银行如何用好“大数据”.docx

如今提到“大数据”， 很多人已经不再陌生。 大家都在谈论它的重要性， 但是真正落实在企 业运营管理中的却少之又少。 国外金融行业是受当代信息技术影响程度最大的行业之一， 实 体银行减少，虚拟服务增加，部分国家除了 3%的涉现业务外，几乎都可以通过网络实现。 面对这一系列变化，国内银行业应该如何融入大数据、信息技术的发展浪潮中？ 关注“集群”属性推进“区域化”营销 大数据营销一个非常重要的特征是通过企业内部数据、 社交媒体数据、 外部公共数据整 合分析多维度描述客户特征， 为每个客户“贴标签”， 然后针对每个人的特征和需要进行精 准营销。 考虑到银行内部用户行为数据管理不健全， 外部组织数据难以获取的实际情况， 可 以考虑采用一种折中的方式， 即将同样生活、 工作圈内的客户作为一个“集群”， 这些客户 往往具有某些相同的属性， 分析这些集群客户的规律与偏好， 针对不同集群的特征进行差异 化营销。 这种以地理区域为单位进行划分与营销的方式， 将分行、 分公司业务发展重点和区域业 务优势相结合，有助于优化资源配置，做到快速反应、深入拓展、贴近客户，从而将公司的 各种资源优势转化为把控市场的能力优势， 提高市场竞争力。 这非常适合信用卡中心的区域 化特惠商户与营销活动的选择。 具体操作方式有以下四个步骤： 合理划分区域从效率的角度 考虑，可以将一个城市的区域划分为不同的“圈子”，如商务圈、生活圈、娱乐圈等，每一 个圈子类别还可以进一步细分。 然后将全部客户划分进这些圈子中。 例如提取客户住址、 工 作单位、 住宅电话等数据， 有条件的情况下还可根据客户的手机定位信息、 客户撰写微博位 置信息等外部数据进行分析，确定归属。 区域客户画像针对典型圈子的客户特征、 业务特征、消费行为进行分析， 做到知已知彼。例如对客户性别、年龄、收入、信用额度、存款总额、月均刷卡额、刷卡次数、消费地点、 购物种类、 业务种类、持卡时间、营销活动参与情况等行为数据与业务数据进行分析， 全面掌握客户的特征。 行为偏好分析要形成客户的深度认知与判断。 这个环节是非常重要的一步， 也是有效实 现差异化营销最关键的一步。 市场调研中通过资深研究人员的洞察实现， 数据挖掘中通过建模与多维数据检核实现。 这个分析的目的是通过市场调研或数据挖掘掌握圈子中客户的特征和喜好，从而为后续的营销提供决策支持。 遴选营销活动以上几个步骤完成后，合作商户的遴选与营销活动的确定就比较顺畅了。 特别要提示的是， 营销活动的推动渠道与时机也要根据客户的特征尽量做到有针对性。 例如， 针对商务圈白领的营销方式优选短信、 电邮等， 可选择下午下班之前 2 小时发送， 作为工作 调剂的活泼形式， 更容易被他们关注。 而针对小生意人、 家庭主妇等工作日白天的电话推荐，仍然是最容易促成销售的方式。 这些渠道与时机的偏好也是在上一步对于客户深度理解的基础上，通过以往不同营销形式的响应率、参与率等数据跟踪分析形成的知识。 以区域的客户分析为研究重心， 以数据信息对营销各环节的有力支撑为基础， 有助于提高营销投入产出比。 整合运营信息跟踪客户“健康度” 发现数据中存在的关系和规则， 挖掘数据背后隐藏的知识， 预测未来的发展趋势， 这是大数据应用的最终目的和方向， 也是能够为企业带来实际效益的手段。 对于银行而言， 预测客户的信用风险与流失风险无疑是最重要的工作之一。 现阶段，在银行开展一些类似的工作并非不可实现，至少可以利用业务数据进行尝试。 或者在第三方调研中增加与内部数据的整合分析。 具体来看， 这项工作的开展需要经历如下几个步骤： 量化评估指标客户的思想与行为往往是保持一致的， 注销卡片也常常会有一些先兆。 例 如，取款频率提高，工资定期转移，刷卡率降低，定期存款快到期等等。确定哪些可以反映 客户流失的指标就显得至关重要。一般而言， 这些指标包括四类： 业务信息类：包括客户级 别，持卡时间，办理业务种类，办理时间，存款额，信用额度等；消费信息类：如存取款笔 数与金额， 刷卡次数与金额，业务申请或取消，活动参与次数，转账到本人他行账户次数与 金额等；捆绑业务类，包括贷款、分期到期日，是否工资卡客户，是否公积金账户，是否社 保账户，渠道使用次数与种类等； 客户维系类： 如客户经理拜访次数， 客户持有他行卡数量， 近期赠送增值服务情况， 拨打客服电话次数、 拨打客服电话转人工比率、主动沟通次数、投 诉次数等。 构建诊断模型模型构建的过程是一个筛选指标、 确定权重、 梳理关系的过程。 可以采用 主成分分析法搭配层次分析两种方法互补使用。 主成分研究是用较少的指标去描述多指标或 进行指标重要程度的排队， 通过主成分的载荷矩阵和主成分的贡献率确定指标权重。 而层次 分析法是对一些较为复杂、 较