本篇案例為數(shù)據(jù)猿推出的大型“金融大數(shù)據(jù)主題策劃”活動(dòng)（查看詳情）第一部分的系列案例/征文；感謝 恒豐銀行 的投遞

作為整體活動(dòng)的第二部分，2017年6月29日，由數(shù)據(jù)猿主辦，上海金融行業(yè)信息協(xié)會(huì)、互聯(lián)網(wǎng)普惠金融研究院聯(lián)合主辦，中國(guó)信息通信研究院、大數(shù)據(jù)發(fā)展促進(jìn)委員會(huì)、上海大數(shù)據(jù)聯(lián)盟、首席數(shù)據(jù)官聯(lián)盟、中國(guó)大數(shù)據(jù)技術(shù)與應(yīng)用聯(lián)盟協(xié)辦的《「數(shù)據(jù)猿·超聲波」之金融科技·商業(yè)價(jià)值探索高峰論壇》還將在上海隆重舉辦【論壇詳情丨上屆回顧】

在論壇現(xiàn)場(chǎng)，也將頒發(fā)“技術(shù)創(chuàng)新獎(jiǎng)”、“應(yīng)用創(chuàng)新獎(jiǎng)”、“最佳實(shí)踐獎(jiǎng)”、“優(yōu)秀案例獎(jiǎng)”四大類案例獎(jiǎng)

來(lái)源：數(shù)據(jù)猿丨投遞：恒豐銀行

互聯(lián)網(wǎng)金融的蓬勃發(fā)展對(duì)銀行帶來(lái)巨大沖擊。但國(guó)家戰(zhàn)略對(duì)互聯(lián)網(wǎng)+、大數(shù)據(jù)技術(shù)的強(qiáng)調(diào)，也讓銀行意識(shí)到這也是改革和創(chuàng)新的新機(jī)遇。在這種新形勢(shì)下，一方面銀行開始加速布局大數(shù)據(jù)技術(shù)在銀行領(lǐng)域的應(yīng)用，另一方面相比原來(lái)以產(chǎn)品為核心的經(jīng)營(yíng)模式，銀行開始愈加重視以客戶為核心的經(jīng)營(yíng)模式。

在客戶管理及服務(wù)方面，銀行以往根據(jù) “二八原則”，往往主要服務(wù)那些給銀行帶來(lái)80%收益的20%的客戶，但隨著利率市場(chǎng)化下銀行間競(jìng)爭(zhēng)的加劇，“長(zhǎng)尾”客戶也將成為競(jìng)爭(zhēng)對(duì)象，此外單一粗暴的劃分原則也忽略了許多客戶更深層次的個(gè)性化需求。另一方面，受人力極限和技術(shù)所限，傳統(tǒng)的統(tǒng)計(jì)分析方法不僅缺少對(duì)客戶購(gòu)買產(chǎn)品前的行為分析，更無(wú)法做到實(shí)時(shí)分析。如何在保持對(duì)高價(jià)值客戶服務(wù)質(zhì)量的前提下進(jìn)一步提升個(gè)性化的服務(wù)體驗(yàn)，如何進(jìn)一步挖掘長(zhǎng)尾客戶的價(jià)值，如何實(shí)現(xiàn)精準(zhǔn)營(yíng)銷、如何提升客戶粘性、如何優(yōu)化縮短產(chǎn)品購(gòu)買路徑，如何防范欺詐交易等問題都是大數(shù)據(jù)時(shí)代銀行迫切期待解決的問題。

基于上述背景，恒豐銀行開始了基于大數(shù)據(jù)實(shí)時(shí)流處理技術(shù)的全量客戶行為實(shí)時(shí)分析系統(tǒng)的建設(shè)。

周期/節(jié)奏

在客戶行為實(shí)時(shí)分析系統(tǒng)研發(fā)之初，就確立了一切從“用”出發(fā)的核心思想，因此整個(gè)系統(tǒng)的開發(fā)過程一開始即擯棄了傳統(tǒng)的“項(xiàng)目管理制”的運(yùn)行模式，而采用快速迭代，不斷完善的開發(fā)模式。

2015年10月，客戶行為實(shí)時(shí)分析系統(tǒng)項(xiàng)目建設(shè)工作啟動(dòng)。

2016年2月，迅速完成第一版原型——基于手機(jī)銀行單臺(tái)服務(wù)器客戶操作日志的點(diǎn)擊流實(shí)時(shí)分析——投產(chǎn)試運(yùn)行。

2016年6月，客戶行為實(shí)時(shí)分析系統(tǒng)迭代實(shí)現(xiàn)了基于手機(jī)銀行、個(gè)人網(wǎng)銀的全量客戶操作日志的點(diǎn)擊流實(shí)時(shí)分析功能。

2016年11月，迭代實(shí)現(xiàn)了可對(duì)單個(gè)客戶進(jìn)行客戶畫像、渠道偏好、交易偏好進(jìn)行分析的客戶價(jià)值分析功能，一期項(xiàng)目完成。

客戶名稱/所屬分類

恒豐銀行/客戶管理

任務(wù)/目標(biāo)

客戶行為實(shí)時(shí)分析系統(tǒng)通過對(duì)客戶基本信息和行為數(shù)據(jù)的監(jiān)測(cè)追蹤、收集整合、評(píng)估分析，為業(yè)務(wù)人員決策業(yè)務(wù)策略時(shí)提供更全面、更準(zhǔn)確、更有價(jià)值的信息。從不同的角度出發(fā)，客戶行為實(shí)時(shí)分析系統(tǒng)需要達(dá)到不同的目標(biāo)。

在全行的大數(shù)據(jù)建設(shè)規(guī)劃角度出發(fā)，客戶行為實(shí)時(shí)分析系統(tǒng)首先要實(shí)現(xiàn)兩個(gè)目標(biāo)：一是構(gòu)建面向全行客戶的群體客戶行為數(shù)據(jù)基線。二是可以實(shí)時(shí)的發(fā)現(xiàn)和處理個(gè)體客戶的差異性行為數(shù)據(jù)。前者是基礎(chǔ)，后者則是價(jià)值挖掘?qū)ο?。沒有前者，后者也就無(wú)從對(duì)比和挖掘。

從業(yè)務(wù)角度出發(fā)，客戶行為實(shí)時(shí)分析系統(tǒng)主要需要達(dá)到或支持以下三個(gè)角度的業(yè)務(wù)要求：

1)在營(yíng)銷角度，可以深度了解和分析客戶在持有、購(gòu)買、放棄產(chǎn)品及應(yīng)用的前、中、后期行為特征，從而為客戶偏好、360度畫像、數(shù)據(jù)挖掘提供更精準(zhǔn)的數(shù)據(jù)依據(jù)，最終實(shí)現(xiàn)精準(zhǔn)營(yíng)銷。

2)在風(fēng)控角度，可以深度了解和分析客戶的活動(dòng)范圍、生活軌跡、交易支付習(xí)慣等，從而為信貸風(fēng)控提供有力證據(jù)。

3)在客戶體驗(yàn)角度，一方面可以深度了解和分析銀行現(xiàn)有應(yīng)用的運(yùn)行狀況、應(yīng)用中各個(gè)功能模塊的使用頻率、客戶訪問路徑長(zhǎng)度等情況，從而為銀行應(yīng)用設(shè)計(jì)和優(yōu)化提供數(shù)據(jù)支持，讓銀行應(yīng)用產(chǎn)品更符合客戶群體期望和個(gè)體期待；另一方面為客服系統(tǒng)、CRM、移動(dòng)柜員等前端應(yīng)用提供更加精準(zhǔn)的客戶信息，方便一線業(yè)務(wù)人員為客戶帶來(lái)更加個(gè)性化、定制化的服務(wù)體驗(yàn)，提升銀行客戶粘性。

從技術(shù)角度出發(fā)，面對(duì)全量客戶海量行為數(shù)據(jù)，客戶行為實(shí)時(shí)分析系統(tǒng)要達(dá)到如下目標(biāo)：

1)數(shù)據(jù)要能夠?qū)崟r(shí)的采集和存儲(chǔ)。

2)數(shù)據(jù)要能夠?qū)崟r(shí)計(jì)算和分析。

3)實(shí)時(shí)數(shù)據(jù)服務(wù)能夠?qū)崟r(shí)展現(xiàn)和查詢。

挑戰(zhàn)

客戶行為實(shí)時(shí)分析系統(tǒng)在互聯(lián)網(wǎng)公司已不鮮見，但在銀行領(lǐng)域的建設(shè)與應(yīng)用面臨的挑戰(zhàn)和需要探索的地方還有很多。

（1）監(jiān)管挑戰(zhàn)

相比互聯(lián)網(wǎng)領(lǐng)域的客戶行為實(shí)時(shí)分析系統(tǒng)，銀行領(lǐng)域?qū)⒚鎸?duì)更多來(lái)自風(fēng)險(xiǎn)管控方面的挑戰(zhàn)。銀行必須充分保護(hù)客戶隱私，在監(jiān)管范圍內(nèi)采集、分析和使用客戶行為數(shù)據(jù)。

（2）性能挑戰(zhàn)

銀行應(yīng)用對(duì)可用性要求非常高，實(shí)時(shí)數(shù)據(jù)采集要在充分保證不影響源系統(tǒng)（例如手機(jī)銀行、個(gè)人網(wǎng)銀 等7*24小時(shí)面向客戶提供服務(wù)的系統(tǒng)）的服務(wù)性能后，再考慮如何提升數(shù)據(jù)的實(shí)時(shí)性，絕對(duì)不能影響客戶的正常使用。

（3）項(xiàng)目研發(fā)模式挑戰(zhàn)

銀行項(xiàng)目一般是項(xiàng)目管理制，這就需要我們與項(xiàng)目管理部門充分溝通項(xiàng)目需求的特殊性和快速迭代的必要性才能爭(zhēng)取到與項(xiàng)目相匹配的開發(fā)模式。

（4）系統(tǒng)改造挑戰(zhàn)

銀行應(yīng)用多是在銀行大數(shù)據(jù)建設(shè)之前即已投入使用，在設(shè)計(jì)和建設(shè)之初無(wú)法充分考慮未來(lái)的大數(shù)據(jù)應(yīng)用規(guī)劃，因此很多應(yīng)用的客戶操作日志提供信息不全，甚至缺少關(guān)鍵信息記錄，巧婦難為無(wú)米之炊，這為我們的系統(tǒng)建設(shè)帶來(lái)極大困難。對(duì)于缺少關(guān)鍵信息的系統(tǒng)，可能涉及到難度較大的系統(tǒng)改造，有的甚至可能牽一發(fā)而動(dòng)全身，不亞于整個(gè)系統(tǒng)的重構(gòu)，這也為我們的系統(tǒng)建設(shè)帶來(lái)非常大的阻力。這時(shí)就非常需要來(lái)自領(lǐng)導(dǎo)層敢于改革的魄力、業(yè)務(wù)人員渴望創(chuàng)新的決心和配合系統(tǒng)相關(guān)同事的理解。

（5）技術(shù)選型挑戰(zhàn)

在技術(shù)選型方面，所選技術(shù)既要滿足實(shí)時(shí)性能高、可擴(kuò)展性強(qiáng)、穩(wěn)定性好、高可用、配置靈活易管理等要求，又要考慮與現(xiàn)有的大數(shù)據(jù)平臺(tái)無(wú)縫整合的問題，需要滿足的條件很多、技術(shù)選型難度很大。

（6）復(fù)雜的日志采集與傳輸模式挑戰(zhàn)

需要采集日志的終端，不僅有實(shí)體機(jī)，也有部署于OpenStack云平臺(tái)的虛擬機(jī)，針對(duì)不同的終端需要研發(fā)不同的日志采集功能；數(shù)據(jù)傳輸物理上跨數(shù)據(jù)中心、同中心內(nèi)跨多個(gè)網(wǎng)段，在復(fù)雜的網(wǎng)絡(luò)傳輸環(huán)境下，如何保持?jǐn)?shù)據(jù)傳輸結(jié)果一致性也是一個(gè)很大的挑戰(zhàn)。

實(shí)施過程/解決方案

（1）實(shí)時(shí)流處理平臺(tái)解決方案

客戶行為實(shí)時(shí)分析系統(tǒng)的核心是對(duì)客戶行為數(shù)據(jù)的實(shí)時(shí)采集、實(shí)時(shí)計(jì)算和實(shí)時(shí)查詢服務(wù)。但站在全行大數(shù)據(jù)建設(shè)角度看，需要實(shí)時(shí)處理的數(shù)據(jù)并不僅限于客戶行為數(shù)據(jù)，因此首先需要構(gòu)建基礎(chǔ)的大數(shù)據(jù)實(shí)時(shí)流處理平臺(tái)。通過實(shí)時(shí)流處理平臺(tái)的建設(shè)，構(gòu)建全行統(tǒng)一的實(shí)時(shí)數(shù)據(jù)應(yīng)用平臺(tái)，結(jié)合恒豐銀行基于大數(shù)據(jù)平臺(tái)的新數(shù)據(jù)倉(cāng)庫(kù)，實(shí)現(xiàn)對(duì)行內(nèi)多項(xiàng)業(yè)務(wù)的全方位支持。以此平臺(tái)為基礎(chǔ)，可以為各種關(guān)注不同業(yè)務(wù)主題的應(yīng)用提供實(shí)時(shí)流處理服務(wù)，客戶行為實(shí)時(shí)分析系統(tǒng)也是平臺(tái)之上的諸多應(yīng)用之一。大數(shù)據(jù)實(shí)時(shí)流處理平臺(tái)的整體邏輯架構(gòu)如下圖所示：

大數(shù)據(jù)實(shí)時(shí)流處理平臺(tái)的整體邏輯架構(gòu)

平臺(tái)整體邏輯架構(gòu)劃分為：數(shù)據(jù)源層、平臺(tái)層、流計(jì)算層、分布式實(shí)時(shí)數(shù)據(jù)總線服務(wù)層、應(yīng)用層五個(gè)邏輯層次。其中：

數(shù)據(jù)源層:提供多種形式的數(shù)據(jù)實(shí)時(shí)采集功能，向平臺(tái)推送數(shù)據(jù)。

平臺(tái)層:一方面對(duì)所有組件做了模板化封裝，以方便靈活部署在Docker容器或VM虛擬機(jī)上，使平臺(tái)具備彈性擴(kuò)展能力，另一方面實(shí)現(xiàn)與恒豐銀行大數(shù)據(jù)平臺(tái)無(wú)縫對(duì)接，將結(jié)果數(shù)據(jù)寫入大數(shù)據(jù)平臺(tái)或者從大數(shù)據(jù)平臺(tái)實(shí)時(shí)獲取數(shù)據(jù)。

流計(jì)算層:是整個(gè)平臺(tái)的核心層, 底層基于恒豐銀行自主研發(fā)的Skyline開發(fā)框架構(gòu)建，除實(shí)現(xiàn)了基本的流處理計(jì)算功能外，還構(gòu)建了Streaming SQL模塊，分析人員可以通過該模塊直接在流上執(zhí)行SQL語(yǔ)句，進(jìn)行流上的數(shù)據(jù)關(guān)聯(lián)查詢；Streaming MLlib模塊提供了機(jī)器學(xué)習(xí)模型在流上的植入功能，可以將構(gòu)建的數(shù)據(jù)挖掘模型隨時(shí)運(yùn)行在流平臺(tái)之上；Streaming Cube模塊可以通過流實(shí)時(shí)構(gòu)建多維度數(shù)據(jù)分析的數(shù)據(jù)立方體，進(jìn)而在Cube上進(jìn)行數(shù)據(jù)下鉆、上卷等多維度切片分析。綜上所述，流處理平臺(tái)即支持OLTP的實(shí)時(shí)類業(yè)務(wù)應(yīng)用，也支持近實(shí)時(shí)OLAP分析類業(yè)務(wù)應(yīng)用，且支持?jǐn)?shù)據(jù)挖掘類業(yè)務(wù)應(yīng)用。

分布式實(shí)時(shí)數(shù)據(jù)總線服務(wù)層：為流處理平臺(tái)對(duì)外提供基礎(chǔ)服務(wù)層，每個(gè)服務(wù)均以微服務(wù)的方式部署發(fā)布，具有彈性擴(kuò)展和高可用特性。

應(yīng)用層：該層主要體現(xiàn)流處理平臺(tái)在恒豐銀行現(xiàn)階段支撐的業(yè)務(wù)應(yīng)用。

流處理平臺(tái)主要技術(shù)組件及部署架構(gòu)圖

流處理平臺(tái)使用的主要技術(shù)組件及其在兩個(gè)數(shù)據(jù)中心部署的架構(gòu)如上圖所示。其中：Zookeeper集群，主要負(fù)責(zé)配置流處理平臺(tái)管理和任務(wù)隊(duì)列管理功能；Flume Collector集群，主要負(fù)責(zé)流處理平臺(tái)文件類數(shù)據(jù)的接入工作；Streaming集群，為流處理平臺(tái)的核心組件集群，主要負(fù)責(zé)數(shù)據(jù)流處理功能；Kafka集群，主要負(fù)責(zé)消息訂閱與消息傳輸緩存功能；Redis集群，主要負(fù)責(zé)消息訂閱，數(shù)據(jù)分析及數(shù)據(jù)查詢功能；大數(shù)據(jù)平臺(tái)集群，主要負(fù)責(zé)數(shù)據(jù)的存儲(chǔ)、同步和數(shù)據(jù)分析挖掘等功能。

（2）客戶行為實(shí)時(shí)分析系統(tǒng)架構(gòu)

前端應(yīng)用（如手機(jī)銀行系統(tǒng)、網(wǎng)銀系統(tǒng)等）客戶操作日志是文件類數(shù)據(jù)，對(duì)于這類文件類數(shù)據(jù)流處理平臺(tái)主要采用Flume client & server 模式，因此前端業(yè)務(wù)系統(tǒng)需要部署agent實(shí)時(shí)采集數(shù)據(jù)，F(xiàn)lume Collector 負(fù)責(zé)收集各agent數(shù)據(jù)，再將數(shù)據(jù)發(fā)送至流處理平臺(tái)，隨后由流處理平臺(tái)負(fù)責(zé)數(shù)據(jù)過濾、數(shù)據(jù)解析、數(shù)據(jù)補(bǔ)全等實(shí)時(shí)處理工作，最后應(yīng)用層的客戶行為實(shí)時(shí)分析系統(tǒng)負(fù)責(zé)對(duì)實(shí)時(shí)性指標(biāo)進(jìn)行實(shí)時(shí)分析，對(duì)于非實(shí)時(shí)性指標(biāo)則進(jìn)行離線分析，并最終將分析結(jié)果以圖表形式展現(xiàn)給?？蛻粜袨閷?shí)時(shí)分析系統(tǒng)整體邏輯架構(gòu)如下圖所示：

用戶行為實(shí)時(shí)分析系統(tǒng)的整體邏輯架構(gòu)

（3）微服務(wù)化和Docker容器化

客戶行為實(shí)時(shí)分析系統(tǒng)還做到了微服務(wù)化和Docker容器化。我們將Akka微服務(wù)架構(gòu)的集群負(fù)載，服務(wù)監(jiān)控、故障恢復(fù)與彈性部署能力結(jié)合恒豐銀行數(shù)據(jù)中心PAAS云平臺(tái)采用的Docker容器技術(shù)對(duì)應(yīng)用級(jí)負(fù)載、監(jiān)控、彈性資源分配以及快速部署能力相結(jié)合，對(duì)客戶行為實(shí)時(shí)分析系統(tǒng)的Xitrum、JDBC、 Redis 等功能組件進(jìn)行了拆分，實(shí)現(xiàn)了整個(gè)應(yīng)用的Docker容器化。

除了客戶行為實(shí)時(shí)分析系統(tǒng)，流處理平臺(tái)使用的flume、kafka、zookeeper等開源組件也實(shí)現(xiàn)Docker容器化并使用恒豐銀行DevOps工具服務(wù)，從開發(fā)、構(gòu)建、測(cè)試到版本發(fā)布的全流程自動(dòng)化，中間提供包括計(jì)劃、任務(wù)分配跟蹤、問題跟蹤、文檔管理、版本發(fā)布全過程的項(xiàng)目協(xié)作支持

（4）數(shù)據(jù)應(yīng)用

通過深入了解業(yè)務(wù)需求，從營(yíng)銷角度、風(fēng)控角度、客戶體驗(yàn)角度三個(gè)主要業(yè)務(wù)視角，我們主要設(shè)計(jì)了以下功能模塊：

營(yíng)銷角度，既有為當(dāng)前業(yè)務(wù)運(yùn)營(yíng)發(fā)展提供數(shù)據(jù)支持的客戶規(guī)模和質(zhì)量、渠道運(yùn)營(yíng)分析模塊、實(shí)時(shí)狀態(tài)跟蹤、分析中心等功能模塊，也有為未來(lái)業(yè)務(wù)營(yíng)銷發(fā)展打下數(shù)據(jù)基礎(chǔ)的個(gè)體行為分析、客戶屬性分析 等功能模塊。具體介紹如下：

客戶規(guī)模與質(zhì)量：通過分析某些功能模塊的客戶使用情況，了解客戶產(chǎn)品偏好，分析客戶結(jié)構(gòu)和質(zhì)量信息，從而為銀行業(yè)務(wù)決策打下數(shù)據(jù)基礎(chǔ)。

渠道運(yùn)營(yíng)分析：聯(lián)動(dòng)多個(gè)應(yīng)用的使用情況，提供整體的運(yùn)營(yíng)分析情況。

實(shí)時(shí)狀態(tài)跟蹤：通過實(shí)施檢測(cè)當(dāng)前客戶使用應(yīng)用的情況，可實(shí)時(shí)發(fā)現(xiàn)例如服務(wù)異常等突發(fā)事件情況，從而做到及時(shí)預(yù)警，為事件預(yù)警和處理贏得時(shí)間。

分析中心：為業(yè)務(wù)定制化輸出各類分析報(bào)告，滿足業(yè)務(wù)日常運(yùn)營(yíng)需求。

個(gè)體行為分析：把單個(gè)客戶的行為分析單獨(dú)統(tǒng)計(jì)分析，從而為反欺詐、精準(zhǔn)營(yíng)銷等提供數(shù)據(jù)基礎(chǔ)。

客戶屬性分析：通過分析客戶常用應(yīng)用終端、客戶常用地域等，分析客戶基礎(chǔ)屬性信息，從而為交易反欺詐、精準(zhǔn)營(yíng)銷打下數(shù)據(jù)基礎(chǔ)。

風(fēng)控角度：主要有個(gè)體行為分析、客戶屬性分析 等模塊，具體上文已描述。

客戶體驗(yàn)角度：從提升客戶體驗(yàn)角度出發(fā)，為行內(nèi)應(yīng)用優(yōu)化方向提供數(shù)據(jù)證據(jù)的有客戶參與度分析、功能分析 等模塊。具體介紹如下：

客戶參與度分析：通過獲取客戶的使用時(shí)長(zhǎng)、訪問深度、應(yīng)用各功能模塊的使用等情況，分析客戶應(yīng)用使用情況信息，從而為應(yīng)用優(yōu)化等打下數(shù)據(jù)基礎(chǔ)。

功能分析：分析某個(gè)應(yīng)用的客戶最常用路徑，了解客戶常用行為，從而為優(yōu)化路徑提供數(shù)據(jù)說(shuō)明。

結(jié)果/效果總結(jié)

客戶行為實(shí)時(shí)分析系統(tǒng)填補(bǔ)了恒豐銀行在客戶行為分析方面的空白。業(yè)務(wù)人員第一次能夠直面感受和了解客戶真實(shí)的應(yīng)用使用行為狀態(tài)。例如：

（1）客戶規(guī)模與質(zhì)量——活躍客戶指標(biāo)（部分）

活躍客戶指標(biāo)之基金、理財(cái)模塊客戶每日活躍、每周活躍情況

通過分析理財(cái)、基金等功能模塊的客戶活躍指標(biāo)，觀察銀行理財(cái)偏好客戶在全行占比情況，以及理財(cái)、基金產(chǎn)品的關(guān)注情況，從而更好的了解銀行客戶的規(guī)模和質(zhì)量。

（2）客戶參與度分析——訪問時(shí)段統(tǒng)計(jì)

客戶訪問時(shí)段分布之按小時(shí)分布

該功能呈現(xiàn)選定時(shí)間段內(nèi)的登錄客戶、匿名客戶、客戶整體訪問時(shí)段分布情況。如果按小時(shí)統(tǒng)計(jì)，通過分析可以明顯看出每天都會(huì)呈現(xiàn)三個(gè)客戶活躍高峰，分別對(duì)應(yīng)早、中、晚的某個(gè)特定時(shí)段，其中每天早間時(shí)段客戶最為活躍。如果按天觀察，可以看出，周一、周二客戶最為活躍，周六、周日客戶最為不活躍。基于此，我們可以讓業(yè)務(wù)更好的制定或優(yōu)化營(yíng)銷策略，例如加大周一、周二早間時(shí)段的渠道營(yíng)銷力度，可能會(huì)獲得更佳營(yíng)銷效果。

綜上，借助客戶行為實(shí)時(shí)分析系統(tǒng)，從全渠道運(yùn)營(yíng)上，渠道業(yè)務(wù)人員能夠隨時(shí)了解渠道系統(tǒng)客戶的地域分布、訪問時(shí)段分布、交易類型分布、關(guān)注產(chǎn)品分布、終端使用分布信息等，從而判斷產(chǎn)品運(yùn)營(yíng)情況，提高產(chǎn)品運(yùn)營(yíng)水平；從精準(zhǔn)營(yíng)銷上，渠道業(yè)務(wù)人員能夠隨時(shí)了解單一客戶的理財(cái)產(chǎn)品偏好、基金產(chǎn)品偏好、地域偏好、功能偏好、訪問時(shí)段偏好等行為畫像信息，從而為后續(xù)精準(zhǔn)營(yíng)銷、個(gè)性化定制應(yīng)用、反欺詐等打下堅(jiān)實(shí)數(shù)據(jù)基礎(chǔ)。

基于上述數(shù)據(jù)積累，我們還在流失預(yù)警、客戶分群、消費(fèi)周期模型、理財(cái)產(chǎn)品銷量預(yù)測(cè)模型方面也進(jìn)行了一系列模型挖掘研究。

企業(yè)介紹：

恒豐銀行股份有限公司是12家全國(guó)性股份制商業(yè)銀行之一，注冊(cè)地?zé)熍_(tái)。

近年來(lái)，恒豐銀行穩(wěn)健快速發(fā)展。截至2016年末，恒豐銀行資產(chǎn)規(guī)模已突破1.2萬(wàn)億元，是2013年末的1.6倍；各項(xiàng)存款余額7682億元，各項(xiàng)貸款余額4252億元，均比2013年末翻了一番。2014年至2016年累計(jì)利潤(rùn)總額312.17億元，這三年的累計(jì)利潤(rùn)總額為以往26年的累計(jì)利潤(rùn)總額；服務(wù)組織架構(gòu)不斷完善，分支機(jī)構(gòu)數(shù)306家，是2013年末的兩倍。

近年來(lái)，恒豐銀行屢獲榮譽(yù)。在英國(guó)《銀行家》雜志發(fā)布的“2016全球銀行1000強(qiáng)”榜單中排名第143位；在香港中文大學(xué)發(fā)布的《亞洲銀行競(jìng)爭(zhēng)力研究報(bào)告》中位列亞洲銀行業(yè)第5位；在中國(guó)銀行業(yè)協(xié)會(huì)發(fā)布的“商業(yè)銀行穩(wěn)健發(fā)展能力‘陀螺（GYROSCOPE）評(píng)價(jià)體系’”中，綜合能力排名位列全國(guó)性商業(yè)銀行第7位，全國(guó)性股份制商業(yè)銀行前三；榮獲“2016老百姓最喜歡的股份制商業(yè)銀行”第二名、“2016年互聯(lián)網(wǎng)金融創(chuàng)新銀行獎(jiǎng)”、“2016年最佳網(wǎng)上銀行安全獎(jiǎng)”、“2016年度創(chuàng)新中國(guó)特別獎(jiǎng)”等多項(xiàng)榮譽(yù)。

作為一家肇始于孔孟之鄉(xiāng)山東的全國(guó)性股份制商業(yè)銀行，恒豐銀行秉承“恒必成 德致豐”的核心價(jià)值觀，踐行“1112·5556”工程，即：一個(gè)愿景（打造“精品銀行、全能銀行、百年銀行”）、一個(gè)文化（打造“開放、創(chuàng)新、競(jìng)爭(zhēng)、協(xié)同、守規(guī)、執(zhí)行”的“狼兔文化”）、一個(gè)目標(biāo)（五年目標(biāo)是以客戶為中心，以創(chuàng)新為驅(qū)動(dòng)，高效協(xié)同，彎道超車，五年內(nèi)進(jìn)入全國(guó)性股份制商業(yè)銀行第二方陣；十年目標(biāo)是要打造一個(gè)國(guó)際金融控股集團(tuán)）、兩個(gè)策略（“植根魯蘇，深耕成渝，拓展中部六省和海西，進(jìn)軍京滬廣深”的區(qū)域策略和“四輪驅(qū)動(dòng)、兩翼齊飛”的經(jīng)營(yíng)策略）、“五化”強(qiáng)行戰(zhàn)略（國(guó)際化、信息化、精細(xì)化、科技化、人才化）、“五力”工作方針（忠誠(chéng)力、執(zhí)行力、目標(biāo)力、風(fēng)險(xiǎn)經(jīng)營(yíng)力、恒久發(fā)展力）、五個(gè)引領(lǐng)（人才引領(lǐng)、科技引領(lǐng)、創(chuàng)新引領(lǐng)、效率引領(lǐng)、效益引領(lǐng)）、六大綜合能力（價(jià)值分析能力、風(fēng)險(xiǎn)鑒別能力、定價(jià)能力、創(chuàng)新能力、調(diào)研能力、學(xué)習(xí)能力）；大力實(shí)施“12345”行動(dòng)綱領(lǐng)，即:“1”是做金融綜合解決方案的提供商，“2”是金融云平臺(tái)和大數(shù)據(jù)平臺(tái)，“3”是數(shù)字銀行、交易銀行、銀行的銀行，“4”是龍頭金融、平臺(tái)金融、家庭金融、O2O金融等四大金融創(chuàng)新業(yè)務(wù)模式，“5”是投行、資管、平臺(tái)、人才盤點(diǎn)和以“One Bank”為核心的績(jī)效評(píng)價(jià)體系等五大戰(zhàn)略落地工具，致力于做“知識(shí)和科技的傳播者、渠道和平臺(tái)的建設(shè)者、金融綜合解決方案的提供者”，力求打造令人矚目、受人尊敬的商業(yè)銀行，為客戶和社會(huì)提供效率最高、體驗(yàn)最佳的綜合金融服務(wù)。

歡迎更多大數(shù)據(jù)企業(yè)、大數(shù)據(jù)愛好者投稿數(shù)據(jù)猿，來(lái)稿請(qǐng)直接投遞至：tougao@datayuan.cn

來(lái)源：數(shù)據(jù)猿