첫째, 여론 분석
은행의 경우 여론 분석에는 은행 신용 분석, 브랜드 분석, 고객 품질 분석이 포함됩니다. 주로 온라인 소셜 미디어의 논평을 분석하여 고객 손실에 대한 경보를 제공하거나, 뉴스 핫스팟을 추적하고 정부 보고서를 분석하여 은행에 개인화된 분석 장소를 제공할 수 있습니다.
둘째, 고객 신용 등급
은행은 휴대전화 고객이 신용카드를 신청한 데이터를 통해 고객의 신용도를 분석하여 업무 직원이 적절한 결정을 내리는 데 도움을 줄 수 있다.
셋째, 고객 및 시장 통찰력
은행은 소셜 미디어에서 댓글을 추적하고 다양한 구조화되지 않은 데이터를 사용하여 고객을 세분화하고 고객 이직률을 높일 수 있습니다. 이것은 은행의 시장 동향 분석이다.
넷째, 운영 최적화
은행은 시스템 로그를 유지 관리하고 시스템 장애를 예측하며 시스템 운영 효율성을 높이는 동시에 대용량 데이터 플랫폼을 통해 다양한 종류의 기록 데이터를 저장 및 관리합니다.
동사 (verb 의 약어) 위험 및 사기 분석
주로 금융 위험 분석, 대출 위험 분석, 각종 돈세탁 및 사기 조사, 실시간 사기 분석이 포함됩니다. 금융위험분석이란 신용위험과 시장위험으로 인한 데이터를 분석하는 것이다. 대출 위험 분석은 미디어 또는 공개 정보에서 기업 고객 및 잠재 고객의 정보를 추출하는 것입니다. 위험을 예측하고 경고하는 능력을 향상시킵니다. 돈세탁 방지 및 사기 조사는 범죄 기록에서 정보를 추출하는 것이다. 실시간 사기 분석은 대량의 사기 데이터를 분석하는 것이다.
은행 데이터 스키마 계획
은행 업무가 확장됨에 따라 데이터를 구조화할 수 있다. 큰 데이터의 데이터 스키마 계획은 Hadoop 기술을 채택할 수 있습니다. 즉, 섹션 이후 또는 데이터와 연결하여 구조화되지 않은 데이터의 처리를 더욱 확장할 수 있습니다. 데이터 소스에는 정형 데이터, 반정형 데이터 및 비정형 데이터가 포함됩니다. 웹 크롤러를 통해 반정형 및 비정형 데이터를 수집하고 컨텐츠 관리를 통해 데이터를 구조화한 다음 컨텐츠 관리를 통해 얻은 데이터 정보를 기본 데이터 저장소에 저장합니다. 이것은 HDFS 스토리지를 기반으로 한 구조화되지 않은 데이터입니다.
빅 데이터는 은행에 의해 창출 된 가치입니다.
은행 고객이 은행과 거래할 때, 대량의 상업적 가치를 지닌 대량의 데이터가 생성되어 은행의 목표 마케팅을 위한 기회를 창출한다.
대부분의 어플리케이션에서 데이터의 기하급수적 증가, 특히 구조화되지 않은 데이터의 급속한 증가에 따라 대량의 데이터로 인해 분석 시간이 늘어나고 기존의 비즈니스 인텔리전스는 더 이상 수요를 충족시키지 못하고 비즈니스 성장을 저해합니다. FineBI 로 대표되는 새로운 BI 의 출현은 데이터 처리 능력과 속도면에서 기존 BI 에 비해 획기적인 진전을 이뤘다.
오랫동안 은행의 대부분의 업무는 고객과 은행 간의 거래를 기반으로 해 왔지만, 고객에게 더 나은 서비스를 제공하기 위해서는 이러한 데이터만으로는 충분하지 않습니다. 기술이 발전함에 따라 은행은 여러 가지 방법으로 고객 정보를 수집할 수 있다. 목표적인 마케팅을 할 수 있습니다.
인터넷 기술이 발달하면서 고객은 전자 채널을 통해 은행 업무에 대한 견해를 표현하거나 은행 제품을 구매할 수 있습니다. 이러한 작업은 고객에 대한 이해를 높이고 정보의 비대칭을 줄이기 위한 것입니다.
현재 금리 시장화 추세에 따라 예금 안정성이 떨어지고 예금과 대출 스프레드가 좁혀지고 있다. 데이터 분석은 점차 은행이 핵심 업무 가치를 실현하는 중요한 수단이 되었다. 금융 탈매는 대량의 고객 유실을 초래하고 고객 충성도를 떨어뜨릴 수 있다. 은행이' 지불 중개' 로서의 지위가 흔들리기 시작하면서 은행 서비스에 대한 고객의 요구가 갈수록 높아지고 있다.
이 경우 은행은 큰 데이터를 통해 고객의 기본 정보를 이해하고, 비즈니스 운영 효율성을 높이고, 고객 경험을 점진적으로 개선해야 합니다. 큰 데이터의 처리와 발굴을 통해 은행, 특히 상업은행에 막대한 수익을 가져다 줄 수 있다.
은행에게 위험 관리와 사용자 마케팅은 앞으로 가장 중요한 두 가지 방향이다. 고객의 신용 점수는 이 두 가지 방향을 실현하는 중요한 조건 중 하나입니다. 신용점수는 신청자의 신청 정보와 증명서에 따라 업무원이 결정을 내리고 부실 채권률을 낮추는 데 도움을 준다.
예를 들어, 빅데이터 분석 및 조회를 통해 고객에게 재테크 제품에 대한 조언과 알림을 제공하는 동시에 빅데이터 분석 및 마이닝을 통해 고객의 신용 위험 및 자금 상환 능력을 평가하여 은행의 다양한 위험을 줄일 수 있습니다.