IBM谢国忠:大数据及其在金融领域的应用与实践 2014-12-30 海量 海量大数据实践
大数据对金融行业有哪些影响?金融行业如何利用大数据转型?
谢国忠,目前为IBM大中华区全球企业咨询部副合伙人、业务分析与优化服务中国区总经理。具有20年以上工作经验,17年专注于数据管理、商业智能应用、业务分析、客户关系管理及大数据等解决方案。国内众多大型金融机构企业级数据仓库及其分析系统,都是他当年领导的团队帮助建设的。目前,谢先生负责IBM中国区大数据相关咨询及实施服务。是国内在数据及其业务分析领域最资深专家之一。
12月26日海量大数据研习社第六次聚会上,他特别分享了如何在大数据应用模式和应用场景上大胆创新,以及如何快速扩充数据来源等涉及大数据具体应用层面的问题。
演讲视频:
演讲PPT全文:


分享内容主要分为四个部分:大数据概述、大数据基本原理与应用模式、大数据在金融业的应用与实践、大数据演示

计算机技术的发展历程与演变,可归纳为三个时代,即早期的制表系统时代、现在的可编程系统时代和正在跨越的认知系统时代。
未来的计算模式是:可编程系统+认知系统,可编程系统实现“交易”,认知系统实现“分析”。大数据是认知系统的基础。

新的技术浪潮:云计算、大数据分析、移动互联、社交和物联网对金融机构的影响。

金融机构做大数据的目的是把大交易数据和大交互数据进行融合,实现新的业务模式创新。


金融企业数据如果从两个维度来切分:数据类型和数据形态,那么金融企业所面临的数据环境可概括为:数据仓库平台、非结构化数据平台及流数据平台。这三个平台一起,才构成金融机构的大数据环境。

针对三种数据平台,是三种不同的处理能力。 传统的数据仓库,通过商业智能应用,实现业务报表、决策分析和满足监管需求。 非结构化数据平台,通过自然语言处理、文本分析和内容挖掘,实现舆情分析、声誉度分析、精准营销等应用等。 流数据平台,通过实时的流数据处理,实现实时欺诈监测、实时的产品服务、实时质量控制等应用。

金融机构未来大数据架构是混搭的。

流计算平台对实时数据进行实时判断和处理,如电信领域的异常话单的实时监测,银行领域的信用卡欺诈实时检测等。


内容计算,通过自然语言处理、文本分析和内容挖掘,对文字进行分析。

以图形化的方式发现数据之间隐含的逻辑关系。





电商大数据应用模式:搜索+推荐

金融机构大数据应用主要在四个领域:风险管理、渠道优化、客户管理及运营优化。

大数据服务于金融领域的五种应用类型包括:互联网获客、个性化推荐、精准化营销、大数据征信及信用评级体系;











基于人脸识别的实时广告推送系统。通过人脸识别,判断客户的年龄、性别等信息,并实时推送相应的商品到桌面。

虚拟柜员机系统。虚拟柜员机类似ATM大小,通过视频实时与银行的后台作业中心人员进行交互,从而远程办理业务。

实时欺诈侦测系统。目前已在税务、保险公司等有使用。

车联网系统。这是一段模拟国贸桥路段的车联网系统,是实时动态的。

客户室内定位与行为分析系统。通过WiFi网络或Apple
iBeacon设备,对客户进行室内定位,并进行行为分析。

IBM内部社交网络分析
互动讨论环节:
问题:传统金融行业,如信托,如何利用大数据如何对销售行为起到帮助?
回答:可以从以下三方面去考量:
重视现有数据,对现有数据创新,如挖掘其内在的社交属性、位置信息、关系信息等;
与第三方公司合作,获取外部数据,拓展渠道;
线上数据与传统数据整合;
|