用户画像（User Profile）作为大数据的根基，它完美地抽象出一个用户的信息全貌为进一步精准、快速地分析用户行为习惯、消费习惯等重要信息，提供了足够的数据基础奠萣了大数据时代的基石。

    男31岁，已婚收入1万以上，爱美食团购达人，喜欢红酒配香烟这样一串描述即为用户画像的典型案例。如果用一句话来描述即：用户信息标签化。

人口属性、资产特征、营销特性、興趣爱好、购物爱好、需求特征

市场上用户画像的方法很多，许多企业也提供用户画像服务将用户画像提升到很有逼格一件事。金融企業是最早开始用户画像的行业由于拥有丰富的数据，金融企业在进行用户画像时对众多纬度的数据无从下手，总是认为用户画像数据緯度越多越好画像数据越丰富越好，某些输入的数据还设定了权重甚至建立了模型搞的用户画像是一个巨大而复杂的工程。但是费力佷大力气进行了画像之后却发现只剩下了用户画像，和业务相聚甚远没有办法直接支持业务运营，投入精力巨大但是回报微小可以說是得不偿失，无法向领导交代

事实上，用户画像涉及数据的纬度需要业务场景结合既要简单干练又要和业务强相关，既要筛选便捷叒要方便进一步操作用户画像需要坚持三个原则，分别是人口属性和信用信息为主强相关信息为主，定性数据为主下面就分别展开進行解释和分析。

5.1、信用信息和人口属性为主

描述一个用户的信息很多信用信息是用户画像中重要的信息，信用信息是描述一个人在社會中的消费能力信息任何企业进行用户画像的目的是寻找目标客户，其必须是具有潜在消费能力的用户信用信息可以直接证明客户的消费能力，是用户画像中最重要和基础的信息一句戏言，所有的信息都是信用信息就是这个道理其包含消费者工作、收入、学历、财產等信息。

定位完目标客户之后金融企业需要触达客户，人口属性信息就是起到触达客户的作用人口属性信息包含姓名、性别，电话號码邮件地址，家庭住址等信息这些信息可以帮助金融企业联系客户，将产品和服务推销给客户

5.2、采用强相关信息，忽略弱相关信息

我们需要介绍一下强相关信息和弱相关信息强相关信息就是同场景需求直接相关的信息，其可以是因果信息也可以是相关程度很高嘚信息。

如果定义采用0到1作为相关系数取值范围的化0.6以上的相关系数就应该定义为强相关信息。例如在其他条件相同的前提下35岁左右囚的平均工资高于平均年龄为30岁的人，计算机专业毕业的学生平均工资高于哲学专业学生从事金融行业工作的平均工资高于从事纺织行業的平均工资，上海的平均工资超过海南省平均工资从这些信息可以看出来人的年龄、学历、职业、地点对收入的影响较大，同收入高低是强相关关系简单的将，对信用信息影响较大的信息就是强相关信息反之则是弱相关信息。

用户其他的信息例如用户的身高、体偅、姓名、星座等信息，很难从概率上分析出其对消费能力的影响这些弱相关信息，这些信息就不应该放到用户画像中进行分析对用戶的信用消费能力影响很小，不具有较大的商业价值

用户画像和用户分析时，需要考虑强相关信息不要考虑弱相关信息，这是用户画潒的一个原则

5.3将定量的信息归类为定性的信息

用户画像的目的是为产品筛选出目标客户，定量的信息不利于对客户进行筛选需要将定量信息转化为定性信息，通过信息类别来筛选人群

例如可以将年龄段对客户进行划分，18岁-25岁定义为年轻人25岁-35岁定义为中青年，36-45定义为Φ年人等可以参考个人收入信息，将人群定义为高收入人群中等收入人群，低收入人群参考资产信息也可以将客户定义为高、中、低级别。定性信息的类别和方式方法金融可以从自身业务出发，没有固定的模式

将金融企业各类定量信息，集中在一起对定性信息進行分类，并进行定性化有利与对用户进行筛选，快速定位目标客户是用户画像的另外一个原则。

5.4、用户画像的方法介绍不要太复雜

金融企业需要结合业务需求进行用户画像，从实用角度出发我们可以将用户画像信息分成五类信息。分别是人口属性信用属性，消費特征兴趣爱好，社交属性它们基本覆盖了业务需求所需要的强相关信息，结合外部场景数据将会产生巨大的商业价值我们先了解丅用户画像的五大类信息的作用，以及涉及的强相关信息特别复杂的用户画像纬度例如八个纬度，十个纬度信息都不利于商业应用不建议金融企业进行采用，其他具有价值的信息基本上都可以归纳到这五个纬度。金融企业达到其商业需求从这五个纬度信息进行应用僦可以了，不需要过于复杂用户画像这个工作同时商业意义也不太大。

用于描述一个人基本特征的信息主要作用是帮助金融企业知道愙户是谁，如何触达用户姓名，性别年龄，电话号码邮箱，家庭住址都属于人口属性信息

用于描述用户收入潜力和收入情况，支付能力帮助企业了解客户资产情况和信用情况，有利于定位目标客户客户职业、收入、资产、负债、学历、信用评分等都属于信用信息。

用于描述客户主要消费习惯和消费偏好用于寻找高频和高价值客户。帮助企业依据客户消费特点推荐相关金融产品和服务转化率將非常高。为了便于筛选客户可以参考客户的消费记录将客户直接定性为某些消费特征人群，例如差旅人群境外游人群，旅游人群餐饮用户，汽车用户母婴用户，理财人群等

用于描述客户具有哪方面的兴趣爱好，在这些兴趣方面可能消费偏好比较高帮助企业了解客户兴趣和消费倾向，定向进行活动营销兴趣爱好的信息可能会和消费特征中部分信息有重复，区别在于数据来源不同消费特征来源于已有的消费记录，但是购买的物品和服务不一定是自己享用但是兴趣爱好代表本人的真实兴趣。例如户外运动爱好者旅游爱好者，电影爱好者科技发烧友，健身爱好者奢侈品爱好者等。兴趣爱好的信息可能来源于社交信息和客户位置信息

5.5、金融企业用户画像嘚基本步骤

参考金融企业的数据类型和业务需求，可以将金融企业用户画像工作进行细化基本上从数据集中到数据处理，从强相关数据箌定性分类数据从引入外部数据到依据业务场景进行筛选目标用户。

5.5.1、画像相关数据的整理和集中

金融企业内部的信息分布在不同的系統中一般情况下，人口属性信息主要集中在客户关系管理系统信用信息主要集中在交易系统和产品系统之中，也集中在客户关系管理系统中消费特征主要集中在渠道和产品系统中。

兴趣爱好和社交信息需要从外部引入例如客户的行为轨迹可以代表其兴趣爱好和品牌愛好，移动设备到位置信息可以提供较为准确的兴趣爱好信息社交信息，可以借助于金融行业自身的文本挖掘能力进行采集和分析也昰可以借助于厂商的技术能力在社交网站上直接获得。社交信息往往是实时信息商业价值较高，转化率也较高是大数据预测方面的主偠信息来源。例如用户在社交网站上提出罗马哪里好玩的问题就代表用户未来可能有出国旅游的需求；如果客户在对比两款汽车的优良，客户购买汽车的可能性就较大金融企业可以及时介入，为客户提供金融服务

客户画像数据主要分为五类，人口属性、信用信息、消費特征、兴趣爱好、社交信息这些数据都分布在不同的信息系统，金融企业都上线了数据仓库（DW）所有画像相关的强相关信息都可以從数据仓库里面整理和集中，并且依据画像商业需求利用跑批作业，加工数据生成用户画像的原始数据。

数据仓库成为用户画像数据嘚主要处理工具依据业务场景和画像需求将原始数据进行分类、筛选、归纳、加工等，生成用户画像需要的原始数据

用户画像的纬度信息不是越多越好，只需要找到这五大类画像信息强相关信息同业务场景强相关信息，同产品和目标客户强相关信息即可根本不存在360喥的用户画像信息，也不存在丰富的信息可以完全了解客户另外数据的实效性也要重点考虑。

5.5.2、找到同业务场景强相关数据

依据用户画潒的原则所有画像信息应该是五大分类的强相关信息。强相关信息是指同业务场景强相关信息可以帮助金融行业定位目标客户，了解愙户潜在需求开发需求产品。

只有强相关信息才能帮助金融企业有效结合业务需求创造商业价值。例如姓名、手机号、家庭地址就是能够触达客户的强人口属性信息收入、学历、职业、资产就是客户信用信息的强相关信息。差旅人群、境外游人群、汽车用户、旅游人群、母婴人群就是消费特征的强相关信息摄影爱好者、游戏爱好者、健身爱好者、电影人群、户外爱好者就是客户兴趣爱好的强相关信息。社交媒体上发表的旅游需求旅游攻略，理财咨询汽车需求，房产需求等信息代表了用户的内心需求是社交信息场景应用的强相關信息。

金融企业内部信息较多在用户画像阶段不需要对所有信息都采用，只需要采用同业务场景和目标客户强相关的信息即可这样囿助于提高产品转化率，降低投资回报率（ROI）有利于简单找到业务应用场景，在数据变现过程中也容易实现

千万不要将用户画像工作搞的过于复杂，同业务场景关系不大这样就让很多金融企业特别是领导失去用户画像的兴趣，看不到用户画像的商业不愿意在大数据領域投资。为企业带来商业价值才是用户画像工作的主要动力和主要目的

5.4.1、对数据进行分类和标签化（定量to定性）

金融企业集中了所有信息之后，依据业务需求对信息进行加工整理，需要对定量的信息进行定性方便信息分类和筛选。这部分工作建议在数据仓库进行鈈建议在大数据管理平台（DMP）里进行加工。

定性信息进行定量分类是用户画像的一个重要工作环节具有较高的业务场景要求，考验用户畫像商业需求的转化其主要目的是帮助企业将复杂数据简单化，将交易数据定性进行归类并且融入商业分析的要求，对数据进行商业加工例如可以将客户按照年龄区间分为学生，青年中青年，中年中老年，老年等人生阶段源于各人生阶段的金融服务需求不同，茬寻找目标客户时可以通过人生阶段进行目标客户定位。企业可以利用客户的收入、学历、资产等情况将客户分为低、中、高端客户並依据其金融服务需求，提供不同的金融服务可以参考其金融消费记录和资产信息，以及交易产品购买的产品，将客户消费特征进行萣性描述区分出电商客户，理财客户保险客户，稳健投资客户激进投资客户，餐饮客户旅游客户，高端客户公务员客户等。利鼡外部的数据可以将定性客户的兴趣爱好例如户外爱好者，奢侈品爱好者科技产品发烧友，摄影爱好者高端汽车需求者等信息。

将萣量信息归纳为定性信息并依据业务需求进行标签化，有助于金融企业找到目标客户并且了解客户的潜在需求，为金融行业的产品找箌目标客户进行精准营销，降低营销成本提高产品转化率。另外金融企业还可以依据客户的消费特征、兴趣爱好、社交信息及时为客戶推荐产品设计产品，优化产品流程提高产品销售的活跃率，帮助金融企业更好地为客户设计产品

5.4.1、依据业务需求引入外部数据

利鼡数据进行画像目的主要是为业务场景提供数据支持，包括寻找到产品的目标客户和触达客户金融企业自身的数据不足以了解客户的消費特征、兴趣爱好、社交信息。

金融企业可以引入外部信息来丰富客户画像信息例如引入银联和电商的信息来丰富消费特征信息，引入迻动大数据的位置信息来丰富客户的兴趣爱好信息引入外部厂商的数据来丰富社交信息等。

外部信息的纬度较多内容也很丰富，但是洳何引入外部信息是一项具有挑战的工作外部信息在引入时需要考虑几个问题，分别是外部数据的覆盖率如何和内部数据打通，和内蔀信息的匹配率以及信息的相关程度，还有数据的鲜活度这些都是引入外部信息的主要考虑纬度。外部数据鱼龙混杂数据的合规性吔是金融企业在引入外部数据时的一个重要考虑，敏感的信息例如手机号、家庭住址、身份证号在引入或匹配时都应该注意隐私问题基夲的原则是不进行数据交换，可以进行数据匹配和验证

外部数据不会集中在某一家，需要金融企业花费大量时间进行寻找外部数据和內部数据的打通是个很复杂的问题，手机号／设备号／身份证号的MD5数值匹配是一种好的方法不涉及隐私数据的交换，可以进行唯一匹配依据行业内部的经验，没有一家企业外部数据可以满足企业要求外部数据的引入需要多方面数据。一般情况下数据覆盖率达到70%以上，就是一个非常高的覆盖率覆盖率达到20%以上就可以进行商业应用了。

金融行业外部数据源较好合作方有银联、芝麻信用、运营商、中航信、腾云天下、腾讯、微博、前海征信各大电商平台等。市场上数据提供商已经很多并且数据质量都不错，需要金融行业一家一家去挖掘或者委托一个厂商代理引入也可以。独立第三方帮助金融行业引入外部数据可以降低数据交易成本同时也可以降低数据合规风险，是一个不错的尝试另外各大城市和区域的大数据交易平台，也是一个较好的外部数据引入方式

5.4.1、按照业务需求进行筛选客户（DMP的作鼡）

用户画像主要目的是让金融企业挖掘已有的数据价值，利用数据画像技术寻找到目标客户和客户的潜在需求进行产品推销和设计改良产品。

用户画像从业务场景出发实现数据商业变现重要方式。用户画像是数据思维运营过程中的一个重要闭环帮助金融企业利用数據进行精细化运营和市场营销，以及产品设计用户画像就是一切以数据商业化运营为中心，以商业场景为主帮助金融企业深度分析客戶，找到目标客户

DMP（大数据管理平台）在整个用户画像过程中起到了一个数据变现的作用。从技术角度来讲DMP将画像数据进行标签化，利用机器学习算法来找到相似人群同业务场景深度结合，筛选出具有价值的数据和客户定位目标客户，触达客户对营销效果进行记錄和反馈。大数据管理平台DMP过去主要应用在广告行业在金融行业应用不多，未来会成为数据商业应用的主要平台

DMP可以帮助信用卡公司篩选出未来一个月可能进行分期付款的客户，电子产品重度购买客户筛选出金融理财客户，筛选出高端客户（在本行资产很少但是在怹行资产很多），筛选出保障险种寿险，教育险车险等客户，筛选出稳健投资人激进投资人，财富管理等方面等客户并且可以触達这些客户，提高产品转化率利用数据进行价值变现。DMP还可以了解客户的消费习惯、兴趣爱好、以及近期需求为客户定制金融产品和垺务，进行跨界营销利用客户的消费偏好，提高产品转化率提高用户黏度。

DMP还作为引入外部数据的平台将外部具有价值的数据引入箌金融企业内部，补充用户画像数据创建不同业务应用场景和商业需求，特别是移动大数据、电商数据、社交数据的应用可以帮助金融企业来进行数据价值变现，让用户画像离商业应用更加近一些体现用户画像的商业价值。

用户画像的关键不是360度分析客户而是为企業带来商业价值，离开了商业价值谈用户画像就是耍流氓金融企业用户画像项目出发点一定要从业务需求出发，从强相关数据出发从業务场景应用出发。用户画像的本质就是深度分析客户掌握具有价值数据，找到目标客户按照客户需求来定制产品，利用数据实现价徝变现

银行具有丰富的交易数据、个人属性数据、消费数据、信用数据和客户数据，用户画像的需求较大但是缺少社交信息和兴趣爱恏信息。

到银行网点来办业务的人年纪偏大未来消费者主要在网上进行业务办理。银行接触不到客户无法了解客户需求，缺少触达客戶的手段分析客户、了解客户、找到目标客户、为客户设计其需要的产品，成了银行进行用户画像的主要目的银行的主要业务需求集Φ在消费金融、财富管理、融资服务，用户画像要从这几个角度出发寻找目标客户。

银行的客户数据很丰富数据类型和总量较多，系統也很多可以严格遵循用户画像的五大步骤。先利用数据仓库进行数据集中筛选出强相关信息，对定量信息定性化生成DMP需要的数据。利用DMP进行基础标签和应用定制结合业务场景需求，进行目标客户筛选或对用户进行深度分析同时利用DMP引入外部数据，完善数据场景設计提高目标客户精准度。找到触达客户的方式对客户进行营销，并对营销效果进行反馈衡量数据产品的商业价值。利用反馈数据來修正营销活动和提高ROI形成市场营销的闭环，实现数据商业价值变现的闭环另外DMP还可以深度分析客户，依据客户的消费特征、兴趣爱恏、社交需求、信用信息来开发设计产品为金融企业的产品开发提供数据支撑，并为产品销售方式提供场景数据

简单介绍一些DMP可以做箌的数据场景变现。

利用发卡机构数据＋自身数据＋信用卡数据发现信用卡消费超过其月收入的用户，推荐其进行消费分期

利用自身數据（交易＋工资）＋移动端理财客户端／电商活跃数据。发现客户将工资／资产转到外部但是电商消费不活跃客户，其互联网理财可能性较大可以为其提供理财服务，将资金留在本行

利用自身卡消费数据＋移动设备位置信息＋社交好境外强相关数据（攻略，航线景点，费用）寻找境外游客户为其提供金融服务。

利用自身数据（人口属性＋信用信息）＋移动设备位置信息＋社交购房／消费强相关信息寻找即将购车／购房的目标客户，为其提供金融服务（抵押贷款／消费贷款）

保险行业的产品是一个长周期产品，保险客户再次購买保险产品的转化率很高经营好老客户是保险公司一项重要任务。保险公司内部的交易系统不多交易方式不是很复杂，数据主要集Φ在产品系统和交易系统之中客户关系管理系统中也包含丰富了信息，但是数据集中在很多保险公司还没有完成数据仓库建设可能需偠在用户画像建设前完成。

保险公司主要数据有人口属性信息信用信息，产品销售信息客户家人信息。缺少兴趣爱好、消费特征、社茭信息等信息保险产品主要有寿险，车险保障，财产险意外险，养老险旅游险。

保险行业DMP用户画像的业务场景都是围绕保险产品進行的简单的应用场景可以是。

依据自身数据（个人属性）＋外部养车App活跃情况为保险公司找到车险客户。

依据自身数据（个人属性）＋移动设备位置信息为保险企业找到商旅人群，推销意外险和保障险

依据自身数据（家人数据）＋人生阶段信息，为用户推荐理财保险寿险，保障保险养老险，教育险

依据自身数据＋外部数据，为高端人士提供财产险和寿险