指标数据分层展现

指标数据结构分析

指标数据对比分析

指标数据趋势分析

指标数据关联业务分析

会员积分流程

通过建立业务机构管理、业务人员管理、交易数据采集、违规积分管理、报表功能管理、系统管理等系统模块功能，方便准确地了解行内从业人员变动情况、积分考核和处罚情况、轮岗强休和亲属回避情况，统计内外部机构、各条线、各类网点和岗位层次的违规情况和违规数量，掌握违规行为的多发部位和环节，督促发现问题的整改落实与检查回访，监控屡查屡犯的发生情况。同时，通过整合人员、机构、违规行为、积分处罚、后续跟踪等各类信息数据，将违规信息数据集中化管理，提升信息利用效率，避免人力资源浪费在重复繁琐的手工统计分析过程中，进而提升违规行为和违规风险的管理效果，满足管理需要和监管要求。

1、解决风险管理中各部门职责交叉、流程环节割裂、执行力弱的问题，通过建立风险管理的工具，支持动态监测、及时分析、快速响应，促进风险的早期发现，和基于一致的跟踪处理，使得风险管理人员能够更准确、时效、前瞻的量化和控制风险。

2、提高风险管理制度、规范、流程和规则的优化频率，促进规则和执行的一体化，更好的适应客户和市场的变化。

实现人员PDF格式征信报告的上传管理及自动解析、解析结果查询、导出，并提供人员信息维护和异常解析记录维护功能。

1、应用模式灵活：以员工征信报告为主要管理数据对象，其他外部数据（如机构和员工关系信息）仅作为辅助数据，与核心功能耦合度小，其他外部数据缺失不影响核心功能的应用。

2、易部署：可独立部署，外部依赖性小，部署环境要求简单，硬件条件要求低，支持全省集中部署和地市/市县独立部署的模式。

3、通用性强：适用于所有需要对征信报告进行合规核查管理的机构。

个人客户管理系统是建立涵盖邮政金融、邮务、寄递等邮政全业务的个人客户中心，采集各系统、渠道、来源的客户数据，整合、归户、生成客户标签，形成360°客户视图，支撑客户分析和洞察。本系统将客户作为企业资源进行管理，在不同专业（金融、邮务、小包）、机构之间协同共享，包括客户信息管理、客户关系管理、客户分级管理等功能。

1、实现邮政各专业客户资源的整合和共享，实现企业对客户资源的有效管理，有助于发挥板块联动优势，促进业务发展和效益提升，提升邮政企业的市场竞争力。

2、智能筛选：通过标签对目标客户进行标识，客户经理日常通过简单、方便的操作便可根据需要，通过标签筛选目标客户，针对性地开展交叉销售和客户服务。

3、筛选共享：系统提供了目标客户筛选条件保存和共享的机制，数据分析的成果，可由管理部门在系统中转化为目标客户筛选条件进行下发，客户经理可在系统中利用管理部门下发的筛选条件，准确获取本人名下符合条件的客户，根据管理部门的指导开发客户营销工作。

对于管理部门策划的专项营销活动，通过客户的智能检索，准确定位营销目标客户，将目标客户下发到网点，网点将目标客户分配给本机构营销员，营销员对本人负责的目标客户，利用系统提供的目标客户信息开展客户营销工作，并按要求将客户营销工作情况在系统中进行反馈，并对营销结果进行有效评估。

1、有效支撑精准营销，减少营销工作的盲目性，有助于提高营销工作效率和营销效果，提升企业的客户营销能力

2、营销管控：通过营销流程，加强了管理部门对网点客户营销工作的支持、指导、管控力度。

3、营销评估：根据营销反馈情况和营销业务效果的分析，也有助于管理部门评估营销方案的有效性，根据需要及时调整营销策略，有利于提升企业的客户营销能力

该系统是解决客户经理外出拜访客户时，随时记录客户的拜访信息，掌握拜访路径，查看出勤情况等；日常客户管理工作随时提醒，随手处理。

为合作商户提供多功能支付收单功能以及包括会员、卡券、营销、商城、微信公众号、小程序等自营销套餐工具，实现商户营销资源互推分享、客户资源共享等商户联盟相关功能，为C端消费者提供支付、会员卡领取、会员充值、优惠券领取、积分商城、线上商城、消费/活动通知等服务功能，同时实现本地会员系统与商圈系统对接，提供用户从商圈渠道发起会员注册或升级、邮政会员在商圈享受专享服务、邮政会员使用邮政积分兑换商圈优惠券等服务功能。

1、满足邮政代理支付收单功能：商圈系统包括有机构代理支付收单功能，可以满足多场景、多业态、多形式的支付收单需求，包括分码收单场景支付、店内下单场景支付、外卖配送场景支付、支付通知、广告、评价、统计、分析等高级支付收单功能。

2、满足商户自营销套餐需求：有助于吸引商户进驻、抢夺结算资源、提高商户黏性；商圈系统可以为商户提供包括会员、卡券、营销、商城、微信公众号、小程序等自营销套餐工具，满足商户在互联网上快速建立自有营销阵地的需求。

3、实现商圈内部资源整合：实现商圈商户营销资源互推分享、商圈联盟商户客户资源共享、邮政会员积分特约权益提供、非邮政会员开卡及绑卡引导、商圈内部营销活动实施开展等。

该系统是日常需求处理过程中经过提炼后固化的结果展现，主要支撑日常经营分析中的收入、余额、保费等重要指标的业务通报；客户经理、机构负责人等业绩考核；客户分析包括客户结构变动、区间流量流向、客户跟踪等；专项主题分析如余额流入流出分析、重点客群画像、假期资金流向等。

通过移动端实现快速展现各类关注的重点指标信息，1.余额类的指标，如各个机构的余额情况、年增、月增、增幅、同比、完成情况等；2.客户跟踪类的，包括各个年龄断的客户情况、各区间的客户情况、活跃客户情况、销户情况等；3.收入类的，包括各个专业、各个机构的收入完成情况；4.重点业务的发展指标如手机银行、网付通、代发工资、新开户、大理财等；5.主题分析类的，如春节资金流向、国庆资金流向等。

为满足各管理部门的绩效管理需要，如差异化绩效考核、专项活动的绩效考核等，绩效中台根据不同的数据模型提供相应绩效数据的服务，包括数据查询、报表导出、数据接口等。

1、解决人工统计问题，释放人力，提高统计效率

2、系统化流程管理，数据输出合规化，防范数据风险

3、丰富的模型，涵盖日常业务管理场景，提高业务管控能力

为落实人行、银监等监管部门的监管要求，进一步加强账户管理，提高银行账户风险排查工作质效，建立分行账户风险排查管理的长效机制，建立交易风险监测模型，动态完善风险防控机制，健全银行资金交易风险监测识别、预警、处理机制，提升赌博和电信诈骗“资金链”治理工作的针对性和有效性。

1、数据安全：多种安全机制，保障信息数据的安全，平衡好信息利用与保护信息安全的关系

2、引入本地数据，扩大风险监测数据范围，形成客户风险画像。

为落实人行、银监等监管部门的监管要求，进一步加强账户管理，提高银行账户风险排查工作质效，建立分行账户风险排查管理的长效机制，建立交易风险监测模型，动态完善风险防控机制，健全银行资金交易风险监测识别、预警、处理机制，提升赌博和电信诈骗“资金链”治理工作的针对性和有效性。

1、搭建集群、服务器和网络设备形成初步的大数据分析平台硬件基础设施。

2、开发和部署数据采集程序，通过数据同步、数据交换等技术方式，采集原始业务系统数据进入大数据分析平台。

3、开发和部署数据仓库内各层数据模型之间的ETL程序，进行数据处理和调度，并进行初步的数据监控。

4、自研ETL工具，可视化动态配置任务：支持关系型数据库（oracle、MySQL）、文本文件与大数据数仓之间的数据同步，脚本任务等。任务调度管理：支持依赖任务与非依赖任务的定点定时启动、历史数据补数据等。日志管理：实时查询当前任务的执行详情与调度情况等；

5、基于大数据平台的定制化主题分析及建模。

在市场营销过程中，特别是在旺季业务“开门红”战役时，各级领导和营销人员需要实时、准确、全面地掌握业务发展数据，以及多方位地分析业务数据的特点，预测业务发展趋势。为了促进各项业务营销活动开展，建立移动端业绩展板，建立业务数据分析处理模型，对各种来源的生产经营数据进行深入分析挖掘，通过专用的安全APP的业绩展板展示，从管理层到网点营销经理，都可以随时随地掌握和跟踪营销发展状况，可对发展趋势进行预判，提前做好应对措施。

1. 数据处理过程：

2. 数据安全保障：

3. 建设范围：

实现在大数据平台下使用ETL工具，客户勿需进入大数据环境的节点，即可可视化动态配置ETL任务，查看跟踪ETL任务执行情况，和查询任务执行日志，能让客户能简单便捷的使用大数据ETL工具；

一、数据源配置

1、目前支持hive、Oracle、MySQL数据源配置，后续可以动态新增支持JDBC的数据源类型；

二、任务管理

1、任务类型：支持关系型数据源、文本文件、压缩文件与hive之间的数据互同功能，支持hsql、python、shell等任务处理；
2、任务调度：支持按天按日按月、定时定点等多样化调度方式，并支持任务之间的依赖配置；
3、任务配置：批量新增同种类型的任务，hive接口表直接创建，同步字段按需调整配置等；

三、运维管理

1、日志查询：查询系统调度状态与任务的执行明细日志；
2、补数据：根据任务和所选取的业务时间进行补充历史数据功能，并查询任务的执行状态；

1、建模目标:
    寻找高潜客户,并为高潜客户针对性推荐产品
2、主要内容:
    在有效客户(最近3个月资产月日均余额在1万至5万之间)的基础上,预测高潜力客户(未来3个月资产月日均余额增长超过50%且至少一个月资产超过5万)。
    抽取借记卡客户资产类、交易类、行为偏好类、产品类和基础信息类数据，在此基础上构造统计类、占比类、波动类、趋势类和类别型特征(共计4496个特征);通过XGBoost模型选择最终选择1425个有效特征训练模型。
    分别训练5个XGBoost模型和5个lightGBM模型,选择贝叶斯算法优化模型参数,选择Stacking算法融合10个子模型(5个XGBoost子模型和5个lightGBM子模型)。
    推荐系统模型:将客户分为青年客群(40岁以下),中年客群(40-60岁)和老年客群(60岁以上),针对每个客群分别训练Apriori模型和协同过滤模型,Apriori模型和协同过滤模型按照一定得权重进行融合形成最终推荐规则.基于高潜客户当前持有的产品和推荐模型为每个高潜客户推荐5个产品.根据实际营销效果为每条推荐规则设计正负反馈机制,惩罚或奖励特定规则的权重,从而为推荐模型赋予自动学习的功能。

1、打通链路,打造了一站式的营销平台,提升营销效率;

2、统一标准,降低人为经验差异,提供统一营销指引;

3、指标有效,指标构建符合客群特征,具有明显区分度;

4、多模型融合,高潜客户识别模型使用Stacking方法融合多个XGBoost和lightGBM子模型,推荐模型融合Apriori和协同过滤算法;

5、设计反馈机制,根据实际营销反馈,动态调整推荐模型关联规则权重,进而调整推荐结果.

1. 针对历史结构化和非结构化数据进行入库处理、数据内容分析整合、查询使用。涉及的数据范围包括开户信息、帐户流水、非帐户流水等。

2. 对本地自建系统的数据与统版系统数据进行整合梳理，整合后将数据补充进入历史数据中，补充完善客户交易明细数据

信贷业务正进入高速成长期，但由于不同品种的业务种类需要签署不同的单式文件，客户在办理业务过程中，需要大量手工填写，导致信贷业务耗时长、效率低、差错率高。为加快信贷业务的创新与发展，持续提升信贷业务的品牌影响力，不断扩大人信贷业务的客户群，通过电子化手段将信息准确录入，实现“一次录入，重复使用”，有效缩短客户等待的时间、加快办理效率、规范信息的采集流程、降本增效、有效提升市场竞争力。同时可以将信贷数据转化为相应的风险模型规则，提高信贷过程的风险管控能力。

1、文书可自定义扩展，规范定义输入内容，支持多种输入方式

2、客户经理和客户可全程协同录入，减少差错，提高效率

3、实现各种文书的模板和版本管理

4、收集客户信贷信息，提前发现信贷风险，提高风险管控能力

1、运营商实时扣费：实现三大运营商的实时扣费和鉴权业务，以及资金结算和报表统计等功能；

2、电子结算：实现商户、委托单位和邮储银行的三方签约，对合作商家的结算账户进行管理，进行账户校验及扣款交易处理等功能；

3、代收（电费、汇通易达、招联金融、国际小包邮费）：实现对邮储银行的对公或个人客户，进行批量或实时的签约、止付、扣缴，以及资金结算和报表统计等功能；

4、代付（财付通、汇通易达、银盛支付）：实现对邮储银行的对公或个人客户，进行批量或实时的代发业务，以及资金结算和报表统计等功能；

5、担保购机：实现对邮储银行客户以存款担保形式从中国电信深圳分公司获得指定手机终端业务的功能支持；

6、非税收缴业务：实现根据缴款通知书在网点柜面实时查询、缴纳非税款项的业务；

7、财政账户监管：根据日常财务监管需求，对监管范围内的公司结算账户的余额、当日交易明细、历史交易明细、银行对账单进行查询等功能；

8、城乡居保：在单笔缴费业务功能基础上，新增网点前台收取同单位社保号下多个参保人汇总现金或汇总来账资金的功能，系统再根据上传的批量缴费明细文件，对指定单位社保号下的参保人进行批量缴费处理