数极客首页

不耍流氓的金融大数据:激活40%休眠卡用户,记录你做的所有坏事

DT君继续要说说金融范畴
大数据应用。来自TalkingData的首席金融剖析

师鲍忠铁老说自己

是“首席布道师”,DT君觉得名不虚传
,由于
他一上来说话就是金句:大数据不是为了如虎添翼
,而是为了雪中送炭。他还说,假定

数据不能产生价值都是耍流氓。以下是他在“寻觅
数据侠”活动中的演讲文字实录。

大数据要想在金融范畴
变现,得靠这两种方式

我想传达的数据理念是,假定

数据不能产生价值都是耍流氓。

世界上只需

四种数据:行为数据、买卖
数据、社交数据和传感器数据。

数据在企业里边基本

上会做三件事情:效率提升,业务提升,本钱
降低。假定

这三件事情做好,数据就完成
了价值。

而数据在整个金融行业的应用,则有三个方向,一是数字化运营,二是精准营销,三是数据风控。其中精准营销微风
控是目前世界上大数据能够

变现的两种方式。

TalkingData主要是应用
移动

互联网人群的行为数据来描画

一个人的兴味
偏好、出行轨迹、兴味
喜好

等信息,过去一年我们辅佐

很多企业应用
移动

大数据洞察他们的客户。

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

案例1 精准营销:有车族更爱用Uber,向他们采购
绑卡!

这是我们帮一个信誉
卡公司做的数据剖析

和数据营销案例。

我们应用
移动

App数据,发现很多客户愿意玩游戏。于是就应用
游戏帮它中止

引流。同时应用
手机游戏的活动,激活了40%的休眠客户。这个信誉
卡公司在整个金融移动

APP占比是十分

高的,日活能够

抵达

330万,这个APP每个月为信誉
卡公司发明

将近几个亿的净收入。

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

另外,客户希望信誉
卡和借记卡能够

更多绑定在优步(Uber)应用上。但是前期广播

式投放广告之后,效果十分

之差,只需

千分之三的人在这个应用上绑了客户机构的卡。

没有数据剖析

之前,大家都以为
Uber是应该举荐

给没有车的人,由于
没有车的人会有很高的打车需求。但理论

上我们用数据剖析

之后,经过
精准营销和数据剖析

,发现有车一族运用
Uber的频率更高,更愿意应用
信誉
卡或借记卡绑定Uber。为什么呢?由于
这些有车的人曾经
习气
自己

开车上班了,曾经
不习气
公共交通了,不习气
地铁和其他公共交通了,这些人才是刚性Uber的需求,聚会的时分
,喝酒的时分
,吃饭的时分
都是需求
打车的。

我们应用
数据精准地找到了有车的客户,向他们推送绑定信誉
卡广告,进步
了精准营销的效果,用户绑定信誉
卡/借记卡的胜利

率进步
了十多倍。

在没有数据支持的状况

下,在没有数据剖析

之前可能一个客观事物判别
常常
是基于一个人客观
的阅历

,基本

上普遍广告转化率大约
只需

千分之三。但是假定

有数据能够

精准营销,基本

上转化率能够

进步
5%。我们依据

这些客户画像帮银行找到它的目的
客户,优化它的产品。

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

案例2数据风控:经常飙车泡夜店?你可能被列为高风险人群

在没有数据之前,很多银行给中小企业贷款的时分
,风险评价
依据

于POS机的刷卡记载
。这个刷卡记载
是能够

做假的的,例如能够

用信誉
卡套现来进步
POS机的流水。

我们能够

经过
移动

设备数据采集的方式来判别
,这个店铺的客流量,每天进来多少人,多少人去试衣服,多少人去结账,多少人分开
等数据。经过
这些数据判别
小商户的客流量和运营
的状况

,然后参考这些信息和POS机信息,给出一个愈加
客观的授信额。这种应用
移动

设备数据的风险管理方式,比原来仅仰仗

买卖
数据判别
信誉
等级的方式,进步
了30%左右精确

率,降低了狡诈
的可能性。

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

网络立功

正在成为互联网金融公司公司面临的主要要挟
之一,致使

在一些互联网金融公司公司,歹意

狡诈
产生的损失占整体坏账的60%。很多互联网金融公司公司将主要肉体

放在怎样
预防歹意

方面,高风险客户辨认

和黑名单成为预防歹意

狡诈
的主要伎俩

。而移动

大数据则能够

辅佐

互联网金融公司完成
反狡诈

1用户寓居
地和工作地的辨别

移动

大数据能够

考证
客户的工作地和寓居
地点,例如某个客户在应用
手机申请贷款时,填写自己

寓居
地是上海。但是互联网金融公司企业依据

其提供的手机设备信息,发现其过去三个月历来
没有寓居
在上海,这个人提交的信息可能是假信息,发作
歹意

狡诈
的风险较高。

2 狡诈
汇集

地的辨认

歹意

狡诈
常常
具有团伙作案和集中作案的特性
。立功

团伙成员常常会在集中在一个暂时
地点,雇佣一些人,短时间内中止

猖獗
作案。

借款平台发现短短几天内,在同一个GPS经纬度,呈现
了大量贷款央求

。并且用户信息很相似

,申请者寓居
在偏僻

郊区,这些贷款央求

的歹意

狡诈
可能性就较大。

3 高风险贷款用户的辨认

互联网金融公司企业能够

应用
数据了解

过去3个月用户的行为轨迹。假定

某个用户经常在半夜2点出往常

酒吧等风险
区域,并且经常有飙车行为,这个客户定义成高风险客户的概率就较高。假定

客户近期运用
多个App中止

借款,其多头借贷的风险就很高。假定

客户经常换手机卡,则客户狡诈
可能性就很高,

很多互联网金融公司正在应用
移动

大数据来中止

狡诈
辨认

,应用
数据辅佐

互联网金融公司进步
风控水平

不耍流氓的金融大数据:激活40%休眠卡用户,记载你做的一切坏事

发表评论

评论已关闭。

相关文章