（经济）大数据说话：当银行遇上电信运营商

　　数据是银行的“命脉”，电信运营商是数据的“富矿”。在大数据背景下，当银行遇上电信运营商的时候，将会碰撞出什么样的智慧火花呢？

　　日前，贵阳大数据交易所执行总裁、国内大数据资产运营商——九次方大数据创始人王叁寿，九次方大数据事业部总监徐庆给我们描述了两者相遇时的“迷人”一幕。

　　为什么说电信运营商数据是大数据领域的价值金矿？用王叁寿的话说，“电信运营商是‘数据管道’，用户的通话行为、上网行为、位置移动等都以数据的形式沉淀在运营商的管道里。”

　　在大数据视角下，电信运营商的数据有三大特点：一是实名制带来的数据真实性；二是数据的丰富性。仅中国移动每年的数据存储量就超过100PB；三是数据维度的多样性。基本能够回答“我是谁”“我在哪里”“我在干什么”三个关键问题，有助于立体化地为客户画像。

　　电信运营商有四类数据最具价值：一是“位置”数据；二是“身份”数据；三是“社交”数据；四是“上网”数据。王叁寿说，经过清洗、建模、分析后形成的每类数据结论，都蕴藏着极高的商业价值，有助于银行精准营销、网点选址和风险警示等。

　　王叁寿结合九次方大数据的具体案例，给记者描述了电信运营商大数据在银行业的几大用途：

　　一是全面客户画像。客户画像是银行开展精准业务的基础。比如，客户喜欢每天早上8点浏览某新闻网站，运营商便可基于该类客户的兴趣偏好，筛选并分析这些客户的理财需求，然后在网站的新闻板块精准推送广告。王叁寿说，九次方大数据通过全面的客户画像为银行做的精准营销平台，能将银行的外呼营销转化率提高至15%左右，在行业里遥遥领先。

　　二是信用评级。通过沉淀的缴费额度、位置轨迹、兴趣偏好、欠费信息等数据，能够分析出每个客户的信用等级。九次方大数据从客户的基本属性、支付能力、欠费风险和人际交往、行为特征五个维度评估客户信用，建立信用度模型，给客户信用评分。经过实践检验，这些信用评分模型实用性强，识别精准度高、区分度较好。

　　三是贷后风险监控。大数据公司按照法律规定，通过分析客户贷后国际漫游、手机号码变更等运营商数据，对贷款客户进行风险评估与监控，结合各风险因子对逾期或者违约的影响程度分析，形成风险预警机制，实现风险分层分级管理。

　　针对数据隐私与数据泄密，王叁寿说，手机实名制提高了数据质量，但也带来了数据隐私与数据泄密的隐患。九次方大数据作为贵阳大数据交易所的创始股东，其安全体系已经达到公安部等级保护测试的中高级应用标准。

　　王叁寿说，大数据公司必须严格按照法律规定，对运营商底层数据进行清洗和脱敏，实行闭环管理，模型的研发和测试均部署在运营商的大数据平台上，原始数据不出机房，向外部银行客户仅输出模型运算的结果，从技术层面彻底杜绝数据外泄的可能。