國內不少銀行已經開始嘗試通過大數據來驅動業務運營，如中信銀行信用卡中心使用大數據技術實現了實時營銷，光大銀行建立了社交網絡信息數據庫，招商銀行則利用大數據發展小微貸款。總的來看銀行大數據應用可以分為四大方面：

第一方面：客戶畫像應用。客戶畫像應用主要分為個人客戶畫像和企業客戶畫像。個人客戶畫像包括人口統計學特征、消費能力數據、興趣數據、風險偏好等；企業客戶畫像包括企業的生產、流通、運營、財務、銷售和客戶數據、相關產業鏈上下游等數據。值得注意的是，銀行擁有的客戶信息并不全面，基于銀行自身擁有的數據有時候難以得出理想的結果甚至可能得出錯誤的結論。比如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統的數據分析，該客戶是一位滿意度較高流失風險較低的客戶。但如果看到該客戶的微博，得到的真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風險較高。所以銀行不僅僅要考慮銀行自身業務所采集到的數據，更應考慮整合外部更多的數據，以擴展對客戶的了解。包括：

（1）客戶在社交媒體上的行為數據（如光大銀行建立了社交網絡信息數據庫）。通過打通銀行內部數據和外部社會化的數據可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理；

（2）客戶在電商網站的交易數據，如建設銀行則將自己的電子商務平臺和信貸業務結合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可；

（3）企業客戶的產業鏈上下游數據。如果銀行掌握了企業所在的產業鏈上下游的數據，可以更好掌握企業的外部環境發展情況，從而可以預測企業未來的狀況；

（4）其他有利于擴展銀行對客戶興趣愛好的數據，如網絡廣告界目前正在興起的DMP數據平臺的互聯網用戶行為數據。

第二方面：精準營銷。在客戶畫像的基礎上銀行可以有效的開展精準營銷，包括：

（1）實時營銷。實時營銷是根據客戶的實時狀態來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷（某客戶采用信用卡采購孕婦用品，可以通過建模推測懷孕的概率并推薦孕婦類喜歡的業務）；或者將改變生活狀態的事件（換工作、改變婚姻狀況、置居等）視為營銷機會；

（2）交叉營銷。即不同業務或產品的交叉推薦，如招商銀行可以根據客戶交易記錄分析，有效地識別小微企業客戶，然后用遠程銀行來實施交叉銷售；

（3）個性化推薦。銀行可以根據客戶的喜歡進行服務或者銀行產品的個性化推薦，如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣；

（4）客戶生命周期管理。客戶生命周期管理包括新客戶獲取、客戶防流失和客戶贏回等。如招商銀行通過構建客戶流失預警模型，對流失率等級前20%的客戶發售高收益理財產品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。

第三方面：風險管控。包括中小企業貸款風險評估和欺詐交易識別等手段。

（1）中小企業貸款風險評估。銀行可通過企業的產、流通、銷售、財務等相關信息結合大數據挖掘方法進行貸款風險分析，量化企業的信用額度，更有效的開展中小企業貸款。

（2）實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如從一個不經常出現的國家為一個特有用戶轉賬或從一個不熟悉的位置進行在線交易）進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數據有效地預防與管理金融犯罪，摩根大通銀行則利用大數據技術追蹤盜取客戶賬號或侵入自動柜員機(ATM)系統的罪犯

第四方面：運營優化。

（1）市場和渠道分析優化。通過大數據，銀行可以監控不同市場推廣渠道尤其是網絡渠道推廣的質量，從而進行合作渠道的調整和優化。同時，也可以分析哪些渠道更適合推廣哪類銀行產品或者服務，從而進行渠道推廣策略的優化。

（2）產品和服務優化：銀行可以將客戶行為轉化為信息流，并從中分析客戶的個性特征和風險偏好，更深層次地理解客戶的習慣，智能化分析和預測客戶需求，從而進行產品創新和服務優化。如興業銀行目前對大數據進行初步分析，通過對還款數據挖掘比較區分優質客戶，根據客戶還款數額的差別，提供差異化的金融產品和服務方式。

（3）輿情分析：銀行可以通過爬蟲技術，抓取社區、論壇和微博上關于銀行以及銀行產品和服務的相關信息，并通過自然語言處理技術進行正負面判斷，尤其是及時掌握銀行以及銀行產品和服務的負面信息，及時發現和處理問題；對于正面信息，可以加以總結并繼續強化。同時，銀行也可以抓取同行業的銀行正負面信息，及時了解同行做的好的方面，以作為自身業務優化的借鑒。

新一代技術+商業操作系統：AI-CPS OS

        在新一代技術+商業操作系統（AI-CPS OS：云計算+大數據+物聯網+區塊鏈+人工智能）分支用來的今天，企業領導者必須了解將新技術全面滲入整個公司、直達產品核心，利用驅動數字化重塑的五種數字化力量，實現行業的重新布局、企業的重新構建和自我的煥然新生，在行業、企業和自身三個層面勇立鰲頭。

        驅動數字化重塑的關鍵數字化力量正從企業機構的外部直接滲透至企業機構的核心。

第一種力量為‘分辨率革命’（Resolution Revolution），即從汽車到網球拍等各類物體上的傳感器將極為詳細地反映周圍發生的一切，展現出我們以往無法看到或管理的事物。

第二種力量為‘復合不確定性’（Compound Uncertainty），它將促使領導者探索數字前沿邊界，并最終驅動制度、文化與技術的臨界點。

第三種力量是‘邊界模糊化’（Boundary Blurring），將導致各個行業不斷合并和彼此轉換。

這三種力量與行業、企業及個人三個層面的交叉，形成了領導力模式，使數字化融入到領導者所在企業與領導方式的核心位置。”

分辨率革命：這種力量能夠使人在更加真實、細致的層面觀察與感知現實世界和數字化世界正在發生的一切，進而理解和更加精細地進行產品控制、事件控制和結果控制。

復合不確定性：數字化變更顛覆和改變了領導者曾經仰仗的思維方式、結構和實踐經驗，其結果就是形成了復合不確定性這種顛覆性力量。主要的不確定性蘊含于三個領域：技術、文化、制度。

邊界模糊化：數字世界與現實世界的不斷融合不僅讓人們所知行業的核心產品、經濟學定理和可能性都產生了變化，還模糊了不同行業間的界限。這種效應正在向生態系統、企業、客戶、產品快速蔓延。

領導者無法依靠某種單一戰略方法來應對多維度的數字化變革。隨著變革范圍不斷擴大，一切都幾乎變得不確定，即使是最精明的領導者也可能失去方向。面對新一代技術+商業操作系統（AI-CPS OS：云計算+大數據+物聯網+區塊鏈+人工智能）顛覆性的數字化力量，領導者必須在行業、企業與個人這三個層面都保持領先地位。

如果不能在上述三個層面保持領先，領導力將會不斷弱化并難以維繼： 

重新進行行業布局。你的世界觀要怎樣改變才算足夠？你必須對行業典范進行怎樣的反思？

重新構建你的企業。你的企業需要做出什么樣的變化？你準備如何重新定義你的公司？

重新打造新的自己。你需要成為怎樣的人？要重塑自己并在數字化時代保有領先地位，你必須如何去做？

子曰：“君子和而不同，小人同而不和。”  《論語·子路》

云計算、大數據、物聯網、區塊鏈和 人工智能，像君子一般融合，一起體現科技就是生產力。

如果說上一次哥倫布地理大發現，拓展的是人類的物理空間。那么這一次地理大發現，拓展的就是人們的數字空間。

在數學空間，建立新的商業文明，從而發現新的創富模式，為人類社會帶來新的財富空間。

云計算，大數據、物聯網和區塊鏈，是進入這個數字空間的船，而人工智能就是那船上的帆，哥倫布之帆！

人工智能通過三個方式激發經濟增長：

1. 創造虛擬勞動力，承擔需要適應性和敏捷性的復雜任務，即“智能自動化”，以區別于傳統的自動化解決方案；

2. 對現有勞動力和實物資產進行有利的補充和提升，提高資本效率；

3. 人工智能的普及，將推動多行業的相關創新，開辟嶄新的經濟增長空間。

新一代信息技術（云計算、大數據、物聯網、區塊鏈和人工智能）的商業化落地進度遠不及技術其本身的革新來得迅猛，究其原因，技術供應商（乙方）不明確自己的技術可服務于誰，傳統企業機構（甲方）不懂如何有效利用新一代信息技術創新商業模式和提升效率。

“產業智能官”，通過甲、乙方價值巨大的云計算、大數據、物聯網、區塊鏈和人工智能的論文、研究報告和商業合作項目，面向企業CEO、CDO、CTO和CIO，服務新一代信息技術輸出者和新一代信息技術消費者。

助力新一代信息技術公司尋找最有價值的潛在傳統客戶與商業化落地路徑，幫助傳統企業選擇與開發適合自己的新一代信息技術產品和技術方案，消除新一代信息技術公司與傳統企業之間的信息不對稱，推動云計算、大數據、物聯網、區塊鏈和人工智能的商業化浪潮。

給決策制定者和商業領袖的建議：

1. 迎接新一代信息技術，迎接人工智能：無縫整合人類智慧與機器智能，重新評估未來的知識和技能類型；

2. 制定道德規范：切實為人工智能生態系統制定道德準則，并在智能機器的開發過程中確定更加明晰的標準和最佳實踐；

3. 重視再分配效應：對人工智能可能帶來的沖擊做好準備，制定戰略幫助面臨較高失業風險的人群；

4. 超越自動化，開啟新創新模式：利用具有自主學習和自我控制能力的動態機器智能，為企業創造新商機；

5. 開發人工智能型企業所需新能力：員工團隊需要積極掌握判斷、溝通及創造性思維等人類所特有的重要能力。對于中國企業來說，創造兼具包容性和多樣性的文化也非常重要。

6.  

   返回列表