Welcome to HUAWEI Technologiespresentation 中国银联信息总中心中国银联信息总中心数据分析服务简介数据分析服务简介2024/8/192024/8/19数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的服务对象数据分析的服务对象2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3中国银联概况中国银联概况 中国银联目前已拥有近400家境内外成员机构。截至2009年年底，境内联网商户达157万户，联网POS机具达241万台，联网ATM机21.5万台，2009年全国银行卡跨行交易金额达到7.7万亿元，是银联成立前2001年的83.7倍。 截至目前，银联卡受理网络已经延伸至境外90个国家和地区；目前已有10多个国家和地区的金融机构正式在境外发行了当地货币的银联标准卡。 中国银联信息总中心（原上海信息中心）是负责保障银行卡跨行核心生产系统、数据备份及其他有关系统安全、稳定运行和业务处理，提供银联基础对外服务等工作的职能部门。 信息总中心所运营的系统中集中保存了大量的数据，这为进行多维度的数据挖掘和分析提供了很好的基础。中国银联信息总中心简介中国银联信息总中心简介 信息总中心运营的系统数据库，包含着日益丰富和复杂的海量业务数据。 当前，银行业已逐步走向个性化服务和科学决策阶段，我们需要利用数据挖掘等现代科学技术，从这些海量数据中提取出有价值的信息，帮助我们为更好的服务银行卡业的系统运营和更好了解持卡人的需求，并最终为公司及成员机构的商业决策服务。数据分析服务背景概述数据分析服务背景概述数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的服务对象数据分析的服务对象2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3服务对象服务对象成员机构成员机构银联信息总中心银联信息总中心银联各分公司银联各分公司服务对象服务对象系统系统网络网络运行运行技术部技术部市场部市场部运行部门运行部门发卡部门发卡部门营销部门营销部门银联分公司银联分公司数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的服务对象数据分析的服务对象2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3运营管理中的数据分析系统层面运营管理中的数据分析系统层面n 重要节假日TPS交易峰值预测 针对节假日可能出现的交易高峰，为机构提前进行系统扩容，升级等提供参考n 跨行交易规模预测 预测粒度支持从年，月，日到定点的逐层深入分析; 预测结果为年度宏观指标制定，为系统扩容等提供参考运营管理中的数据分析业务层面运营管理中的数据分析业务层面n 外部政策对交易影响的实证分析 比如房地产政策，VISA市场竞争策略的影响，以及ATM跨行取款费提高对交易量的影响的实证分析 n 清算资金轧差预测分析 合理进行清算资金调度，提高资金效益，避免清算资金排队n 差错率分析 优化系统、报文、终端等存在的问题，降低各地区、机构的跨行交易差错率银行卡市场营销中的数据分析银行卡市场营销中的数据分析n持卡人市场细分研究 研究研究持卡人的交易特征，为特定客户群制定个性化营销策略，提高营销的精准度，以降低营销成本n联名商户关联性研究 为设计满足持卡人多元消费需求的营销活动设计提供支持n描述性统计分析n非参数检验n多元回归分析n时间序列预测n聚类分析n决策树n孤立点分析常用数学模型常用数学模型数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的服务对象数据分析的服务对象2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3数据分析的服务流程数据分析的服务流程市场市场 抽取转换加载清理匹配数据处理数据处理营销活动流程优化业务规则。资本运作实施路径实施路径 市场信息交易信息客户信息业务数据业务数据DATADATADATAOLAP业务策略业务策略knowledgeknowledgeBaseBaseDataDataWarehouseWarehouse数据仓库数据仓库/知识库知识库数据挖掘数据挖掘数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的服务对象数据分析的服务对象2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3 交易量预测分析一般通过对历史交易特点进行挖掘和归纳，预测未来年、月、日和秒的交易规模。交易规模的预测分析一般采用指数平滑和时间序列预测法。TPS预测模型-MPAE4%u为制定下一年度的工作计划和目标提供依据。u为系统系统扩容和升级提供参考，比如数据库表空间扩容等。日、定点日、定点预测模型-MPAE2.7-2.0%年、月年、月预测模型MPAE1.9%u日预测模型：提前两周左右发布，可以更早地为交易量高峰期内的网络监控批处理应急等提供参考。u定点预测模型：根据实际交易量动态调整预数据,每日12点之后预测结果精度更高。u交易量和系统的CPU使用率、内存使用率、文件空间、数据库表空间等技术指标密切相关。uTPS峰值预测主要针对重要节假日可能出现的交易高峰进行预测。案例案例1 1交易规模预测分析交易规模预测分析系统优化效果测试系统优化效果测试原因定位和原因定位和系统优化系统优化未来交易趋势预测目标银行确定 每年元旦、春节前一周、五一和国庆期间是全国银行卡交易的四个最大的高峰期，这四个高峰期内的交易量较平时有明显的上升，从而对系统造成较大负荷，可能会造成交易质量下降。案例案例2 2节假日交易质量分析节假日交易质量分析u提供分析数据，配合银行定位原因u通知银行下一次达到系统容量阈值的时间u提醒银行及时进行系统优化和升级u提供离线和联机压力测试服务，验证系统优化效果u建立目标银行的交易预测模型u预测下次到达系统容量阈值的时间u确定交易量增幅，成功率降幅阈值u筛选目标银行u确定系统容量阈值 在重大节假日前对主要机构节日期间的交易规模进行预测修正，并结合机构历史峰值情况，对机构未来交易高峰是否会出现交易质量下降的情况进行风险等级判定，对风险等级较高的机构进行跟踪和提醒，主要处理流程：u预测机构节假日交易规模u量化预测交易规模域历史峰值对比关系u量化历史峰值日成功率与日常成功率对比关系u量化机构对整体影响程度u评定机构节假日交易质量风险u分析、跟踪高风险机构案例案例3 3节假日交易质量风险评定分析节假日交易质量风险评定分析n对银联的总体影响分析对银联的总体影响分析 7月下旬国内很多发卡银行提高了ATM跨行取款的手续费，这对银联ATM取款交易产生了一定影响。 我们通过对比近期交易变化趋势，估算出如果未发生手续费提价的情况下，10年8、9月份ATM取款的交易占比理论值，并与调价后的实际交易占比比较，从而分析和测算这一外部事件对银联总体跨行交易规模和收益的影响程度。案例案例4 4ATMATM取款费提高取款费提高对交易影响分析对交易影响分析这种影响性的分析和测算也可以扩展到银联分公司和发卡银行层面。案例案例5 5清算头寸预测分析清算头寸预测分析 进行清算头寸预测，尤其是重大节假日前，对付差金额较大的机构进行提醒和沟通，可以为机构提供帮助：u合理进行资金调度提供科学依据u及时调度资金，避免积压资金，提高资金效益u满足银行卡资金清算，避免清算排队u改善工作机制，被动变主动，提高服务水平 采用季节指数平滑和回归相结合的分析方法，预测误差在56左右。定期通过分析报告向机构提前发布未来两周各资金汇划日的头寸预测数据，为机构的资金合理调度提供参考；同时也对上一期预测数据的进行验证和误差分析，从而逐步优化模型，提高预测精度。案例案例6 6有效降低河南农信有效降低河南农信ATMATM差错率分析差错率分析1 1 基本思路：一、目标银行确认u跨行交易差错率高，且差错影响度排名靠前 差错影响度=差错率*差错调账交易占比二、差错率分析u数据统计：高发终端分布、应答码分布、差错调账业务分布、原因码分布等u目标机构联动：统计数据持续反馈机构核查并跟踪u分公司联动：统计数据持续反馈目标机构所属分公司，由分公司技术部门协助排查u科室联动：统计数据反馈相关科室，联动排查和分析u优化改进：制定优化方案，实施改进，持续跟踪n河南农信河南农信ATMATM差错率实例分析：差错率实例分析：一、河南农信ATM差错率基本概况 河南农信的交易均为间联的ATM交易，且1-7月跨行ATM差错率远远高于行业水平二、总公司开展的工作 持续对河南农信高发终端、差错业务分布进行统计分析，并联动河南分公司协助排查案例案例5 5有效降低河南农信有效降低河南农信ATMATM差错率分析差错率分析2 2三、河南分公司开展的工作 实地走访，提供河南农信重视程度，成立专项小组，主要原因顶定位和改进措施实施如下：现象原因已完成的改进措施冲正返2590域原始数据单元中的一项赋值错误更正报文交易返96并发量过大，造成更改同一个垫付户报错优化程序加上WAIT机制后解决账户状态不正常，已销户截取卡号通知网点告知客户，尽量减少这种无效交易交易超时月初月末查询压力过大，系统资源忙 1、暂时封掉查询量较大的服务，改在中午闲暇时间段放开，减少高峰时段并发量过大占用资源忙的情况；2、抓取造成查询压力的操作语句，优化索引，提高检索速度发卡短款部分时段核心系统压力过大，银联前置保存返回数据产生丢失字段的问题 优化前置程序数据分析服务环境概况数据分析服务环境概况1数据分析的服务流程数据分析的服务流程4团队简介团队简介6数据分析的主要对象和内容数据分析的主要对象和内容2案例分享案例分享5数据分析的主要内容和数学模型数据分析的主要内容和数学模型3分析团队简介分析团队简介u陈汉8年数据挖掘工作经验，5年银行卡数据分析工作经验u黄珍妮8年数据分析和数据挖掘工作经验u蔡创捷曾就职农业银行总行，4年差错业务处理和分析工作经验谢谢！谢谢！