大数据应用场景之战——行业篇.PDFVIP

大数据应用场景之战——行业篇 大数据产业发展了几年之后 ，即将进入到价值变现阶段。传统企业已经对大数据技术和应用有了初步了解 ， 大数据平台和技术的应用也开始普遍。一些公司也成立了大数据部门 ，大数据得到了企业的高度重视 ，但 是很多企业和厂商主要的困难在于大数据的场景应用 ，即如何利用数据分析和外部数据来提升业务。 很多企业对大数据的价值了解不多 ，不知道如何应用数据 ，如何利用数据创造 价值。大数据的场景应用成了很多企业迫切需要了解的问题 ，也是大数据在企业 应用的一个主要出发点。本文将从几个产业和领域来同大家分享一下大数据的应 用场景 ，同时也帮助企业掌握找到数据应用切入点。 大数据场景应用本质上就是数据的业务应用场景 ，是数据和数据分析在企 业经营活动中的具体表现。可以从不同的纬度来了解大数据的场景应用。从横向 上分析 ，大数据在不同行业有不同的应用场景 ，简单讲就是提升业务 ，降低成本 ， 开源和节流并重。由于各个行业的数据维度和数质量不同 ，大数据在不同行业应 用的成熟度不同 ，金融行业的数据维度较多 ，数据质量也很好 ，数据集中和数据 治理也开展了一段时间 ，因此金融行业的大数据应用开展较好 ，也取得了一些较 好的效果。地产行业的大数据刚刚开始 ，主要应用在于线下和线上数据打通、土 地决策、地产金融等方面。电商是最早利用数据变现的行业 ，客户交易和行为数 据分析已经成为电商行业核心竞争力。互联网金融、零售、医疗、交通、航空旅 游的数据应用也开始了一段时间 ，数据分析已经为他们带来了较大的业务提升。 一、金融行业大数据场景应用 金融行业拥有丰富的数据 ，并且数据维度和数据质量也很好 ，自身的数据 就是最好的数据 ，可以开发出很多应用场景。如果考虑引入外部数据 ，可以加快 数据价值的变现 ，市场上较好的数据有社交数据、电商交易数据、移动大数据、 运营商数据、工商司法数据、公安数据、教育数据、银联交易数据等。 大数据在金融行业应用范围较广 ，典型的案例有花旗银行利用 IBM沃森电 脑为财富管理客户推荐产品 ，并预测未来计算机推荐理财的市场将超过银行专业 理财师。摩根大通银行利用决策树技术 ，降低了不良贷款率、转化了提前还款客 户 ，一年为摩根大通银行增加了 6亿美金的利润。VISA 公司利用 Hadoop平台 将 730 亿交易处理时间从一个月缩短到 13分钟。 1.银行数据应用场景 银行的数据应用场景比较丰富 ，典型的数据应用场景集中在数据库营销、 用户经营、数据风控、产品设计和决策支持等。现阶段 ，大数据在银行的商业应 用还是以其自身交易数据和客户数据为主 ，外部数据为辅;描述性数据分析为主 ， 预测性数据建模为辅;经营客户为主 ，经营产品为辅。 可以将银行的数据按类型分为交易数据、客户数据、信用数据、资产数据 四大类。大部分数据都集中在数据仓库 ，都是结构化数据 ，金融属性较强 ，可以 利用数据挖掘来分析出一些交易数据背后的商业价值。商业银行正在从经营产品 转向经营客户 ，因此目标客户的寻找 ，正在成为银行数据商业应用的主要方向。 其中高端财富管理和理财客户的挖掘 ，成为吸收存款和理财产品销售的主要应用 领域。 1)利用数据库营销 ，挖掘高端财富客户 从物业费待缴服务中寻找高端理财客户 ，银行可能帮助一些物业公司进行 物业费代缴 ，其中包含了较多的高档楼盘的代扣代缴 ，银行可以依据物业费的多 少 ，来识别出高档住宅的业主。例如针对物业费代扣金额超过 3千元的客户进行 分析 ，结合其在本行的资产余额 ，来帮助银行找到一些主要资产不在本行的高端 用户 ，为这些用户提供理财服务和资产管理服务。曾经某家股份制商业银行 ，利 用此方法 ，两个月新增了十多亿存款。 2)利用银行卡刷卡记录来寻找财富管理人群 中国有 120 万人口高端财富人群 ，这些人群平均可支配的金融资产在一千 万人民币 ，是所有银行财富管理重点发展的人群。这些人群具有典型的高端消费 习惯 ，高端消费场场景覆盖奢侈品、游艇、豪车、手表、高尔夫、古玩等。银行 可以参考 POS机的消费记录定位这些高端财富管理人群 ，为其提供定制的财富 管理方案 ，吸收其成为财富管理客户 ，增加存款和理财产品销售。另外移动设备 的位置数据也可以帮助银行识别出这些人群。 3)利用外部数据找到白金卡用户 信用卡中的白金卡主要面对高端消费人群 ，这些人群很难通过线下的方式 触达 ，但是其又是信用卡公司希望获得的高价值用户。银行可以参考客户