简要分析大数据在互联网金融营销中的应用机制

张鹏 中国人民大学

一、互联网金融的发展

互联网的产生和发展，给生产和生活提供了许多方便，好多的信息也是通过互联网平台得到的，互联网在社会的各个领域都存在着，人们对它也有很强的依赖性，例如金融行业。金融行业向互联网行业的发展，互联网和金融行业相结合，实现货款支付、投融资的网络化，这是金融业全新的服务模式。

在信息技术快速发展的前提下，云计算为互联网的发展提供支持 、社会交际网络等崭新技术作为支付的一种手段、创新金融发展模式是资金的融通。在大数据的时代下，低成本、高效率成了互联网金融独有的特点。

互联网金融行业开展各项业务活动，例如利用互联网平台操做结算、金融产品销售、小微型贷款 、信息中介等与金融方面有关的业务，这就构成了互联网金融。互联网金融在以下几方面和传统金融是有区别的，如缓解不对称信息、资源配置的优化、交易效率的提高、投融资渠道的拓展，互联网金融有机结合了金融创新和科技创新。

我国的互联网金融从20世纪90年代开始兴起，以高速度发展，历经三个历史阶段。

images/BZ_198_201_1920_1221_2187.png

从总体上分析互联网金融的发展，第一阶段一些金融行业最初进入互联网，新的金融功能还没有发挥出来，刚开始只是金融销售渠道的不同；第二阶段造就了互联网发展的核心部分，第三阶段呈现出快速发展的阶段，技术因素起了很大的推动作用。2017年中国的网民，有1.26亿人通过各种途径购买了互联网理财产品，相比与2016年，居然人数增加了2724万用户，从该数据可以看出中国互联网金融发展有很大的前途。互联网的出现和发展，给人们的生活带来方便，同时人们对互联网依赖性很高，互联网已在人们生活中广泛运用。

二、大数据分析主要特征和体现

（一）大数据分析的主要特征

20世纪90年代首次提出了“大数据”概念，在网络和信息技术发展的支持下，大数据发展速度很快。现在大数据分析已非常广泛地应用于人们日常生活的多个领域，例如日常生活用行、社交活动、消费、金融交易等等 。大数据分析的使用，可以从角度、多渠道的采集到使用的信息，可以更一步进提纯信息，从而提高信息的利用率。大数据的周期可以分为采集、预处理、存储、管理、计算机模式 、系统、数据的分析和挖掘、数据的隐私、安全等等。大数据分析的广泛应用，加速了数据处理和流程和速度 。

一般情况下大数据可以分为三种：结构化、半结构化、非结构化。三种相匹配的模型数据库是不同的，在得到大数据之前，结构化的数据是确定的，需要关系的模型数据库相当的成熟，由于数据存储和数据表格都有完善的设计，所以对于这些数据处理就相对来说简单一些 。

半结构化数据的模型与结构化的数据模型不同的是，是否拿到数据后确定模型 。即使有了模型结构也不确定，例如XML、HTML等属于半结构化的数据，一般的情况下还有很大的变化，它的模型为树、图等等，结构和内容也比较混杂。

通常非结构化数据是没有数据模型的，也就不能进行结构化的处理。例如互联网企业的图片、音频、视频，这些大数据字段的长度是可以变化的。

（二）大数据分析的方法体现

在大数据分析的领域中，有四种常用的分析方法：描述型分析、预测型分析、诊断型分析、指令型分析。

描述型分析是最常用的分析方法。这种分析方法以提供重要指标和业务衡量，获取基本的信息，并进行分类。比如，通过每个月的营业收入和支出，数据分析专家可以通过账单信息，获得大量的的客户资料。

诊断型数据分析是借助于评估描述型的数据,这些诊断分析工具可以帮助数据分析师更加深入分析数据,一直可以研讨到数据的关键的部分。良好设计理念，能够按照时间的顺序读取数据、特征筛选、读取数据等 ，这样才能更方便的分析数据。

预测型分析是用来进行预测的，预测事件将来可能性发生、预测量化的值 、预测时间点，预测模型都可以实现完成。预测模型是通过各种可变的模型来实现的，数据的多样化与预测结果有着密切的关系。在不确定性的条件下，预测有时能够对做好理好的决定有很大的帮助作用，预测模型被广泛的运用着。

关于“发生了什么”、“为什么发生”、“可能发生什么”的进一步分析，就用到指令性模型了。指定令模型可以帮助用户采取什么样的措施。一般情况下，指令型模型不会单独使用，它在上面的分析方法之后最后才能完成的分析方法。

以上每一种数据分析方法对业务的分析都有帮助作用，在数据分析的各个方面也被广泛的运用。

三、互联网金融营销的内涵和主要发展模式

随着监管的“一行三会”的规范和完善，政策导向和行业的分界越来越来清晰，这种背景下互联网金融营销的作用越来越明显。

（一）互联网金融营销的内涵

关于互联网金融营销的概念，学术界的解释还不太明确。在这里互联网金融营销理解为互联网金融企业创造出了互联网的金融产品，而且和互联网金融用户进行交换，通过多种销售方式、沟通，来满足互联网用户的需要，从而实现企业利益的一种营销过程。

金融产品和服务交易分别是买方、卖方以及第三方的中介。依据主动程度的差异性，这三方都有可能成为营销者，并且可以分为六种模式 。

（二）互联网金融营销的主要发展模式

互联网金融的营销不但需要考虑金融产品的特殊性，还要考虑互联网的思维模式。依据互联网金融营销的发展，可以分为几个方面。

1.搜索引擎营销，通过支付费用排列名次和优化搜索引擎来实现。以付费的方式来确定排名、效果快，专区付费；搜索引擎优化包含站内和站外两部分。站内优化主要表现在定位关键词、代码、优化图片等等，站外推广是利用关键词的建设和覆盖站外信息。

2.活动营销的方式有许多种，可以采用新用户注册后返现金，老会员理财送券等等。陆金所对于2018年2月份新注册的用户，发放新用户红包； 苏宁金融2017年“双12”的营销活动，定单增量同比增长106.4%,活动营销成果显著。

3.事件营销的目的提升品牌形象，加强企业知名度，采取有新闻价值、名人效应、社会重大的事件，利用网络来进行宣传传播。它具有双方面的作用，如果做得好，有利于宣传企业的正面影响力，反之则起到负面作用。

4.口碑营销，是一种利用人际关系传播，采用使用者用后的良好体验向新人推荐产品，这种关系产要发生在朋友、同学、亲戚之间。与广告营销活动有说服力，效果也会更好，可信度高。

5.体验营销以良好的服务为手段，消费者凭借感官体验以及心理上面的的认同，对某种品牌产生寄托，从而用户有了活跃性， 体现营销最主要的还是客户体验。

随着互联网金融营销模式的创新，最主要的还充分利用大数据来优化互联网金融营销，使大数据和互联网高效的结合，从而发挥中大数据在互联网营销中的作用。

四、大数据在互联网金融营销中运用

大数据在信息时代的主要特征。2011年5月，Mckinsey研究院发表了关于大数据方面的报告，人们尤其关注大数据的概念。大数据与金融业之间存在着的密切的关系。

（一）互联网金融营销大数据的生态构成

大数据需要创新营销模式，需要用生态的思维来研究和分析大数据在互联网金融中的应用。

精准营销和用户画像这两个概念相对来说尤为重要。菲利普.科特给出的定义是：基础是准确定位，创建个别化客户沟通协调体系，以便实现成本低的扩大。用户画像基础是在互联网上阅览寻找、加入购物车、咨询、购买等数据，来挖掘信息，以此为权重，经过仔细的计算后达到精确的营销。

在互联网金融营销应用的生态系统中，有5种渠道是可以获得客户防问的信息，这5种渠道分别是互联网平台交易数据、电商购买货物和生活缴费的数据、社交微信、QQ数据、银行卡和信用卡、征信数据以及第三方支付数据，互联网企业获得数据后进行技术处理，找到其价值，用户画像系统是其核心模的块。互联网企业通过完成用户画像，实现营销的准备匹配。从生态构成来看，技术处理是关键，画像准确度越高，互联网营销就越精准。

（二）用户画像在互联网金融销售中的运用

线下为主是传统企业销售的常用画像，它是通过会员表，问卷调查发放，利用购物车来分析用户价值，信息效率低。相反大数据分析处理画像可以从另外一个角度做分析。假设一名客人没有贷款，账户没有活动，如果从传统的角度来说，他是个低价值的客户。但是，从大数据的角度，利用数据分析画像后，这个客户成长快，运行好，更加注重研发产品，这些客户是高价值。画像的准确性决定营销的效率，大数据的功能模块可以识别客户、分析客户，具有更深的价值意义。

（三）大数据可以管理互联网金融中存在的风险

大数据的信息包括绩效报告信息、资产负债信息、客户信用信息等等，这些信息在互联网中居于首要地位，与信贷风险有一定的联系。由于数据来源不同，数据量大，种类多而且繁杂，这些信息如果用传统的方式处理，效果不会很好，风险分析预测也得不到切实、可信的信息。然而，大数据有其自己特有的优势 ，并且可以有效地控制风险，及时收集真实的数据，进行风险预测，找到数据之间的联系，提升辨别风险的能力和应对风险的策略，这样一些潜在的风险就能被企业规避，从而降低企业遭受的损失。

（四）大数据可以创新互联网金融和优化金融资源

互联网金融与传统金融之间存在很大的差别。传统金融主要依靠实体，而互联网金融主要依靠的是互联网和大数据，互联网的关键是收集和处理大数据，大数据技术被合理的利用，有利于数据的分析处理，可以有效地创新互联网金融。

实际工作中，大数据技术的充分运用，有效地分析交易信息，了解市场经营交易的模式，分析市场的实际情况，合理投资、确保投资的科学性，提高市场资金的融通，以促进企业效益的提高。

对于互联网企业来说，金融资源很重要，合理运用大数据信息，优化金融服务，这样企业就可以合理配置资源，资源利用率也会被提高。优化流程，减少处理周期，降低企业成本。例如某个公司借力于P2P平台，运用大数据技术提供贷款 ，采用在线服务的方法，跨过了银行的参预，这就采用了投入低，回报高的融资渠道 ，互联网金融的产生和发展帮助企业投融资更加便利化，传统的融资方式得到了改善，促进企业的发展和运营，为金融市场的发展提供有效的平台，为经济的发展提供了便利条件。

（五）大数据可以有效处理金融资源

传统金融条件下，整合和处理信息时，需要大量劳动力、财力、以及物力的投入，这种方式需要较高的成本、信息落后、办事效率不高，获得信息的渠道单一。传统模式下，企业浪费大量的资源，信息的真实性也不一定准确。相反，互联网企业利用大数据平台迅速获得信息，拓宽得到信息的方法，这样方便信息的提纯，信息的处理能力也会随之提高。数据库和搜索引擎的运用，可以提高信息的检索，高效、快速地处理信息，以便确保信息的安全可靠 。

（六）应用大数据确保精准营销

大数据技术的充分运用，以前的销售模式发生了改变。互联网机构可以挖掘客户的信息，这些信息包括买卖交易方面的信息、收付款方面的信息、组织行为方面的信息等等。分析客户信息、分门别类地汇总这些信息，根据客户的需求，提供他们需要的产品和服务，以确保实现精准营销。据研究，可以依据用户、环境信息、居住位置、购物信息等建立相关的模型，详细分析信息和客户，针对不同客户，投放广告、定制适合的产品，以便有效地管理和精准的销售。只有充分分析和了解客户的需求，才能在营销中达到较好的效果。

（七）互联网金融评估中运用大数据

互联网金融的产生和发展，对于企业认证身份、评估信用都有很大的意义。评估目标的静态信息和动态信息都可以被挖掘，建立客户的信用评级。互联网企业的模块，例如合同订单 、收付款结算、库存管理、下线产品等不同的模块进行分析，相关的等级信用被建立起来，依据信用等级，预测信用额度，有利于经济的发展。

个人客户不仅有静态信息，网络平台他们的购物、付款 、投资等种各种信息，静态和动态的数据有机地结合起来，可以确认他们的行为，检验认证他们的身份，建立信用评定的模型，合理分类用户，提供相关的产品和服务。

（八）大数据方便金融产品定价

互联网企业对金融产品和衍生品的定价是非常受到关注的问题。需要建 立模型和数学计算。Ripple公司运用大数据，分析数据配对方面的能力，使用汇兑系统实现了货种不同的货币的自由兑付。

金融危机的爆发，信用衍生品的定价被推上了热点。理论上利用结构和约化型建立数学模型，操作起来难度很大。大数据验证的方法利用真实数据处来理违约定价，合理制定金融衍生品的价格体系。

结束语：综上，互联网为大数据分析提供良好的基础 ，使得大数据可以广泛地应用。金融行业在我国国民经济发展中居于重要地位，金融行业是大数据的驱动行业，金融营销依赖信息技术。在互联网金融中，数据是核心的资产。合理有效地运用大数据分析来实现信贷风险、高频交易、社会分析等金融创新。加强对大数据分析的重视，才能更有效、健康地保证金融营销的良性发展。