工行通过大数据在事前、事中、事后三个环节的运用进行风险的柔性控制。简单地举一个例子，事前，比如银行卡的授信过程中，或者信贷要进行发放做净值调查中，数据能给它一个支撑。事中，比如银行卡最近比较多地发生盗刷行为，我们可以在事中通过大数据的方式发现银行卡的盗刷行为。事后，可以根据事后的交易或者发生的事件进行相关的分析，分析我们后续在业务的拓展或者风险控制方面有哪些需要进一步改进或者补救的工作。
这里举了几个简单的案例。非常好的大数据的应用场景，交易反欺诈，需要利用大数据流数据的技术，用户在做交易的过程中采用主机旁路技术，交易没有完成之前通过大数据在内存中进行一个判断，可以有两种方式，可以简单地通过专家规则的判断比较复杂地采用一些比较先进的类似于神经网络的技术进行判断，去发现是不是欺诈交易。判别出欺诈交易有两种方式，第一会当场把这个交易拦截，跟用户确认这个交易是不是用户本来发生的。第二会做一些柔性的控制，比如在网银上我们认为这可能不是本人交易的行为，我们会提示他进一步输入需要核实的信息，比如需要加入一个卡密信息的输入，进行柔性的控制，这样能比较好地控制在欺诈事件的发生。
第二，大数据怎么运用模型，通过比较好的用户特征的总结和模型做一个监控。通过标签信息，比如我们定义了两个标签，一个是用户开户的地区比较广泛，另一个他持有比较多的借记卡，我们可以认为他涉嫌倒卖银行卡的嫌疑，我们通过大数据的计算可以把这些人员抓出来，可以进行后续的业务处理和防空。这也是大数据应用的比较好的方面。
第三，现在各个银行业碰到的比较大的困境，信贷资产的质量问题。工行持续在推动运用大数据驱防控信贷风险，工行成立了信贷防控中心，运用大数据技术在进行相关的防控。大数据在客户营销方面可以发挥比较大的作用，营销的大数据支持可以在客户的三个周期都可以发生作用，在拓户的时候我们可以做潜在的客户精准挖掘，这样精准地定位我们可以拓展的客户。在稳定的过程中可以精准地给用户推荐他喜欢的产品。客户流失的阶段做一些预测，在客户流失前做定向的挽留工作。基于大数据做了对工行的商友客户进行五级分类，针对比较好的商友客户进行了特定的产品推荐和针对性的服务。分行采用大数据的模型针对性地做了挖掘，通过模型进行分析挖掘的话比一般性的营销效率提升到2到3倍。
大数据分析除了传统的技术还有比较新的技术，路径分析、文本分析、图分析、大数据可视化分析，和前几年的分析方法有比较大的差异。之前李克强总理到工行来访问的时候，我们利用大数据可视化的分析方式，非常通俗易懂的方式让李克强总理了解全行一直到具体到某个企业的信贷情况，不单单让管理层，而且让信贷管理人员能够监控全行甚至是企业的信贷情况。采用了大数据专门的分析方法做了工行的交易行为和宏观经济的分析，能够比较准确地从工行的角度预测国家宏观经济的走势。
展望。从工行角度来说，有点像大数据的四个V，更全，新的形势下不单单只是局限于银行的数据，需要采纳更多的外部数据能够补充我们数据的基础。大数据必须要快，像反欺诈风控，时间瞬间就过去了，所以必须在快上下更大的工夫。更专，大数据是比较泛的领域，我们要抓住我们的热点和痛点把大数据真正发挥到作用，抓住我们的痛点解决我们实际的问题。大数据的范围非常大，有价值的信息非常少，所以我们要抓住大数据的业务价值，真正体现大数据在银行当中的创新能力。
我的演讲就到这里，谢谢大家。