一、銀行中數(shù)據(jù)挖掘包含哪些類(lèi)型？
客戶(hù)智能（CI）是商業(yè)銀行數(shù)據(jù)挖掘常常會(huì)提到的一個(gè)概念。
一般來(lái)說(shuō)，商業(yè)銀行里面的數(shù)據(jù)挖掘主要包括三大類(lèi)。即客戶(hù)智能（CI，Customer?Intelligence）、風(fēng)險(xiǎn)智能（RI，Risk?Intelligence）、運(yùn)營(yíng)智能（OI，Operational?Intelligence）。三者各自分工和定位并不太相同。
（一）客戶(hù)智能
客戶(hù)智能更多定位于前臺(tái)的客戶(hù)關(guān)系管理。例如，客戶(hù)畫(huà)像、客戶(hù)細(xì)分、客戶(hù)提升、客戶(hù)流失、客戶(hù)響應(yīng)、客戶(hù)推薦、客戶(hù)關(guān)系網(wǎng)絡(luò)等。
（二）運(yùn)營(yíng)智能
運(yùn)營(yíng)智能比較側(cè)重后臺(tái)管理。例如，業(yè)務(wù)流程優(yōu)化、IT效率提升、最優(yōu)的線性規(guī)劃、運(yùn)營(yíng)過(guò)程中異常識(shí)別和監(jiān)控、戰(zhàn)略和績(jī)效管理、現(xiàn)金管理和優(yōu)化、人力資源管理建模等。
（三）風(fēng)險(xiǎn)智能
銀行本身就是經(jīng)營(yíng)風(fēng)險(xiǎn)的，因此風(fēng)險(xiǎn)智能一直都是最為核心和關(guān)鍵的。常見(jiàn)的風(fēng)險(xiǎn)智能模型主要是ABC評(píng)分卡（例如信用評(píng)分、行為評(píng)分、催收評(píng)分模型）、反欺詐模型、操作風(fēng)險(xiǎn)、市場(chǎng)風(fēng)險(xiǎn)等。
因?yàn)楣ぷ鞯年P(guān)系，平時(shí)接觸較多的都是客戶(hù)相關(guān)的分析和建模。這篇文章，想大概地勾勒一下客戶(hù)智能的范圍、框架和研究?jī)?nèi)容。
二、客戶(hù)智能的本質(zhì)是什么？
什么是“客戶(hù)智能”？一般來(lái)說(shuō)，客戶(hù)智能包含兩個(gè)元素，即顧客關(guān)系管理（CRM）、數(shù)據(jù)挖掘（DM）。
本質(zhì)上，客戶(hù)智能，就是以客戶(hù)為中心，基于數(shù)據(jù)挖掘技術(shù)的客戶(hù)關(guān)系管理。換言之，就是把數(shù)據(jù)挖掘技術(shù)應(yīng)用到傳統(tǒng)的客戶(hù)關(guān)系管理領(lǐng)域，借助于統(tǒng)計(jì)和機(jī)器學(xué)習(xí)的技術(shù)，對(duì)客戶(hù)進(jìn)行精細(xì)化管理。
三、客戶(hù)智能包括哪些模塊和內(nèi)容？
依經(jīng)驗(yàn)，一般來(lái)說(shuō)，客戶(hù)智能可以包括以下模塊。例如客戶(hù)畫(huà)像、客戶(hù)細(xì)分、客戶(hù)提升、客戶(hù)流失、客戶(hù)響應(yīng)、推薦引擎、客戶(hù)價(jià)值、客戶(hù)生命周期、客戶(hù)關(guān)系網(wǎng)絡(luò)、客戶(hù)行為軌跡、客戶(hù)情緒、事件營(yíng)銷(xiāo)等。
（一）客戶(hù)畫(huà)像
很多對(duì)數(shù)據(jù)挖掘接觸比較少的人一提到“客戶(hù)畫(huà)像”這個(gè)名詞，就特別容易激動(dòng)和興奮。
但是，說(shuō)的樸實(shí)些，客戶(hù)畫(huà)像就是一個(gè)有關(guān)客戶(hù)各種屬性、特征、標(biāo)簽的大寬表而已，多則上千個(gè)字段，是搭建任何分析模型的基礎(chǔ)。還是需要保持冷靜，保持冷靜。
一般來(lái)說(shuō)，客戶(hù)畫(huà)像可能會(huì)包含這樣一些字段。例如，人口統(tǒng)計(jì)特征、資產(chǎn)相關(guān)特征（不同類(lèi)型金融資產(chǎn)的余額、資產(chǎn)偏好、持有量、持有時(shí)間等）、負(fù)債相關(guān)特征（貸款類(lèi)型、頻次、時(shí)長(zhǎng)、擔(dān)保等）、結(jié)算相關(guān)特征（不同交易渠道的流水量、頻次、占比、偏好等）、社交特征（人脈圖譜、關(guān)系網(wǎng)絡(luò)等）、行為軌跡特征（基于地理位置識(shí)別客戶(hù)的生活圈、工作圈、消費(fèi)圈、活動(dòng)圈）等。
（二）客戶(hù)細(xì)分
客戶(hù)細(xì)分屬于一種探索性建模。通過(guò)聚類(lèi)算法，基于業(yè)務(wù)關(guān)心的特征和變量，把所有客戶(hù)進(jìn)行劃分。例如，渠道偏好型客戶(hù)、資產(chǎn)偏好型客戶(hù)、社交型客戶(hù)、高價(jià)值型客戶(hù)、活躍創(chuàng)新型客戶(hù)、穩(wěn)定成長(zhǎng)型客戶(hù)等。
進(jìn)一步地，基于客戶(hù)細(xì)分，一方面勾勒不同群體的特征，另一方面，指定針對(duì)不同群體的開(kāi)發(fā)特定的營(yíng)銷(xiāo)策略和產(chǎn)品包。
（三）客戶(hù)提升
提升模型主要針對(duì)存量客戶(hù)。例如，提升現(xiàn)有客戶(hù)的金融資產(chǎn)、產(chǎn)品交叉持有數(shù)等。通過(guò)模型尋找到提升概率最大的存量客戶(hù)。
（四）客戶(hù)流失
既有存量客戶(hù)的降級(jí)或資產(chǎn)流失等。例如無(wú)貸戶(hù)金融資產(chǎn)等級(jí)的下降，有貸戶(hù)貸款到期后的休眠。通過(guò)模型預(yù)測(cè)客戶(hù)流失的概率，從而提前進(jìn)行干預(yù)。
（五）客戶(hù)響應(yīng)
通過(guò)模型計(jì)算客戶(hù)對(duì)特定產(chǎn)品的響應(yīng)情況。例如客戶(hù)是否會(huì)對(duì)理財(cái)產(chǎn)品感興趣，是否會(huì)產(chǎn)生購(gòu)買(mǎi)意向。
（六）客戶(hù)產(chǎn)品推薦引擎
NBO，Next?Best?Offer，即應(yīng)該給客戶(hù)推薦的下一個(gè)產(chǎn)品是什么。如果隨機(jī)給客戶(hù)推薦三款產(chǎn)品，應(yīng)該推薦哪三款？
典型的推薦算法包括三類(lèi)，即社會(huì)化推薦（social?recommendation）、基于內(nèi)容的推薦（content-based?filtering）、基于協(xié)同過(guò)濾的推薦（collaborative?filtering）。以推薦電影為例。
具體而言，社會(huì)化推薦，即找?guī)讉€(gè)經(jīng)常看電影的朋友，問(wèn)他們有沒(méi)有什么電影推薦。即讓好友給自己推薦產(chǎn)品。
基于內(nèi)容的推薦。通過(guò)分析用戶(hù)曾經(jīng)看過(guò)的電影，找出用戶(hù)喜歡的演員和導(dǎo)演，讓后推薦這些演員和導(dǎo)演的其他電影。
基于協(xié)同過(guò)濾的推薦。搭建產(chǎn)品相似性矩陣、用戶(hù)相似性矩陣，基于相似性進(jìn)行產(chǎn)品的推薦。
（七）客戶(hù)價(jià)值和分層
以業(yè)務(wù)需求為出發(fā)點(diǎn)，建立基于一定邏輯的、全面綜合的客戶(hù)價(jià)值衡量指標(biāo)體系。可能會(huì)包括以下一些維度，例如經(jīng)濟(jì)價(jià)值、成長(zhǎng)價(jià)值、潛力價(jià)值、風(fēng)險(xiǎn)價(jià)值、忠誠(chéng)價(jià)值、網(wǎng)絡(luò)價(jià)值、活躍價(jià)值、創(chuàng)新價(jià)值、穩(wěn)定價(jià)值等。
（八）客戶(hù)關(guān)系網(wǎng)絡(luò)
構(gòu)建客戶(hù)的關(guān)系網(wǎng)絡(luò)圈。例如，客戶(hù)交易圈（資金往來(lái)關(guān)系）、擔(dān)保圈（交叉擔(dān)保關(guān)系）、股東圈（小微工商信息）、商圈、同事圈、供應(yīng)鏈圈、家族圈等。
基于關(guān)系網(wǎng)絡(luò)，一方面識(shí)別核心關(guān)鍵客戶(hù)，基于核心客戶(hù)進(jìn)行產(chǎn)品的擴(kuò)散。另一方面，判斷客戶(hù)風(fēng)險(xiǎn)，防范風(fēng)險(xiǎn)在圈子內(nèi)擴(kuò)散。此外，還可以基于圈子識(shí)別潛在營(yíng)銷(xiāo)機(jī)會(huì)，向圈子向客戶(hù)進(jìn)行產(chǎn)品推薦、以及基于圈子進(jìn)行客戶(hù)管理。
（九）客戶(hù)行為軌跡
基于地址信息，例如POS刷卡地址、ATM取款地址、支行交互地址、手機(jī)銀行移動(dòng)地址，刻畫(huà)和勾勒客戶(hù)的行為軌跡。
基于客戶(hù)行為軌跡，可以了解客戶(hù)的生活圈、工作圈、消費(fèi)圈、社交圈等信息。在此基礎(chǔ)上，一方面，建立客戶(hù)的標(biāo)簽體系（興趣、消費(fèi)容量、品牌偏好等）。另外一方面，識(shí)別潛在高價(jià)值客戶(hù)。
（十）客戶(hù)情緒和文本分析
客戶(hù)的情緒更多的來(lái)自文本分析和自然語(yǔ)言處理技術(shù)，通過(guò)分析詞性，來(lái)判斷客戶(hù)的情感偏向。
很多創(chuàng)業(yè)型公司都是通過(guò)爬蟲(chóng)抓取互聯(lián)網(wǎng)數(shù)據(jù)，進(jìn)行分析和挖掘。例如，通過(guò)爬取微博文本，判斷用戶(hù)對(duì)金融產(chǎn)品的需求。例如，通過(guò)抓取全國(guó)法院的判決文書(shū)，判斷企業(yè)是否涉訴、是否存在法律風(fēng)險(xiǎn)、涉案金額多寡，是否屬于黑名單等。例如，通過(guò)抓取即時(shí)通訊的聊天記錄，判斷客戶(hù)是否是“羊毛黨”。例如，通過(guò)客戶(hù)的投訴文本記錄，判斷客戶(hù)滿(mǎn)意度的影響要素等。
（十一）客戶(hù)事件營(yíng)銷(xiāo)
事件營(yíng)銷(xiāo)，更像是一個(gè)規(guī)則觸發(fā)引擎，需要建立一個(gè)規(guī)則庫(kù)。一旦用戶(hù)的某個(gè)行為觸發(fā)了某個(gè)規(guī)則，銀行系統(tǒng)就會(huì)發(fā)出標(biāo)準(zhǔn)的動(dòng)作，進(jìn)行客戶(hù)的提示和挽回。
常見(jiàn)的一些觸發(fā)規(guī)則，例如，客戶(hù)的理財(cái)產(chǎn)品到期、客戶(hù)賬戶(hù)存在大額資產(chǎn)變動(dòng)、客戶(hù)異地刷卡、客戶(hù)異常時(shí)間段刷卡等。
——來(lái)源：比格堆塔??作者：周學(xué)春
400-603-8000
