消費端金融的四類可變現數據：生物、交易、行為、社交
時間：2022-03-04 00:38:01 | 來源：行業(yè)動態(tài)
時間：2022-03-04 00:38:01 來源：行業(yè)動態(tài)
首先我們看一下C端市場，C端市場非常重要的一點在于獲取更多個人的數據，并對個人數據打標簽。但在實踐中我們發(fā)現，一方面很多企業(yè)因為沒有數據所以在找數據，另外一方面還有一些企業(yè)和機構有很多數據，他們也認識到數據具有很大的市場空間，但是在這樣的情況下，信息孤島、數據孤島卻越來越嚴重，數據的布局也呈現出不可控的狀態(tài)。企業(yè)獲取數據的難度和成本越來越大。
在金融領域，包括銀行、證券、保險等行業(yè)的應用過程中，我們把消費端金融可變現的數據分為四類，即生物特征、交易特征、行為特征以及社交特征。其中，生物特征和交易特征囊括了消費者的性別、年齡、職業(yè)、消費習慣等信息，更多聚集在企業(yè)內部，而行為特征和社交特征更多地則來源于真正意義上的大數據。對于企業(yè)能掌握的信息，就要把企業(yè)內部的數據應用達到最大化，在此基礎上再結合行為特征和社交特征，才能最大限度地挖掘數據的價值。
當然，我們也發(fā)現從IT人員到數據建模人員，再到業(yè)務人員，中間數據建模人才是相對匱乏的，因此，這也是企業(yè)亟待要解決的問題。
舉幾個例子?；诖髷祿鹑诘姆?，尤其對于市場化服務要求比較高的保險行業(yè)來說，非常關鍵的就在于精準營銷。通過公共網絡，獲取網絡內容，在此基礎上經過語義語境的分析，就可以建立營銷數據模型。從而了解意向客戶信息、意向客戶博文，獲取客戶特征數據、個性化推薦數據以及客戶傾向性數據，最終對客戶畫像進行分析，實現精準營銷。
此外，在風控層面，保險大數據的應用能夠幫助保險機構預防或減少賠付。賠付中的異常值（超大額賠付）是賠付額的主要驅動因素之一。以某海外保險企業(yè)的工傷補償為例，不到20%的異常值帶來了超過80%的賠付費用。但是，這些高額賠付的案例往往早有端倪，如果能夠及早干預就可以在很大程度上控制事態(tài)的發(fā)展。比如關注傷者的疾病發(fā)展過程并及時建議跟進治療以避免慢性疾病的發(fā)生，盡早建議用人單位進行工作調整以減少誤工等等。
可以看到，大數據能夠為保險企業(yè)及時、高效地采取干預措施提供良好的支持。再看另一個案例，一家美國保險集團通過結合內部、第三方和社交媒體數據進行早期異常值檢測，從而使平均索賠費用降低了20%。該預測模型使用了約1.4億個數據點，其中既包括客戶的個人數據也包括集團內部數據，并且隨著新數據的加入而不斷進行調整。
在線咨詢
