【笔记】2017电信大数据普惠金融应用案例
来源:互联网 发布:java递归算法1加到1000 编辑:程序博客网 时间:2024/04/28 10:36
案例来源:微信公众号@天翼大数据
案例地址:http://www.99lt.com/bigdata/bigdata-application/27845.html
(以下为案例的简要概述,便于之后能快速检索到相关内容。部分文字与图片可能直接来自原文,如有侵权请告知,谢谢)
1. 背景:
普惠金融的愿景是将金融服务拓展到欠发达地区和低收入人群,我国从国家层面促进普惠金融的发展。但目前市场缺乏足够的能力来推进普惠金融,原因在于:
1)征信手段欠缺,坏账发生率高
2)传统金融以线下营销为主,难以抵达许多潜在客户
3)线上营销准确率低,成本高
2. 电信拥有的数据:
1)用户网站访问数据
2)用户搜索数据
3)用户APP下载数据
4)用户APP使用数据
5)用户移动位置数据
3. 电信数据应用于竞争营销
3.1 基本流程
与一般 数据融合→清洗→分析不同,这里将权益设计也纳入基本流程中,不同类型用户采取不同权益。
3.2 提高新客获取能力
1)潜客识别:融合不同数据源,构建用户画像,挖掘潜客
2)场景分析:根据用户行为数据,对目标客户分群
3)抵达用户:采用不同权益、不同场景、不同渠道的方式,千人多面进行营销
4)数据反馈及模型迭代
3.3 激活存客消费需求
1)数据拼接:存客是金融机构曾经获取但目前沉默的客户,由于金融数据敏感,因此由运营商将数据导入金融机构内部进行融合
2)场景挖掘:基于数据,优化不同场景下的营销方案和权益设计
3)价值名单:基于数据建立多个画像维度,基于模型进行维度选择。多维交叉分析,对客户价值进行细分
4)数据反馈与模型迭代
4. 电信数据应用于征信与风控
4.1 贷前
1)负面信息审查:电信运营商市场地位高,能够从多方机构核查新客是否有不良记录
2)身份核验:手机卡实名制,运营商 能够对冒名信息进行识别,同时还能识别“养卡”欺诈
3)通话行为欺诈:基于夜间通话行为、通话静默情况、联系人号码数据量、特殊号码通话情况、近三个月停机次数等数据,可以识别新客是否有通信欺诈行为
4.2 贷中:电信的用户数据能帮助金融机构进行用户画像,增加特征以提高风控模型的准确度
4.3 贷后:在贷款发出后,监控用户的通信行为、社交关系、消费能力、生活方式,分析用户是否存在违约风险,从而提前采取措施
5. 案例一——A银行信用卡新客推广
1)需求:A银行面向新客推出10款主题信用卡(境外游、车主卡等),需要识别哪些用户有信用卡需求,以及对哪种卡有需求
2)过程:基于用户价值属性、兴趣偏好、信用卡需求、习惯偏好,建立营销模型。以AUC为评价标准,启动阶段测试集AUC为0.68。
3)营销效果:以短信响应率、进件率、批核率、一卡批核率四个指标对各个环节进行追踪。短信响应率与一卡批核率均有大幅度增长:短信响应率从5.5%到28.4%提升了5倍以上;一卡批核率从70%增长到95%,提升了25个百分点。进件率与批核率也有一定程度的提升,而最终综合营销效果则有着8倍以上的显著提升。
6. 案例二——B银行信用卡存客激活
1)提高激活率:基于银行现有数据,建立模型识别存客的激活能力。结果显示,历史刷卡次数、借记卡余额、客户等级是关键特征。
2)扩大存客营销规模:对照组仅采用银行数据,实验组采用银行+电信数据构建模型。最终对照组提出的可选样本占样本池的10%,实验组提出的可选样本占样本池的20%。结合运营商数据,可以在尽可能维持营销转化率的同时,增大营销覆盖率。
3)针对不同用户进行权益设计:如餐饮偏好,则提供餐饮娱乐优惠券
4)用户价值细分:根据互联网金融活跃度&行内手机银行活跃度,将客户分为鸡肋人群、维持人群、潜在人群和重点人群
5)效果评估:促活率提高了2倍(5.4%→10.7%)
7. 案例三——C银行小贷产品的贷中评估
1)特征有52个,主要维度有:通信行为、消费趋势、波动指数、平均消费额、出入账金额、卡种及数量
阅读全文
0 0
- 【笔记】2017电信大数据普惠金融应用案例
- 互联网金融企业的大数据应用案例分享-孟鑫
- 大数据在金融行业的应用
- 电信行业大数据应用的后盾 MPP架构数据库技术
- 赵伟:MPP数据库技术支撑电信行业大数据应用
- DTCC2014:钱岭:电信运营商大数据平台和应用实践
- 电信行业大数据应用的四个方向
- 某银行信用卡中心——大数据反欺诈应用案例 2017-06-23 10:54 本篇案例为数据猿推出的大型“金融大数据主题策划”活动(查看详情)第一部分的系列案例/征文;感谢 百融金服 的投递 作为整体
- 大数据金融讲座
- 金融大数据创新
- BDTC 2017丨大数据在金融、交通、医疗、工业领域落地实践与应用
- BDTC 2017丨大数据在金融、交通、医疗、工业领域落地实践与应用
- BDTC 2017丨大数据在金融、交通、医疗、工业领域落地实践与应用
- 断篇-大数据金融行业企业应用几点思考
- 张丹-R语言与金融大数据应用
- 数据挖掘在金融行业十大应用
- 大数据金融行业企业应用几点思考
- 机器学习在金融大数据风险建模中的应用
- linux初学之系统结构
- Maven 安装、配置、更换镜像
- 史上最难的一道Java面试题 (分析篇)
- 给初学者的深度学习简介
- 两个乒乓球队进行比赛,各出三人。甲队为A、B、C 3人,乙队为X、Y、Z 3人。已抽签决定比赛名单。有人向队员打听比赛的名单,A说他不和X比,C说他不和X、Y比,请编程序找出3三队选手的对阵名单。
- 【笔记】2017电信大数据普惠金融应用案例
- 游历魔法王国(校招)
- Codeforces Round #437 div2-贪心&好题-Buy Low Sell High
- C#实验解答(6)
- java 漏洞处理--http host头攻击漏洞处理方案
- 在使用Ubuntu系统时如果不小心误删了passwd文件应该怎么办
- C#实验解答(7)
- OSPF笔记-3
- PAT乙级1027. 打印沙漏(20)