大數據時代銀行業

⑴ 大數據+銀行數據安全何去何從

大數據+銀行數據安全何去何從

數據將是未來銀行的核心競爭力之一，這已成為銀行業界的共識。對於銀行來講，只有擁有強大的「大數據」處理能力，才能使銀行數據應用達到價值最大化。在銀行信息化、網路化時代，如何利用大數據的優勢加強銀行機構的內部控制，防範和化解敏感數據信息泄密風險，是當前銀行業信息安全關注的重點和難點。

大數據來了 出路OR死路？

根據麥肯錫《大數據的下一個前沿》報告，無論從大數據應用綜合價值潛力維度，還是平均數據量而言，銀行的大數據應用綜合價值潛力都非常高，是繼互聯網及運營商之後大數據產生最為龐大的熱點行業之一，已然成為大數據應用的一片沃土。

大數據的數量巨大、形式多樣同時具有瞬時性，可以從移動設備、社交應用、網頁訪問以及第三方獲取，包括信用消費等方面的數據。以正確的數量模型和分析方式來契合銀行目前的業務需求，是合理利用大數據，達成更多經濟回報的關鍵。通過大數據技術把收集的海量碎片化數據有效整合，可以在市場分析、客戶服務、客戶研究、產品研發及產品測試等方面節約成本、提高效率。

沒有數據安全就沒有信息安全，數據安全管理必須貫穿數據生命周期的全過程。大數據的應用存在運維風險和運營風險等，前者如數據丟失、數據泄露、數據非法篡改、數據整合過程中的信息不對稱導致錯誤決策等，後者如企業聲譽風險、數據被對手獲取後的經營風險等。因此，必須加強數據管控。盡管大多數銀行企業經過多年系統的信息安全建設，但是仍然缺乏內容識別相關的措施來配合防護，當前數據內容防護層面臨著識別難、定位難、防護難的系列問題。

明朝萬達——實現銀行敏感數據安全管理

作為中國領先的內網安全、數據安全和移動安全解決方案提供商，北京明朝萬達專注於銀行數據安全，以自主可控的國產密碼演算法為基礎，以符合國家和行業監管為要求，基於「安全服務」理念，為銀行客戶量身打造整體數據安全解決方案。同時，結合銀行業務應用場景以及銀行的安全管理和特性需求，建立安全服務體系，實現銀行內敏感數據從產生、存儲、使用、流轉、追蹤到銷毀的整個生命周期的安全管控。

深耕金融業多年，公司憑借優質的產品、專業的服務和良好的信譽，已經成功服務於國開行、中國銀行、光大銀行、中信銀行及中國農業銀行等眾多客戶,在大數據時代，明朝萬達將繼續秉承「安全服務於業務」的理念，持續為銀行的智能化數據安全管理建設獻策獻力。

以上是小編為大家分享的關於大數據+銀行數據安全何去何從的相關內容，更多信息可以關注環球青藤分享更多干貨

⑵ 農業銀行如何擁抱時代 「秒貸」成真

大銀行服務小企業有「三難」——信息不對稱、服務成本高、信貸風險大。互聯網信息技術的飛速發展為小微信貸找到了新的出路，有著大數據平台優勢的小微貸款創新模式在互聯網金融的蓬勃發展中顯示出旺盛的生命力，也為傳統模式下困擾小微金融服務的頑疾找到了解決之道。

此外，農業銀行還不斷完善差異化的小微企業信貸政策制度體系，推行標准化、流程化、便利化作業，在信貸調查、審查審批、貸後管理各個環節，用標準的表格模板代替文字報告，統一審查審批標准，提高服務效率。對產業集群、商圈、供應鏈等具有顯著共性特點的小微企業客戶群體，採取批量營銷、批量授信、批量用信模式提供服務。近期，該行在全國推廣在線預約開戶系統，小微企業可預先在網上填寫開戶信息、提交資料、預約時間，客戶至網點辦理開戶的時間從1至2小時縮短至半小時。

潮湧大時代，源流小微情。新時期，農業銀行將充分發揚擔當精神與工匠精神，認真做好普惠金融工作，探索小微企業金融業務新思維、新模式與新做法，用濃情厚意譜寫時代新篇章。

⑶ 大數據在銀行業的應用與實踐

大數據在銀行業的應用

一、輿情分析

對於銀行來說，輿情分析包括：銀行的聲譽分析、品牌分析和客戶質量分析。它主要是通過分析網路社交媒體的評論，對於客戶的流失情況進行預警，還可以通過對新聞熱點的跟蹤以及政府報道的分析，為銀行提供個性化的分析場所。

二、客戶信用評級

銀行可以通過手機客戶申請信用卡的數據，分析客戶的信用程度，從而幫助業務人員做出相應的決策。

三、客戶與市場洞察

銀行可以通過跟蹤社交媒體的評論信息，利用各種非結構化數據，對客戶進行細分，改進客戶的流失情況。這是銀行對於市場的趨勢分析。

四、運營優化

銀行通過大數據平台對各種歷史數據進行保存和管理，同時可以對系統日誌進行維護、預測系統故障，從而提升系統的運營效率。

五、風險與欺詐分析

主要包括財務風險分析、貸款風險分析、各種反洗錢和欺詐調查和實時欺詐分析等內容。所謂財務風險分析是分析信用風險和市場風險產生的數據；貸款風險分析是從媒體或者社會公眾信息中提取企業客戶和潛在客戶的信息。提高對於風險的預測能力和預警能力；反洗錢與欺詐調查是提取犯罪記錄的信息；實時欺詐分析則是對大量的欺詐數據進行分析。

銀行數據架構規劃

隨著銀行業務的擴展，可以對數據進行架構規劃。大數據的數據架構規劃可以採用Hadoop技術，即通過與節後或數據進行關聯，進一步拓展對非結構化數據的處理。其數據源包括結構化數據、半結構化數據和非結構化數據。半結構化數據和非結構化數據通過網路爬蟲的方式來搜集，再經過內容管理處理，將數據進行結構化處理，然後可以將內容管理處理得出的數據信息存放到基礎數據存儲中。這是基於HDFS存放的非結構化數據。

大數據為銀行創造的價值

當銀行客戶與銀行產生交易，會產生大量的數據，這些數據具有大量的業務價值，為銀行進行有針對性的營銷創造了機會。

在大部分的應用中，隨著數據量指數級的增長，特別是一些非結構化數據的快速增長，大量的數據導致分析時間增長，傳統的商業智能已經無法滿足需求，阻礙了業務的發展，以FineBI為代表的新型BI的涌現，無論在數據處理量和速度上都相比傳統BI有突破性的進步。

在很長的一段時間內，銀行的大部分業務是建立在客戶和銀行的交易過程中的，但是為了能更好地為客戶服務，光靠依賴這些數據是不夠的。隨著技術的進步，銀行可以通過很多途徑來搜集客戶的資料。從而進行有針對性的營銷。

隨著互聯網技術的發展，客戶可以通過電子渠道對銀行業務發表看法或者購買銀行產品。這些操作都是為增強對於客戶的了解，降低信息的不對稱性。

目前來說，在利率市場化的趨勢下，存款的穩定性降低，存貸款的利差收窄，數據分析已經逐漸成為銀行實現核心業務價值的重要手段。金融脫媒會導致大量客戶的流失和客戶忠誠度的降低。銀行作為「支付中介」的地位開始動搖，客戶對於銀行服務的要求越來越高。

在這種情況下，銀行需要通過大數據深入全名了解客戶的基本信息，提升業務運行的效率，逐步提高客戶的體驗。通過對大數據的加工以及挖掘，可能為銀行帶來極大的效益，特別是商業銀行。

對於銀行來說，風險管控和用戶營銷是未來最重要的兩個方向。而對客戶的信用評分是實現這兩個方向的重要條件之一。信用評分是根據申請人的申請信息和證明材料，幫助業務員作出決策，降低壞賬率。

比如：我們可以根據大數據的分析和查詢，有針對性地為客戶提供理財產品建議和提醒，同時通過對大數據的分析和挖掘，來評估客戶的信用風險和資金償還能力，降低了銀行的各種風險。

⑷ 大數據時代對商業銀行的影響

大數據時代到來後,信息的數量劇增,並且傳播非常迅速,這對於商業銀行來說是一個非常大的挑專戰。
大數據有屬力地推動了商業銀行傳統客戶管理形式的不斷完善,新的經營管理方法因運而生,將第三方加入到了金融競爭中,並迫使其增強自身的管理能力,在這樣的狀況之下,商業銀行如果不在第一時間內轉換傳統的經營管理形式,就很有可能會成為大數據時代的犧牲品。
身處在大數據時代,應當及時調整原有思維,加大對數據變動的關注度,發揚自身優勢,藉助大數據努力處理好新產品的研究和開發、客戶管理和銀行內部管理等事項,採用完備資料庫、創建數據平台、建設數據隊伍等手段,通過對大數據技術的合理運用,推動商業銀行的整體發展。

⑸ 如何在互聯網金融時代的潮頭踏波而行

中國經濟正處在轉型升級、三期疊加的關鍵階段。面臨經濟下行壓力，宏觀貨幣政策和財政政策審慎出台定向降准和微刺激。大量實體經濟增長缺血，金融服務主體對小微和三農的服務滲透力不夠。個別行業出現嚴重的產能過剩，經濟發展過程中的資源浪費和環境污染問題仍亟待解決。M2與GDP之比高居不小，大量貨幣在含影子銀行在內的金融體系內部空轉，「錢生錢」的社會預期濃郁。互聯網金融方興未艾，無風險利率被不適當抬高，實際推進了利率市場化進程。
在這樣一個特殊的時期，中國金融體系面臨諸多結構性矛盾和挑戰。站在金融改革大時代的潮頭，我們該如何做一個專業的沖浪者?才能隨經濟周期起伏而靈活調整，熟練地駕馭波峰波谷，保持乘風逐浪，踏波而行?筆者想嘗試著與諸君探討幾個一直縈繞於胸的問題。
一、互聯網跨界金融為什麼在中國如火如荼?
有人問，為什麼在互聯網和金融均是最發達區域的美國，沒有出現互聯網企業跨界做金融的巨大創新和規模效應?個人認為有三個主要原因：
第一，一場金融壓抑和寬松創新的競賽。以銀行為代表的傳統金融機構，一直嚴格遵循包括巴塞爾新資本協議、「腕骨」原則等在內的運行規則。目前，中國還沒有放開銀行存款利率上限管制，而以寶寶們為代表的互聯網理財產品則利用錢荒的特殊試點推出了超過6%的收益率，且不需要在資本約束、撥備覆蓋、准備金等方面承擔高監管成本。因此，當金融資源從一個高壓強的壓力場向較低壓強的自由空間溢出時，這種流向在短期內是不可逆的。
第二，兩個發育程度完全不同的金融市場。現代金融在中國恢復僅僅30年的時間，中美在貨幣市場和資本市場的發育程度不在一個層級上。與美國相比，我們金融市場的產品創新力度以及立體化豐富程度還有很大提升空間，靠傳統金融還無法滿足公眾日益增長的財富管理需求，互聯網跨界金融就恰恰利用了這個發展時間差和利基市場空間。
第三，三個因素的疊加和規模化不對稱。西方國家的利率市場化進程一般也走了近20年 的歷程，但目前在中國出現了利率市場化演進、金融脫媒和移動互聯應用迅猛發展這三個相關因素的疊加。互聯網技術最好解決了不對稱問題，越是不對稱的市場就 越是有規模化的商機和利潤。中國目前的城鄉人口結構、東西部財富積累程度、教科文衛發展的地域差異等不對稱，為互聯網跨界金融提供了快速積累客戶和創造規 模效益的絕好機遇期。
二、客戶在移動互聯時代有哪些新的變化?
對移動互聯應用的適應速度越來越快。時代在變遷，從工業社會向信息社會演進。科技在快速迭代，移動終端、智能手機拉近了人與互聯網的距離，客戶對信息和服務的獲取更加扁平、高效和低成本。
對金融服務體驗的要求越來越高。第三方支付機構、電商網站、互聯網公司、移動APP開發團隊將金融服務的門檻拉低，把最大眾、最低結構化和易於理解的金融服務娛樂化、標准化，提高了其易用性和客戶體驗。
公司客戶對網路服務的依賴越來越強。互聯網最先脫媒的是銀行的個人金融業務，如在線支付、基金銷售、消費金融、生活繳費、跨行匯款等。接下來，隨著一些互聯網企業深耕行業，將給企業的金融需求(如跨行現金管理、國內保理、供應鏈融資、賬戶託管等)帶來更低門檻的服務。
三、銀行在網路金融服務創新方面在發生什麼轉變?
從單一產品競爭到平台的角逐。銀行之間的競爭，目前是同質化金融產品與服務的競爭。而未來銀行之間的競爭，將圍繞誰提供更多平台服務而展開。銀行要麼獨立打造電商平台來獲取增量客戶;要麼和其他互聯網平台合作，從入口導入流量。
從重點提供個人客戶的網路服務到更多投入企業及機構客戶。與IT企業的服務重心變遷方向相反，銀行在互聯網領域先服務了消費者市場，而後將逐漸過渡到企業和機構客戶。隨著大數據技術、雲計算服務、TYD趨勢(take your devices，自帶設備終端)和在線產業鏈的發展，這種演進的速度在加快。
從關注供應鏈到關注整個產業鏈。供應鏈金融僅關注鏈主企業和上下游，即傳統意義上的1+N。而在線產業鏈金融，則發展到 N+1+1+N+M，即全流程在線+主金融服務商+鏈主企業+上下游企業+第三方服務商，形成產業和金融生態融合的聯盟。
從發展電子銀行到打造網路銀行。從純粹的網銀、手機銀行等電子銀行渠道建設向外拓展，從更高、更廣、更深的視角創新服務模式，為新經濟、傳統經濟轉型 升級提供嵌入式網路金融服務，為傳統公司金融、個人金融、貿易金融和金融市場業務導入客戶，帶動營銷、服務、銷售的規模個性化。
從閉環提升到生態優化。從做內功打基礎，到跨界合作。通過大合作，打造網路金融生態圈，從電商平台服務、移動支付、產業鏈融資、大數據合作等方面切入，與合作夥伴一起搭建開放、共生、互補的新金融生態，獲取新的客戶和業務增長點。

⑹ 大數據能為銀行做什麼

隨著移動互聯網、雲計算、物聯網和社交網路的廣泛應用，人類社會已經邁入一個全新的「大數據」信息化時代。而銀行信貸的未來，也離不開大數據。
國內不少銀行已經開始嘗試通過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，光大銀行建立了社交網路信息資料庫，招商銀行則利用大數據發展小微貸款。從發展趨勢來看，銀行大數據應用總的可以分為四大方面：
第一方面：客戶畫像應用。
客戶畫像應用主要分為個人客戶畫像和企業客戶畫像。個人客戶畫像包括人口統計學特徵、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據。值得注意的是，銀行擁有的客戶信息並不全面，基於自身擁有的數據有時難以得出理想的結果甚至可能得出錯誤的結論。
比如，如果某位信用卡客戶月均刷卡8次，平均每年打4次客服電話，從未有過投訴，按照傳統的數據分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。所以銀行不僅僅要考慮銀行自身業務所採集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的了解。包括：
（1）客戶在社交媒體上的行為數據（如光大銀行建立了社交網路信息資料庫）。通過打通銀行內部數據和外部社會化的數據可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理；
（2）客戶在電商網站的交易數據，如建設銀行則將自己的電子商務平台和信貸業務結合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可；
（3）企業客戶的產業鏈上下游數據。如果銀行掌握了企業所在的產業鏈上下游的數據，可以更好掌握企業的外部環境發展情況，從而可以預測企業未來的狀況；
（4）其他有利於擴展銀行對客戶興趣愛好的數據，如網路廣告界目前正在興起的DMP數據平台的互聯網用戶行為數據。
第二方面：精準營銷
在客戶畫像的基礎上銀行可以有效的開展精準營銷，包括：
（1）實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶採用信用卡采購孕婦用品，可以通過建模推測懷孕的概率並推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；
（2）交叉營銷。即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然後用遠程銀行來實施交叉銷售；
（3）個性化推薦。銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；
（4）客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。
第三方面：風險管控
包括中小企業貸款風險評估和欺詐交易識別等手段。
（1）中小企業貸款風險評估。銀行可通過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。
（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶賬號或侵入自動櫃員機(ATM)系統的罪犯。
第四方面：運營優化。
（1）市場和渠道分析優化。通過大數據，銀行可以監控不同市場推廣渠道尤其是網路渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。
（2）產品和服務優化：銀行可以將客戶行為轉化為信息流，並從中分析客戶的個性特徵和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大數據進行初步分析，通過對還款數據挖掘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。
（3）輿情分析：銀行可以通過爬蟲技術，抓取社區、論壇和微博上關於銀行以及銀行產品和服務的相關信息，並通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發現和處理問題；對於正面信息，可以加以總結並繼續強化。同時，銀行也可以抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為自身業務優化的借鑒。
銀行是經營信用的企業，數據的力量尤為關鍵和重要。在「大數據」時代，以互聯網為代表的現代信息科技，特別是門戶網站、社區論壇、微博、微信等新型傳播方式的蓬勃發展，移動支付、搜索引擎和雲計算的廣泛應用，構建起了全新的虛擬客戶信息體系，並將改變現代金融運營模式。
大數據海量化、多樣化、傳輸快速化和價值化等特徵，將給商業銀行市場競爭帶來全新的挑戰和機遇。數據時代，智者生存，未來的銀行信貸，是從數據中贏得未來，是從風控中獲得安穩。

⑺ 大數據時代來臨，銀行怎麼辦

大數據概念的興起似乎還是昨天的事，但托這個高速發展時代的福，我們已經可以看到很多成熟的大數據應用工具了。在很短的時間內，我們就能在茫茫的數據海洋中精確定位、分析，並拿到自己想要的結果。當然，這些技術的進步並非由銀行推動，大型零售商、網上商城和各種門類的技術公司才是大數據的主導者，只不過，經過他們的探索之後，大數據也為銀行打開了一扇精確營銷的大門。從長遠來看，銀行如能充分利用大數據的優勢，可以在市場細分、客戶服務、客戶研究、產品研發、產品測試等等方面取得重大進步，並在某種程度上徹底改變銀行服務客戶、銷售產品的方式和渠道。 當然，這一切的前提是銀行能找對切入大數據時代的方法和工具。對於銀行來說，以正確的數量模型和分析方式來契合銀行目前的業務需求，是合理利用大數據，達成更多經濟回報的關鍵。其他行業的經驗已經證明，大數據固然好，但如果不能對數據進行有效篩選和正確利用，最後只會賠了夫人又折兵。尤其銀行是一個比較特殊且敏感的行業，在全局層面徹底進行所謂大數據革命是不實際的，正確的做法是從小的具體業務和關鍵節點入手，以能被銀行現有管理架構和外部監管機制接受的方式，逐步將大數據納入銀行的經營體系中來。 舉例來說，當前銀行業普遍在為兩件事頭疼：留住客戶、滿足客戶的期待。對於這兩個難題，大數據機制下的情緒分析和行為預測可以發揮意想不到的作用。 分析客戶情緒 傳統的客戶意見收集及調查方式往往以一個組別為單位，通過對於部分群體客戶的調查和研究，銀行可以得到客戶方方面面的情況。隨著時代的進步，這樣的方式在獲得客戶金融消費的最新趨勢、挖掘客戶隱藏的需求等方面已不太管用。最為致命的一點是，這樣的客戶信息、數據收集方式往往耗時較長，花費更多，但最終得出的結果又往往無法應對客戶實時產生的需求變化。 所謂情緒分析，是指收集客戶在包括社交網路在內的網路平台上的言論和活動，不僅包括他自己的部分，還包括他最近關聯到的其他好友，由此得到的數據，經過一套科學設計過的計算、分析系統，得出某個具體客戶近期的情緒走向，為預測客戶行動、幫助銀行指定具體的應對措施提供幫助。 在這里，「情緒」並不簡單代表客戶的情感變化，還包括客戶的態度立場、情感傾向等等。這在以往的調查分析工具中，是極難把握的東西，但在這個自媒體時代，這樣的信息散布在網路上，極易獲取、分析。而且抓取、分析這些數據的方法已經相當成熟，從宅在家裡的技術男，到正經嚴肅的學院派，大家都在推出這樣的工具。銀行只需要選擇一個比較穩定的技術供應商，並將結果實時反饋、整合到自己的系統中來，就能在第一時間確定客戶對於銀行的產品、服務、定價或政策調整的反應，並採取合適的方式應對。如果客戶的反應對銀行有利，銀行可以及時介入，對客戶的情緒加以引導，以實現更好的服務和銷售；如果客戶對銀行表露出不太好的情感，銀行也能及時發覺並積極處理，進一步提升客戶的服務體驗。 下面舉出幾個銀行必須及時關注的客戶表態例子： 「XXX銀行在小微業務上的確很好用，但缺乏合適的當天到賬服務就太那啥了！」 「XX銀行的網上查閱賬戶余額功能的確設計得不錯，但客戶服務的一些細節真的有待改善。」 以普通人的角度，這不過是兩句簡單的客戶意見表達而已。但在情緒分析工具的幫助下，通過對於「好用」、「缺乏」、「改善」等關鍵詞彙的識別與統計，以及對於上下文意思的了解，就可以形成一張完整的客戶情緒變化表，將更多的客戶情緒變化匯集到一起，就可以形成一份頗具價值的報告（所謂輿情監控就是這類報告的簡單形態）。通過這些報告，銀行可以知道自己在客戶心中真實的反饋，並知道客戶最需要銀行在哪些方面做出改變。也就是說，銀行可以得知客戶的「心願單」，並將此納入自己的產品、服務革新計劃當中，逐一予以滿足。 對於銀行來說，客戶情緒分析最有用的一點是幫助銀行更有效率地回饋客戶。我們都組織過各種客戶回饋活動，但又不知究竟應當挑選哪些客戶進行回饋、哪些客戶經過我們的維護可以促成更多的交易——大部分時候，銀行只是完成既定的任務，將禮品派送出去就完事，以為這樣就能在激烈的競爭中留住自己的目標客戶。而現在，銀行可以在客戶情緒分析工具的幫助下更有選擇的進行類似的活動。例如，近期要做一個針對產品的活動，就以產品為關鍵詞，對當前的客戶情緒進行研判，得出主流客戶群體對於我們產品的態度，再依照態度的不同來選擇不同的活動策略和活動力度。這樣不僅能幫銀行節約成本、提高效率，最為重要的是，這也是維持現有客戶忠誠度，並盡可能多地吸收目標客戶的有效方式。 當然，批評者會說，目前雖然有大量的客戶情緒分析工具，但這些工具的可行性與分析結果的真實性一直都存在疑問。已經有一些銀行依照這些工具的幫助進行了一些實驗，效果並未如想像中理想。那麼，銀行應當怎麼應對這種尚處在完善過程當中的新興事物呢？我們的態度很明確：雖然這還是一個有待完善的工具，但大數據的整體趨勢是不容置疑的。當銀行等到一切都齊備完善到不會出錯時，其實就已經落後於時代的腳步了。要想成為行業的領軍者，就必須承受創新可能帶來的負面效應。 預測客戶行為 比分析客戶情緒更大的挑戰是預測客戶行為。關於大數據如何應用於預測客戶行為最早最著名的例子，來自美國第二大超市塔吉特百貨。明尼蘇達州一家塔吉特門店曾被客戶投訴，一位中年男子指控塔吉特將嬰兒產品優惠券寄給他的女兒——一個高中生。但沒多久他卻來電道歉，因為女兒經他逼問後坦承自己真的懷孕了。塔吉特百貨就是靠著分析用戶所有的購物數據，然後通過相關關系分析得出事情的真實狀況。 對於銀行來說，正確地預計消費者的需求，並及時組織好可匹配的產品與服務響應客戶的需求還是一件比較難完成的任務。這需要大量歷史數據的儲存與分析，還需要有應對各種行為可能的預測機制（不同的行為意味著不同的演算法），才能實現塔吉特百貨那樣「料事如神」的效果。令人頭疼的是，零售銀行所需的數據關聯性與零售商業的數據存在著一定的差異，因此需要針對銀行產品和服務的特點進行重新設計。只要銀行能解決這樣的問題，並把分析的結果實時、具象的體現在前端營銷人員的電腦、手機里，就能幫銀行解決很多眼下頭疼的問題。在全局層面上，這樣的預測機制也能幫銀行少走很多彎路，避免不必要的資源浪費。 銀行可以根據客戶以往的消費記錄，尤其是與金融產品直接相關的消費記錄，以及目前所持有的銀行產品的使用情況建立數據收集模型，通過一定時間的數據收集和分析之後，便能為銀行下一步的產品策劃與營銷提供翔實的數據參考。在此基礎上，諸如交叉銷售、深度挖潛、提升單個客戶貢獻度、保持客戶忠誠度等等業績或營銷目標都能更輕松的完成。當你知道客戶的情緒變化，還知道客戶可能的購買需求，只要你能以合適的方式將客戶所需要的東西及時遞上，客戶自然會樂意接受。 以合適的方式來發揮大數據的效用非常重要。大數據可能帶來的一個負面效應就是客戶隱私的被侵犯，前面提到的塔吉特百貨就是一個例子。在這個事件之後，塔吉特百貨調整了自己寄送優惠廣告的方式：當發現某位客戶可能懷孕之後，塔吉特百貨還是會寄送一份包含孕婦所需產品的小冊子到她手上，只不過通過視覺排版、其他品類產品交叉排列等等方式，在不引發客戶那種「被窺視」的反感的前提下，實現了產品的精準推薦。最終，在大數據的幫助下，2002年到2010年間，塔吉特百貨的銷售額從440億美元增長到了670億美元。 值得一提的是，大數據應用還能幫助銀行實現有效的風控。國外已經有一些金融機構利用大數據來幫助金融產品交易、信用卡消費等方面的風控。尤其是在信用卡、無抵押貸款等產品上，通過大數據建立的模型，銀行能准確的知曉某個客戶的生活和消費情況，從而選擇是不是要發放卡片/貸款給他，或者要不要給他提升額度、延遲還款期。一旦某個客戶出現異常行為，銀行也能在最短的時間內知曉，並採取相應的措施防止風險案件的發生。 總之，雖然還不夠完善，但大數據擁有無可限量的未來。