重庆农商行：数字化产品风险监控平台——运营分析系统

来源：2023鑫智奖第四届中小金融机构数智化转型优秀案例评选

获奖单位：重庆农商行

荣获奖项：数智应用创新优秀案例奖

一、项目背景及目标

目前，我行对于金融大数据的分析应用基本上是基于客户交易类数据与客户信息类数据展开的，基于对全渠道客户线上行为类数据的埋点采集与分析应用而言，我行仍处于空白或起步阶段。当前我行的各类移动端应用不断产生着海量的客户行为数据，通过大力推动客户线上行为分析，我行可以了解手机屏幕前的客户都是如何使用产品的，可以透过客户的线上行为轨迹来分析与研判客户在获取一次金融服务背后的深层次金融诉求，而这些对客户的深入洞察在以往是无法通过传统的大数据分析手段得出的，可以说客户行为分析正是我行探寻面向数字化经营转型的关键破局点之一。

为解决我行贷款产品缺少用户行为数据支持，我行立项新建数字化产品风险监控平台-运营分析系统，该项目涉及我行多个重要系统改造；提供行为分析、用户分群、用户标签、用户画像、智能运营、产品运营预警等高阶系统功能。

二、创新点

1)全域数据跟踪：系统的SDK支持多种平台（Web、iOS、Android等），能全面跟踪用户在各个平台上的行为数据。此外，本系统还能跟踪到用户在不同设备、不同应用间的行为，实现真正的全域数据跟踪。

2)灵活的数据分析：本系统提供多种灵活的数据分析工具，如漏斗分析、留存分析、路径分析等，帮助我行从不同角度理解用户行为。此外，本系统还支持自定义事件和属性，以适应特定需求。

3)高度可扩展和集成：本系统能轻松扩展以处理更多的数据，能够集成各种第三方服务和系统，如外呼系统、短信营销服务等。

4)用户画像功能：本系统能根据用户行为数据构建用户画像，帮助我行深入了解用户，提供个性化的服务和推荐。

三、项目技术方案

1)大数据处理：本系统需要处理大量的用户行为数据，来自网站、应用、设备等多个来源。因此，本系统需要使用大数据处理技术（Hadoop、Spark等）来存储和处理这些数据。

2)实时分析：为了及时响应用户行为的变化，本系统需要进行实时分析。这涉及到使用流处理技术（如Kafka、Flink等）来处理实时数据。

3)可视化：为了让决策者更好地理解用户行为分析的结果，本系统提供数据可视化功能。例如使用图表、地图、热力图等方式来展示用户的行为模式、异常行为等。

4)隐私保护：在收集和分析用户行为数据的过程中，本系统需要尊重并保护用户的隐私。这涉及到使用匿名化、差分隐私、加密等技术，以及遵守相关的数据保护法规。

5)集成和互操作性：本系统需要与其他业务系统集成，以便共享数据和功能。需要支持APIS和标准数据格式（如JSON、XML等），以便与其他系统进行交互操作。

6)自动化和智能化：为了提高分析效率和准确性，本系统可以自动收集和清洗数据、自动更新模型、自动生成报告等。

四、项目过程管理

本项目按照建设规划分阶段开展实施工作：

第一阶段完成平台搭建：于2021年9月启动项目，进行平台整体功能框架设计和架构规划，搭建环境和数据基础设施，于2022年2月完成平台功能部署；

第二阶段完成交易数据以及埋点数据的接入:于2022年2月至2022年6月，根据我行线上产品的运营分析需求，梳理业务分析目标数据需求，连通交易数据和埋点数据，整合并抽象数据分析模型，完成相应分析场景数据资产构建，满足产品经理日常产品分析需求；

第三阶段完成平台应用推广培训：于2022年6月15日面向总行线上贷款产品经理开展平台功能性和场景应用介绍培训，走通平台行为分析、用户画像、运营计划等流程；

第四阶段对接行内用户触达系统：持续优化和对接用户触达系统，实现产品经理自助利用平台进行产品运营数据监控以及数据分析。

五、运营情况

经过一年多的迭代和运营，本系统完成愉快贷、愉悦贷、房快贷、税快贷、房快借等线上主流产品业务数据接入，开发构建产品运营分析报表100余张，完成客户触达300批次，其中短信触达客户140批次，触达客户数30余万次，电话触达50批次，触达客户数10万余次，APPPUSH触达 10批次，微信公众号触达70余批次。

六、项目成效

1)用户体验提升：通过深度用户洞察，帮助理解用户的需求和偏好，从而可以帮助我行改进产品和服务，提升用户体验。

2)效率提升：通过自动化处理大量的用户行为数据，使我行能够更有效地分析用户行为，节省人力和时间。

3)营销效果提升：通过深入理解用户行为，我行可以更准确地定位目标客户，提升营销效果。上线至今完成了几十万次的用户触达以及上万次的业务目标转化。

4)风险预警和防范：将本系统用于识别异常行为，可以提早发现可能的安全威胁或欺诈行为，保护我行免受损失。

七、经验总结

在构建本系统时，首先要明确通过此系统要实现什么目标。这将帮助确定需要收集和分析的用户行为数据范围。高质量的输入数据是用户行为分析结果的关键，因此应确保数据的准确性和完整性。在收集和分析用户行为数据的过程中，务必尊重并保护用户的隐私，同时遵守相关的数据保护法规。

用户行为分析结果应以易于理解的方式呈现给决策者。同时考虑系统的可扩展性和灵活性，以适应数据量增加或业务需求变化。考虑数据安全性也是必须的，包括妥善存储数据并保护数据在传输过程中的安全。

更多金融科技案例和金融数据智能优秀解决方案，请登录数字金融创新知识服务平台-金科创新社案例库、选型库查看。