谈金融用户精准可信推荐范文

摘要:金融业面对的一个巨大挑战就是其客户在消费需求和消费行为上转变。首先，在消费需求上，客户的可靠性需求出现提升，传统机构存在垃圾广告营销，无法真正满足顾客对产品的可信需求等。另外，在消费行为上，金融机构已经很难通过面对面的传统方式来接触到消费者(特别是年轻消费者)去了解客户信用情况及精准推荐。因此，本研究以区块链技术为基础，研究金融大数据的共享与流通，以社交网络技术和工作流技术为基础，研究金融大数据的分析与协调技术，最终实现面向金融用户的精准可信推荐。

关键词:金融;区块链;可信推荐

一、金融联盟区块链的可信交易与安全共享机制

金融数据管理的难点首先在于可信与共享访问。研究构建金融联盟区块链的可信交易与安全共享模型，并对区块链的安全检测机制进行重点研究，提出安全检测方法，保障金融数据共享过程中的安全性。具体思路如下:金融联盟链可信交易机制设计。为了在保障隐私性的基础上，实现不同机构间金融数据的分布共享，本研究设计金融联盟区块链的可信交易和数据共享访问模型，以金融机构、互联网平台、政府监管部门等不同数据承载群体作为联盟区块链中节点，重点地从区块链的共识层、激励层、合约层和应用层，约定交易合约，社交共识算法、数字签名与证书加密策略，实现去中心化的数据存储访问机制，具体方案见图所示。图中所示的金融联盟区块链可信交易方案中，研究从系统安全和执行效率性能综合考虑角度，对金融联盟区块链权限控制、智能合约编写与执行、共识算法的选择、数据传输等关键模块进行设计。权限控制层根据商业银行、工商系统、司法诉讼、税务系统、第三方评级以及其他系统等机构资质认证及其监管关系进行数字证书分配和权限范围授予。智能合约拟根据金融服务场景中事件执行逻辑、时间限制、执行者身份等条件约束进行建模编写，利用智能合约状态机监测程序，触发智能合约执行。共识算法部分拟考虑算力消耗、稳定性和金融联盟结构特征，设计共识算法并对其难度等级进行实验分析。研究通过邻近节点广播方法改善数据传输效率。每个区块链节点均配置一定的存储空间和计算力度，参与到共识机制和数据维护，实现区块链可信交易和数据共享［1］。

二、基于金融联盟区块链的数据流通机制

目前金融大数据面临的问题包括:(1)面对碎片、跨界、复杂、海量、多源、异质的大数据，缺乏必要的共享与流通方法，导致商业银行等金融机构与政府、第三方等机构之间的数据源离散且阻隔;(2)商业银行内部各个业务系统数据孤立，无法很好融合与共享［2］。传统集中式数据存储与交互技术架构在数据计算一致性、可用性与容错性方面的不足，导致无法有效地解决金融大数据的共享和流通问题。本研究研究在区块链技术的基础上构建金融大数据共享与流通，利用区块链技术实现数据流通，可以从网络交换层、共识机制层、数据存储层、智能合约层和数据流通层5个层次进行梳理。这5个层次如图2所示。架构图如下所示:

三、金融大数据分布式协调机制

除了解决金融业的跨界大数据碎片化的问题，还需要一种分布式协调机制，解决各实体利益羁绊，进而助力金融用户信用高效管理与经营。在单独的金融机构中，由于缺乏参与各方的信息互通机制，使得金融行业的用户信用出现了信息不对称以及信息不及时的乱象。本研究针对金融业的跨界大数据的数据所有者不同造成完整数据被截断、数据公开性的要求不同等两大碎片化的两大特性，研究如何通过对互联网碎片化的数据进行高效合理地整合，建立高效的基于区块链的金融行业的用户信用的信息协调机制。为了实现对采集到的行业大数据进行高效、可扩展以及低成本的计算和分析，本研究拟基于一系列主流开源的大数据计算基础框架和协调机制，提供基于分布式存储的离线计算、基于内存计算的实施分析以及分布式应用程序协调服务。其中主要包括基于Hadoop的分布式存储离线计算引擎、基于Spark内存计算的实时分析以及利用Zookeeper提供配置维护、域名服务、分布式同步、组服务等一系列协调服务。这些开源平台在业界也被广泛使用，且在高校性、可靠性、安全性等方面得到了实际应用的检验，本研究拟利用这些较为成熟的开源大数据技术支撑各项行业大数据的分析研究工作。另外，本研究通过还基于分布式工作流引擎技术构建金融机构的跨界大数据分布式协调机制，增进行业各方的信任，协调各方利益，打造各方自动流程参与规则，为大数据流通提供良性环境。本研究通过对工作流技术的设计，对信息交互各方进行有效约束，同时，利用协同设计的思想来指导工作流管理，从而实现支持协调机制的工作环境，主要包括以下三个方面:1．数据访问权限:传统的数据库管理系统访问权限主要是数据安全口令与读写权限控制。而大数据环境下，数据访问权限需要限制什么人什么时间以及执行什么任务。本研究采用工作流引擎技术可以根据访问者的身份动态的分配数据访问权限，主要分为a)主体:主体可以为人，角色，企业或者IP地址等;b)时间:可以是固定日期，使用次数，或者任务依赖关系(销售分析完成后才可以进行利润分析);c)任务:任务是工作流技术协同的核心。在大数据环境下，任务主要是以输入，输出和分析方法来定义;d)数据量:可以规定数据的大小，属性(列)或者样本数量(行)。2．并行数据访问控制:数据可以同时被多个用户同时访问，并控制多用户并行的效率以及如何分配数据资源，以及保证实时数据的一致性和完整性3．协调数据整合与传输:在访问权限的允许下，来自多个数据源数据可以被传输到一个集中的云服务器或者私有服务器进行分析，并通过随机干扰技术进行数据传输以及协调数据隐私。

四、面向金融领域精准可信推荐

金融精准可信营销是为了能够有效及时地将最合适、可信赖的服务/产品推荐给客户［3］。研究设计市场销售类分析模型，主要包括客户管理模型，客户群信用分析，产品可信赖度，机构市场营销统计分析，客户贡献度分析，客户潜在价值分析和客户活跃度分析等;为了能够制定优质可靠的金融服务产品，研究设计业务产品条线分析模型，主要包括存款分析模型，贷款分析模型，国际业务分析，信用卡业务分析，电子渠道业务分析，理财业务分析，票据业务分析，债券业务分析等［4］［5］［6］［7］。

五、总结

本研究面向金融领域精准可信营销推荐，有效解决金融行业的用户需求不能精准推荐、交易双方可信问题等难题。研究打破跨界机构之间的数据孤岛，实现共享与互操作时保证流通过程是可信的、可追溯的、安全的;基于深度信用挖掘的金融用户兴趣画像与精准可信推荐系统从历史数据中找出不同客户群体的潜在金融产品与服务的消费行为特征，并建立一个交易双方可信的环境，为本行开展特定金融产品与服务、拓展新的客户资源提供信息并建设一个交易可信平台提供支持。

参考文献:

［1］何蒲，于戈，张岩峰，等．区块链技术与应用前瞻综述［J］．计算机科学，2017，44(4):1－7．

［2］任安军．运用区块链改造我国票据市场的思考［J］．南方金融，2016(3):39－42．

［3］移动支付平台精准推荐算法设计与实现［D］．华南理工大学，2015．

［4］债券类金融产品推荐系统的设计与实现［D］．山东大学，2013．

［5］互联网金融理财产品多粒度推荐模型研究［D］．重庆工商大学，2018．

［6］佚名．基于多特征融合的金融领域科研合作推荐研究［J］．数据分析与知识发现，2017，1(08):43－51．

［7］佚名．基于MapReduce的股票代码标签抽取与金融资讯关联推荐［D］．广西大学，2014．

作者：陈亚辉 吴基成 孙澜 单位：浙江工商大学