中国建设银行 数据挖掘

需要支持或定价信息

点击此处或致电+86 (0) 21-6352 3300

Insights

中国建设银行

客户背景

中国建设银行(CCB)是中国的四大国有银行之一,有14,000网点和超过6.3万亿元人民币的净贷款给客户。经过50年的发展,中国建设银行在基础设施贷款和住房抵押贷款方面已经建立了起卓越的声誉。其零售银行产品包括储蓄账户、信用卡、养老金计划、股票租赁产品、共享基金和节税的产品。这些产品都是为了使限制到最低;便利性和灵活性是主要区别于其他银行的特性。

建行正在建设一个多区的的方法与客户交互,使用大众媒体的结合、直邮、操作网点,短信,网络、交互式语音响应(IVR)单元,和社交媒体。

面临问题

在中国,信用卡正迅速成为一个优先支付媒介。作为在中国的主要银行,中国建设银行的客户基础在快速增长——以每年超过60%。随着中国人发现使用信用卡支付的优势,交易频率也显著增长。因此,中国建设银行已经开始寻找一个新的系统,使该公司更好地管理客户信用风险。从而在潜在客户违约之前,有效地将风险敞口降到最低。

建行的第一个目标是建立一个实现决策引擎来处理信用应用程序与核心系统以及该系统的两个信用报告公司相互交互的银行。建行也寻求为它的低收入客户端定制风险评分。额外的需求还有,解决方案包括从它的任何14,000家分行进行实时操作。

解决方案

评估几个竞争对手之后,凭借IBM SPSS Modeler 的灵活性和易用性,中国建设银行选择了IBM SPSS Modeler,将其整合在建行的核心信息系统中。

两个评分模型——一个是基于客户历史信用的行为评分模型,另外一个是新客户的申请模型。两个模型都可以结合信用评级公司的评分,以提高预测潜在客户信用的能力。该系统还可以基于支付能力和风险水平的预测模型,可以给客户确定最大的信用额度。

在Web系统中采集数据之后,决策引擎系统结合外部数据库在线提供的人口统计学数据,以及市场部门的预定义的业务规则,利用SPSS模型进行信用预测。

该系统还可以为每个单独的个体管理业务策略来确定适当的信用额度。依靠系统设定的额度和风险水平,建行还有进行交叉销售,,比如在销售信用卡的同时理财产品。

应用结果

通过部署IBM SPSS Modeler,建行减少处理信用数据和交付最终的信用评分的时间,共8秒钟。这使得该组织批准或拒绝请求的信贷没有延迟。

有了这个决策引擎系统,建行可以减少柜台提交材料的客户数量,因为大量的客户可以通过在线进行验证。

“SPSS允许我们准确地评估潜在客户的信贷价值,实时决定是否延长信贷。如果可以延长的话,如何更好地降低风险水平和最大可能的回报。”参与该项目的风险经理说,“通过提前确定信用风险,我们处于更有利的位置来做出明智的决策,保护我们的信贷资源。”