http://www.sohu.com/a/118119125_531740
金融行业会运用到很多大数据，但是大数据也会有很多方面的应用。下面来看看大数据在金融行业的应用都是什么。
根据数据显示，中国大数据
IT应用投资
规模以五大行业最高，其中以
互联网
行业占比最高，占大数据IT应用投资规模的28.9%，其次是
电信
领域(19.9%)，第三为
金融
领域(17.5%)，
政府
和
医疗
分别为第四和第五。
根据国际知名咨询公司麦肯锡的报告显示：在大数据应用综合价值潜力方面，信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看，信息、金融保险、计算机及电子设备、公用事业四类的数据量最大。
可以看出，无论是投资规模和应用潜力，
信息行业(互联网和电信)
和
金融行业
都是大数据应用的重点行业。由于上一篇
《BAT互联网企业大数据应用》
(关注微信公众号：傅志华，即可通过历史文章查阅)已经重点介绍了互联网行业的大数据应用情况，本文将讲点介绍行
金融行业大数据应用
情况，下一篇文章将重点介绍
电信行业的大数据应用
情况。
金融行业大数据应用投资分布
从投资结构上来看，
银行
将会成为金融类企业中的重要部分，
证券
和
保险
分列第二和第三位。接下来，我们将分别介绍银行、保险和证券行业的大数据应用情况。
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：
第一方面：
客户画像应用
。客户画像应用主要分为
个人
客户画像和
企业
客户画像。个人客户画像包括
人口统计学特征
、
消费能力数据
、
兴趣数据
、
风险偏好
等;企业客户画像包括
企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游
等数据。值得注意的是，银行拥有的
客户信息并不全面
，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行
自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解
。包括：
(1)客户在
社交媒体上的行为数据
(如光大银行建立了社交网络信息数据库)。通过打通银行内部数据和
外部社会化的数据
可以获得更为完整的客户拼图，从而进行更为精准的营销和管理;
(2)客户在
电商网站的交易数据
，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可;
(3)企业客户的
产业链上下游数据
。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况;
(4)其他有利于扩展银行对
客户兴趣爱好的数据
，如网络广告界目前正在兴起的DMP数据平台的
互联网用户行为数据
。
第二方面：
精准营销
。
在客户画像的基础上
银行可以有效的开展精准营销，包括：
(1)
实时营销
。实时营销是根据客户的
实时状态
来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销(某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务);或者将
改变生活状态的事件
(换工作、改变婚姻状况、置居等)视为营销机会;
(2)
交叉营销
。即
不同业务或产品的交叉推荐
，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售;
(3)
个性化推荐
。银行可以根据客户的
喜欢
进行服务或者银行产品的个性化推荐，如根据
客户的年龄、资产规模、理财偏好
等，对客户群进行精准定位，分析出其
潜在
金融服务需求，进而有针对性的营销推广;
(4)
客户生命周期管理
。客户生命周期管理包括
新客户获取、客户防流失和客户赢回
等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
第三方面：
风险管控
。包括
中小企业贷款风险评估
和
欺诈交易识别
等手段。
(1)
中小企业贷款风险评估
。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
(2)
实时欺诈交易识别和反洗钱分析
。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式(如转账)等，结合智能规则引擎(如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易)进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯
第四方面：
运营优化
。
(1)
市场和渠道分析优化
。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
(2)
产品和服务优化
：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
(3)
舆情分析
：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题;对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。
SODBASE产品在保证了、稳定可靠的基础上，实现了图形化编制模型等功能。它可以通过系统提供的接口进行与其他软件系统的无缝对接，实现性能、稳定和兼容性相互协调、相互统一。
兼顾高性能和稳定性，业内最稳定的流式计算CEP引擎
三重稳定保障：
(1)单元测试工具保障
(2)有效的HA机制
(3)任务级别的监控接口
可视化规则和界面设计工具