隨著中國金融市場的快速發(fā)展，金融行業(yè)競爭形態(tài)的持續(xù)演化，以及監(jiān)管力度的不斷加強，IT咨詢服務公司對金融企業(yè)的商業(yè)智能解決方案，也面臨著不斷的創(chuàng)新。

　　在主題為“乘數據之舟，達價值彼岸”的文思海輝商業(yè)智能解決方案研討會上文思海輝首席架構師李飛在客戶管理之道分論壇分享了金融行業(yè)的客戶行為分析技術——大數據應用 。

　　以下為演講實錄：

　　93年國外有一句話，不知道電腦的那一端是不是一條狗，今天狗都知道你是誰了。我們也正好和北京一家銀行合作做一些客戶行為分析的應用，我記得兩年前我有一個同學在工行電子銀行部負責一攤事情，那時候他們就在聊，要去研究客戶行為，要去做電子銀行的行為分析。前兩天給他打電話，你做出什么東西來了嗎？告訴我，還在研究，發(fā)了點兒文章之類的。

　　但是，沒有什么東西可以去落地。我們聽到渠道越來越多，客戶行為越來越復雜，也越來越挑剔，數據量越來越大。怎么把它應用到客戶關系管理，風險管控中？這確實是很大的問題。現在確實有很多新的技術、新的方法，特別是創(chuàng)新，能夠幫助我們做到一部分事情，但是也讓機器理解你的客戶行為，這還真是不太可能。

　　所以我們來看一看從客戶行為分析來看一看能做到什么程度，我們的客戶渠道有很多，電子渠道、網點，剛才曹利娟也講到多渠道分析很重要。講個例子，以電子渠道來講這個話題，這是根據上市銀行的年報披露的一些數據，叫電子渠道替代率，我們可以看到甚至有的銀行已經達到了90%，而平均都在60、70%，如果你去比較去年和今年的數據這個幅度增長比例是很大的，可以看出我們國內的銀行真的在電子渠道上下足了工夫。純粹從量上來講，像中國銀行，我看到它的增長率是500%多，還有像交行，筆數增長率是200%，量的增長率是300%。所以我們可以從這個方面入手，來看一看我們能做哪些分析。當然，接下來多渠道也是必然我們能夠覆蓋的范圍。

　　正好，國內某個銀行去年的時候做了個統(tǒng)計分析。根據客戶內部反饋，比如大家去銀行的時候點滿意不滿意，各種各樣的反饋有了這些問題，這些問題如果分類的話，可以看到電子渠道57%，線下渠道23%，兩者兼優(yōu)20%。像我個人，95%金融業(yè)務都是用電子渠道。但回頭來看電子渠道中也有一些問題值得改進，比如電子渠道和其它渠道協(xié)同的問題，現在講O2O，銀行有沒有O2O的可能呢？電子渠道，你的微信客戶，這也是電子渠道一種新的方式，這些東西和大家現在說的網銀，還有你在支付渠道上，你去淘寶買個東西還是要通過網銀支付？所以這都是不同的電子渠道，只是各方面要協(xié)同，數據是不是足以支撐客戶體驗？然后是風險防控，在電子渠道運行的過程中是不是能夠避免風險？比如有的銀行推出自助刷卡，有沒有風控的問題？

　　文思海輝我們也不斷的在金融領域做很多新的方法、新的技術，我們創(chuàng)新中心也是和金融事業(yè)部緊密合作，包括移動、大數據、社交，甚至云，一起來合作、推進智慧金融的東西。從客戶角度來講，如何真正的實現以客戶為中心？體現差異化的服務和產品，提供精準營銷，提供一致的用戶體驗，后面來專注做一下。

　　這些方面當然有很多傳統(tǒng)的方法可以做，包括搭建數據倉庫，做很好的分析，包括前面馬寧介紹的一些分析方法。結合現在一些新的趨勢，數據的多樣性，比如將來肯定要把ATM取款機的攝象頭記錄，因為也要綜合分析進來，是不是這個人到這兒取款的，社交的數據、微信的數據，你吐槽的數據，能夠一起來做。這樣你可以更好的理解客戶的興趣、也好、消費習慣、理財習慣，等等等等，這些其實是傳統(tǒng)你的交易數據之外一個很好的數據資產，能夠為我們后面真正的把客戶行為分析、價值提升做好。

　　下一步，有了這些數據資產，就可以提升客戶的洞察，包括前面沈彬彬講到的四維六度，甚至風險管理方面，能夠提供很好的支撐。在真正做促銷、做推薦，比如說做發(fā)卡、核卡等等這種時候，可以更好的去做業(yè)務決策。利用大數據的低成本、高效率的分析能力，建立非常多的模型也好、分析模式也好，甚至可以實現剛才許俊敏先生講到的實時推送。

　　文思海輝我們也是基于業(yè)界一些成熟的技術，基于一些成熟的平臺，在打造自己完整的大數據平臺，最先的應用案例就是在金融行業(yè)。這里面覆蓋了數據分析，商務智能、客戶智能方面的內容。如何把復雜事件做處理？形成一個完整的統(tǒng)一平臺，當然核心還是要利用Hadoop技術，在里面開發(fā)出適合銀行客戶、金融客戶的分析模式。

　　舉個簡單的例子，剛才也有人提到點擊流，在我的電子渠道上這是最直接的行為表現�；�于點擊流，到底有多少是從電商來的，有多少是從我的專業(yè)銀行來的。剛剛后面我們在里面的操作，我們都可以把它記錄下來，形成我們分析的基礎。

　　下面給大家看一小段視頻，也是我們在這方面做的研究成果的表現，也是和我們客戶的需要很好的結合在一起的。第一部分是怎么收集這些點擊流，第二部分做了支持分析的hadoop基礎架構，之后是這些分析真正的應用場景。

　　首先我們看到，你在電子渠道做任何事情的時候，后面會有數據在跑，會把你的行為記錄下來，后面會形成日志，在里面不管是頁面切換的操作還是什么行為，我在后面相應的會把它記錄下來。如果說幾個人沒關系，如果是幾百萬，中行應該有幾百萬電子銀行的用戶，還有一百萬企業(yè)電子銀行的客戶，這個數據量原來任何一個數據倉庫都承受不了，所以我們要用這個新的大數據系統(tǒng)來做。我錄這個東西是在深圳，一般情況下我會在網銀里查一查我還有多少錢，然后做一些操作，把錢轉給別人或付個款。如果你經常這么操作，我就會把這個行為模式根據我們點擊流的記錄記錄下來，形成一定的模式，然后在后面會用這個模式幫銀行分析這個客戶到底是怎樣的。

　　第二個方面我們來看一看hadoop做了什么事情，在座的有多少人真正用過hadoop？這里就是hadoop，從架構上其實就是一堆數據節(jié)點，我真正去存儲的時候還好，運算的時候會用自動的分派到這些數據節(jié)點上運算。我們在做這個案例的時候，我們搭建了這樣一些數據節(jié)點。我們可以看到，在這里面跑到系統(tǒng)里看到有個wetail，這就是一些非結構化的數據。不同的節(jié)點存儲了不同的點擊流數據，經過分析可以變成后面可以進一步分析的內容，比如在這里面進行一些清洗，把它變成大家能看懂點兒的東西，然后做進一步分析。

　　這是hadoop的管理界面，可以看到你有哪些數據節(jié)點。然后，這就是我們在這里看到的經過分析的清晰的數據集，這里我們會把抓過來所有的數據進行分區(qū)、分組，然后在不同的節(jié)點里會有不同的記錄，我們還有不同的分區(qū)，把數據放到里面，這就是我們分析之后的數據。這些數據就是大家能看的懂的，我們還會用zneoss來做監(jiān)控，可以看到在這些節(jié)點上數據運行怎么樣，CPU、存儲是不是足夠。

　　現在大家就把hadoop當成一個原始的數據存儲，我們還可以把hadoop這些數據放到傳統(tǒng)的數據倉庫里做。把這些數據抓出來，通過圖形展示給大家，IOS的用戶可能就多給你點兒錢，Android的用戶額度可能就低一點了，怎樣的操作系統(tǒng)？這些其實都可以作為我們后面對客戶細分或多或少的依據，北京、上海從地域去訪問，這些是統(tǒng)計的。還有路徑，這里面是怎么走的？有多少人走了多少步就不往下走了，我沒有辦法走完？還有電商、客戶轉化率，這些都可以通過進一步的分析來做。這些是設備的分析，用什么樣移動設備的人最多？

　　后面我們會看，這樣的分析，我們把數據抓過來，形成一定的模式，在真正的交易中，它能夠發(fā)揮什么樣的作用？我剛才的用戶習慣是查一查有多少錢轉帳匯款，我們要有一些防欺詐的措施，我如果在網吧登錄，在不同的地點登錄，都要有所區(qū)別。這些東西其實都可以在這套大數據系統(tǒng)里完成。

　　在整個行為分析的過程中，我們收集了相關的數據，但你推薦要進行綜合分析，在這里面我們就要看這些客戶不同的分類，對它進行四維六度的分析，對它可以進行有目的、精準的推薦和營銷。但這同時我們有一些基于實時事件的分析，基于一些規(guī)則和行為模式，然后進行實時的營銷。

　　另外，比如基于路徑的分析，點到那不往下點了，我本來想做點兒別的業(yè)務，服務不好，把錢都取出來了，電子銀行常見的這些體驗分析結果，行為分析包括異常數據，等等等等，都可以做。

　　最后，除了點擊流、除了客戶行為分析，其實基于大數據，結合社交的數據、結合移動的數據，各有各的一些特點，我們可以把它們結合起來共同的打造所謂的智慧金融，這里面不光是技術本身，甚至也可以和用戶一起，共同的打造這些東西，跟客戶一起協(xié)同創(chuàng)新，把它真正的實施出來，最后也要不斷的優(yōu)化，因為這個過程必須是不斷進化的過程，這個過程我們可以做的非�？�，幾個星期、一兩個月就可以做金融的優(yōu)化。