石林22632073
案例一：中信银行玩转大数据，以客户为“ 上帝”
应用背景：
信用卡业务竞争本质上就是客户的竞争，而且是优质客户的竞争。针对客户发现、客户提升、客户保持、市场细分、忠诚度、贡献度、个性化服务乃至个人信用风险等等一系列围绕客户关系的新问题，支持日常运作的信用卡生产系统是面向柜员和交易的日常营运和客户服务基础设施，无法提供众多分析、决策型用户对大量历史数据同时进行突发的、复杂的决策分析，而建立一套以客户为中心的信用卡业务分析系统则是实现上述命题的必要可行手段。
数据源:
个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。
资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。
其他数据：个人互联网行为数据、个人位置信息数据、商户数据(商户客户对象、商品种类等)。
图说场景：
实现路径：
通过整合银行内部信用卡相关的所有重要数据，通过对数据进行快速而准确的分析和挖掘，以及提供的全方位、多层次的辅助决策支持手段，银行短时间内对市场变化及趋势做出更好的战略性商业决策，以挖掘重点客户、提高服务质量、减少运作成本，为银行带来有利的市场竞争优势。
应用效果：
客户识别。通过客户信息的分析，识别出给银行带来更好利润并且信用好的客户，并为这些客户提供更多更好的服务。
风险降低。针对信用差的客户，实时监控，防止发生坏账呆账行。
案例二： IBM 助力民生银行应对金融业的大数据挑战
应用背景：
在利率市场化和人民币国际化进程中，银行存贷利差收窄趋势将是必然之路，特别是随着互联网金融等新业态的出现，银行过去受国家政策保护的垄断利润，正在缩减。这个时候，通过大数据来驱动业务运营及产品创新，搭建低成本、高性能、高可靠且水平扩张的数据平台，帮助银行通过大数据分析应对金融业的大数据挑战，完善及大力发展银行业中间业务，避免产品品种雷同、老旧等情况的出现，做到个性化的精准营销。
数据源：
个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。
资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。
其他数据：个人互联网行为数据、个人位置信息数据、商户数据等。
图说场景：
实现路径：
整合客户数据，通过精准的营销设计降低客户流失率，提高忠诚度;借助大数据技术对不同渠道来源的提供商、客户的交易行为进行全面分析，实现链式反应;搭建有效的数据模型，为客户提供全方位管家式的非金融服务;借助对业务的分析与优化，推动自身的转型与创新。
应用效果：
分析洞察。通过大数据相关技术，可以及时了解本行业及关联行业的变化，快速调整自身企业的运营方向及策略，缩小企业运营风险敞口。
精准营销。整合金融业内部和外部数据，建立起多维度多层次的分析洞察报表，可提供市场、销售、用户、舆情等多角度的宏观洞察，辅助战略决策， 同时也为企业的运营、产品、市场、销售、服务等一线业务人员提供数据洞察，支持其日常的业务行动。
案例三：大数据助力青岛银行提升运营能力
应用背景：
商业银行目前具有庞大的客户群体，同时企业级数据仓库存储了覆盖客户、账户、产品、交易等大量的结构化数据，以及海量的以语音、图像、视频等形式存在的非结构化信息。这些信息背后都蕴藏了诸如客户偏好、社会关系、消费习惯等丰富全面的信息资源。可以说，商业银行已经兼具客户基础和数据基础。在此背景下，商业银行可以通过开展大数据分析、提升精准营销能力，为银行提供全方位、精确化和实时的决策信息支持。
数据源：
个人特征数据：年龄、性别、职业、收入、工作区域、社会关系等。
资产数据：个人定期存款、活期存款、信用贷款、抵押贷款等。
其他数据：个人互联网行为数据、个人位置信息数据、商户数据等。
图说场景：
实现路径：
通过对客户基础数据、产品数据等相关数据进行分析，使得银行对精准化营销、个性化推荐、优化体验等功能做出及时调整和优化，最终实现产品和服务的升级及改造。
应用效果：
优化体验：通过对市场和渠道的分析优化，金融业可以监控不同市场的推广渠道，进而为产品或者服务找到合适的渠道，优化推广策略，提高客户体验满意度。
个性化推荐：通过客户管理形成的细分客户，用大数据技术智能化分析细分客户的需求，如客户的理财偏爱好、年龄等，因人而异，实施精准化、有针对性的产品及服务推荐。资产优化：基于全方位的数据记载，构建可视、可控、动态、协同及精细化的资产管理方案，支撑金融业及其客户的财务转型等功能;以及构建一套智慧财资的体系，提升资源整合的力度，实现高效的价值创造。
