联想大数据：成就银行数字化转型

佚名

随着互联网新金融模式的迅速发展，大数据技术在金融行业逐渐得到了日益广泛的应用。联想积极投身银行大数据建设，提供端到端的整体解决方案，助力传统银行将大数据转化为产业竞争力。

数据增值

提供更多创新支撑

联想投身大数据建设，帮助银行实现海量多源异构数据的采集、整合和有效管理，并运用大数据挖掘、机器学习和深度学习等技术深入挖掘客户特征需求，为银行向客户提供差异化服务和个性化产品创新等提供数据支撑。

联想银行业的解决方案分为数据产生、交换、存储、管控及数据应用五个层面，帮助实现大数据资产的存储、管控和变现。联想统一高效的大数据平台LEAP是银行大数据平台建设的信息化基础，它建立一个可靠可信的数据管理机制，提供数据标准管理、数据资产管理、元数据管理、数据质量管理、数据安全保障等。

联想企业大数据分析平台率先引入Spark2.0计算引擎，完整支持SQL语句，全面支持MPP业务场景。同时提供50多种数据类型的适配接入和实时计算框架，支持物联网超大吞吐率实时业务分析，一站式图形化数据开发套件，可让客户快速实现分析应用。同时， 联想大数据依靠精通银行业的数据科学家，建立了面向银行业的数据挖掘体系，包含银行产品分析与运营、客户管理与体验、安全与风控三大体系近40个分析应用专题等，帮助银行实现数据资产增值。

应用广泛

可实现多重应用收益

通过统一的大数据平台，联想打破內部数据孤岛的同时，有效利用外部数据，建立基于大数据机器学习的综合预测分析体系。同时，利用联想机器学习和数据挖掘的相关算法，银行用户可以动态实时地了解客户的企业经营以及个人信用的变化情况，强化银行的风险识别和预警能力，实现银行业精准营销、风险管控和金融反欺诈的多重应用收益。

联想大数据银行精准营销解决方案通过实时采集客户在银行网站、手机客户端的行为，并进行深度分析和挖掘，使银行深度了解客户的行为特征、产品偏好；通过用户画像技术和知识图谱等算法手段，精准识别客户的网络特征、金融产品相关偏好等实时数据分析，一步到位实现精准营销、新客户获取、存量客户交叉营销和客户的全生命周期管理。

通过建立大数据平台、运用大数据技术，分析关联人和企业的海量信息，大数据有效整合和银行各个业务单元、各个信息系统的数据贯通，联想能够尽可能多地综合除信贷业务外的其他信息，分析借贷企业的信用风险。实现贷前风险监测与违约预测、贷中风险监测与预警、贷后风险控制与催收、银行信贷前中后信息融合，指导银行做好信贷风险控制。

结合大数据分析技术和机器学习算法进行欺诈行为路径的分析和预测，并对欺诈触发机制进行有效识别。金融企业可以通过收集和凝聚多方位的数据源信息，形成精准全面的反欺诈信息库和反欺诈用户行为画像。同时，可以利用知识图谱技术整合借款人的基本信息、消费记录、行为记录、网络浏览记录等，进行分析和预测，解决复杂关系网络的难题，有效识别出身份造假、团体欺诈、代办包装等金融反欺诈难题。

值得一提的是，联想的解决方案在帮助客户实现销售预测以及构建行业大数据平台方面取得长足建设经验。在为中国最大钢铁集团构建的深度学习智能应用平台案例中，联想整合包括企业内部工贸一体化、供应链系统数据、宏观经济数据等总计11349维的官方数据，借助机器学习、深度学习算法和知识图谱实现超大量、超多维、多结构数据的融合和分析，最终使该企业总体预测准确率达到92.2%以上。在国内某500强企业的案例中，联想提出企业三阶段演进规划路线，构建统一大数据平台和覆盖行业5大业务领域、30+关键业务场景的企业大数据分析应用方案，满足客户实时运营分析需求。endprint