商业银行大数据技术探索——从日常交易流水到价值客户发现  

作　　者：冯玥 

机构地区：[1]南京银行博士后科研工作站 [2]南京大学博士后流动站,江苏南京210008

出　　处：《上海金融》2020年第8期72-79,共8页Shanghai Finance

基　　金：江苏省双创博士资助项目。

摘　　要：商业银行实施精准营销战略的目标是将有限的营销资源精准投放到目标客户,达到资源利用效率最大化。准确定位价值客户是中国商业银行实施营销战略过程中迫切需要解决的难题。本文通过基于客户日常交易流水数据搭建的重构交易网络,创新地将客户交易行为模式的研究转化为网络结构的识别,并提出两类研究框架:第一类基于同构网络表示学习获得客户交易属性;第二类通过异构网络表示学习获得客户综合属性。通过实验得出了以下结论:第一,仅基于客户基础属性的客户价值分类效率很低;第二,将基于重构交易网络表示学习获得的交易行为属性纳入分类指标,分类效率显著提高;第三,将客户基础属性和交易行为属性放入统一的研究框架之下,价值客户分类效率最高。本文提出的研究方法不仅可以运用于商业银行,也可以用于第三方支付企业、电信运营商及政府部门等具备网络结构数据的实体,进行客户行为模式研究及其他相关应用。

关 键 词：商业银行 精准营销 网络表示学习 异构网络 价值客户发现 

分 类 号：F832.33[经济管理—金融学] F274