银行大数据分析平台

A. 大数据分析平台那家好，有给推荐个比较好的平台。

最权威的当属NLPIR了。
NLPIR由专注于大数据科学研究与工程应用融合领域的十多名博士硕士，倾力15年，持续创新而构建，该平台分别获得了2010年钱伟长中文信息处理科学技术奖一等奖，国际与国内公开第三方的独立评测综合第一名。综合平衡了效果与效率，实现了 “又好又快”的技术追求。

普适优势
NLPIR提供云服务，更多的是提供第三方二次开发接口，你无需访问我们的服务器，确保自身信息内容的安全性，开发平台兼容当前所有主流的操作系统与开发语言。

经验优势
十余年中，NLPIR先后服务了全球30万家机构。其中涵盖了中央网信办、中国证监会、中国人民银行、国家统计局、国家气象局等国家机构，中信信托、华为、人民网、中国移动、中国邮政等大型商业机构，以及中国科学院、清华大学、中国科技信息情报研究所等科研机构。

B. 数据分析和大数据平台网站有哪些

无需编程即可用来数据分析的工具/软件，推荐几个：
Excel / Spreadsheet：http://www.openoffice.org/download/
Trifacta：https://www.trifacta.com/start-wrangling/
Rapid Miner：https://rapidminer.com/
Rattle GUI：https://cran.r-project.org/bin/windows/base/
Orange：http://orange.biolab.si/
Tableau Public：https://public.tableau.com/s/
Talend：http://openrefine.org/download.html

C. 银行呼叫中心大数据分析

首先银行的呼叫中心一定会累计大量的客户数据。有了这些数据，就可以定义维度，把客户的年龄，性别，提供的问题，银行账户存款等等一些客户经理或者销售人员所关心的维度作为标准，把客户利用大数据分析的一些聚类，协同算法去进行分类。比如可能一些客户会询问一些理财产品，我们就可以把和这些客户类似的客户利用大数据分析出来，推送给客户经理去推荐一些理财产品，增加业绩。

D. 银行客户数据分析平台有哪些差异是自己公司搭建,还是用第三方的

商业银行拥有大量的个人客户交易数据、个人客户服务数据和个人客户基本资料数据。在这些海量数据中，隐藏着大量的有价值的客户信息。运用BI大数据挖掘中的数据可视化技术可以从这些数据集中提取客户的分类知识。大数据商业智能BI技术可以将性质，特征近似的数据对象归属再相同的群集中，商业银行可以利用此技术分辨出能有效为之服务的最有价值的客户，为他们提供更为个性化的服务，从而影响相关的客户行为并最终达到提高盈利的目的。
从这里可以看出搭建这套银行客户分析系统比较复杂，需要较多的资源，除非公司的技术实力非常强大，否则不建议自己去搭，人力物力成本都太高。
像中信、华夏等银行他们用的银行客户数据分析都是找的永洪科技，大平台效果还是非常显著的，这家厂商好像是从底层架构的数据库到最终的前端可视化平台都能做，而且还会帮助银行数据分析部门去分析客户指标，搭建完整的数据体系。这样对于银行来说，即使没有专业的数据分析师，也能够拥有一套比较简单快捷的数据体系。

E. 河北邢台银行大数据平台“智慧微贷系统”怎么样

近日，邢台银行大数据平台的重要应用场景之一——“智慧微贷系统”正式上线运营，该系统以最先进的大数据技术为支撑，能够为邢台银行实现微贷业务处理的流程化、标准化和规范化，更加高效、广泛、便捷地助力小微企业融资。

据了解，邢台银行自2010年成立了小企业信贷中心，专门服务个体工商户和小微企业，已累计支持小微企业4万多户、120多亿元。近年来，随着经济新常态的出现和“双创”战略的提出，小微企业的数量迅猛增长，在我国经济发展中的作用和地位更加凸显。

F. 金融需要 hadoop，spark 等这些大数据分析工具吗使用场景是怎样的

看看用亿信ABI做的相关案例
银行大数据应用
国内不少银行已经开始尝试通过大数据来驱动业务运营，如中信银行信用卡中心使用大数据技术实现了实时营销，光大银行建立了社交网络信息数据库，招商银行则利用大数据发展小微贷款。总的来看银行大数据应用可以分为四大方面：
1、客户画像
客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据，以扩展对客户的了解。包括：
（1）客户在社交媒体上的行为数据（如光大银行建立了社交网络信息数据库）。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图，从而进行更为精准的营销和管理；
（2）客户在电商网站的交易数据，如建设银行则将自己的电子商务平台和信贷业务结合起来，阿里金融为阿里巴巴用户提供无抵押贷款，用户只需要凭借过去的信用即可；
（3）企业客户的产业链上下游数据。如果银行掌握了企业所在的产业链上下游的数据，可以更好掌握企业的外部环境发展情况，从而可以预测企业未来的状况；
（4）其他有利于扩展银行对客户兴趣爱好的数据，如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。
2、精准营销
在客户画像的基础上银行可以有效的开展精准营销，包括：
（1）实时营销。实时营销是根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户采用信用卡采购孕妇用品，可以通过建模推测怀孕的概率并推荐孕妇类喜欢的业务）；或者将改变生活状态的事件（换工作、改变婚姻状况、置居等）视为营销机会；
（2）交叉营销。即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售；
（3）个性化推荐。银行可以根据客户的喜欢进行服务或者银行产品的个性化推荐，如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在金融服务需求，进而有针对性的营销推广；
（4）客户生命周期管理。客户生命周期管理包括新客户获取、客户防流失和客户赢回等。如招商银行通过构建客户流失预警模型，对流失率等级前20%的客户发售高收益理财产品予以挽留，使得金卡和金葵花卡客户流失率分别降低了15个和7个百分点。
3、风险管理与风险控制
在风险管理和控制方面包括中小企业贷款风险评估和欺诈交易识别等手段
（1）中小企业贷款风险评估。银行可通过企业的产、流通、销售、财务等相关信息结合大数据挖掘方法进行贷款风险分析，量化企业的信用额度，更有效的开展中小企业贷款。
（2）实时欺诈交易识别和反洗钱分析。银行可以利用持卡人基本信息、卡基本信息、交易历史、客户历史行为模式、正在发生行为模式（如转账）等，结合智能规则引擎（如从一个不经常出现的国家为一个特有用户转账或从一个不熟悉的位置进行在线交易）进行实时的交易反欺诈分析。如IBM金融犯罪管理解决方案帮助银行利用大数据有效地预防与管理金融犯罪，摩根大通银行则利用大数据技术追踪盗取客户账号或侵入自动柜员机(ATM)系统的罪犯。
4、运营优化
（1）市场和渠道分析优化。通过大数据，银行可以监控不同市场推广渠道尤其是网络渠道推广的质量，从而进行合作渠道的调整和优化。同时，也可以分析哪些渠道更适合推广哪类银行产品或者服务，从而进行渠道推广策略的优化。
（2）产品和服务优化：银行可以将客户行为转化为信息流，并从中分析客户的个性特征和风险偏好，更深层次地理解客户的习惯，智能化分析和预测客户需求，从而进行产品创新和服务优化。如兴业银行目前对大数据进行初步分析，通过对还款数据挖掘比较区分优质客户，根据客户还款数额的差别，提供差异化的金融产品和服务方式。
（3）舆情分析：银行可以通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题；对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。

G. 请举例金融机构银行大数据的应用有哪些

1、精准营销： 互联网时代的银行在互联网金融的冲击下，迫切的需要掌握更多用户信息内，继而构建容用户360度立体画像，即可对细分的客户进行精准营销、实时营销等个性化智慧营销。
2、风险控制： 应用大数据技术，可以统一管理银行内部多源异构数据与外部征信数据，可以更好的完善风控体系。内部可保障数据的完整性与安全性，外部可控制用户风险。
3、改善经营：通过大数据分析方法改善经营决策，为管理层提供可靠的数据支撑，使经营决策更加高效、敏捷，精确性更高。
4、服务创新：通过对大数据的应用，改善与客户之间的交互、增加用户粘性，为个人与政府提供增值服务，不断增强银行业务核心竞争力。