大数据金融
是否违约，违约概率，有效使用额度等指标作为被评价对象，然后调用与此相关的各种客户信息建立统计模型，自动计算授信结果。
大数据服务平台的运营模式可以分为以阿里小额信贷为代表的平台模式和京东、苏宁为代表的供应链金融模式。
利用数据开发新的预测和分析模型，实现对客户消费模式的分析以提高客户的转化率。
银行业大数据金融创新模式 （1）风险控制模式创新 （2）产品营销模式创新 （3）银行运营模式创新 （4）银行服务模式创新
银行业大数据金融经典案例 （1）花旗银行大数据金融案例分析 （2）中信银行大数据金融案例分析 （3）浦发银行大数据金融案例分析 （4）民生银行大数据金融案例分析
1、金融消费行为的改变，企业无法接触到客户
金融企业越来越难面对面接触到年轻人，无法像过去一样，从对话中了解年轻人的想法，了解年轻人金融产品的需求。
2、消费者需求出现分化，需要寻找目标客户
2、消费者需求出现分化，需要寻找目标客户
客户群体正在出现分化，市场上很少有一种产品和一种金融服务可以满足所有用户的需求。金融产品也需要进行细化，为不同客户提供不同产品。36大数据（http://www.36dsj.com/）
金融企业面对的客户群体基数很大，有的客户高风险偏好高，希望高风险高收益;有的客户风险偏好低，希望稳健收益;有的客户金融理财意识低，只需服务较好即可;有的客户完全没有主意，你说是啥就是啥;有的客户注重体验，有的客户注重实惠，有的客户注重品牌，有的客户注重风险等等。不同年龄，不同收入，不同职业，不同资产的客户对金融产品的需求都不尽相同。金融企业需要为不同的客户定制产品，满足不同客户的需要。对于金融企业，理财和消费是主要的业务需求。
客户消费习惯的改变，企业无法接触到客户，无法了解客户需求;
客户需求的分化，企业需要细分客户，为目标客户开发设计产品。
金融企业需要借助于户画像，来了解客户，找到目标客户，触达客户。
大数据场景选择大数据系统演进
三、用户画像工作坚持的原则
1、信用信息和人口属性为主
2、采用强相关信息，忽略弱相关信息
3、将定量的信息归类为定性的信息
金融企业需要结合业务需求进行用户画像，从实用角度出发，我们可以将用户画像信息分成五类信息。分别是人口属性，信用属性，消费特征，兴趣爱好，社交属性
五、金融企业用户画像的基本步骤
1)画像相关数据的整理和集中
2)找到同业务场景强相关数据
3)对数据进行分类和标签化(定量to定性)
4)依据业务需求引入外部数据
5)按照业务需求进行筛选客户(DMP的作用)
6)金融行业用户画像实践
数据驱动的3个阶段
宜信数据驱动的实时授信、智能理财
