調(diào)度、系統(tǒng)監(jiān)控、數(shù)據(jù)分析、算法優(yōu)化等流程，最終形成了310模式其他應(yīng)用—思考自下而上的風(fēng)險分析。分析ACH交易、信貸支付交易，以獲取反映壓力、違約或積極發(fā)展機會。業(yè)務(wù)聯(lián)系和欺詐分析。為業(yè)務(wù)交易引入信用卡和借記卡數(shù)據(jù)，以辨別欺詐交易。跨帳戶參考分析。分析ACH交易的文本材料（工資存款、資產(chǎn)購買），以發(fā)現(xiàn)更多營銷機會。事件式營銷。將改變生活的事件（換工作、改變婚姻狀況、置房等）視為營銷機會。交易對手網(wǎng)絡(luò)風(fēng)險分析。了解證券和交易對手問的風(fēng)險概況和聯(lián)系。消費智能。摩根大通已經(jīng)開始使用Hadoop技術(shù)以滿足日益增多的用途，包括詐騙檢驗、IT風(fēng)險管理和自助服務(wù)150PB在線存儲數(shù)據(jù)、30,000個數(shù)據(jù)庫和35億個用戶登錄賬號Hadoop能夠存儲大量非結(jié)構(gòu)化數(shù)據(jù)，允許公司收集和存儲Web日志、交易數(shù)據(jù)和社交媒體數(shù)據(jù)。數(shù)據(jù)被匯集至一個通用平臺，以方便以客戶為中心的數(shù)據(jù)挖掘與數(shù)據(jù)分析工具的使用。花旗銀行分析數(shù)據(jù)包括客戶提供的信息（申請、表格等）社交網(wǎng)絡(luò)、公共網(wǎng)頁得到客戶的信用記錄以及信用歷史和目標客戶有類似行為模式的客戶數(shù)據(jù)金融以及經(jīng)濟數(shù)據(jù)證券交易委員會文件招股章程、過往貸款記錄新聞（以衡量公眾意見以及信心）Facebook在內(nèi)的來自社交網(wǎng)絡(luò)的數(shù)據(jù)（個人、家庭計劃等）花旗銀行--續(xù)應(yīng)用信用風(fēng)險評估（貸款）針對性營銷以客戶為中心客戶統(tǒng)一視圖（結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)）細分客戶，按照客戶行為進行分類為客戶提供質(zhì)量一致的客戶體驗IBMWatson產(chǎn)品深度非結(jié)構(gòu)化數(shù)據(jù)分析自然語言處理決策支持基于循證的學(xué)習(xí)功能西太平洋銀行特點：隨著大數(shù)據(jù)的大量涌現(xiàn)，尤其是在社交媒體網(wǎng)絡(luò)的背景下，渠道戰(zhàn)略不應(yīng)僅限于傳統(tǒng)的銀行渠道，而且還應(yīng)整合新的客戶接觸點（即社交媒體網(wǎng)站）盡管西太平洋銀行已經(jīng)非常清楚地認識到社交媒體數(shù)據(jù)僅僅是當今多種數(shù)據(jù)來源之一，但銀行目前側(cè)重于將情感分析作為其大數(shù)據(jù)分析挑戰(zhàn)的一部分應(yīng)用：啟用和優(yōu)化定價、市場營銷和經(jīng)濟利潤事前風(fēng)險管理（PRM）系統(tǒng)，該系統(tǒng)允許使用銀行風(fēng)險實踐快速更新有關(guān)欺詐的知識并減少個人風(fēng)險Zions銀行大數(shù)據(jù)安全策略倉庫存儲了120多個不同類型的數(shù)據(jù)，包括交易日志，日志，欺詐警報，服務(wù)器日志，防火墻日志和IDS日志跨整個企業(yè)進行數(shù)據(jù)挖掘，加快取證調(diào)查并提高欺詐偵測，以及整體安全性是主動的而非被動的安全基于Hadoop的安全數(shù)據(jù)倉庫，就像是具有分布式檢索應(yīng)用（魚叉式網(wǎng)絡(luò)釣魚攻擊）威脅建模/惡意軟件推動的帳戶接管迅速對來自各種源頭的惡意軟件威脅作出響應(yīng)并對抗它們微信貸踢公司“大剖數(shù)據(jù)+機器鋸智能伙學(xué)習(xí)”利用漁海量杜數(shù)據(jù)躍挖掘貿(mào)和算派法來序做一芬些貸惑款業(yè)務(wù)大量蕩使用了社使交媒翁體和巷其他黑的網(wǎng)弓絡(luò)工具每個吼貸款五人都億擁有60影00到80喇00條數(shù)俊據(jù)特點嚷：它的每擾筆貸慶款額壇度都永很小，太多的烘資金悄額度秋需要迫更多葡次的檢驗不良號貸款射會迅榴速暴露。，模型耐的反鞏饋和救改進時間短違約魄率高利率趟很高Wo得ng圓aLe閱nd葵in貨gS桑tr浸ea競mZe旦st飄ca潮shKl駕ar笛naPa見wn兼Go國外祖其他糾應(yīng)用定期（每絲式天）對所有妨客戶利的交貍易日針志和獻當前絲式的債抵權(quán)狀異況（姜包括戚核心逗系統(tǒng)損內(nèi)的畫數(shù)據(jù)尋和從梨征信軋中心漫取得紫的數(shù)偏據(jù)）捎進行度分析共，捕建模肆，及巖分析炊當前飾模型撿的精婚確性須；定期（每席天）根據(jù)分析椅對客泊戶進爺行分潛類（se枯gm互en劃ta鐘ti畢on）；每天針對攀不同某的分蠶類建躬立不憐同的水模型捧，進咸行行僑為評分、預(yù)測對客戶營銷可能橋性、提前比還款偵的可能謎性、壞賬的可效能性桂等；每天根據(jù)可預(yù)測株的分敵數(shù)和窯交易問狀況星和提頭前設(shè)夏定的st除ra依te奧gy自動砍調(diào)整蜓客戶銀的cr醉ed虎it暈l棗in椒e；每天根據(jù)匹預(yù)先去設(shè)定盼的st都ra煮te舒gy和3，4的結(jié)親果對紅客戶尊進行電話、郵件、信件等的暗促銷煙和催飽收；采用落結(jié)構(gòu)凈化和韻非結(jié)掃構(gòu)化畝數(shù)據(jù)不僅詞僅分背析客稈戶本劉人，熔還可鈴以分禽析擔(dān)請保人驢等大數(shù)擦據(jù)應(yīng)工用--治IB坑M大數(shù)熔據(jù)引潑擎基豎本上業(yè)完成閑是存遭儲和渴計算客戶數(shù)據(jù)踢都在尾數(shù)據(jù)前倉庫市里，卻隨著樓互聯(lián)末網(wǎng)和慚其他貼的一趴些新刪型的蕉包括憲移動誤應(yīng)用昏的增浸加，弦我們屬希望秧通過療非結(jié)筍構(gòu)化己的信精息能生夠來冒補強鴿原有傳統(tǒng)撓上存在先數(shù)據(jù)干倉庫姐里客券戶的銳檔案襪和信息呼叫呢中心記錄俊的分析客戶瓦情感志分析增強闖的客棟戶細乓分機器數(shù)據(jù)—交易躍故障彼分析用現(xiàn)鞭在大語數(shù)據(jù)屑的能冒力把轎分布善在各夕個地文方的劃原始柱數(shù)據(jù)大和原狹始的油日志毫定時耀每隔旦一分酒鐘進麥行收叮集和抽取放到分趁布式墓文件蛾系統(tǒng)顛里，并很快的能娘夠建縫立起唐一些索引提供一個度很方被便的前端免實時的查漏詢風(fēng)險排和欺詐建一個反欺炸詐統(tǒng)計議模型釣魚網(wǎng)站酒攻擊刮、信面用卡天套現(xiàn)撇、盜刷信用與卡非結(jié)悔構(gòu)化群數(shù)據(jù)唯應(yīng)用--誕IB亂M信貸并不六只跟享信貸溪部有佳關(guān)系抱，還嗽跟客寺戶服莫務(wù)部商、法矩律部床、IT架構(gòu)虜?shù)鹊葢┒加嘘P(guān)竿系這些凡關(guān)系救全部含串接陪起就彎形成毫了全蠶流程律信貸水的概盲念，暖打破憲了業(yè)先務(wù)部蔑門和危業(yè)務(wù)撞部門英之間粉的界限信貸使應(yīng)用珍就要悔重新勢設(shè)計食、開發(fā)引入影像平臺稅、流纖程平束臺、員規(guī)則剪引擎蹄平臺儲這些因素降低蜓整體賊成本反洗得錢一個悶欺詐鴿就是傷一個Ca列seCa腿se包含了與搞之相那關(guān)的卸所有針資料娘，例孟如法掘律規(guī)輝范、給業(yè)務(wù)造邏輯凍、時支間順拉序、刃修改把軌跡等當需截要的時街候，假可以粥很快陵地找線出來得出一個嫌疑粉是否違規(guī)吼犯罪盛的結(jié)論可以購了解鹿犯罪亦者、究供應(yīng)版商或敲欺詐攀團伙提之間蛛的關(guān)系并能窄夠?qū)V復(fù)雜虧的多頭渠道霞欺詐墨構(gòu)建抬更易醫(yī)解讀膝的可叼視化澡分析金融大數(shù)據(jù)發(fā)展善十大命趨勢（20頓12）對更排大的面歷史普數(shù)據(jù)鄉(xiāng)豐集的懂需要企業(yè)蠟面臨雨新的糕監(jiān)管跡和合促規(guī)要求對企爆業(yè)風(fēng)我險管鞠理的關(guān)注利用殘各種優(yōu)交付滑渠道隸的更壁多的菜客戶數(shù)據(jù)對后誕突發(fā)賣市場材中數(shù)她據(jù)基緞礎(chǔ)設(shè)目施的投資推動紅運營于部門驕利用數(shù)據(jù)的價緊值需要沒重新每設(shè)計ET竿L以適沈應(yīng)數(shù)損據(jù)增長使用技預(yù)測仗信用俗風(fēng)險模型移動宿設(shè)備時的普及要求處理皺和整昂合非結(jié)歪構(gòu)化眉數(shù)據(jù)推動躺了對州數(shù)據(jù)嗚處理奶算法企的需之求大數(shù)表據(jù)發(fā)扎展2013年試驗項目成品化行業(yè)垂直領(lǐng)域內(nèi)出現(xiàn)成功案例2014年各個行業(yè)都將遵循大數(shù)據(jù)的游戲規(guī)則主要關(guān)注點在內(nèi)部數(shù)據(jù)外部數(shù)據(jù)無新進展2015年整合使用外部數(shù)據(jù)2016年數(shù)據(jù)驅(qū)動的決策代替了直覺和常識2017云和大數(shù)據(jù)、數(shù)據(jù)倉庫合并起來分析即服務(wù)金融變?nèi)诤淆g創(chuàng)新客戶木體驗支付閣結(jié)算貸款猾（小微斗企業(yè)貸款和個人備貸款）統(tǒng)一撇客戶轎