京公网安备 11010802034615号
经营许可证编号:京B2-20210330
平安口袋银行获评年度最佳APP 大数据促零售战略转型
10月27日,由易观主办的“易观A10大数据应用峰会”在北京举行。凭借出色的金融创新能力和大数据在银行用户运营的应用,平安口袋银行将易观之星年度评选的“2017年最佳APP”奖项揽入囊中。作为国内一年一度的大数据盛典,易观A10峰会进行的易观之星2017年度评选是国内共识性和专业性于一体的奖项活动。
活动现场,平安银行(000001,股吧)零售网络金融事业部总裁李明作为特邀嘉宾,参与了“用户经营”论坛的演讲。演讲中李明谈道:“在大数据时代的背景下,平安银行致力于将行内系统底层数据全面打通,对客户数据进行全面收集并进行有效整合,对不同的客户制定不同的产品策略、营销策略及服务策略,制定精准经营方案。同时,不断完善内部数据标签体系,每个客户标签最多达到2000个,从而对银行老客户进行精细化运营。通过大数据平台经营覆盖全量客户。截止目前,平安银行新客户的户均资产比去年提升70%,存量零资产和低于1万元的低资产客户1-9月为全行贡献800多亿的新增资产。对标同业,平安银行2017年前三季度关键指标(存款、贷款、AUM)增速在股份制银行中均位列第一。”
平安银行以“大数据基础能力建设”、“AI基础能力建设”、“基础服务能力建设”3大基础建设作为基石,将银行内部各系统的底层数据全面打通,多维度对客户数据进行收集并有效整合,使其得以在客户经营、管理决策、市场获客及风控流程等领域被有效应用。比如本次获得“2017最佳APP”奖的平安口袋银行更是运用“人工智能+大数据”在4.0版本中,推出了平安口袋银行智能投顾,能根据客户的交易记录与风险偏好,为客户提供个性化的产品投资组合方案。同时,口袋APP还能对客户行为的大数据分析,可做到预测每一个客户最可能要使用的下一个功能或产品,并通过APP推送、呈现,实现“千人千面”。让客户能在平安银行口袋银行新版中充分感受到智能化、个性化的酷炫体验。
截至2017年9月末,平安银行零售AUM余额突破万亿,贷款余额7400余亿,存款余额也突破了3000亿元,这样庞大的零售数据若没有大数据报表平台的支持,就无法实时准确有效的获取并加以分析利用。李明表示,平安银行自行开发出多套数据报表,通过报表核心功能,做到经营业绩T+0快速可视化,并通过移动化设备实时传达,让管理者及时了解监控业绩情况,并通过邮件分享及订阅,将有效数据及时传达下发。报表核心功能还包括明细数据下载,让管理者能够有充足数据进行分析,助力决策制定。
此外,平安银行对创新媒体投放模式进行积极探索,深度挖掘行内数据,在内部建立用户标签体系,为客户标记年龄、性别、浏览购买行为、资产、业务类别等标签。之后,进一步通过IdMapping找到平安银行用户在合作媒体上的行为数据,例如浏览行为、兴趣标签等等,细化客户画像。最后,再利用大数据服务公司提供的用户线下行为数据、支付数据等,进一步完精准善客户画像。依托行内行外多方数据,建立数据模型,挖掘潜在客户,同时,加深与媒体方的深度合作,针对目标用户精准投放,再返回转化数据,优化模型。对比传统的媒体投放获客效率提升65%以上。
当下,欺诈风险日益呈现出复杂化、高科技化,李明在现场还介绍了平安银行“人工智能+大数据”构建的企业级的反欺诈体系。李明表示,平安银行通过对“事前、事中、事后”全流程进行反欺诈监控,即在欺诈行为事前、事中、事后各个环节中通过结合黑名单和各类征信资源、常用设备和习惯表、对关联欺诈进行挖掘、欺诈聚类和图案挖掘。利用人脸识别、经纬度定位、设备指纹、声纹识别等AI技术做到链式网络分析甄别欺诈用户。同时,大数据还深入运用到企业级反欺诈的各个模块,打通借记、信用,助力科学决策。据悉,平安银行通过运用这些有效的手段,仅在2016年一年间拦截案件就达到了50000余起,防堵金额近3亿元人民币。并且,截至2017年三季度,平安银行在零售贷款额增长的同时,零售贷款额不良增额、不良率实现“双降”。其中信用卡不良率1.18%,较上年末下降0.25个百分点。
精彩多样的金融科技创新的背后,是平安银行正渐入佳境的“智能化零售转型”。围绕“科技引领、零售突破、对公做精”三大核心策略,平安银行不断着力提升大数据的应用能力,凭借科技力量助推战略转型升级,全力打造以“SAT(社交+移动应用+远程服务)+智能主账户”为核心的零售银行服务体系,并对口袋银行APP进行精耕,运用高科技+大数据,为客户倾力打造“更懂您”的零售智能银行。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据工作的全流程中,数据清洗是最基础、最耗时,同时也是最关键的核心环节,无论后续是做常规数据分析、可视化报表,还是开展 ...
2026-03-20在大数据与数据驱动决策的当下,“数据分析”与“数据挖掘”是高频出现的两个核心概念,也是很多职场人、入门学习者容易混淆的术 ...
2026-03-20在CDA(Certified Data Analyst)数据分析师的全流程工作闭环中,统计制图是连接严谨统计分析与高效业务沟通的关键纽带,更是CDA ...
2026-03-20在MySQL数据库优化中,分区表是处理海量数据的核心手段——通过将大表按分区键(如时间、地域、ID范围)分割为多个独立的小分区 ...
2026-03-19在商业智能与数据可视化领域,同比、环比增长率是分析数据变化趋势的核心指标——同比(YoY)聚焦“长期趋势”,通过当前周期与 ...
2026-03-19在数据分析与建模领域,流传着一句行业共识:“数据决定上限,特征决定下限”。对CDA(Certified Data Analyst)数据分析师而言 ...
2026-03-19机器学习算法工程的核心价值,在于将理论算法转化为可落地、可复用、高可靠的工程化解决方案,解决实际业务中的痛点问题。不同于 ...
2026-03-18在动态系统状态估计与目标跟踪领域,高精度、高鲁棒性的状态感知是机器人导航、自动驾驶、工业控制、目标检测等场景的核心需求。 ...
2026-03-18“垃圾数据进,垃圾结果出”,这是数据分析领域的黄金法则,更是CDA(Certified Data Analyst)数据分析师日常工作中时刻恪守的 ...
2026-03-18在机器学习建模中,决策树模型因其结构直观、易于理解、无需复杂数据预处理等优势,成为分类与回归任务的首选工具之一。而变量重 ...
2026-03-17在数据分析中,卡方检验是一类基于卡方分布的假设检验方法,核心用于分析分类变量之间的关联关系或实际观测分布与理论期望分布的 ...
2026-03-17在数字化转型的浪潮中,企业积累的数据日益庞大且分散——用户数据散落在注册系统、APP日志、客服记录中,订单数据分散在交易平 ...
2026-03-17在数字化时代,数据分析已成为企业决策、业务优化、增长突破的核心支撑,从数据仓库搭建(如维度表与事实表的设计)、数据采集清 ...
2026-03-16在数据仓库建设、数据分析(尤其是用户行为分析、业务指标分析)的实践中,维度表与事实表是两大核心组件,二者相互依存、缺一不 ...
2026-03-16数据是CDA(Certified Data Analyst)数据分析师开展一切工作的核心载体,而数据读取作为数据生命周期的关键环节,是连接原始数 ...
2026-03-16在用户行为分析实践中,很多从业者会陷入一个核心误区:过度关注“当前数据的分析结果”,却忽视了结果的“泛化能力”——即分析 ...
2026-03-13在数字经济时代,用户的每一次点击、浏览、停留、转化,都在传递着真实的需求信号。用户行为分析,本质上是通过收集、整理、挖掘 ...
2026-03-13在金融、零售、互联网等数据密集型行业,量化策略已成为企业挖掘商业价值、提升决策效率、控制经营风险的核心工具。而CDA(Certi ...
2026-03-13在机器学习建模体系中,随机森林作为集成学习的经典算法,凭借高精度、抗过拟合、适配多场景、可解释性强的核心优势,成为分类、 ...
2026-03-12在机器学习建模过程中,“哪些特征对预测结果影响最大?”“如何筛选核心特征、剔除冗余信息?”是从业者最常面临的核心问题。随 ...
2026-03-12