探究数据模型 助推业务发展

01 前言

将数据挖掘技术与机器学习算法应用于银行业务,从海量数据中挖掘价值信息,为银行商业决策服务,是未来商业银行数据应用的发展趋势;中国银行浙江省分行紧跟时代潮流,落实总行创新战略,持续探索数据挖掘技术在银行业务中的应用价值,逐步建立了以解决实际业务需求为目标,且建模过程独立的数据挖掘平台。

02 项目介绍

数据挖掘平台支持从数据融合、数据清洗、数据分析、数据建模、参数调优、模型评价的整个建模过程,浙江省分行在该平台上自主开发了信用卡分期响应度模型、产品推荐模型、客户流失预测模型,实现了线上批量获客、智能客户维护及预防客户流失的全流程服务,形成了一批有价值、可落地的建模成果。

03 模型功能

信用卡分期响应度模型

基于对分期业务的理解,我行从业务需求的实际应用出发,对信用卡的相关数据进行分析,提取出有效的数据构建客户分期特征,并采用决策树算法对特征变量进行分类分析,对客户分期可能性进行评分。

信用卡分期响应度模型投产前,依靠人工手段很难从海量数据中找到目标营销客户;模型上线后,通过批处理实现自动化生成分期客户清单,业务人员仅需从营销成功率、分期分数、分期资格以及客户风险等级几个综合维度出发,确定优先营销客户群,有效释放人力成本。

探究数据模型 助推业务发展

产品推荐模型

探究数据模型 助推业务发展

客户产品推荐模型通过客户在基础产品、结算产品、存款产品、贷款产品、投资理财类产品等60种产品的持有情况以及100多种消费行为标签,利用关联分析算法挖掘出高关联性特征组合,进而根据客户现有产品信息向客户经理展示推荐产品及产品营销成功概率。

探究数据模型 助推业务发展

客户流失预测模型

客户流失预警模型是使用神经网络模型,从客户所有的交易记录、存贷款业务记录、投资理财业务记录中挖掘出潜在流失客户并推荐客户挽留方式。模型主要解决了以下两个问题:

①哪些客户尤其是高价值客户可能会流失

②可能流失的客户表现出哪些特征

通过对流失客户的流失特征进行分析,制定相应的挽留策略,降低客户流失可能性。

探究数据模型 助推业务发展

04 模型效果

以卡分期为例,卡分期模型提升了营销的针对性,提高了营销成功概率,通过对卡分期的客户进行挖掘,并根据客户营销成功率量化排名,帮助业务部门制定适宜的营销策略,提升分期业务外呼成功率。

该项目实施以来,已营销客户超6万。外呼成功率从未使用模型前的11.20%提升到19.28%,提升幅度较大,模型中营销高意愿客户营销成功率33.76%。

探究数据模型 助推业务发展

探究数据模型 助推业务发展

探究数据模型 助推业务发展

卡分期模型、流失模型以及推荐模型是浙江省分行初步探索数据模型的成果,卡分期模型的建立有效推动了信用卡分期等相关业务的发展,成为我行获客的重要工具。今后,浙江省分行科技部将继续探索模型算法在业务发展中的应用场景,充分发挥算法模型的应用价值,助推我行业务的发展。

供稿|浙江省分行信息科技部

未经允许不得转载:科技 » 探究数据模型 助推业务发展

相关推荐