● 從我行客戶金融資產(chǎn)變動情況來看，AUM20萬以上客戶一直呈下降趨勢，17年上半年AUM流失率5.39%，18年上半年AUM流失率6.01%，同比又有擴大。為了遏制客戶金融資產(chǎn)的加速流失，基于VIP客戶龐大的歷史數(shù)據(jù)，開展預(yù)測VIP客戶流失及精準營銷項目。

● 根據(jù)vip客戶分級情況，將VIP客戶分為幾個客群，通過對每個客群的用戶信息、資產(chǎn)配置、支付交易等數(shù)據(jù)信息，建立模型找出流失的VIP客戶的行為偏好特征，提前一個月或兩個月預(yù)測流失的VIP客戶，下發(fā)預(yù)降級VIP客戶營銷指引，重點對電話外呼營銷系統(tǒng)的使用，營銷的主要產(chǎn)品，營銷注意事項，營銷話術(shù)進行提示和規(guī)范。并根據(jù)客戶偏好定制專屬產(chǎn)品，名單制購買。

● 提前2個月預(yù)測可能流失的VIP客戶并形成客戶清單，進行精準營銷干預(yù)，以期通過精準定位客戶和精準營銷客戶相結(jié)合，在減少資源消耗和人力投入的情況下減緩甚至逆轉(zhuǎn)客戶AUM的下降。

● 名單客戶AUM流失率比未做營銷時大幅下降，環(huán)比下降幅度達76.04%，從7月份的9.64%下降到8月份的2.31% ，名單客戶當月購買理財1472筆，金額2.46億元，其中專屬理財90筆，金額0.15億元。 外呼客戶AUM比上月提升0.5億元，提升率6.51% 。主推聚財9號產(chǎn)品簽約325戶，簽約客戶AUM當月提升0.97億元，吸金效應(yīng)明顯。

● 目前欺詐手法樣式繁多，更新很快，現(xiàn)有反欺詐模型輸出耗時過長，對用戶風險反應(yīng)慢，無法有效的進行攔截，導致逾期率較高。已有專家規(guī)則面對新型欺詐手法幾乎無能為力。欺詐策略開發(fā)有效期越來愈短，無法滿足運營部門的需求欺詐特征無法進行有效管理。

● 公安部提供行內(nèi)欺詐賬號，急需找出行內(nèi)類似賬戶，并提前進行人工干預(yù)；業(yè)務(wù)提供的以往反欺詐規(guī)則，已不適用此批欺詐客戶，如開立賬戶長時間不使用，然后忽然動賬一類的規(guī)則。僅用寫SQL的模式篩選單一規(guī)則，如每日高頻交易客戶，并不能定位出風險客戶。行內(nèi)反欺詐模型輸出需要較長的時間才能完成；希望能快速輸出欺詐名單，并能通過建模的方式，提升風控能力。

● 建立了數(shù)個有效寬表，基本信息寬表、開戶后數(shù)月內(nèi)流水衍生寬表、往前追溯寬表、資產(chǎn)信息+公司流水+賬戶流水寬表，并利用MP將生成大量衍生數(shù)據(jù)。

● 利用ME生成反欺詐模型，完成高風險名單打分輸出；輸出高風險客戶畫像；通過可解釋性，解析每個高風險客戶為何被定義為高風險；通過AI極速生成模型預(yù)測報告，用于結(jié)果匯報。

● 智能數(shù)據(jù)平臺+極速建模平臺聯(lián)動，快速輸出欺詐名單，實現(xiàn)找出行內(nèi)類似賬戶、提升風控能力的業(yè)務(wù)目標。數(shù)據(jù)處理、特征衍生、建立模型和生成策略僅花費一周時間。從原始的手動SQL篩選模式升級為自動生成反欺詐策略。反欺詐規(guī)則、模型的輸出效率顯著提升，團隊風控能力大幅提升。

● 大量用戶的手機銀行活躍度低，低活躍用戶營銷轉(zhuǎn)化率低，傳統(tǒng)建模方式難以及時響應(yīng)業(yè)務(wù)需求。
● 存在部分自然活躍的手機銀行客戶，營銷時需排除自然活躍客戶，降低營銷成本。
● 通過短信方式營銷，但營銷轉(zhuǎn)化率低，并且傳統(tǒng)建模方式難以及時響應(yīng)業(yè)務(wù)需求。

● 通過策略或模型，挖掘自然活躍客戶特征，篩選自然活躍客群，提前過濾自然活躍客戶。
● 在剩余客戶中搭建活躍度提升模型，對客戶進行評分，評估客戶的營銷響應(yīng)率，剔除低響應(yīng)客戶減少無效工作 。并針對性進行營銷，提升營銷成功率。
● 構(gòu)建活躍度提升解決方案，快速響應(yīng)業(yè)務(wù)需求，響應(yīng)時間縮短至1天以內(nèi)。降低營銷費用，提升實際轉(zhuǎn)化率，剩余客戶營銷成功率度是專家組的3倍以上。

● 手機銀行激活客戶超500萬，手機銀行活躍度提升15%，篩選過后的手機銀行客戶活躍度提高68%。

● 雖然相比新拓客，零資產(chǎn)客戶相對的營銷成本低，易拓展。但零資產(chǎn)客戶多如牛毛，構(gòu)成復(fù)雜、粘性差，零資產(chǎn)客戶非常難經(jīng)營。另一方面，相對有資產(chǎn)客戶，零資產(chǎn)客戶價值較低，銀行并不愿意 付出太多的成本去激活客戶。營銷經(jīng)費很有限，更多是以短信營銷為主。任務(wù)重，難經(jīng)營，經(jīng)費少，零資產(chǎn)客戶激活的三大難題。

● 營銷模型+業(yè)務(wù)分析，無縫驅(qū)動的解決方案，營銷模型輸出重要變量，指導分析報告；同時輸出“高響應(yīng)客戶名單”用于營銷。分析報告結(jié)合業(yè)務(wù)經(jīng)驗，從多維度全面解析零資產(chǎn)客群，提高營銷的解釋性。進行零資產(chǎn)子客群分析：交易流水、公積金/社?？?信用卡、客戶級別等；進行激活/流失原因分析：激活前第一筆資金流入、激活后前三筆資金流出、流失最后一筆流出交易等，進行其他影響因素分析：客戶歸屬分行調(diào)整、聯(lián)系方式等。

● 通過細分客群的用戶特征，提供營銷成功率，覆蓋精準率提高70%，營銷成本下降90%。

● 針對代發(fā)客戶留存率低的問題，展開專項營銷活動，提升管理資產(chǎn)留存率。但代發(fā)企業(yè)數(shù)量眾多，分支機構(gòu)無法在短時間內(nèi)對全部企業(yè)完成線下營銷；同時需要提供針對性的優(yōu)質(zhì)個人客戶營銷名單。

● 對企業(yè)進行數(shù)據(jù)分析，尋找最具營銷價值企業(yè)；根據(jù)專項產(chǎn)品歷史數(shù)據(jù)，通過模型尋找響應(yīng)率最高客戶；對高響應(yīng)客戶集中的企業(yè)優(yōu)先展開線下營銷；對其他企業(yè)中高響應(yīng)客戶展開線上營銷活動。

● 線下營銷：篩選過后的企業(yè)客戶駐場營銷的客戶響應(yīng)率提高3倍以上，現(xiàn)場購買金額提升兩倍以上，提升了營銷效果，大大減少了現(xiàn)場營銷的工作量。線上營銷：通過短信對高概率的響應(yīng)客戶進行營銷，其客戶響應(yīng)率比隨機短信營銷提升2倍以上，節(jié)約了營銷成本?，F(xiàn)場理財產(chǎn)品購買金額超過1億，帶動代發(fā)客戶管理資產(chǎn) 留存率提升5%。

● 前期采用白名單放款，客戶不良率遠超預(yù)期；業(yè)務(wù)規(guī)模小，客戶數(shù)據(jù)質(zhì)量差，不良客戶只有30個客戶存有申請時征信記錄；組建專業(yè)的風控建模團隊難，成本高；需要重新建立貸款審批模型，確?？蛻舨涣悸氏陆?0%以上。

● 通過建立模型，發(fā)現(xiàn)了對客戶逾期率較大影響的特征（貸記卡已用額度、授信額度等），借助同期信用卡申請數(shù)據(jù)通過AI簡單快速地對建立高精度、高解釋性風控模型評分卡。使用評分卡模型對實際放款客戶進行打分評估，頭部客戶覆蓋了將近一半的違約客戶。

● 模型性能穩(wěn)定，客戶不良率大幅下降，通過風控模型審批通過率提升80% 。風控規(guī)則、模型輸出效率提升20倍，大幅降低運營成本，賦能風控團隊，提升工作效率。

● 信用卡發(fā)展迅猛，用戶規(guī)模、發(fā)卡量都進入了行業(yè)第一梯隊；信用卡流通卡量超6千萬張，年內(nèi)新增流通卡超千萬；流通戶數(shù)凈增超600萬，同時，用卡不良率走高；期望以行內(nèi)數(shù)據(jù)+征信數(shù)據(jù)為主，建立更為精準的A卡模型，實現(xiàn)降低不良率，提升凈利潤。

● 采用ME與在用建模產(chǎn)品進行PK；主要主要考察模型提升度、建模周期、產(chǎn)品易用性、可視化、上線周期等因素。ME產(chǎn)品精準度更高、易用性更好、可視化更豐富、應(yīng)用周期短。

● 風險區(qū)分能力變強，KS值較原始提升+1.2%。建模周期縮短至3天，模型上線周期縮短至一周。通過白盒化和可視化技術(shù)，模型可解釋，協(xié)助業(yè)務(wù)人員理解和認可模型。

● 早期催收，難以區(qū)分低風險和高風險客戶，需要重點攻克高風險的客戶，對于低風險客戶通過短信提醒。對于晚期催收，需要尋找可能還款客戶，人工介入到可能還款的客戶，對于其它客戶，進行委外，訴訟等手段進行催收。同時有多種征信數(shù)據(jù)來源，需要評估征信源對于催收有效性。

● 按新戶和舊戶分開兩條線建立催收模型。根據(jù)客戶所在的催收周期分別建立多個模型。根據(jù)客戶逾期前表現(xiàn)，找到易還款客戶組的特征，并對每個客戶在逾期日進行打分，評估客戶還款的意愿，根據(jù)意愿高低將客戶分為難易兩組。容易組主要由內(nèi)部團隊催收，提升自身催收的團隊的效率，提升催回率。困難組由外包團隊負責，使用于外包催收的資金發(fā)揮其最大的價值。將模型中重要變量根據(jù)表現(xiàn)期分別納入審批模型和預(yù)警模型，建立打分卡。

● 發(fā)現(xiàn)還款風險主要為客戶還款意愿，通過模型分析出哪些第三方數(shù)據(jù)具備分析價值，節(jié)約了外部數(shù)據(jù)購買費用。高分客戶的首次催收還款率明顯提升，整體催收成功率提升了10%以上。優(yōu)化后的審批模型使得違約風險降低。改善其催收流程，提高資金回收速度，提升催回率。

● 企業(yè)中，形成了以產(chǎn)品條線劃分的多個數(shù)據(jù)建模團隊，團隊間管理方式不統(tǒng)一、研發(fā)上線流程不規(guī)范，模型工作面臨著研發(fā)周期長、上線難、監(jiān)控不及時、管理分散的問題；模型團隊進行模型研發(fā)時，大多使用PYTHON建模；但上線時，又需要技術(shù)人員轉(zhuǎn)換為對應(yīng)的JAVA代碼，并通過手動驗證后，上線到指定平臺中；上線后，主要依靠事后定時調(diào)度任務(wù)做監(jiān)控，但監(jiān)控后也未做BI報表、或異常預(yù)警；經(jīng)常出現(xiàn)，模型已經(jīng)不適用了，發(fā)現(xiàn)時點卻滯后了許多，導致的損失；

● 通過模型全生命周期管理方案，建設(shè)模型統(tǒng)一管理平臺，規(guī)范管理“模型需求 - 開發(fā) - 驗證 - 審批 - 上線 - 驗證 - 監(jiān)控”全流程。