帮助企业规避风险
生意带来的并不总是利润，也可能是亏损。譬如：银行、信用卡公司遇到欠债不还的客人，或保险公司遇到理赔大户。大数据营销可在早期发现风险征兆，及早采取预防措施；或从一开始就过滤掉高风险的客人，不做他们的生意。
举个例子，马洛先生使用某信用卡多年，有大量在高档餐厅、宾馆、娱乐场所和商场消费的记录。平均每月刷卡额基本都在10万元以上，时不时会过20万元，买阿玛尼西装、卡地亚首饰、LV包，对他来说是家常便饭，而且一直按时还款，从无拖欠。相应地，信用卡公司也把马先生的透支额度，从最初办卡时的8000元，一路提升到30万元。
但从两个月前开始，他的月刷卡额突然急降到三四千，连续两个月均如此。系统做的正常判断是，马洛转用别家的信用卡，所以刷卡额剧降。在大部分情况下，这个判断是正确的，但还有另一种可能：如果他经济状况恶化，也会导致刷卡额剧降。
所有安装了刷卡机的商户，在银行和信用卡公司都建有档案，所有刷卡交易记录，也都在数据仓库里。譬如，我们把每一家餐饮企业的每单平均刷卡金额进行统计，可以得出类似这样的数据：
每单刷卡金额平均值：576元；每单刷卡金额中位数：493元。把每单平均刷卡金额最低的20%定义为：低端餐饮；把每单平均刷卡金额最高的20%定义为：高端餐饮；把每单平均刷卡金额居中的60%定义为：中端餐饮。这样我们就得到了高、中、低端餐饮企业的名单。
回到马洛的案例，系统会找出他历年来的餐饮刷卡记录，统计得知，他从办卡之日起，直到两个月前的餐饮消费，在各种不同档次餐厅消费的比例显示为：高端餐饮86%，中端餐饮11%，低端餐饮3%。而最近两个月（就是在刷卡额暴跌之后），在各种不同档次餐厅消费的比例为：高端餐饮0%，中端餐饮10%，低端餐饮90%。也就是说，以前基本上只去高端餐厅吃饭的马洛，最近两个月，大多光顾大排档式的低档餐厅。综合以上各种信息判断，他最近刷卡额暴跌，是源于经济状况恶化，可能是因为生意失败、失业或其他原因。在这种情况下，继续维持他30万元信用额度是非常危险的，可能导致坏账或恶意套现。于是，信用卡公司会把马洛的信用额度降到2万元，快速对潜在风险做出判断，并及早采取防范措施。
<<上一页[1][2]
