은행 감사 분야에서 빅데이터 분석을 수행하는 방법

Yixin Huachen의 업계 사례를 보여드리겠습니다

은행 빅 데이터 애플리케이션

많은 국내 은행이 빅 데이터를 활용하여 추진하기 시작했습니다. 예를 들어, China CITIC Bank의 신용 카드 센터는 빅 데이터 기술을 사용하여 실시간 마케팅을 달성하고, China Everbright Bank는 소셜 네트워크 정보 데이터베이스를 구축했으며, China Merchants Bank는 빅 데이터를 사용하여 소액 및 소액 대출을 개발했습니다. 일반적으로 은행 빅데이터 애플리케이션은 네 가지 주요 측면으로 나눌 수 있습니다.

1. 고객 프로파일링

고객 프로파일링 애플리케이션은 주로 개인 고객 프로파일링과 기업 고객 프로파일링으로 구분됩니다. 개인 고객 프로필에는 인구통계학적 특성, 소비 전력 데이터, 관심 데이터, 위험 선호도 등이 포함됩니다. 기업 고객 프로필에는 회사의 생산, 유통, 운영, 재무, 판매 및 고객 데이터, 관련 업스트림 및 다운스트림 산업 체인 데이터가 포함됩니다. 은행이 보유하고 있는 고객 정보는 포괄적이지 않으며 때로는 은행 자체가 보유하고 있는 데이터를 기반으로 이상적인 결과를 도출하기 어렵고 심지어 잘못된 결론이 도출될 수도 있다는 점에 유의할 필요가 있습니다. 예를 들어, 전통적인 데이터 분석에 따르면 신용카드 고객이 한 달 평균 8회 결제하고 1회 평균 결제 금액이 800위안이며, 1년에 평균 4번의 고객 서비스 전화를 걸고 불만 사항이 한 번도 발생하지 않은 경우 , 이 고객은 이탈 위험이 낮은 고객으로 만족도가 매우 높습니다. 하지만 고객의 웨이보를 보면 실제 상황은 급여 카드와 신용카드가 같은 은행에 있지 않고, 상환이 불편하고, 고객 서비스 전화번호가 여러 번 연결되지 않았고, 고객이 웨이보에서 여러 번 불만을 토로했다는 것입니다. 고객 이탈 위험이 더 높습니다. 따라서 은행은 은행 자체 업무에서 수집한 데이터를 고려할 뿐만 아니라, 고객에 대한 이해를 넓히기 위해 더 많은 외부 데이터를 통합하는 것도 고려해야 합니다. 포함 사항:

(1) 소셜 미디어의 고객 행동 데이터(예: China Everbright Bank는 소셜 네트워크 정보 데이터베이스를 구축했습니다). 은행 내부 데이터와 외부 소셜 데이터를 연결하면 더욱 완전한 고객 퍼즐을 얻을 수 있어 보다 정확한 마케팅 및 관리가 가능하다.

(2) 중국 등 전자상거래 웹사이트에서의 고객 거래 데이터 건설은행은 전자상거래 플랫폼과 신용사업을 결합해 알리바바 사용자에게 무담보 대출을 제공하며, 사용자는 과거 신용에만 의존하면 된다.

(3) 기업 고객의 산업 업스트림 및 다운스트림 데이터 체인에. 은행이 기업 산업 체인의 업스트림 및 다운스트림 데이터를 마스터하면 기업의 외부 환경 발전을 더 잘 이해하고 기업의 미래 상태를 예측할 수 있습니다.

(4) 기타 도움이 됩니다. 현재 온라인 광고 업계에 등장하고 있는 DMP 데이터 플랫폼의 인터넷 사용자 행동 데이터 등 은행의 고객 서비스 관심분야 및 취미 데이터를 확장합니다.

2. 정밀 마케팅

은행은 고객 초상화를 기반으로 다음과 같은 정밀 마케팅을 효과적으로 수행할 수 있습니다.

(1) 실시간 마케팅. 실시간 마케팅은 고객의 현재 위치, 최근 구매 내역 등 고객의 실시간 상태를 기반으로 타겟 마케팅을 실시합니다. 임신은 귀하가 좋아하는 임산부 비즈니스에 대한 모델링 및 추천을 통해 추정할 수 있으며, 인생을 바꾸는 사건(직장 변경, 결혼 상태 변경, 새 집으로 이사 등)을 마케팅 기회로 삼을 수 있습니다.

(2) 교차 마케팅. 즉, 다양한 비즈니스나 상품에 대한 교차 추천을 통해 중국초상은행은 고객 거래 기록 분석을 기반으로 중소기업 고객을 효과적으로 식별한 다음 원격 은행을 사용하여 교차 판매를 구현할 수 있습니다.

(3) 맞춤형 추천. 은행은 연령, 자산 규모, 재무 관리 선호도 등을 기준으로 고객 그룹을 정확하게 배치하고 잠재적인 금융 서비스 요구 사항을 분석한 후 타겟 마케팅을 수행하는 등 고객 선호도를 기반으로 서비스 또는 은행 상품에 대한 개인화된 추천을 제공할 수 있습니다. ;

(4) 고객 수명주기 관리. 고객 라이프사이클 관리에는 신규 고객 확보, 고객 이탈 방지, 고객 복귀 등이 포함됩니다. 예를 들어 초상은행은 고객 이탈 조기 경고 모델을 구축하고 이탈률 상위 20% 고객을 유지하기 위해 고수익 금융 상품을 출시하여 골드 카드와 황금 해바라기 카드의 고객 이탈률을 15~7% 줄였습니다. 각각 백분율 포인트.

3. 위험 관리 및 위험 통제

위험 관리 및 통제 측면에서는 중소기업 대출 위험 평가, 사기 거래 식별 등의 수단이 포함됩니다.

(1) 중소기업 기업 대출 위험 평가. 은행은 기업의 생산, 유통, 판매, 금융 및 기타 관련 정보를 빅데이터 마이닝 기법과 결합하여 대출 위험 분석을 수행하고 기업의 신용 한도를 정량화하며 중소기업에 대한 대출을 보다 효과적으로 수행할 수 있습니다.

(2) 실시간 사기 거래 식별 및 자금세탁 방지 분석. 은행은 스마트 룰 엔진(자주 나타나지 않는 국가에서 돈을 이체하거나 자주 나타나지 않는 국가에서 자금을 이체하는 등)과 결합하여 카드 소유자 기본 정보, 카드 기본 정보, 거래 내역, 고객 과거 행동 패턴, 지속적인 행동 패턴(이체 등) 등을 활용할 수 있습니다. 고유한 사용자의 경우) 거래에 대한 실시간 사기 방지 분석을 위해 익숙하지 않은 위치에서 온라인 거래를 수행합니다. 예를 들어, IBM의 금융 범죄 관리 솔루션은 은행이 빅 데이터를 사용하여 금융 범죄를 효과적으로 예방하고 관리하도록 돕습니다. JPMorgan Chase Bank는 빅 데이터 기술을 사용하여 고객 계좌를 도용하거나 ATM(자동 입출금기) 시스템에 침입하는 범죄자를 추적합니다.

4. 운영 최적화

(1) 시장 및 채널 분석 및 최적화. 빅데이터를 통해 은행은 다양한 마케팅 채널, 특히 온라인 채널 프로모션의 품질을 모니터링하여 협력 채널을 조정하고 최적화할 수 있습니다.

동시에 어떤 유형의 은행 상품이나 서비스를 홍보하는 데 더 적합한 채널을 분석하여 채널 홍보 전략을 최적화할 수도 있습니다.

(2) 상품 및 서비스 최적화: 은행은 고객 행동을 정보 흐름으로 전환하고, 고객의 성격 특성과 위험 선호도를 분석하고, 고객 습관을 더 깊이 이해하고, 고객 요구 사항을 지능적으로 분석 및 예측할 수 있습니다. 제품 혁신과 서비스 최적화를 수행합니다. 예를 들어 기업은행은 현재 우량 고객을 판별하기 위해 빅데이터 사전 분석과 상환 데이터 마이닝, 비교를 진행하고 있으며, 고객 상환액 차이를 바탕으로 차별화된 금융상품과 서비스를 제공하고 있다.

(3) 여론 분석: 은행은 크롤러 기술을 사용하여 커뮤니티, 포럼 및 Weibo에서 은행과 은행 상품 및 서비스에 대한 관련 정보를 수집하고 자연어 처리 기술을 통해 긍정적이거나 부정적인 판단을 내릴 수 있습니다. 특히, 은행과 은행 상품 및 서비스에 대한 부정적인 정보를 적시에 파악하고, 적시에 문제를 발견하고 처리해야 긍정적인 정보가 요약되고 지속적으로 강화될 수 있습니다. 동시에 은행은 동종 업계 은행의 긍정적인 정보와 부정적인 정보를 수집하고 동료 은행의 성과를 파악하여 비즈니스 최적화를 위한 참고 자료로 사용할 수도 있습니다.