当前位置:首页 > 计算机/网络 > 数据库 > 大数据:技术与应用实践指南(第2版)
作者:赵刚 著出版社:电子工业出版社出版时间:2016年03月
- 版 次:1
- 页 数:
- 字 数:
- 印刷时间:2016年03月01日
- 开 本:16开
- 纸 张:胶版纸
- 包 装:平装
- 是否套装:否
- 国际标准书号ISBN:9787121281501
2.5 以银行客户分析为例,分析一个大数据的应用场景
本书将以某银行基于大数据的客户分析为例,阐述大数据技术如何在这个组织内应用和实施。
我们权且把这家银行称为A银行,它是一家股份制商业银行,在全国各地设有分支机构,业务覆盖了存、贷和各类中间业务,客户包括个人客户和企业客户。
A银行的信息化水平很高,已经在企业内部建立了新一代电子银行核心业务系统、网上银行、信用卡系统、电话银行、移动银行、中间业务系统、管理信息化系统和资产负债管理系统等,形成了较为完善的银行企业信息化架构,如图2?22所示。
图2?22 某商业银行信息化架构
A银行的数据量很大,每天产生的银行业务交易数据存储在Oracle数据库中,管理信息化系统的数据也存储在各自独立的数据库中,数据库品牌主要是Oracle和SQL Server。2012年,A银行开展了主数据管理、数据仓库和商业智能的建设工作,形成了企业级的数据模型、数据仓库和分析架构,如图2?23所示。
图2?23 某银行商业智能系统功能架构
当前,A银行启动了“商业银行客户分析大数据平台项目”,主要业务需求如下。
收集电话银行、网络银行、手机银行、信用卡、贷记卡、企业微博、企业公众号等服务渠道的非结构化数据,并基于客户分析模型,进行装载、存储和分析计算。
整合数据仓库和商业智能中客户分析系统,利用商业智能和大数据分析工具实现分析的可视化,形成报表和分析报告。
客户分析的维度主要包括客户基础资料分析、客户行为分析。客户分析的模型包括满意度模型、客户贡献度模型、客户分类模型(VIP客户、普通客户、潜在客户、流失客户等)、客户信用评估等,支持客户特色服务推荐、客户流失预测等。