大数据在金融中的作用:数据来源和应用

大数据在金融中的作用:数据来源和应用

来源:零壹财经

 

金融行业的数据可以分为三大类别,并依据各个类别的特点来探讨其应用。本文举例以银行业为主,证券和保险也可以参考。金融行业的数据大多数来源于客户自身信息以及其金融交易行为。

 

一般来讲数据在金融行业可以分为以下三大类。

1、客户信息数据

可以称为基础数据,主要是指描述客户自身特点的数据。

个人客户信息数据包括:个人姓名,性别,年龄,身份信息,联系方式,职业,生活城市,工作地点,家庭地址,所属行业,具体职业,收入,社会关系,婚姻状况,子女信息,教育情况,工作经历,工作技能,账户信息,产品信息,个人爱好等等。

企业客户信息数据包括:企业名称,关联企业,所属行业,销售金额,注册资本,账户信息,企业规模,企业地点,分公司情况,客户和供应商,信用评价,主营业务,法人信息等等。

银行业这些信息来源于多个系统,包括客户管理系统,核心银行系统,贸易系统,保理系统,融资管理系统,信息卡系统、信贷管理系统等。银行应将这些割裂的数据整合到大数据平台,形成全局数据。对银行所有客户数据进行整合,按照自身需要进行归类和打标签,由于都是结构化数据因此有利于数据分析。

金融行业可以将这些信息集中在大数据管理平台,对客户进行分类,依据其他的交易数据,进行产品开发和决策支持。例如可以依据客户年龄、职业、收入、资产等,针对部分群体推出信用消费,抵押贷款,教育储蓄,投资产品、养老产品等,为客户提供针对于人生不同阶段的金融服务。也可以检验已有产品的占有率,推广效果,以及采集客户的自身产品需求。企业客户也是同样道理,没有数据分析之前,产品开发依赖于产品经理自身能力和风险偏好,或者模仿行业其他竞争对手的产品,有了数据分析之后管理层可以决定推出何种产品,了解到产品实际销售情况,针对特定用户进行推广,降低营销费用,有利于降低风险。因此客户信息数据主要用于精准营销,产品设计,产品反馈、降低风险等。

2、交易信息数据

交易信息也可以称为支付信息,主要是指客户通过渠道发生的交易以及现金流信息。

个人客户交易信息:包括工资收入,其他收入,个人消费,公共事业缴费,信贷还款,转账交易,委托扣款,购买理财产品,购买保险产品,信用卡还款等

企业客户交易:包括供应链应收款项,供应链应付款项,员工工资,企业运营支出,同分公司之间交易,同总公司之间交易,税金支出,理财产品买卖,外汇产品买卖,金融衍生产品购买,公共费用支出,其他转账等

这些信息大多存在银行的渠道系统里面,如网上银行,卡系统,信用卡系统,贸易系统,保理系统,核心银行系统,保险销售平台,外汇交易系统等。这些交易数据容量巨大,必须借助于大数据技术进行分析,形成全局数据、整体数据。银行利用这些数据对个人消费者进行消费行为分析,开发产品,提供金融服务。同时也可以利用这些数据提供供应链金融服务,建立自己的商品交易生态圈。。银行也可以依据交易数据为企业提供贸易融资或设备融资服务。整合后的数据可以用于银行对企业的信用评价,交易数据可用来进行风险给管理,提前介入风险事件,降低债务违约风险。现金流和支付信息数据量很大,如果大批量采用将会造成效率下降,因此对商业需求的了解将是进行大数据分析关键,有效的数据分类和取舍将会帮助银行高效利用大数据技术。银行在采集和使用交易数据时,其采用哪些数据,通过何种形式展现,数据分析报告输入维度和权重具有极大的挑战性。

3、资产信息

资产信息主要是指客户在银行端资产和负债信息,同时也包含银行自身资产负债信息。

个人客户资产负债信息包括:购买的理财产品,定期存款,活期存款,信用贷款,抵押贷款,信用卡负债,抵押房产,企业年金等

企业客户资产负债信息包括:企业定期存款,活期存款,信用贷款,抵押贷款,担保额度,应收账款,应付账款,理财产品,票据,债券,固定资产等

银行自身端资产负债信息包括:自身资产和负债例如活期存款,定期存款,借入负债,结算负债,现金资产,固定资产,贷款证券投资等。

资产数据主要来源于核心银行系统和总帐系统,资产数据可以用于银行完整的风险视图,帮助银行对进行有效风险管理,通过资产数据的集中整合,针对每一个企业客户或个人客户,银行可以有效快速对客户进行风险评估和风险管理,提高客户体验,并结合现金流和交易数据,供应链数据为客户提供定制的理财产品或贷款产品。银行也可以利用自身资产负债信息来提高资金利用率,通过调整资产负债,来降低资金成本,提高资本收益。银行还可以对客户及自身资产负债配置信息进一步分析,通过调整产品来解决存款和贷款之间的时间匹配问题,降低流动性风险,提高资金利用效率。资产信息主要用于银行自身风险管理和资本效率提升,同时也可以帮助银行通过产品推广来合理调整资产负债,提高自身盈利能力。

除了上面提到的三大类银行自身的数据之外,如果银行进行大数据分析,为了赢得差异化竞争,就必须考虑其他的数据输入,这些数据是银行自身不具有的,但是对其数据分析和决策起到了很重要的作用。银行可以采用同大数据厂商合作的方式,通过自身平台来采集数据或购买第三方数据。前提是银行自身必须了解且业务需求和数据需求,借助于其他的数据平台和技术来完善自身的大数据平台和分析技术。下面简单介绍一下银行进行大数据分析时需要的其他数据。

1、行为数据

主要是指客户在互联网上的行为数据,包括APP应用上的点击数据,社交媒体和社交网络数据,电商平台的消费数据。银行可以购买这些用数据来完善自己的大数据分析输入,行为数据作为补充数据来为银行数据营销,产品设计,数据反馈,风险管理提供数据支持。但是行为数据可能涉及到消费者的个人隐私,因此银行在购买这行数据讲应该小心,建议和数据拥有者合作并得到客户的授权。

2、位置信息

主要是指银行客户使用的移动设备位置信息,客户自己所处的地理空间数据。包括其多频率的位置往返数据。银行可以利用其进行精准营销,结合商家推出优惠服务,同行也可以利用其信息提供理财产品介绍会,针对特殊人群的财富管理会议,为新增网点还是撤销网点提供决策支持等

3、供应链数据

主要是指企业同上下游企业之间的商品或货物的交易信息,银行自身的供应链信息不全,无法完全支撑对企业的供应链金融服务。银行需要和具有这些信息的电商平台例如阿里,京东等合作,根据完整的供应链信息来提供金融服务。

4、商业数据

主要是指经过分析整理的研究数据,包括消费者行为数据,行业分析报告,竞争与市场数据,宏观经济数据,特殊定制数据等。银行可以利用第三方的专业分析报告来制定自身风险偏好,同时为自身的大数据分析,产品开发,风险管理提供决策支持。

总之,银行在实施大数据战略时,应该了解银行内部都有哪些数据,需要对数据进行归类,通过大数据技术进行提取和取舍,了解这些数据背后代表着哪些商业价值,银行自身的大数据需求在哪里,还需要哪些外部数据,如何同已有数据进行整合。银行自身丰富的数据就是大数据应用的基础,大数据分析可以从银行自身数据出发,依据商业需求进行分析,为决策提供支持。外部数据的引入需要在大数据模型搭建过程中进行考虑,作为参考数据为大数据分析提供辅助支持作用。

Copyright © 1998 - 2017 北京宏基恒信科技有限责任公司    京ICP备17073448号-1