《金融客户征信大数据》

                                             《金融客户征信大数据》

                                           --------段方老师  北大博士后

1 客户征信概述

1.1 征信社会

1.1.1 降低社会管理成本

1.1.2 产生新的商业模式——淘宝

1.1.3 信用是公民的“第二张身份证”

1.2 银行的基础——客户征信

1.2.1 坏种子客户

1.2.2 好种子客户

1.3 互联网金融

1.3.1 P2P的发展和瓶颈

P2P的特点

P2P的疯狂发展

跑路的原因——风险控制不足

美国的LendingClub

1.3.2 支付和征信是基础

1.3.3 改写金融历史

银行大量“下岗”？

1.4 征信的内容

1.4.1 身份欺诈

1.4.2 逾期不换

1.4.3 “跑路”

1.5 难点

1.5.1 信息共享难题

1.5.2 信息价值等维度评估

1.5.3 正规军遇到游击队——派卧底？

1.5.4 对客户隐私的挑战

美国

欧盟

2 客户征信的大数据内容

2.1 征信大数据的特点

2.1.1 新4V特征

2.1.2 维度跨度大

2.1.3 数据新鲜度高

2.1.4 剔除脏数据

2.1.5 数据价值权重各异

2.2 客户的差异

2.2.1 银行客户——高富帅

2.2.2 互联网金融客户——屌丝

2.3 客户的历史档案数据

2.3.1 考试作弊？

2.3.2 酒后驾驶？

2.3.3 逃票行为？

2.4 银行内部的大数据

2.4.1 央行的大数据

人民银行的征信系统

2.4.2 个人客户和企业客户

2.4.3 信贷历史数据

2.4.4 交易流水数据

2.5 互联网行为的大数据

2.5.1 社交数据

2.5.2 电商网购数据

2.5.3 聊天数据等

2.6 电信行业的大数据

2.6.1 位置轨迹

2.6.2 手机动态

2.6.3 交往圈痕迹

2.6.4 客户的“喜好”

客户视图

客户知识库

2.6.5 客户“积分”数据

2.7 侦探（线下）的大数据

2.7.1 典当情况

2.7.2 民间借贷情况

2.7.3 法院破产等信息

2.7.4 水电部门的数据

3 客户征信数据分析方法

3.1 客户基本特征分析

3.1.1 客户基本信息

3.1.2 客户喜好及性格

3.1.3 客户的360度分析

3.2 客户身份识别分析

3.2.1 人脸识别

3.2.2 行为识别

3.3 客户黑白名单

3.3.1 实时分析谁是骗子

快速计算

快速获取实时客户数据

骗子识别算法

3.3.2 客户忠诚度分析

哪些是跳蚤客户

哪些是忠诚客户

3.3.3 优质客户分析

客户分群

3.4 产品的交叉营销

3.4.1 信用卡和贷款交叉

3.4.2 产品超市中关联分析

4 客户征信数据收集、清洗及管理

4.1 背景

4.1.1 征信的立法滞后

4.1.2 哪些客户数据可以收集？

4.1.3 规避哪些问题？

4.2 数据如何收集？

4.2.1 让客户自己开房信誉数据

4.2.2 跨企业联合的“市场”

4.2.3 跨行业联合的“市场”

4.3 数据如何“验真”？

4.3.1 客户自己提供数据的验真

4.3.2 跨行业的验真服务

4.4 数据质量如何保障？

4.4.1 数据源的质量保障

4.4.2 数据加工过程的质量保障

4.5 数据如何管理？

4.5.1 元数据

4.5.2 数据质量监控

4.6 如何规避侵犯客户隐私？

4.6.1 客户隐私的定义和范围

4.6.2 规避的方法

4.6.3 贷款就没有隐私了——“度”的把控

4.7 数据安全管理

4.7.1 数据脱敏

4.7.2 数据加密和解密算法

4.7.3 安全管理办法

4.7.4 云托管环境下如何保障安全？

5 金融客户征信案例

5.1 阿里的“芝麻信用”

5.2 从FICO到ZestFinance

5.3 中国人民银行征信系统

6 展望

6.1 征信需求从元年到兴盛

6.2 建立产业链——避免“因噎废食”

6.3 从依靠“礼教”到依靠“征信”的转型

段方博士后简介

专业背景：

世界最大电信运营商总部大数据系统

总设计师、奠基人

北京大学信息处理专业博士后

北京邮电大学博士

十七年专注于数据仓库、大数据、云计算、

人工智能的研究与推广

      曾经在中国银行工作，熟悉银行业务。段方博士后承担了国际最大电信运营商的数据仓库和大数据中心的设计和建设、运营工作，积累了17年的大数据（含机器学习）领域的实际工作经验。带领相关的团队，从系统创建到系统运营，开发了很多大数据领域的各种应用。积累了国内唯一的大数据系统在大型企业建设、运营的经验。其前后主持设计的技术文档，有150余册、1200多万字。涉及大数据系统的数据模型、数据接口、系统架构、质量管控、业务应用、系统安全等各个领域。

      近期启动了人工智能、区块链等新技术的研究和部署工作，积累了大型企业人工智能技术部署和应用的经验。受邀为多场大型专业论坛会议进行主题发言，多次获得好评，行业经验丰富。

      2018年6月在美国硅谷datawork summit 2018（世界顶级的大数据峰会）上两次发言（国内仅四家中国企业参会），取得良好效果。

教育经历：

2002――2005（博士后学历）：北京大学信息科学技术学院博士后工作

1998——2001（博士学位）：北京邮电大学电子工程系攻读博士学位

1995——1998（硕士学位）：北京邮电大学智能网国家重点实验室  计算机应用专业

主要经验：

       大数据系统相关领域的知识：数据仓库、大数据的基本技术，熟悉当前业界的使用和规模特点。熟悉数据仓库及数据建模技术基础，实际进行过十余年数据质量管控工作。熟悉DB2/ORACLE/TERADATA等数据仓库的产品特点，了解Erwin等建模工具。了解VERTICA/GP等MPP数据库的原理和特点。熟悉数据挖掘等机器学习技术,熟悉聚类、分类、回归预测等机器学习算法，有十余年的实际数据挖掘案例经验。熟悉HADOOP相关生态的组件技术，包括：SPARK/KAFKA/FLUME/YARN/HIVE/HBASE/STORM等实现技术，熟悉：R、mahout、SAS/SPSS等数据分析技术。掌握Python、Scala等编程语言。

熟悉TensorFlow等人工智能框架，了解深度学习、增强学习、迁移学习原理，实际进行过人工智能项目的实施和部署。

授课风格：

       理智型教学，理论联系实践，将理论性、实践性与趣味性相结合,讲解深入浅出，分析、论证时思路清晰。

工作经历：­——十六年的大数据专业经验

1.主持设计并完成了世界电信行业最大的大数据中心系统（截至到2017年底达到500PB存储容量，累计投资150亿元）

充分参考了互联网行业BAT（百度、阿里、腾讯）和谷歌等互联网企业的大数据建设案例，在电信行业主持设计并建设了国内最大的大数据中心（500PB）。基于HADOOP云计算架构，结合数据仓库系统，构建了混搭的大数据中心系统，完成了互联网内容爬去、客户内容喜好分析、客户数据业务营销、社会渠道欺诈、GIS网格量化、客户投诉分析等各种应用。提升了企业对外数据服务管理能力，增强了企业“数据变现”的水平。

2.主持设计并完成了世界上最大的数据仓库系统建设

    结合某电信运营商的实际情况，创制性地提出了分级式数据仓库理论，本人主持设计并建设了某电信运营商的“经营分析系统”，前后投资了80多亿人民币，建成了目前国际最大容量的数据仓库系统。实现了客户离网分析、客户细分分群、客户价值评估、数据业务产品喜好分析、一线经理贴身支撑、客户渠道分析、供应链分析、员工量化薪酬管理、营销成本分析等。提升了企业内部量化管理水平，确保客户精准营销能力，降低企业运营成本。

3.带动了国内数据仓库和大数据产业的发展

    通过本人主持和设计的最大的数据仓库系统，填补了国内在数据仓库领域技术和应用的很多空白，通过十六年的努力，带动了国内一批数据仓库领域的厂商和研究力量，对国内数据仓库行业的发展起到了积极的推动作用。同时，从2010年开始通过HADOOP云计算技术的研发和推广，探索了云计算如何在大型企业落地的方式、方法，总结了大量的实际案例，推动了大数据在非互联网企业的经营研究。

4.学术上取得了一些成绩

依据提出的“分级式数据仓库理论”，获得了北京大学的博士后。发表了几十篇文章，出版了4-5本技术专著。

5.组建了某电信运营商在数据仓库领域和云计算领域的队伍

    带动某电信运营商相关领域的员工，通过多次的培训，逐步组织了各省公司的技术骨干团队，在对系统的维护、新业务的开发和工程项目的管理等方面，积累了宝贵的经验。

6.与国内外进行了积极的交流

    通过举办多次大数据相关技术论坛，与国内外的厂商进行了广泛的技术交流。先后与VODAPHONE 、AT&T、VERIZION等多家国外运营商就数据仓库的建设和使用进行了充分的交流，并赴部分国外运营商进行了实地的考察工作。

与BAT等互联网企业进行了充分的调研和交流，熟悉BAT大数据的架构和应用情况。详细分析、比较过互联网企业和传统企业在大数据应用领域的各自优势，给出了实际的咨询方案。

出版著作：

       2005年出版了电信行业第一本数据仓库专著《数据仓库技术及其在电信领域中的应用》和《数据仓库基础》（电子工业出版社出版）两本书籍。前后在各种技术媒体发表了几十篇各种文章，有的文章被SCI检索收录。

       2015年结合15年大数据从业经验，完成了《大数据&大分析》（人民邮电出版社）和《大数据的互联网思维》（电子工业出版社）两本书籍的编写和出版工作。

       2018年《数联网》（人民邮电出版社）书籍已经出版（世界上第一本关于数联网的书）；《大数据基础介绍》（编写中）

 获得的奖项：

 1）2006年，《基于海量数据的经营分析系统》项目获得中国通信学会科学技术奖一等奖           2）2018年在美国硅谷datawork summit 2018 峰会上发言，取得良好反响。

部分曾服务客户：

通信行业：

        北京移动（4次）、河北移动、成都移动（4次）、遂宁移动、山东移动、惠州移动、四川移动、南充移动（2次）、泸州移动、康定移动、西昌移动、江门移动、阳江移动、江苏移动、山西移动、深圳移动、中国移动卓望公司、上海奉贤区电信、上海北区电信、上海联通、浙江联通、上海移动、中山电信、广东移动、国信公司、中国吉通、成都电信、福建移动、河南移动、河北电信、北京电信、安徽移动、广州电信……

金融保险行业：

        中国人民银行总行、中国银行、民生银行、工商银行、建设银行、交通银行、华夏银行、浦发银行、兴业银行、泰康人寿、中国人寿保险、太平洋保险、安邦保险、中国人民银行、汇丰投资、金泰化成投资、天和融资、南方基金管理、中信银行、中国电信翼支付、平安银行、某大宗商品交易中心、深圳佰仟金融公司……

交通行业：

       北京中交集团（9次）、华通汽车、北斗汽车、广州汽车、北京汽车、重庆北汽银翔汽车、中交威海公司、中国铁路研究院……

IT行业：

       首都信息发展公司、华为公司、爱立信公司、唐郎商旅网、青牛公司、用友软件、兰芯数据定向传媒、深圳金立手机、新东网科技、东软软件、亚信公司、新大陆公司、北京电子控股……

高校研修班：

      北京大学、清华大学、北京邮电大学、武汉大学总裁研修班、浙江大学总裁研修班、上海交通大学总裁研修班、

其它行业：

        信息产业部（2次）、北京海淀区政府（2次）、中国电力建设集团（3次）、中石油吉林公司、深圳中海油公司、广东美的电器、杭州苏宁电器、威斯特时尚购物、武汉工贸、富邦科技、新农翔饲料、爱民药业集团、宁德新能源、亿童文教股份、宁波商贸、宁波市政府、齐心文具、广州保利国际、湖南粮食集团、中远集团、宝钢地产、上海闪迪芯片公司、国家电网西安公司、国家电网武汉公司、长白山电力公司、旺旺食品有限公司、大连冰山集团……

段方老师的其它课程