提前半步 遇见未来大数据预测类应用—营销篇
2016-03-02 18:03:43   来源：未知   评论：0 点击：

　　我们能想到的最简单的预测方法，就是根据我过去一段时间的刷卡时间和刷卡内容，来预测我可能会重复出现的消费，但是仅仅就是这么简单吗?

　　其实大数据在预测过程中所做的，远不止于此，举个例子，你在2015年刷卡买了一辆汽车，大数据不会预测你在2016年再买一辆车，但却会预测在2016年，你会产生玻璃水或汽车坐垫之类的消费，更进一步预测，户外出行类的消费可能也会大幅增加，因为你开车带家人出游会更加方便了。在这个过程中，大数据就会展现出它数据挖掘和关系挖掘的魔力了。

　　我们曾经帮某机构做过一个用于内部分析消费者行为的预测，通过对一年内70亿条交易记录进行分析，采用深度挖掘和机器学习的方法，成功地预测了未来三个月内，他的客户将要在什么时间、什么商圈出现，甚至对消费的金额和笔数也都做了预测，实际验证，效果颇为不错。

　　同样，应用到金融领域，不管是银行、证券还是保险，大数据在帮助你预测哪些才是你真正的潜在客户时，同样可以做到很出色。

　　在金融行业，存量客户其实无处不在，他是开了户之后就再也没有任何交易的僵尸客户，是注册了app之后再没有登录过的用户，还有一部分是存量客户中的潜在信用卡客户、潜在贷款客户，这些客户不仅无法为我们带来收益，同时也占用了大量资源。如果能发现他们，并精确地触达，远比我们撒网一般的营销要好的多。

　　在个人征信机构已经逐步被认可的情况下，有很多公开渠道，可以提供海量的客户信息，但是，拿到信息如何分析，就需要大数据的帮助了，此时，我们再选取一批用于机器学习的样本客户，通过对金融机构客户的内外部数据进行机器学习、模型训练和深度挖掘，我们便可以预测出，在我们的存量客户中，哪些会是我们的潜在客户。

　　对于数据，我们通过对正面负面样本的学习比对，分析他们当前的特征情况、他们过去的交易、消费、行为轨迹，以及引发潜在客户变为有效客户的关键变量值，建立相关的大数据分析模型，并加以训练，从而在存量客户中预测出潜在客户。

　　简单地说，就是这样一个过程：(嫌不够详细?没关系，下一篇风险篇我会爆更详细的料)

以银行为例，我们潜在客户可能包括：

　　是不是很神奇，这就是大数据的魅力，有些事情，不试试，怎么会知道有没有用呢?

　　下篇，我会和大家分享，大数据在潜在风险预测上的应用，告诉你通过大数据，如何在目前正常客户中，找到潜在的不良客户。

　　作者介绍

　　姜渊

　　明略数据金融行业专家

　　现任职明略数据金融事业部，曾就职于国内大型商业银行，多年消费信贷、小微企业信贷经验，总行创新信贷产品、互联网金融产品开发经历，深度了解金融客户在精准营销、客户评价、风控方面的需求，擅长结合实际业务场景，运用大数据技术为金融客户提供一体化解决方案。

明略数据官网