案例 | 金融产品推荐：应用机器学习与大数据技术构建营销预测名单

Posted 2021-04-03 机器之能

九章云极的DataCanvas APS一站式数据分析平台集数据准备、特征工程、算法实现、模型开发、模型发布、模型生产化管理于一体。平台可基于简化数据准备、降低大数据处理复杂性、自动建模等功能。

中国银行业：营销体系亟待智能技术提升数据利用效能

客户是银行赖以生存和发展的基础，大额存单和定期储蓄是提升核心竞争力、吸引优质客户、增加中间业务收入的主要渠道，也是培育客户忠诚度的重要手段。保证在吸引新客户的同时预防老客户流失成为了银行在营销与客户关系管理的重要课题。当前银行业传统金融服务面临互联网金融的巨大挑战，急需通过金融产品创新、服务质量提升等手段，提升自身竞争力和客户满意度。大部分银行虽然坐拥大量客户数据，但缺乏高效的数字化营销体系，无法深度挖掘出客户洞见，导致业务的营销方式粗放、目标客户不清晰，无法取得较好的营销成果。

银行业精准营销应用案例解析：以九章云极为银行客户实现“金融产品智能推荐”为例

DataCanvasAPS是九章云极以机器学习技术为核心打造的一站式数据分析平台。针对企业的数据科学团队，平台集数据准备、特征工程、算法实现、模型开发、模型发布、模型生产化管理于一体，能够帮助企业快速构建数据分析应用。

一、核心功能

异构多引擎融合架构 - 平台功能基于Docker实现容器化封装，底层计算资源支持APS集群、Hadoop集群和GPU集群等多种模式，实现合理的计算资源利用。平台可通过序列化和反序列化完成模块之间数据交换，支持实现单机和分布式数据格式转换、不同语言之间数据转换、不同存储介质之间数据转换。此外，平台算子封装支持多语言模式，允许在同一个工作流中调用不同开发语言算子，同时支持工作流程嵌套，提升灵活性和复用性。

开放性算法支持 – APS平台集成多种机器学习引擎（Tensorflow、Caffee、H2O等）并可开展协同工作。在此基础上，平台内置100多种算法模型，包括企业常用的统计分析、机器学习、深度学习算法，面向数据分析应用提供基础算法支持。

支持大数据分析 – 平台无缝集成Hadoop集群，利用Spark分布式内存计算提供强大的计算能力，实现全量数据分析。模型生产化，支持与实时流计算平台（RT）的无缝集成，实现模型结果数据在生产系统的实时消费。

工程化能力 - 平台提供的算子模块包括数据准备、特征工程、模型训练、模型评估、模型对比、模型发布，涵盖模型生产的标准流程，实现图形化、拖拽式工程建模。基于Auto ML，平台可通过配置目标实现自动化建模，支持自动算法选择、自动超参数优化、自动模型评估、自动模型选择。

二、营销数据建模

九章云极针对其银行客户某成员银行“大额存单客户和起存金额在20万元以上的一年期定期存款客户”建模并应用于营销。通过“金融产品智能推荐”宽表设计，实现相关业务系统（客户画像系统/数据平台）的数据整合、接入、提取和数据分析宽表设计和实现。通过“金融产品智能推荐”分析建模，根据数据分析宽表完成对目标客户建模、训练及预测。通过“金融产品智能推荐”项目模型得出营销名单，作为预测结果的存储和提取。其流程可总结为：

1、数据准备：从源系统中抽取数据并形成预测模型所需的分析宽表。

2、数据特征处理：对数据进行描述性统计分析，对连续数据进行归一化或离散化，对空值进行必要填充，对无效变量进行清理，对输入特征变量进行相关性分析。

3、分析建模及评估：对输入特征变量和预测标签变量进行特征变量检验，使用机器学习算法完成特征变量降维，使用投票算法对梯度提升、神经网络、贝叶斯机器学习算法进行训练和评估。

4、模型应用：根据评估后模型获取特征变量重要性，对输入数据进行整理形成预测输入变量并预测，获得预测名单。

三、应用效果

通过部署DataCanvas APS平台，并建立金融产品智能推荐营销模型，某银行客户可通过营销预测名单，对产品进行“交叉营销”，推动产品转化率；通过预测名单，对客户进行分类管理和服务，将沉睡客户转化为活跃客户，活跃客户转化为忠实客户；同时，根据模型输出数据结合客户存款结构，设计了多款高端具有延续性的理财产品，吸引了大量的新客户。

点击阅读原文，进一步了 解DataCanvas APS一站式数据分析平台

2021年 2 月的第一周，机器之心将携手二十余位 AI 人耳熟能详的重磅嘉宾进行在线直播，通过圆桌探讨、趋势Talk，报告解读及案例分享等形式，为关注人工智能产业发展趋势的AI人解读技术演进趋势，共同探究产业发展脉络。连续七天，精彩不停。

添加机器之心Pro小助手（syncedai 或 syncedproii），备注「2021」，进群一起看直播。