banner

华院数据案例解读:征信,运营商大数据跨界融合应用

作者: 大数据观察来源: 大数据观察时间:2017-03-07 10:10:500

一.电信大数据应用和发展趋势

截止2014年10月,根据工信部披露的数据,三家运营商的移动客户总规模已经超过12.77亿,国内移动电话的普及率已达93.5%。

电信运营商基于计费和业务支撑的需要,生产和留存了大量的客户基础数据、消费数据、终端数据和移动互联网行为数据,以拥有2000万左右客户规模的某省运营商为例,一天就能生产近500G的客户信息数据。电信运营商生产的客户信息数据具有客户数据全量记录、字段完整、维度丰富、保存周期长时间可回溯、实时更新以及价值密度高、挖掘成本低等特点。

运营商是国内较早意识并积极实践利用大数据能力提升运营水平的企业之一,早在2001年,运营商就开始搭建覆盖全国多层级的业务经营分析平台,目前已经具备了对海量客户数据分析和处理的能力,同时积累了丰富的基于对客户和业务深度洞察开展精细化营销的经验。

随着技术的不断演进和移动互联网时代的来临,大数据时代真正到来,数据资产正在成为电信运营商的战略性资产,从海量数据中挖掘新的认知、方法,从而创造新的商业模式和价值,是各行业尤其是电信运营商的主要战略方向之一。电信运营商因为拥有最全面、最规整、价值密度最高的客户数据,而一跃成为开展大数据跨行业应用最有力的竞争者。在这个过程中,运营商面临着巨大的机会和全新的挑战。从趋势上来讲,电信的大数据应用,有几个特点:

1.系统技术方面:从系统架构上来说,从传统的关系型数据处理技术向以hadoop为代表的非结构化数据处理技术转变;从存储方式来说,从本地自建方式向云平台方式转变。目前国内运营商的系统存在分散建设的情况,经营分析系统、信令检测系统、综合网络分析系统、不良信息检测系统、上网日志留存系统分专业建设,且存在部分系统是分省而建的情况,造成系统重复建设,应用重复开发,数据资源共享成本高,未来,通过云平台方式,可以有效打通数据资源门槛,提升共享效率;

2.挖掘算法方面:从单一结构化数据处理向非结构化数据处理转变;简单的统计、检索、查询向复杂的建模应用用户分群、行为分析、趋势预测转变;

3.分析维度方面:从单纯的客户话音类数据挖掘向客户话音、视频、网络流量、位置等综合维度的数据挖掘转变。基于话音,可以分析呼叫中心的海量数据,建立呼叫中心测评体系和产品关联分析,为包括保险公司在内的企业提供自动语音识别;基于视频图像分析的视频索引、搜索和摘要服务,从海量视频挖掘有价值的视频信息,可提供公用视频图像分析,服务于智慧城市、平安社区、交通监管等;基于网络流量,可以洞察客户的内容偏好、应用偏好、访问时段偏好,并根据偏好和行为习惯分群提供差异化的服务,比如:闲时流量、定向流量、精准广告;基于位置信息,可以通过洞察行为轨迹,实现热点地区的人群流向分析和客流量预测,进而对热点地区的基站选址、商家服务优化提供指导。

4.应用领域方面:从完全支撑内部精细化营销、运营管理的应用向跨领域跨行业应用拓展。在大数据背景下,运营商大数据包含了完整的客户属性、消费及行为数据,这些数据具有天然的完整、可靠、实时、有时间序列性等优势,能够多维的描述和深度洞察客户特征,并对未来的商业及购买行为预测提供可靠的依据,考虑到运营商大数据几乎覆盖了每一个人的数据信息,因此对各个行业都具有极高的商业价值,也蕴含着新的商业机会和模式。

二.电信大数据应用于个人信用服务(国内案例)

建立和完善个人客户的信用服务体系对运营商来说意义重大。首先,全业务背景下,运营商竞争趋于同质化,开展信用服务不仅可以丰富服务手段、提升用户粘性,且借助信用杠杆能有效提升用户价值;第二,通过对负信用客户的识别和强化控制,可以有效降低欠费和坏账;第三,在营改增、营销费用削减的大背景下,运营商特别需要将有限的资源精准投放给优质用户,而高信用恰是优质用户的重要属性;最后,运营商大数据能力开放是用户数据应用的发展趋势,信用服务是运营商大数据开放的重要路径之一。

围绕个人信用服务的电信大数据应用,有几个成功关键:一是,基于大数据算法的构建,生成准确的个人用户的信用评分;二是,提供灵活丰富的信用应用场景,满足不同价值客户对信用服务的差异化及多样性需求;三是,便捷的系统化支撑,以承载对个人客户的信用服务和管理功能;最后,全面细致的执行保障,确保客户沟通界面的清晰、简单。

图:基于大数据的运营商个人信用服务总体框架

1.评级模型

模型的好坏会直接影响信用服务的效果。运营商的信用模型构建通常要整合多维数据源,再结合丰富的业务经验,筛选并构建出近200个变量,这些变量涵盖了用户基本信息、终端、消费、行为、位置等八个维度;以变量为基础,构建能反映客户信用评价的子模型,如:坏账风险预测模型、影响力模型、交往圈模型、内容偏好模型等9类模型,以实现用户各类特征的多维度洞察;并最终通过评分卡模型将用户各维度特征转换为分数,得到最终的信用评分。该信用评级模型的识别准确率较高,能够达到86%以上,识别覆盖率则高达91%。

图:基于多维数据源的个人信用评价

2.应用场景

基于用户信用评分,可实现基本应用、延伸应用、跨界应用三大类差异化的应用场景。

图:丰富多样的个人信用应用场景设置

其中,基本应用主要包括授信服务、信用担保、信用继承和高危用户风险控制。

延伸应用则主要包括差异化服务及差异化营销两方面,其中,前者主要包含差异化积分政策,指不同信用等级用户享受不同的积分优惠政策,鼓励用户消费的同时,提升用户感知;差异化通信保障,专为不同信用等级的用户设定不同的停机机制,既保障了高信用等级用户的服务感知,又降低了低信用等级用户的高额欠费风险。差异化营销则主要针对高信用等级用户,提供差异化终端营销、差异化流量营销和差异化增值业务营销,针对其展开专属或优先参与的营销活动,在提高营销活动精准性的同时,进一步提升用户价值,保有核心用户。

跨界应用,一方面是信用数据共享,实现用户的多维度洞察,提升各行业的信用评级水平,另一方面是高信用用户跨界运营,旨在提升用户在网粘性。

3.平台保障

主要实现三大功能即灵活高效的模型配置、科学及时的分析监控、丰富多样的信用应用。

在灵活高效的模型配置中,针对细分用户群设定不同的信用模型规则、授信规则、基础服务规则、增值服务规则、信用等级变更规则,实现用户信用差异化管理;在科学及时的分析监控中,将对授信用户的停机、欠费、损益情况进行分析,全面评估信用管理效益;尤其是在丰富多样的信用应用方面,平台将提供个人、群体信用查询功能,生成信用评价报告,并且根据信用等级的不同而设定不同的信用基础服务和延伸服务,具有针对性和差异性。并且,通过该平台不但可以查询到个人用户的信用评分与等级,还可以看到其评分在全体用户中的所处的位置,评分的历史趋势以及影响该评分的主要构成因素等信息。

图:平台逻辑框架

4.执行保障

从制度建设、流程规范和用户沟通三方面保障运营方案在执行层面的实施效果和效率。在制度建设中将明确信用管理工作的职责分工,并通过制度将具体工作下沉至各职能部门,使得信用管理工作能够有效的落地实施;在流程规划中梳理用户信用服务流程,扫除信用管理流程中各类障碍点,提升服务水平和运营效率;在用户沟通方面,设计与用户沟通的渠道、时间、触发条件及沟通话术,确保信用服务的实施效果。

图:运营商个人信用运营的执行保障

5.实施效果

以华院数据技术(上海)有限公司在多个省级运营商的实践为例,拥有约1600万移动个人用户的省,实施该方案后,年收入提升约1.4亿元,年欠费额降低约0.3亿元。在有效控制欠费风险的同时,实现了业务削峰、用户满意度大幅度提高,还进一步提升了收入。

banner
看过还想看
可能还想看
热点推荐

永洪BI
更敏捷、更快速、更强大

申请试用
Copyright © 2012-2024开发者:北京永洪商智科技有限公司版本:V10.1
京ICP备12050607号-1京公网安备110110802011451号 隐私政策应用权限