资源描述
中国电信大数据普惠金融应用实例数据来源：电信天翼大数据报告说明I. 数据来源天翼大数据，主要涵盖了中国电信运营服务中所产生的各类基本数据及通信娱乐、交互行为、位置轨迹等全域数据。II. 概念定义 普惠金融： 指以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务，小微企业、农民、城镇低收入人群等弱势群体是其重点服务对象。 大数据： 指为了适应海量、高增长率和多样化的信息资产，采用各类软硬件技术优化处理模式，使数据能够具备更强的决策力、洞察发现力和流程优化能力。 金融科技： 指将大数据、云计算、区块链、人工智能等多项高新技术整合创新，从而使其可以全面应用于支付、清算、融资租赁、保险、互联网金融等方面，提升金融产业的效率。 权益方案 ： 指根据人群的特性兴趣，设定一系列不同的权益吸引受众。 特征映射： 对字段进行相关的特征处理，映射成为建模所需要特征变量。 训练集： 指在利用机器学习建模过程中，用来估计模型的样本集。 测试集： 指在利用机器学习建模过程中，用于测试训练好的模型的分辨能力的样本集。 原始变量： 直接将初始字段用于建模的变量。数据来源：电信天翼大数据报告说明 衍生变量： 通过对原生变量进行加工而产生的变量。III. 数据定义 网络行为覆盖率： 指具有相关行业网络行为的人群占总体人群的比例。 ROC曲线： 受试者工作特征曲线 （ receiver operating characteristic curve），是反映敏感性和特异性连续变量的综合指标 ,是用构图法揭示敏感性和特异性的相互关系，它通过将连续变量设定出多个不同的临界值，从而计算出一系列敏感性和特异性，再以敏感性为纵坐标、（ 1-特异性）为横坐标绘制成曲线，曲线下面积越大，诊断准确性越高。 AUC： Area Under Curve， ROC曲线下面面积与整个图形的占比，用来评定分类模型区分度的值。通常， AUC的值介于 0.5到 1.0之间，较大的 AUC代表了较好的模型效果。 正样本 ：还款时间小于等于 N天（约定还款期限）的用户， N值会根据业务和建模需求进行调整 负样本 ：还款时间大于 N天（约定还款期限）的用户， N值会根据业务和建模需求进行调整。 短信响应率： 短信响应是指用户接收到短信后，按照短信内容提示点击链接或者回复相关内容；短信响应率 =响应短信的人数 /发送短信的人数。数据来源：电信天翼大数据报告说明 进件率： 进件是指用户提交业务申请并填写相关资料，进件率 =有相关操作的人数 /短信响应的人数。 批核率： 批核是指银行审核用户的资质后，准予对用户进行发卡，批核率 =批核人数 /进件人数。 一卡批核率： 一卡批核是指首次申请该行信用卡的批核人数，一卡批核率 =一卡批核人数 /批核人数。 综合营销效果： 综合营销效果 =短信响应率 *进件率 *批核率 *一卡批核率 =一卡批核人数 /发送短信人数。 促活率： 促活率 =响应行方活动的人数 /筛选出需要营销的人数。 有值： 指匹配到相关数据的客户样本。 无值： 没有匹配到相关数据的客户样本。 准确率： 准确率 =预测正确（将正样本预测为正和将负样本预测为负）的数量 /所有样本数。 召回率： 召回率 =将正样本预测为正的数量 /（将正样本预测为正的数量 +将正样本预测为负的数量）。 KS： KS值表示模型将正样本及负样本区分开来的能力，值越大，模型的预测准确性越好。一般， KS0.2即可认为模型有比较好的预测准确性。 区间违约率： 表示该评分区间内，坏样本的数量占该评分区间内所有样本数量的比例。CONTENTS 目录0102我国普惠金融发展现状电信 大 数据的特点及优势0304电信 大 数据金融行业应用案例解析数据融合为普惠 金融发展提供空间数据来源：电信天翼大数据2005年联合国会议 完善金融基础设施 成本可负担 向欠发达地区和社会低收入人群扩展 价格合理、方便快捷2013年我国十八届三中全会 发展普惠金融 鼓励金融创新 丰富金融市场层次和产品2014年习主席阐述经济新常态 普惠金融关乎经济结构调整和发展方式转型、关系人民福祉2015年国务院正式发布规划 推进普惠金融发展规划（ 20162020年） 从国家层面确立普惠金融的实施战略 各大金融机构也相继成立普惠金融事业部“一带一路” 开幕式主旨演讲 发展普惠金融； 完善金融服务网络2017年规划引领发展战略路线明确地位日益重要国家 大力推进普惠金融的发展数据来源：电信天翼大数据普惠金融 的优势和作用 普惠金融为经济发展的转型升级提供积极的促进作用，同时增强了金融服务的可得性、获得感以及满意度。价格合理 中小企业、个人可以以较低成本获得金融服务可持续性 是指可提供长期的金融服务，覆盖范围广覆盖范围广 为广大客户提供更高效、更多选择的金融服务优势 作用支持双创 解决初创企业融资困难问题，推动大众创业、万众创新支持三农 解决欠发达地区金融服务的可触达性问题支持经济转型升级 不再局限在个别重点行业，为多类型企业解决资金问题数据来源：电信天翼大数据当前 普惠金融的 制约因素 我国普惠金融虽然取得了一定成果，但也受到传统方式的各种制约，从而影响了普惠金融的发展。制约因素信息不精准 无法有效掌握新客户的各类偏好信息 无法进行有针对性的 营销信息触达营销成本高 线上广告难以准确触达，浪费较高 线上单个用户营销成本越来越高昂覆盖不充分 线下门店无法覆盖每一个区域 线下门店无法覆盖每一个人群征信识别难 央行征信系统人群覆盖较少 央行征信系统接入成本较高数据来源：电信天翼大数据金融科技 从三方面赋能普惠金融 利用金融科技特别是大数据手段能够提高金融机构的市场洞察能力 有效解决传统金融业务中的营销和风控问题，实现精准营销并且有助于完善风控机制云计算大数据金融科技金融需求精准发掘能力 人群画像精准分析、用户行为精准分析 深度学习的技术建立高效模型信用安全快速识别能力 多角度收集用户信息、人群征信维度补充 全方位的人群风险评估提高覆盖降低成本能力 打破地域限制、人群覆盖更广泛、样本更丰富 有效降低单体成本提高促进CONTENTS 目录0102我国普惠金融发展现状电信 大 数据的特点及优势0304电信 大数据 金融行业应用案例数据融合为普惠 金融发展提供空间 电信 大 数据的特点 提高 营销的精确度和成功率 提高 信贷周期的风控水平和能力
展开阅读全文