2.风险控制
从聚宝滙分享的应用场景中可以看到其在反欺诈（业务风控）和管理风控方面非常有经验。
早在第三方支付发展过程中，聚宝滙就已经慢慢积累了反欺诈的做法，通过收集用户和支付数据最后形成客户层面和产品层面的反馈。客户层面就是风险控制，对用户进行大量数据分析，看这个人本身是不是个风险用户；产品层面是现在各个互联网金融平台都在提的金融科技，毕马威中国评选出的金融科技50强中都有他们的身影，主要提的还是智能投顾的概念，把产品风控模型、用户风控属性和投资意愿综合起来，最后给用户进行自动智能的理财服务。现在行业内真正能做到这点的还是非常少，主要还是因为监管政策或者整个行业产品并不是那么成型，给用户提供可选的东西并不多，非常智能的分析结果出来最后能投的产品也非常少。
采用BIM建模实现管理风控体系：这个目前是海航集团内部正在推行的，把建筑行业BIM模型引入到集团作为管理手段。BIM模型涉及的是整个集团企业的数据化管理，涉及的数量非常庞大，建模过程中的数据抓取方式也不一样，这对企业IT实施工作是非常有挑战的，像人力资源数据或者是市场营销数据，甚至还需要人工去维护。值得一提的是，目前永洪的产品可以把这些数据汇总在一起，最后形成一个可视化的分析模型。整个BIM在集团内部推行中也在强调，要将模型做到共享、全息、可视化。
在之前的文章当中，也曾详细介绍过永洪大数据分析平台助力聚宝匯实现业务运营分析的案例。
3.增值业务
金融领域创新是新的价值流向，其中最受关注之一就是供应链金融。这个领域正在将传统的供应链金融底层进行改造，用区块链底层进行改造。改造有几个方面，第一个是供应链通过区块链的方式把它高效链接起来。第二个是把它的支付进行改造，实现在缺乏信用关系前提下的安全可靠的交易。
中关村大数据联盟的秘书长颜阳老师给出了一个经典案例：海航钱包。把供应链整合起来，因为航空公司上下的供应链是非常复杂的，在这个过程中首先要建立企业的钱包。为什么要建立企业钱包，因为将来要跟多个银行打交道，通过企业的钱包可以进行点对点的支付。在这个支付改造中，其中很重要的一环就是积分，坐飞机有航空旅程积分，这种积分关系是基于个人消费中产生的，如果把积分的价值用于供应链中，那就一定要基于一个集中支付系统，这个集中支付系统实现起来的难点在于——积分消费的逻辑。往往是到了年底有些积分要失效了给一个通知，可以拿着积分换一下这个企业相关产品，有人干脆让它作废了。这样被动接受的方式产生的体验感是很差的。于是很多用户有了这样的需求，能不能利用不同的积分互换？比如说航空公司到了某一个积分可以换机票，有个朋友正好差那么一点积分，其他的朋友能不能换给他？传统方式也是比较难做到的，为什么呢？要跟个人和企业之间兑换有一个汇率标准，这个标准的制定在企业与企业间很难达成一致。为什么要1：1跟对方换？能不能0.9跟对方换？但是两个用户私下是可以讨价还价的，这个过程中可以实现点对点的交易，也可以让用户跨越平台购买其需要的产品，这也是区块链可以做到的。
因为基于企业的积分是定价的，没有定价没法换商品。有一个定价但是不能直接把积分换成人民币，这是违反货币监管的。但是通过定价的中间过程可以跟京东或者淘宝打通，去外部企业平台换东西。这样一个是激发了用户使用这个积分的热情，积分一活跃，会得到很多数据，而且用户体验也非常好了。同理，银行的信用卡中心积分数据更为庞大，是否能够利用积分发挥更大的价值？如何激活用户使用的热情以及与企业间的交叉销售形成新的增值业务将成为银行未来资产的前沿课题。
今年很多银行在通过APP做营销，非常关注流量问题，如果将来以单一流量为标准，而不是说短信多少钱、流量多少钱，而是当流量成为了硬通货，银行与企业间可以建立这样的一个模式，将用户积分换取相关的流量，这个流量拿到了以后用户之间是可以互换的，通过这个方式完全可以形成一个新的资产平台。
金融行业需要什么样的大数据平台？
前面的应用部分都是基于海量数据和复杂应用场景，事实上在金融领域，多个交易中心之间的数据必须要汇齐，在整个金融机构里面有统一风险管理的相关交易汇集，统一的交易平台是机构风险管理的必须的要求。而金融业的监管机构在其监管要求里面，也明确提到了商业银行应该系统收集整合和跟踪各种风险相关数据，并且建立统一的数据平台进行风险控制，确保数据完整性、全面性、标准性以及一致性，为了满足资本计算以及内部充足评估的需要。
另外，金融领域中真正做交易是要建立一套系统去支持业务决策，而不是基于一些明星交易员的个人能力做市场预判，所以业务本身也需要进行持续优化和相关交易的决策过程。前面说到由于应用场景和政策要求需要各金融机构建立强大的大数据处理平台，其实Yonghong Z-Suite就提供了金融各业务场景的大数据分析解决方案，比如说自定义字段，可以支持实时计算，支持定时自动刷新，因为金融领域必须支持不同的金融产品，这些金融产品都有不同的特性，所以必须要有一个统一的框架做到这种灵活性。另外它本身有一个非常强大的数据集市可以进行百万级数据秒级响应，因为在整个风险模型里面是有非常大的计算量的，也需要具备这样的计算能力。这些产品特性对金融领域内具体的平台运用有了一个很好的支持。
金融行业大数据应用场景示例-发掘高价值用户
这个图是永洪做的一个银行的模型，比如以某个支行或者某个银行用户存款额度和授信额度以及贷款纬度为几个纬度去看，这些散点和大小表示贷款额度的大小，X轴表示信用额度Y轴表示存款金额，那么怎么筛选出高价值用户？永洪的做法非常简单，当鼠标选择这一部分，点击缩放按纽可以看到所有的明细数据和表格都可以做联动，这种应用是敏捷式的体现。做用户画像和数据分析的时候往往针对某一类的用户，比如看到他的特征可以给他设一些标签做筛选，针对这些特征提供给风险部门或者营销部门和业务部门的同事做一些定位推广和营销指导，实时的数据分析和反馈也便于提高企业级风险管控能力。
仍在路上的金融大数据
众所周知，金融行业存在着高风险性、竞争激烈，同质化严重的痛点，所以风险控制在某种程度上是这个行业的核心，而精准营销和增值业务也是金融业大数据应用的热点。选一家产品技术能力可靠又有丰富行业经验的合作伙伴对金融机构打造大数据平台具有重要意义。据悉永洪科技在金融领域内曾服务过多家知名企业，包括中信银行、民生银行、中金所、光大银行、浦发银行、华泰证券、光大证券、阳光保险、泰康保险等。永洪也期待与更多的金融企业合作，成为其构建金融大数据平台的最佳合作伙伴。
|
