其他回答

• 客户信息收集越全面、完整，数据分析得到的结论就越趋向于合理和客观。随着互联网的不断发展，移动互联网的大范围普及，海量的用户行为数据由此产生。更多维度数据的交叉与交互才会为银行不断的带来新的活力。如果说行内数据的整理与应用能让银行描绘出客户的部分画像，那么外部数据的进一步批量化时效性补充则可以让银行得到客户更精确的画像，这其中包含了通过客户移动设备、社交应用、网页访问和点击搜索信息所得到的客户习惯偏好，客户整体价值标签及客户社交属性等。
  齐景伟2019-12-21 20:22:09
• 这个事情需要展开来看很多大型企业单位为了满足业务系统的使用需要，使用很强劲的服务器主机，以大型机、小型机为主。这些机器都不使用windows系统，所以SQLServer之类的数据库没办法在这种机器上运行。Oracle、DB2、Sybase之类的是主流，这几个数据库有很强大的技术支持团队，也是受到大企业欢迎的原因。计算机水平国外还是比较高的，所以外国软件公司开发的针对大企业的软件也都要求在这种数据库上运行。约定俗成，微软的操作系统和数据库由于不能运行在很强劲的主机上，所以只能给中小企业服务。微软系列的还有access数据库，基本上是为单机服务的。至于MySQL基本上是为网站服务的，主要特点是免费，应用挺多，但是大企业信息化软件很少用，因为没有对应的业务支持人员，到时候出问题，找不到人，就出大事故了。反过来再看数据库本身，都有参数说明，你仔细看看就知道了。很多小数据库本身底气就不足，并发数量、最大库文件等等参数标得很低，你说大企业动辄几T几P的数据，敢忘这种数据库上放吗？软件公司敢编写用这种数据库的软件吗？再说说知名度，企业之间都会互相问，要是一个很小很便宜的数据库大家都用，都用得很好，市场占有率极高。自然口碑就好，大家就都用了。微软的sqlsever就是一个例子。从最开始的6.5基本上不能用到sql2000很成功，得到大量企业的认同，到现在出到2019版本，占有率很高了，就是口碑，可是它在大企业中使用不理想，所以还是占有中小企业。分析这些数据库，应该多方面来看，不能只看参数，只看技术。你都分析好了，发现某个数据库不像大家说的，你能用，可是市场上找不到对应的软件，也没辙，除非你自己编写。
  龚寅雷2019-12-21 19:58:55
• 金融企业运用大数据和机器学习算法，对欠款客户进行人群聚类并根据聚类的结果识别骗贷、恶意欠款、恶意透支、盗刷盗用、对交易有疑问拒绝还款、经济状况恶化无力还贷、遗忘还贷等多种欠款类型；从而准确预测客户的还款概率和金额，从而进行催收策略评估，最大限度降低催收成本。中国建设银行资产总行风险管理部/资产保全部副总经理谭兴民曾详尽分析大数据何以帮助银行提高征信水平和风险管控能力：首先，一站式征信平台可以进行贷前客户甄别。目前，银行查询客户的情况既费时、费力，又增加银行费用，而利用企业的一站式征信平台，则可以最大限度地节省银行的人力、物力及时间，并确保数据有效、及时、准确。其次，风险量化平台可以助力贷后风险管控。平台基于企业日常经营数据，结合平台数据模型，采用动态、实时的云端数据抓取技术，对企业的发展进行分析和评测，给出风险量化分数，并第一时间发现企业的生产经营异动，在风险触发前3到6个月预警，使银行等金融机构能够及时采取相应措施，防止和减少损失发生。同时，利用“企业族谱”查询，对不良贷款进行监控。如一些企业通过关联交易转移利润、制造亏损的假象，为不偿还银行贷款寻找理由；或者通过关联交易制造虚假业绩，为继续获得银行贷款提供依据，这些假象通过关联交易查询，都可以很快发现蛛丝马迹，让企业造假暴露原形，可防止银行上当受骗。大数据风控相对于传统风控来说，建模方式和原理其实是一样的，其核心是侧重在利用更多维的数据，更多互联网的足迹，更多传统金融没有触及到的数据。比如电商的网页浏览、客户在app的行为轨迹、甚至GPS的位置信息等，这些信息看似和一个客户是否可能违约没有直接关系，但实则通过大量的数据累积，能够产生出非常有效的识别客户的能力。在运行逻辑上，大数据风控不强调较强的因果关系，看重统计学上的相关性是大数据风控区别于传统金融风控的典型特征。传统金融机构强调因果，讲究两个变量之间必须存在逻辑上能够讲通因果。在数据维度这个层级，传统金融风控和大数据风控还有一个显著的区别在于传统金融数据和非传统金融数据的应用。传统的金融数据包括上文中提及的个人社会特征、收入、借贷情况等等。而互金公司的大数据风控，采纳了大量的非传统金融数据。相对于传统金融机构，互金公司扩大了非传统数据获取的途径，对于新客户群体的风险定价，是一种风险数据的补充。当然，这些数据的金融属性有多强，仍然有待验证。巨头优势明显，并不代表创业公司的路已被堵死。大公司不可能面面俱到，布局各种场景。在互联网巨头尚未涉及的领域，小步快跑，比巨头更早的抢下赛道，拿到数据，并且优化自己的数据应用能力，成为创业公司杀出重围的一条路径。官方电话官方网站向TA提问。
  龚宇飞2019-12-21 19:16:08
• 随着现代互联网技术的迅猛发展，人类社会已经迈入了一个“大数据”的新时代。银行的传统经营管理模式目前受到巨大的挑战，而如何应对来势汹汹的互联网金融的冲击，同时又能在数据运用领域抓住机遇、推陈出新，将是我们银行业必须认真思考和探索的新课题。一、网点布局由物理网点向虚拟网点、自助服务的转变一是要学习零售银行转型发展的经典案例，通过集中监控、制度管理、智能自动平台等途径，充分发挥出自助银行的功能，从而提升渠道的分流能力，实现业务的发展。二是在发展方式上，既要大力发展以离行式自助终端、社区自助银行为代表的传统自助银行，又要大力发展以网上银行、手机银行、转账电话为代表的电子银行，而以微博、微信等为代表的新媒体银行也应受到更多的关注，使自助服务、在线服务成为“大数据”下，银行为客户提供服务的重要渠道。三是加强物理网点改造。银行网点作为重要的“门面工程”不应该千篇一律。每一个网点的建设从最初的选址到设计装修，从功能分区到业务处理都可以利用“大数据”的模型进行精确测算，使得网点建设不再盲目“圈地”，而是能够形成网点分类、功能分区、客户分层、业务分流的新型服务模式，体现营业网点的个性化、特色化。二、充分利用信息资源，提高客户群体忠诚度“大数据”的到来使得银行针对客户群体的单一产品或渠道不再具有吸引力。在当下，银行需要运用好信息资源来扩大客户群体。一是收集利用各类信息搜寻目标客户，从而提高营销服务的效率。二是大力发展网络金融服务，打破传统营业网点地域覆盖面有限和人员数量少等因素带给银行金融服务的限制，扩大客户的有效服务范围。三是通过对海量数据的收集分析比对，加强产品创新、优化业务流程、拓展服务渠道。为价值客户提供个性化、有针对性的服务，提升客户的满意度、忠诚度。三、打破业务边界，开创跨界服务新模式“大数据”时代，商业银行需要打破传统的依靠存贷利差、中间收入来盈利的模式，而应该围绕自身优势提供更多的增值服务。一方面，银行可以通过提供综合化的金融服务来吸引客户、留住客户，形成出自自身的数据源；另一方面，银行可以利用自身的信息网络优势，为客户提供行业分析、投资建议等信息服务；对于高净值的客户，银行还可以用专业化的优势为他们提供涵盖投资、保险、住房贷款等领域的专业理财方案和财务建议，在帮助客户资产保值、增值的同时，也利用客户的资源为自身创造了经济价值和口碑效应。数据，已然渗透到当今社会的每一个行业之中，成为了重要的生产因素。大数据”时代，适者生存。放眼未来，任何一家银行要想在同业之中脱颖而出都要将数据收集、数据分析、数据解读作为新的核心竞争力，才能跳出传统、引领创新，从数据中获得价值，从数据中开拓市场，从数据中赢取未来。
  齐文艺2019-12-21 18:59:20