华院数据宣晓华：银行大数据的实践

2014中关村大数据日于2014年12月11日在中关村举办，大会以大会以“聚合数据资产，推动产业创新”为主题，探讨数据资产管理和变现、大数据深度技术以及行业大数据应用创新和生态系统建设等等关键问题。大会还承载从政亚信府主管部门到各行各业的需求和实践中的疑问，探讨包括政府、金融、运营商等部门是如何通过数据资产管理和运营，实现转型发展和产业创新的路径

2014中关村大数据日于2014年12月11日在中关村举办，大会以大会以“聚合数据资产，推动产业创新”为主题，探讨数据资产管理和变现、大数据深度技术以及行业大数据应用创新和生态系统建设等等关键问题。大会还承载从政亚信府主管部门到各行各业的需求和实践中的疑问，探讨包括政府、金融、运营商等部门是如何通过数据资产管理和运营，实现转型发展和产业创新的路径。

在下午的金融@Big Data论坛中，华院数据董事长宣晓华作《银行大数据的实践》主题演讲，分享银行是怎么利用大数据进行数据分析的。

以下是他的演讲去哪问：

宣晓华：谢谢欢欢，感谢大会的邀请。大会出的题目是大数据在银行业的实践，坦率说银行大数据的实践在目前华院的比重相对比较小，占的比例是10%左右。这不表示我们对银行大数据不重视，其实我一直认为银行金融在大数据的指数来说是最高的，或者最高之一。大数据在银行业我们很关注。2002年的时候，创立华院的时候第一个行业我们想做的就是银行数据挖掘。因为银行本身的数据质量是很高的，而且在海外来说银行的数据的市场，数据分析挖掘的应用市场是最大的，在当时的时候，因为互联网还没怎么起来，电商还没怎么起来。开始做的时候我们发现我们做了银行的业务，也做了非常好的工作。

银行在中国这个阶段，以前银行很少，就一家。银行到2000年银行已经有十几二十家银行了，银行本身的收益方式跟国外银行，尤其跟国外的零售银行，在中国发展是很晚的。像交通银行，零售银行的收入不到10%，整个收入的比例很少。而且银行到目前为止都是非常容易赚钱的，只要把存款吸入进来，可以相对安全的，比较高的利率贷给企业，利差有2%到3%，所以大部分银行盈利是非常好的，所以从这个意义上来说，真正推动整个银行大数据的实践也好，真正的应用也好，我认为主要一条就是利率市场化，降低利差，利差缩小了，整个的银行的经营就要有大的提升，大的提升中数据和大数据给它产生的作用可以是很大的。包括了刚才讲的营销，整个零售银行来说它也是零售业，所以对客户管理是非常重要的。

第二就是银行的本质，风险管理。尤其在个人业务的风险管理，基于数据的决策的确是被认为是非常好的方式，可能也是唯一的方式。银行对个人决策，每个人都按照客户经理，有管控能力非常强的经理来说不行，要通过技术手段，就是模型，这是基于数据决策和风险定价的。所以我刚才讲的银行业的数据本身来说，刚才前面建行的刘总也说了，所以我不展开了，大数据在银行里面可以在客户的需求匹配、营销，整个客户管理、个性化和风险等等领域可以有很大的潜力。银行本身的基础很好，本身有很多的数据，有很强的内部的能力，很多银行本身也拥有很多跟数据有关的人才。

刚才我讲了银行两个非常重要，一个是客户管理，客户管理是非常重要的，银行从第一天变成他的客户以后，接下来不管提供个性化产品也好，不管是理财也好，不管是跟风险有关的产品也好等等，都是需要很多的自动化营销的管理方式，因为银行有几十万的用户，我不可能按照客户经理来做，客户经理往往做很大的，大的客户必须通过自动化的方式，什么时候客户需要什么产生，什么时候需要推荐，这是需要客户的生命周期管理，包括预测这样的客户什么时候会换到另外一家银行，这个过程必须通过数据的预警方式来提醒，所以这个是客户管理需要一个非常强的数据和数据的模型能力。上面就是自动化的软件，所以以前没有大数据的时候银行这些项目也要做，而且当时就开发了很多这样的模型。围绕大数据，你了解客户本质来说应该是更便利，或者更多手段，所以个性化就变得更加容易，所以大数据是提供了更多的数据资源和更强的洞察用户的能力。

第二个是我们在银行非常重要的事件就是细分，还是把客户细分。银行服务的大量的客户都不细分，所以本身做的工作就是要细分，我们要比较几个相当于什么？我能不能把我的客户分成不同的组，如果把这个事情首先可以做好，实际是所有客户管理的基础你有了，这个基础管理就是把大的人群分成小的人群，第二就是每个人都有很强的视图。银行非常重要的一个方式就是基于它的行为来做，因为银行记录了所有的不管是付款、贷款，包括一天取钱，所有的记录，所有的记录都是可以作为细分的基础。算法我就不说了，就是把银行所有的客户分成十个组也好，每个组里的用户需要的银行的特性是非常类似的。不同的组的特性是非常不一样的。但是这个怎么细分是需要用到很多的字段，这个银行都有，有些字段也是可以延伸的。比如平均每个月取多少钱的，这个也是通过底层的记录很容易产生的，这样就产生了客户的描述。基于这种细分就可以做很多推荐，这个推荐是比如说当客户已经来了银行，看到柜台整天在为客户推荐理财产品很多时候没什么针对性，就是来了就问这个理财产品要不要，这就是没有精准的推荐，或者有些客户打电话到银行，你怎么清楚的判断这个客户大概需要什么，这套工作就是预测也好，是关联模型也好，就是一个精准推荐。这个不是那么难做，所以很多银行的大数据实践也不是技术限制了它，也不是大数据本身限制了它，最重要还是能够以客户为中心的理念和经营方式限制了目前大部分银行还不能在大数据的应用上做很快或者很多。

比如当一个客户来或者打电话进来以后，我的经理是不是可以准确的推荐一个合理的产品和方案给客户，这个工作是大数据可以做出判断的，大数据做判断的方式也很简单，相当于刚才我们讲的买书的模式是一样的，基于产品的相关性，或者基于人的相似度推荐合适的产品给客户，这个从技术上也不是很难做，而且可以做得很好，这是讲的第二个例子。

第三个例子也可以给大家稍微讲一下，就是银行怎么看价值客户这个事情。我们说银行的时候就会发现银行判断一个价值客户的方式就是存款，就是500万存款以上的都是非常大的客户，50万到500万存款的人也是，50万以下就不那么重要，这是简单的判断。但是并不是每个用户的钱都存在一家银行，尤其你经营的银行，即使我在这个银行存了1万银行，我也可能是一个很高资产的客户。所以这个判断怎么来做？实际通过数据来做很容易，为什么？这也是我们的一个模型，就是一个资产预测模型。如果你可以分析它所有的取款，他每次到ATM取，虽然他只有几万块钱，以前我们取款上限就是两千块钱，他每次取款都是两千块钱，或者每次转帐都是很大的，那他也是一个非常重要的客户，这样的客户对银行来说其实非常好。这个客户虽然现在不在你的银行，但是你可以通过这些行为来判断这是一个非常有价值的客户，这种有价值的客户你再用一个好的方式，不管是好的产品也好，好的服务也好，把他吸引到自己家的银行来，这就是一个非常好的发展用户的渠道和方式，而且这个发展用户的方式很便宜，就是基于这个客户在本银行的行为，可以推断这个资产价值，这个非常重要。包括王主任刚才也说了，虽然在招商的存款不多，但是也给了他金葵花卡，这就是通过数据判断这个人的拥有的财富或者影响力。这又是一个可以通过数据帮助银行做好客户的服务。

还有一个是成长价值，我们如果可以分析银行，很多的客户就很年轻的时候，就是以前的老客户的规律，发现有一类客户承载价值很高。比如说现在他工资也不是很多，财富也不是很大，但是他发展的路径符合了所谓的成长用户的模型和人群的话，这种人群对银行来说也是非常重要的。因为这种人群虽然现在财富不是很大，但是它有非常强的财富增加能力，这个情况也是通过数据模型做起来，也是一个模型，就是客户成长模型。

所以我讲的几个模型可能很简单，银行可以做，很多IT公司，很多大数据分析公司都能做。只要是把银行的业务部门和IT部门把这个事情当成一个事业也好，当成是以客户为中心的理念，如果在这个银行里面本身来说已经变成一项真正意义的考核的时候，要做起来是非常非常快的，这是我讲的围绕客户的。

最后我想提一点我们的信用评分。另外就是风控，信用评分跟风控有关，大企业风控还是通过人和团队来做的，他们要花很多的时间了解大的企业的业务，这个跟数据关系不是那么大。第二类就是小微，小微本身来说可以跟数据有关，逐步来说也会有更大、更多的小微的贷款是通过数据去做的，但是它是最难的，在中国就更加难了，因为财务数据本身也不能成为非常重要的标志，并不代表不可以做。像阿里小贷可能利用了更多的互联网的交易的数据在他这里，或者供应链，因为知道这个人的合作伙伴和经营状况，所以小微金融基于数据来做可以做，而且有很大的潜力，小微在中国太大，所以有非常多的银行。我讲的银行不一定是传统银行，可以是现在的互联网金融起来的这些，可以基于数据把小微金融的工作先开始做起来。但是我觉得大数据最成熟的还是对个人的信用评分，而且还是最容易做的。也基于这个，华院不久以前也成立了一家公司，实际我们是通过数据让个人贷款变得更容易。公司定位本身就是帮助银行或者金融机构，既可以是银行业可以是互联网企业，真正可以进行个人风险的度量。个人风险度量传统的方式在美国就是（英文），不管是贷款也好还是什么也好，就是标准评分，当然很多银行业有自己的评分，结合了跟银行的交易，做出个性化的评分。整个来说到互联网金融以前其实（英文成为一个非常标准的评分，其实美国商业信用局也推出了另外一个个人征信的信用评分，这几年互联网金融的发展，尤其美国的（英文），本质来说在P2P贷款的发展，所以现在提到另外一个方式叫（英文），它认为是基于大数据的，基于更多的变量，（英文）做的也是基于超出了（英文）所用的传统的跟财务、金融有关的信息，（英文）也用了评分，而且和金融评分是垂直的，是比较好的一种数据。但是（英文可能应用了更广义的评分，用了上万的变量，我自己也没有跟它交流过我也不清楚。但是我们在做的，在国内希望创造的评分的确是基于更广义的数据来评分，这个评分包括传统的，这是我们中心最近搜集的数据，包括互联网商的数据，可以是微博，可以是电商，在许可的情况下来做这样的评分。这个过程我们也在做的过程中，对每个行业我们以前都做过评分，比如运营商我们也做过，以前的运营商是有后付费和前向收费，电话打断了以后，因为你电话费用完了，这个是一个非常坏的体验。我们要帮助中国移动重新把这个东西再开放起来。让电话打完以后可以继续打，但不是每个人都可以打，而是基于信用评分来决策谁可以继续打电话，有的可以再打5块钱，有的可以打25，有的可以打50块钱，基于所谓的评分。所以每个行业我们都做评分，对电信行业做评分，电信行业我们很熟，因为我们服务了中国60%以上的网商，60%的网商都用了我们的分析，我们开发的一个数据分析和营销平台，营销自动化的工具。

所以我们做过这样的评分，但是困难在哪里？我们希望是一个相对比较统一的评分，而目前又没有什么好的方式可以让数据整合到中国人民银行征信中心，消费者又不希望数据可以开放出来，所以我们能够做的是让每个行业都有一个评分，这个消费者可以接受。但是消费者不愿意接受运营商可以把这个数据放开给一个做贷款的公司，这里就需要很好的评分。而且这个评分是利用了各个行业的一个综合评分，应该说现在还没有做到非常好，但是现在也有公司在试用这样的评分，只有试用才能把这个评分做好。我们也是允许有坏账的，没有坏账就做的话一定是拍脑袋的，没有对应坏账的概率。所以我们必须有一定的坏账，坏账和哪些人产生了坏账，哪些人没有产生，需要两种人，可以不断的优化评分。有一些互联网金融企业，专门做非常小的贷款，个人的信用评分最大的用途是在小额的贷款，几千块的贷款和大量消费金融，消费金融是非常大的潜力在中国。现在互联网企业有金融白条了，像京东就有京东白条了。就是通过信用和营销风险变成营销杠杆，你看上去是在经营一个风险，其实是在经营营销，消费者可以更早的。比如海尔，它本来是一个汽车金融发展的比较多，买车的时候可以大量的使用贷款，贷款来买车，现在看到比较少的是买一个冰箱，我买一个空调都是可以通过分期的方式来做，这个我认为是大量的需要的。

这样讲的话围绕银行和所谓的大数据真正可以产生价值的地方是很多的，华院数据从去年开始大量的关注金融行业，主要第一是因为利率在开放，所以我相信银行的利润率会降低，所以个人零售银行又会大大发展，所以这个带来非常非常大的机会。第二个，互联网金融虽然业务很淡，但是的确带来了巨大的冲击，理念和观念的冲击。现在的小贷公司或者互联网金融公司发展起来的银行大量产生的话，对新型的现代银行，对大数据的需求和潜力是非常大的。谢谢，我主要讲了一些关于银行的。华院专门从事数据挖掘为主，但是这个过程中也深度孵化了很多公司，包括有电信，专门从事运营商服务器的，这是我们做了很多的。同时我们有做电商的，有移动营销的。还有做个人信用管理的，主要是帮助所有的行业和领域实现数据化。

编辑：admin