目錄數據資產管理和價值變現貸款客戶風險預測分析應用我們可以提供的支撐銀行大數據應用現狀

數據資產管理現狀大數據應用現狀成熟：傳統數據倉庫和新型大數據在技術、框架、平臺和工具基本成熟，且需要的硬件成本更加廉價資產：“數據是資產”的概念已普及，但是“如何管理數據資產”仍然缺乏成熟的理論、方法、工具和成功實踐探索：大數據應用處于摸索階段，更多的是在引入大數據技術優化底層IT技術架構，在業務應用上缺乏實際有價值的應用，更缺乏“殺手級”應用土壤：銀行業是數據產生最為龐大的行業之一，且非結構化數據增長迅速，應用場景豐富，可以為大數據應用落地提供肥沃的土壤銀行需要在大數據資源獲取，數據資產管理，應用落地和場景入口上亟需解決和完善起來！互聯網金融時代貸款風險更嚴峻隨著普惠金融的到來，在缺乏有效金融大數據的情況下，要做好小微和零售貸款的難度非常的大，近年來小微和零售貸款遇到了增速下滑，不良率迅速上升的尷尬，貸款逾期潛在風險巨大，貸款損失急劇增加。當前，銀行更多關注的是在授信評級，還有沒有更好的辦法管理貸后風險，尤其是零售業務的貸后風險，基于大數據預測分析的貸款客戶風險預測分析將顛覆銀行傳統的風險管理手段，可以具備“先知”能力一樣的采取決策和行動！某銀行2010~2014小微貸款增速及不良率走勢（來源：平安證券研究所）迫于競爭壓力貸前審批放寬貸后管理滯后貸款損失增加3.場景為王1.數據為根0減少風險損失增加營銷收益

三類數據價值變現提高管理效能解決之道：數據資產管理和價值變現2.人才為核數據資產管理（數據治理+數據管理+數據應用）+數據資產運營直接服務單體通過區域服務單體服務區域100100何為數據資產管理？數據治理數據管理數據應用數據資產管理完整安全一致準確及時數據資產增值數據資產變現定義：數據資產管理是為了保證數據資產的完整、安全、一致、標準、準確、及時等因素（PS:“數量、質量和安全”），使數據能夠合理配置和有效利用，從而采取的各種管理活動。目標：是讓數據變成資產，使數據資產增值和變現。數據資產運營數據治理（1/3）數據戰略數據資產估值數據治理活動組織和角色數據政策、標準和規程問題管理數據管理項目和服務定義：數據治理是對數據資產管理活動行使權力和控制的活動集合(規劃、監控和執行)，是指導數據管理活動如何執行。目標：是制定正確的原則、政策、流程、操作規程,確保以正確的方式對數據和信息進行管理。數據管理（2/3）數據架構管理數據安全管理數據標準管理元數據管理數據質量管理數據生命周期管理管而不亂，讓數據變成資產數據管理核心內容定義：數據管理是規劃、控制和提供數據和信息資產，讓數據變成資產，發揮數據和信息資產的價值。數據應用（3/3）單體人才為核數據為根場景為王區域業務洞察業務場景設計數據來源分析算法模型實現試點單位驗證投產價值回報單體

區域應用演進區域應用驗證數據來源優化算法模型優化投產價值回報區域

概述：在合理有效的數據管理和管理的基礎上，實現對數據資產的保值增值，真正實現數據帶來的業務價值回報。直接服務單體通過區域服務單體直接服務區域

應用主體數據價值變現的演進過程應用的價值能力演進過去發生了什么？具體情況如何？現在是什么情況？發生的原因是什么？決策優化未來會發生什么？我們應該怎么做？最好的情況是什么？統計報表即席查詢多維分析定制查詢統計分析模型查詢模型監測風險預警數據挖掘機器學習深度學習預測建模大數據決策信息BI時代知識BI時代數據資產運營觀點：數據資產管理和價值變現是一個過程，需要將產品、工具、方法和實施經驗與企業的業務邏輯和實際需求緊密結合；需要企業的實際歷史數據來訓練驗證和測試，且數據源的范圍和要素在不斷演進，算法模型和特征項也需要不斷優化演進；這個工作需要機器和人協同作戰，缺一不可！目標：實現“數據、信息、知識、價值”的實踐提升閉環。單擊此處添加文字數據治理數據管理應用提出歷史數據業務經驗機器學習預測建模數據積累算法積累應用積累正式投產決策支持價值回報業務經驗業務場景深入分析試運行真實數據數據資產運營目錄數據資產管理和價值變現貸款客戶風險預測分析應用我們可以提供的支撐業務分析目標縮小預測范圍方法，提高精確率

主要通過資金鏈健康度（資金來源、資金去向、資金交易金額）、客戶脈脈圈的優良情況（黑名單戶多少，交易頻繁度）、

客戶額度合理性、客戶畫像中客戶存款余額、客戶財務指標合理性等重點標簽分析識別逾期名單。發現潛在風險,識別風險客戶

授信額度合理性、資金交易動向風險性、資金活動頻繁性、客戶行業變動性、客戶信用變化優良性、客戶脈脈圈的優良性。算法預測業務分析決策支持總體業務縱深拓展客戶脈脈圈分析客戶經理管戶圈分析黑名單戶關聯分析資金活動相關客戶情況分析客戶保證人情況分析客戶圈行業情況分析客戶資金用途分析客戶圈信用評級分析管戶總體風險分析管戶資金活動情況管戶客戶脈脈圈分析管戶總體風險暴露及緩釋分析其它客戶與黑名單戶資金情況黑名單脈脈圈情況分析黑名單戶資金來源與去向分析可疑客戶圈建立客戶資金鏈分析資金活動情況分析資金全在風險分析資金來源及去向分析資金活動頻繁度資金投向分析總體業務縱深拓展客戶畫像客戶資金鏈情況客戶貸款情況客戶存款情況客戶授信情況客戶還款情況以客戶為中心、以資金活動及客戶關系為向導，對預測客戶進行全方位整體分析。得出客戶在我行的總體畫像。深層次挖掘客戶價值、實現風險全面監控，分析潛在客戶風險，找出相應的解決策略。風險計量分析全行總體風險及緩釋情況各分支機構風險及緩釋情況預計風險損失估算風險暴露情況重點客戶追朔分析貸款逾期預測解決思路行業經驗人工處理事后處理傳統方法大數據技術人工智能提前預測我們方法基于客戶的貸款信息和交易流水等行內數據；結合征信、工商、法院等外部數據；整合社交媒體、電商購物、衣食住行等行為數據；運用大數據預測技術，挖掘潛在高風險客戶，預測未來可能會出現逾期的客戶。由事后變成事先提前預知！有人工變成機器智能！提前預測實現方式數據準備/特征分析樣本整定機器學習網絡時間序列模型檢驗結果反饋優化特征指標：貸款信息相關特征：卡上余額、應還款金額、放款利率、當月放款利率與上月放款率差值、執行利率、已罰利息總額、額度下最差十級分類代碼、十級分類代碼、小微采錄行業種類代碼、小微貸款申請人分類代碼、擔保方式細分代碼、零售貸款品種代碼、……交易流水相關特征：收入總金額、收入總筆數、收入總平均額、支出總金額、支出總筆數、支出總平均額、我行對手收入金額、我行對手收入筆數、我行對手收入平均額、我行對手支出金額、我行對手支出筆數、我行對手收入筆數-他行對手收入筆數、我行對手支出金額-他行對手支出金額、我行對手支出筆數-他行對手支出筆數、還款卡號余額/本月應還款金額、收入總金額/支出總金額、收入總筆數/支出總筆數、我行對手收入金額/我行對手支出金額、我行對手收入筆數/我行對手支出筆數、他行對手收入金額/他行對手支出金額、他行對手收入筆數/他行對手支出筆數、、我行對手收入金額/他行對手收入金額、我行對手收入筆數/他行對手收入筆數、我行對手支出金額/他行對手支出金額、我行對手支出筆數/他行對手支出筆數、……基于銀行提供數據提取近百維度特征多種分類算法組合：One-class

SVMRandom

Forest……模型測試示意5月份以前數據6月份預測結果模型預測6月份真實結果對比InputOutput測試指標：準確性：逾期用戶命中個數/逾期用戶總個數過濾比例：正常用戶命中個數/正常用戶總個數逾期客戶正?？蛻纛A測7月份結果投產數據范圍銀行內部數據法院查詢數據車輛查詢數據征信數據工商查詢數據房產查詢數據社交網絡數據客戶交易數據、交互數據和行為數據：基于客戶的貸款信息和交易流水等行內數據；結合征信、工商、法院等外部數據；整合社交媒體、電商購物、衣食住行等行為數據?；诖髷祿脚_下的分布式存儲和分布式計算，可以處理結構化、半結構化和非結構化的多種類型的數據電商購物數據使用效果和價值體現XX銀行內部方法準確率為46.7%，我們方法的準確率為88.0%傳統方法需要在所有客戶中查找逾期客戶，我們方法只需要在11.2%的客戶中查找逾期客戶。只需花費10%的成本和人力，達到接近90%的預測準確率，價值回報為9倍！預測結果和準確率只是第一步，關鍵的是要依據預測結果進行決策和行動，這里將由客戶資金鏈分析、客戶圈分析、風險客戶分析等進一步的應用場景來支撐。客戶資金鏈分析主要對于貸款逾期預測客戶進行資金鏈全方位分析，以貸款客戶為中心，在本行或是他行之間的資金往來情況，主要分析以客戶資金鏈健康度、資金活動頻繁度、資金流向風險度、資金額度可控度等情況反應客戶所帶來的資金問題。資金鏈健康度資金來源客戶狀態正常性，客戶信用度優良性，客戶歸屬黑名單、客戶在征信系統歸屬于可疑交易的客戶或是非法組織等、或是客戶對賬戶狀態不正常，如客戶與本類客戶發生交易，可能帶來資金鏈健康問題資金活動頻繁度

對于客戶資金活動頻繁度分析，主要體現在客戶在一個月或是一個季度資金交易發生頻率分析，一般良性客戶，在流動資產方面比較活躍，對于一般經濟狀況不太好的客戶、資金活動頻度很慢，從而分析客戶經濟狀況?？赡軙o銀行帶來經濟損失?？蛻糍Y金鏈分析主場景資金流向風險度

對于資金流向風險度，主要分析客戶資金去向，是否為非法組織，是否參與股票、期貨、期權、大量資金出現跨境支付等投資業務交易。通過交易資金去向分析安全性，可能給客戶帶來直接經濟損失，從而影響還貸能力，造成銀行經濟損失。資金額度可控度

對于我行貸款戶，在資金交易過程，存在大量資金流出，而資金回擾現象很少，客戶在我行的存款業務量遠遠小于還本金及利息的額度時，這類客戶會直接給銀行帶來經濟損失

客戶資金鏈分析主場景理財代付存款貸款票據委托貼現委貸代收代理投資基金簽發兌付消貸商貸房貸定期活期客戶資金鏈分析主頁面資金流向資金交易頻繁度客戶持有產品客戶發生交易類型交易對像范圍交易金資金額資金來源交易資健康度客戶“脈脈圈”分析客戶脈脈圈主場景客戶脈脈圈的廣泛度廣泛度主要體現貸款客戶與之相關聯客戶的數量，通過客戶廣泛度能區分體現客戶資金活動的范圍度，客戶關系區域度，客戶行業分布度?？蛻裘}脈圈的健康度健康度主要分析客戶關系鏈中，是否我行白名單客戶存在關系，是否與黑名單存在關系，還是一些知名公司及一些可疑客戶，或是客戶信用度底或高的客戶來分析客戶脈脈圈的健康度?？蛻裘}脈圈的信譽度主要通過客戶脈脈圈分析與之相關客戶的信譽度，來總體評價本客戶圈的信譽情況?？蛻裘}脈圈主畫面脈脈圈聯系緊密度脈脈圈客戶數脈脈圈重點數脈脈圈資產情況脈脈圈風險數脈脈圈白名單數脈脈圈信用評分值客戶經理“管戶”分析客戶經理“管戶”分布圖

客戶經理進入系統，能清晰的目前本客戶經理下管戶分布情況、各管戶的信用情況、管戶資金情況、與管戶關系的客戶情況客戶經理“管戶”資金鏈分析

客戶經理能清晰分析出，各管理資金鏈情況，管戶下的資金健康情況，資金活動情況，資金流入情況、資金流出情況客戶經理良性優客戶分析（營銷）

客戶經理通過資金鏈及客戶信譽情況分析出優質客戶，為后期營銷準備客戶經理“管戶”主場景客戶經理“管戶”主畫面管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶客戶經理管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶管戶分布管戶脈脈圈管戶資金鏈客戶關系緊密度客戶關系健康度管戶關系資金情況管戶人數額度風控管理額度合理

主要結合貸后以貸前總體情況，對貸款的額度進行分析，貸款不良是否額度不合理、額度范圍評估真實性、貸款違規性等行為情況分析額度規范性

主要分析貸款從授信、評審、審批等過程中是否存在違規行為分析額度風控管理主場景額度風控管理主頁面授信額度風控中心授信總金額緩釋總金額還款總信息變更總記錄授信總金額授信可用總金額總借據金額循環授信協議數單授信協議數還款總金額貸款總金額逾期總金額逾期總客戶數展期總借據數擔保總金額押抵總金額質抵總金額保證人總金額抵債資產總金額變線資產總金額資產化總金額期限變更額度變更凍結變更型態變更方式變更

點擊逾期客戶數，查看哪些機構，哪些客戶經理的管戶存在逾期，同時分析這些客戶圈及資金鏈，客戶信授總額與緩釋金額的差別額度風控管理子頁面逾期貸款戶客戶經理授信總金額緩釋總金額客戶圈分析資金鏈分析貸款發放次數累計發放金額貸款余額總和逾期金額總和額度不合理性分析圖風險客戶鏈分析風險客戶管理主場景黑名單資金鏈主要對于黑名單戶或是一些貸款核銷戶進行資金鏈分析，查看黑單名與我行哪些戶存在資金鏈關系，從而分析出目前正?；蚴怯馄谫J款戶是否存在欺詐現象，還款意愿不高的客戶。黑名單也有生命周期管理。聚類分析體現出物與類聚、鳥與群居的思想。黑名單脈脈圈客戶經理或是信貸部經理查看黑名單戶。通過歷史數據深層次挖掘分析。找出我行貸款戶現階是否存在欺詐現象，對這些貸款戶要重點關注。黑名單客戶黑名單客戶B正?？蛻粽ＹJ款客戶逾期客戶A逾期客戶B正常客戶正常客戶貸款戶與黑名單關系逾期與逾期客戶關系逾期客戶與黑名單資金額度逾期客戶與黑名單客戶數風險客戶名單管理主畫面黑名單戶是否存在擔保關系貸款風險評測貸款風險評測主場景全行總體評測貸款風險評測主要是對本行逾期貸款戶的風險進行總體評測，估計預算損失，對重點客戶進行重點追搠。從而分析出我行重點風險分布情況。分支行各自評測風險評測可以根據分行情況，支行情況評測，以可以按客戶經理評測，查看風險分布情況，進行總體跟蹤?？蛻艚浝砉軕粼u測客戶經理可能對其管戶進行總體風險評測，分析所有管戶的風險情況，預計所帶來的損失情況。逾期本金抵押物質押物擔保人計量規則評測方法抵債變線損失估算擔保金風險暴露風險緩釋風險計量風險評測預計損失敞口總風險緩釋總金額預計總損失追搠重點總體評測，查看本行總體風險情況，同時可以按分行、支行、客戶經理評測查看風險分布情況。針對風險進行總體跟蹤。貸款風險評測主畫面客戶畫像客戶畫像特征跟蹤主場景產品跟蹤

客戶在我行所使用的產品情況，在各產品上的余額情況，在各產品上賬務發生情況的統計分析。各產品在同不時期的占比情況資金鏈跟蹤

通過客戶在我行的資金往來情況，資金交易頻率情況，資金交易對手信用情況，資金來源情況等跟蹤客戶的資金鏈。分析資金鏈的健康度?？蛻裘}脈圈跟蹤

通過客戶資金交易關系，客戶關聯關系，擔保合同關系，委托代理關系等來劃分客戶的脈脈圈。通過歷史數據深層挖掘，來分析客戶圈價值等。欺詐現象跟蹤通過資金鏈及客戶圈，分析本客戶是否存在與一個或多個黑名單名發生資金往來。交易次數是否頻繁，交易金額是否大額，黑名單戶是否存在擔?；蚴腔ケｊP系。還款信息跟蹤

通過客戶歷史還款信息，分析其資金來源正當性，還款日期準確性、結算賬戶資金活動性，逾期次數，罰息金額等情況客戶畫像特征跟蹤主場景客戶畫像展現主畫面貸款總金額其中短期貸款金額其中中長期貸款金額長期貸款金額授信總金額累計發放金額累計還款金額授信可用額度擔?？偨痤~其中抵押金額其中質押金額其中保證人保證金額逾期貸款總金額本金逾期總額利息逾期總金額應收利息總金額實收利息總金額存款總額其中定期存款其中活期存款其中保證金金額其中使用產品數資金鏈鍵康度客戶脈脈圈人數是否存在欺詐與黑名單累計交易次數與黑名單交易累計金額存款利息總收入金額近期存入金額總計近期支出金額總計罰息總額是否VIP客戶客戶信用評級本行客戶脈脈圈數它行客戶脈脈圈數客戶財務指標信息目錄數據資產管理和價值變現貸款客戶風險預測分析應用我們可以提供的支撐新型的數據服務&合作模式產品：大數據平臺、挖掘分析應用平臺、數據管控平臺、算法模型、具體應用產品等服務：數據治理、MAST數據驗證、數據處理服務、解決方案等咨詢：算法和模型落地咨詢、數據專家咨詢、業務專家咨詢運營：數據資產管理運營、數據價值變現過程運營新型合作模式：大數據實驗室產品實施服務咨詢運營Level1OLevel2OOLevel3OOOLevel4OOLevel5OOLevel6金融大數據實驗室新一代數據服務將是：圍繞著銀行數據資產管理和業務應用價值變現的持續優化演進的過程。首先實現數據作為企業資產的管理和運營，然后逐步實現數據資產帶來的真正應用價值，這個過程需要數據使用方和數據服務方緊密配合，是一個不斷持續演進和提升的過程。超強的資源整合能力“肩膀”產品支撐落地經驗“MAST”外在驅動力區域“風口”DT時代“科學家”科研力量業務力量數據力量“根據地”數據土壤應用搖籃“場景驗證”試點客戶整合能力整合資源，聚集人才，依托“根據地”和外部推動力，持續合作，循環遞進！共建大數據應用實驗室背景：大數據時代，需要一種新型的合作模式，整合價值鏈主要環節的資源，共同打造銀行大數據生態圈，銀行業在大數據應用發展上處于摸索的階段，需要在互信互利的前提下，采用戰略合作的模式，以建立銀行“大數據應用實驗室”的方式來實踐前行。目標：旨在海量數據的智能挖掘分析技術、算法和模型的研究和應用落地，合作各方在數據源、算法、應用場景和大數據平臺技術上通力協作，并最終服務于金融行業的大數據價值變現，推動大數據在金融行業的應用落地。主要合作方：銀行、實驗室運營團隊，大數據算法和模型團隊，應用場景設計團隊、專業的IT技術團隊等。合作各方共享人才資源，共同運營大數據實驗室，共享大數據實驗平臺，共享大數據價值變現回報，并將大數據實驗室打造成一個人才聚合的平臺，并以此為契機，形成不同商業模式的協同