1 引言
1.1 研究背景
根据相关数据统计，截止到 2018 年上半年，我国的网民数量已经超过了 8 亿，互联网普及率接近 58%；2018 年上半年新增网民数量近 3000 万人，同比增长了约 4%；其中手机网民数量约为 8 亿人，网民以智能手机为工具，接入互联网的比率超过了 97%。一大批国家级互联网基建项目的实施，互联网使用惠民政策的不断落实直接刺激了互联网消费，网络服务方式正朝着广覆盖、高效率、低资费的方向发展。市政、社保、卫生、家居等行业与互联网的有机结合，使互联网服务更加智能化和时代感。1伴随着互联网普及率不断提升，上网用户规模急剧扩张。
中国移动在个人通信领域，传统竞争对手是以中国联通和电信为代表的其他运营商以及他们推出的同质化产品。现在随着互联网的普及，以腾讯为代表的互联网服务公司、以及他们所推出的网络通讯产品成为了移动的最主要竞争对手。这些网络通讯产品凭借较低的资费标准获得了大批网民认可，并且利用自身优势抢占通道资源，给移动的网络服务发展带来了不小的威胁。
从近几年公布的发展数据中不难发现，运营商的利润空间一再被挤占，短彩信、通话的业务优势已逐渐被流量取代，截止到 2016 年底，流量收入的增长速度开始超越以语音通话、短信服务和彩信服务为代表的传统通讯服务项目，成为最具投资潜力的通讯服务项目。根据国家战略性公共基础设施的要求，中国移动积极响应国家提出的指导意见，江苏移动自开展提速降费工作以来工作成绩斐然，高质量建成 4G 基站 14.5万个，推动光纤升级改造，一直致力于“深化提速降费，共创美好生活”。在近 4 年时间里，移动在不提高服务资费的前提下，持续投入大笔资金进行网络建设，实现了宽带服务质量的连续升级；国内漫游费被取消，对所有移动客户的国内通话采取统一资费标准；国际流量资费标准大幅下调。在国家相关管理部门公布所公布的权威数据中，2018 年上半年移动流量平均资费同比降幅超过了 45%。
.............................
1.2 研究意义
本文利用大数据分析，重点挖掘用户的身份特征、行为特征、消费能力、履约历史、社交关系这 5 大维度的特征模型，利用公司品牌优势和强大的数据通道，打造出能够体现自身优势的大数据服务产品进行销售，使运营商所拥有的数据资产价值获得最大限度的发挥，打造面对金融行业的征信产品、精准营销产品、基于群体行为的失联用户修复、商铺及商圈的选址评估服务以及特定场景的人群聚类分析服务等，通过采用文献研究法和案例分析法，从移动员工的视角，对江苏移动大数据金融产品的 4种创新模式逐个进行产品分析并佐以案例介绍，展示了产品使用效果，对运营商在大数据领域的探索也提出了一些建议，对运营商在这一领域的探索具有一定的参考价值。
1、文献研究法
通过大量阅读大数据相关文献，更加清晰的梳理出大数据的发展脉络，并以此为基础，深入了解我们大数据及大数据应用的发展现状，为本文的研究垫定理论基础。
2、案例分析法
本文主要采用案例分析法，通过对江苏移动大数据业务的发展进行理论分析、图表分析、数据分析等，深入分析江苏移动的大数据业务在各行业的应用。面向公检法行业，针对安全保障、外来人口管理、打击传销诈骗、司法矫正等需求，提供司法矫正、文书送达、ICT 项目等大数据服务；面向金融行业银行、证券、保险、互联网金融等客户，针对风险防控、精准服务、渠道管理 3 个方向，提供精准营销、失联用户修复、二次卡清理、数据验真等大数据产品；面向商贸百货中心、综合体、快销企业等客户，针对运营分析、市场营销 2 个方向，提供咨询报告、精确营销、客流分析等大数据服务。
.............................
2 文献综述
2.1 关于大数据的相关研究
移动互联网的全球化发展赋予了当今社会信息化特征，数据作为信息的物理呈现形式，在现代市场经济发展中占据着举足轻重的地位。在 19 世纪末期的一次人口普查中，大数据被首次应用。一台电动读卡器的发明使用将原来需要八年时间完成的工作用一年时间完成了，当时使用这台机器的人是美国的统计学家赫尔曼?霍尔瑞斯，这一事件促使了全球互联网数据处理的起源。
在互联网快速发展的背景下，美国率先将数据处理做了归纳，大数据一词由此诞生，大数据是指利用常用软件工具捕获、管理和处理数据所耗时间超过可容忍时间限制的数据集（维基百科，2012）；全球著名的管理咨询公司 McKinsey（2013）则将数据规模超出传统数据库管理软件的获取、存储、管理以及分析能力的数据集称为大数据。
兰东（2017）认为，大数据分析是数据处理技术的核心，对于数据处理技术的后续发展起到了奠基作用。数据处理技术其实就是以大数据为中心，将各种数据提取、发掘、研判技术进行有机融合，使不同的数据处理环节能够科学调节、和谐统一，使数据处理速率及质量获得升级。数据本身意义是不大的，海量的数据是基础，只有将数据加以整合、处理并加以分析，筛选出有用的信息，数据才有了意义。大数据分析以庞大的数据信息作为基础，通过移动终端设备的普及和互联网的不断升级，海量的移动通讯数据被累积在一起。这些数字化的网络信息看似无用，实则蕴含着无法估量的商业价值。通过跟踪客户位置信息，可以了解客户的基本活动区域与生活轨迹，并以此为轴为客户建立移动行为模型，进而掌握客户的移动行为特征，并在此基础上为客户提供更具针对性的移动服务。
随着云计算、大数据、移动互联网和物联网等科技技术的迅猛发展，张建,孙铭,段娟（2015）指出，大数据技术能够通过对海量数据的分析来提炼出人类行为的共有特征，并根据不同的鉴别指标而区分出个性群体，借助各种信息处理工具将不同形式的广告投放到不同的受众所在区，以提高广告的“准投率”，使每一个受众都能接收到最具针对性的宣传，所有被投放的广告信息都是大数据分析的结晶。
............................
2.2 关于大数据金融的相关研究
（1）大数据金融的相关概念
林巍，王祥兵（2016）认为大数据金融其实就是将海量的结构复杂的数据融合在一起，以互联网、物联网、云计算为工具，通过对集成信息的实时分析与科学研判，来掌握客户的消费信息、行为特征，为客户行为进行画像，指导金融服务机构对客户的服务需求进行合理预判，通过优化金融服务机构的征信管理体系来提高金融服务机构的在线服务质量，提高消费吸引力，并增强机构的风险防御能力，实现金融产业的民生服务功能。
信用是我们日常生活中的常用词，在《辞海》有三种释义：一是信用使用；二是遵守诺言，实践成约，从而取得别人对他的信任；三是价值运动的特殊形式。论及“征信”，其出处可追溯到《左传》中的“君子之言，信而有征”的说法，意思是说一个人的话是否确实可信要有证据验证。
征信是以维护用户信用安全为目的，对来自不同渠道的信用信息进行提取、汇总和研判，将研判结果作为数据指导提供给不同的机构主体使用，辅助其进行信用信息管理的行为。网络金融的兴起使网络金融征信变得普及起来，在网络金融规则中，所有的网络金融参者都需要利用网络金融大数据来进行信用调查和征信管理（骆盼盼，2018）。利用大数据对信用信息进行全方位收集和科学分析，以此来实现交易信息平衡，优化资金分配和运用的效率，从而促进了信用体系乃至国民经济的创新（李稻葵，刘淳，庞家任,2016）。
2009 年由国务院公布的《管理条例》将个人征信概括为，在法律许可范围内对个人信用信息进行采集、发掘、研判、归纳，并根据不同主体的征信需求编制征信报告，进行信用评级。
2006 年，我国个人和企业征信系统正式建立，我国的征信体系由公共征信体系和社会征信体系构成。央行征信数据主要来源于传统金融机构，信联数据则部分来自金融机构、参股的各大互联网平台，包括网贷平台、互联网公司等。信联对传统金融机构开放，但其服务对象主要为网络小贷公司、网络借贷信息中介机构和消费金融公司等互联网金融从业机构以及从事反欺诈等服务的第三方符合资质要求的机构。
............................
3.1 产品体系 ........................................... 12
3.2 大数据市场拓展模式 .................................. 13
4 江苏移动大数据金融产品创新模式分析 ................................... 19
4.1 和信分产品及案例介绍 ............................ 19
4.1.1 和信分产品分析 ................................ 19
4.1.2 大数据信用评估 ....................................... 22
5 江苏移动大数据金融产品使用效果分析 ................................ 35
5.1 使用网点洞察产品的机构开业前后运营分析报告 ............................ 35
5.2 产品特点分析 .................................. 38
5 江苏移动大数据金融产品使用效果分析
5.1 使用网点洞察产品的机构开业前后运营分析报告
某机构使用了大数据产品做了新店选址后，针对开业前与开业期间该区域内的客流趋势进行了对比，并根据区域内常驻人口及人群金融特点逐个分析，进而得出运营分析报告。
1、客流趋势
（1） 开业前
开业前，该区域内同类型机构客流高峰时段主要集中在早高峰（8:00）、晚高峰（17:00）两个时段，白天（从早上 8 点到晚间 18 点时间段）平均每小时客流量约 1.2万人，晚上（晚间 19 点到次日早上 7 点时间段）平均每小时客流量约 0.63 万人。
..........................
6 结论与展望
6.1 研究结论
当前电信业的市场发展空间被严重压缩，各种新型网络服务企业抢占了诸如语音通话、短信等传统通讯业务的消费市场；以智能手机为代表的移动终端的不断更新，为网络电信业务发展注入了新活力，但也同时动摇了运营商的主导地位，网络运营商的地位不断提升。他们利用自身技术优势、业务优势和品牌优势在电信业务领域表现表现突出，获得了市场好评。
本文分析了江苏省移动大数据金融产品的 4 种业务模式，查实并参与相关的具体实践案例后对于业务模式及细节有了一定的把握。在大数据大力发展的时间窗口下，作为国内最大的运营商将内部资源、外部资源进行有机结合，有较为明显的优势。 在江苏移动大数据金融产品的研究中，给出了如下结论：
第一，充分掌控数据，实现金融行业数据模型变现。移动用户占有率达到 72%,数据规模大且全量实名制，能够真实反映用户身份，基于海量数据，利用最新的数据挖掘技术，根据五大维度 28 项细化指标（包括区域客流、个人用户画像、竞争分析、政企客户画像、周边交通等），贴切还原用户画像完成建模，可以很好的弥补金融行业个人信用记录方面的缺陷，在客户信息验真、信用评分、智能选址等环节中发挥了重要的作用，也实现了大数据价值的变现。
第二，有效诠释数据，实现灵活有效的跨界合作。利用大数据深入解读金融行业客户需求变化，个性化定制金融产品解决方案，针对银行业还可定期对网点到厅客户、周边目标用户的需求进行分析和跟踪，获取客户近期关注内容和金融类需求，制定针对性的营销或服务计划，实现金融产品、业务的精准拓展，提升营销效率，有效降低银行营销成本和业务信用风险，为银行迭代优化营销模型提供了有效支撑。
参考文献（略）