金虎公司的大数据风控采用了大量非传统的财务数据。近年来，GDB一卡通客户服务中心积极推进服务创新，充分挖掘海量客户数据价值，在国家开发银行大数据平台基础上创新推出“客户face time——大数据时代的客户标签画像”。同时，大数据模型的应用可以不断提高金融机构的风险识别和计量能力。
大数据如何助力银行业金融机构舆情防控？
金融行业应用系统积累了非常多的客户交易数据，同时，借助大数据技术将分散在金融企业服务网络与IT系统中的海量信息与基于业务驱动的外部数据源融合，金融机构能够在金融企业内部的客户管理、信用评级、风险控制等诸多方面得到有效提升。大数据技术和数据挖掘技术在金融业中的主要运用有：数据分析和设计构造的数据仓库；特征数据变量选择、关联属性相关数据用于预测客户信用状况；聚类、分类分析识别目标客户和市场；数据可视化过程及归并、聚类分析甄别洗钱等金融犯罪行为。
在当前“以客户为中心、以市场为导向”的激烈竞争时代，在各大金融机构准备“二次转型”的改革进程中，要想提高核心竞争能力、防范业务风险、提高业务分析数据的时效性及准确性，就必须懂得如何利用现代管理信息系统进行综合分析挖掘客户潜在价值，借助有价值的信息改进服务手段，运用数据挖掘技术实现职能化的决策支持功能管理。
了解客户行为据广发银行信用卡相关人士介绍，2016年，广发信用卡在4800万客户体量之下，客户服务满意度始终保持在99%以上，其“秘诀”就在于近年来广发卡客服中心成功地将大数据运用于日常业务，基于客户历史行为数据的分析和预测实现与客户的双向互动。近年来，广发卡客服中心积极推进服务创新，充分挖掘海量客户数据的价值，在开发银行大数据平台的基础上，创新推出“客户Face Time--大数据时代客户标签画像”。
该业务能根据客户的历史行为对客户画像进行描画，细化分群，建立客户服务专属标签群。随后将基于客户特征集合形成的客户标签以行业首创的“九宫格”界面的形式传输到客户服务系统前端，确保客服代表可以通过可视化、友好化的界面即时全面掌握客户画像及代表的用户特征和潜在需求，有的放矢地完成精准服务和差异化服务。大数据时代，信用卡行业可以利用先进的互联网、云计算等新兴技术，对消费者的刷卡行为进行数据化的分类、统计，通过整理获取消费者的消费习惯、消费能力、消费偏好等非常重要的数据信息，进行深入的数据挖掘。
中国光大银行信用卡中心总经理戴兵表示，信用卡行业已经进入了精耕细作的时代，各行在数据挖掘方面已不是新手，利用数据挖掘与客户关系管理相结合，深入挖掘客户信息，对客户进行细分，针对不同客户提供差异化服务，满足客户不同需求。通过捕捉客户的行为变化等事件信息，及时发现客户潜在需求，针对性地为客户提供个性化的活动或产品，从而达到对客户需求的精准认知与匹配，在合适的时机对客户进行营销和服务，最终促成交易。
浦发银行卡中心大数据团队已经于2014年建设了Hadoop大数据平台，实现了批量计算的应用；2015年对平台进行升级，引入流式计算，并自主设计了事件式营销系统，内部代号“游隼”（Falcon）。该系统使用Storm和Kafka等大数据技术处理数据流，使用HBase和Redis等NoSql数据库技术进行数据存储和处理。
客户一旦进行交易，平台就会捕捉到交易事件并结合用户特征与平台预定义的活动进行对比计算，如果该客户的刷卡行为与特征能够满足活动规则，则通过短信、微信、APP等渠道推送预定义好的营销信息，进行实时营销。着眼于零售商业银行客户行为中的预测变化，可以使用一种“可伸缩的时间扫描算法”来检测高度多维的银行交易，从而检测客户消费行为中的一些变化。
前提是根据一系列标准，对相关数据进行分类，如：年龄段、性别、教育程度、家境，等等。而算法是，通过将个人客户的行为及其历史记录，与同类别群体的当前及历史行为作为比较，从而检测出行为中的时间变化点。该算法会考虑至少230种不同类型的变化点，他们是根据上文提及的多种分类标准和消费行为转变的多种时间尺度而得到的。
