第 1 篇 原创文章
读完本文大约需要 15分钟
近年来,大数据分析技术的不断成熟,在金融行业中的发展也变得越来越热,很多银行已经开始应用大数据分析技术。例如,中信银行信用卡中心使用大数据技术实现了实时营销,光大银行建立了社交网络信息数据库,招商银行则利用大数据发展小微贷款。
由此可见,在大数据分析技术的帮助下,未来的金融很可能会演变为行为金融、生活金融,金融体系已经无法独立,需要嵌套在很多生活场景中,这是银行应该重点思考的方向。
下面,就让我们通过一个贷款申请案例详细分析大数据给银行带来的巨大变化吧。
在这个服务案例中,金融大数据分析技术的应用发挥得淋漓尽致。银行客服人员通过合理的大数据归集分析进行有针对性的营销及落实相关业务交易,其中涉及了一些用户行为及一些基本的客户相关信息,通过在海量的数据中精准提取并进行分析,做到有目的性的交叉营销,用于互联网技术解决传统金融做不到的难题,从而提高营销效率。
金融大数据分析之客户管理
如何利用大数据进行客户管理与分析,已经成为银行的重要课题。目前,随着大数据应用的大量涌现,尤其是在社交网络的背景下,服务渠道不应仅局限于传统的银行渠道,而应整合新的客户接触点(即社交媒体网站等),这种趋势已经变得日益清晰。
早些年,银行业发展战略就以产品为中心转向以客户为中心,客户成为银行发展的重要驱动力,这一驱动一直持续了十几年。在现在大数据应用盛行的形式下,银行单一销售产品和服务的时代已经过去了,银行也应该改变以客户为中心的观念,树立数据为中心,向数据驱动型银行去转变。
那么,从银行角度来看,他们可以借助大数据分析平台,接入客户通过社交网络、电子商务、终端设备等媒介产生的非结构化数据,构建全面的客户视图。根据用户行为对用户进行聚类分析,进而可以有效地甄别出优质客户、潜力客户以及流失客户。
例如,银行工作人员可以利用大数据分析获取银行客户信息并且分析客户的下一步需求,进而向客户营销相关金融产品。比如客户为自己的孩子开办了一款信用卡,当孩子上大学后,就会分析这位客户所需要的金融产品。如果之后家长有装修房子的计划,银行的工作人员会根据数据分析向这位家长推荐适合装修的贷款,满足客户各方面的潜在需求。
金融大数据分析之营销管理
借助银行的金融大数据分析平台,银行可以通过对形式多样的用户数据(用户消费数据、浏览记录、购买路径等)进行挖掘、追踪、分析,将不同的客户群体进行聚类,有助于获取用户的消费习惯、风险收益偏好等特征信息,从而根据不同客户特性打造个性化的产品营销服务方案,将最适合的产品服务推介给最需要的客户。
目前,充分了解客户的各项信息以及客户最真实的需求是银行经营管理者最为关注的问题。虽然银行拥有庞大的客户数据,但是客户数据信息是海量的,如何分析,怎么分析都是银行急需解决的难题。当营销某一款产品时,银行其实可以通过引入外部模型来做数据归集整理,为营销客户提供依据,一旦最终只能积累一定数量的客户,那银行就不必继续营销其他客户了,哪怕是只发一个短息都没有必要了,因为其他客户没有这项产品的需求,所以成功营销的可能性是0,而这就是大数据分析的结果。
因此,在大数据平台的帮助下,银行可以针对不同的客户分类推荐相应的理财产品,根据客户的购买习惯和风险偏好进行产品组合营销;根据客户的产品清单和浏览记录进行路径分析,主动推送关联产品营销等,真正做到个性化的主动营销服务。在银行产品同质化较为严重的现状下,谁能首先运用“大数据”进行灵活的营销管理,谁就有更多的机会在竞争中拔得头筹(下面以三个具体的分析例子进行说明)。
1.客户流失分析:借助大数据平台,银行可以搜集到客户行为记录,并通过对已流失客户的行为进行分析;找到客户流失发生时的关键路径,进而能够利用流失客户的行为模式有效定位有流失倾向的客户,以便银行工作人员能够在客户流失前进行挽回工作。
2.场景数据分析:根据大数据平台,收集某个行业营销的客户数据,并思考经过这个行业节点的客户数据对银行的营销是否有价值。比如某些客户在婚纱影楼消费,银行借助大数据分析抓取到客户的消费金额,由此判断一个人的资产层次,这些数据对银行的二次营销其实是很有用的。除了婚纱消费,客户的结婚、购房、装修是否需要贷款?未来生孩子是否需要购买保险?是否需要购买车辆,这些数据(包括很多生活行为)对银行的营销都是非常有参考价值的。
3.不对称信息分析:据笔者了解,在大数据分析技术的帮助下,某银行针对农村用户商品采购的物流信息,详细分析产品(如洗衣粉)在农户家中的使用状态及期限。如果银行通过与之合作的第三方电商平台推送及时的物流,完善购买渠道,整合现金流及物流,再针对银行的营销末梢进行实时推送,便能获取最大的中间业务收入。
金融大数据分析的风险管理
随着银行业务的快速发展,银行经营者必须有效地辨别风险、防范风险和控制风险。以往通过手工录入及分析事件的相关性已经无法满足当前业务发展的需要。在大数据分析技术的帮助下,银行能够详细了解客户的自然属性和行为属性,并结合客户行为分析、客户信用度分析、客户风险分析以及客户的资产负债状况,建立完善的风险防范体系,构建自己的风险模型。同时,运用计算机技术对客户数据进行有效提取,生成动态的企业行为跟踪模型,实时监控,这将是提高银行风险分析工作效率的最有效方式。
1.企业贷款风险评估:银行可以结合大数据挖掘方法,对企业的现金流、产品流通、上下游销售、整体财务指标等相关信息进行贷款风险分析,量化企业的信用额度,从而更有效地开展企业贷款预判。
2.小额贷款风险评估:Wonga是英国一家小额贷款公司,他们利用海量数据挖掘算法来做一些贷款业务。Wonga对过去客户的各种碎片化信息进行数据获取和整理,用大量的数据串成了客户特征的全貌,同时根据不良贷款等风险信号不断完善调整模型,从而有效控制风险。
大数据金融背景下未来银行发展趋势
1.未来银行业更加倾向于零售营销
在国家经济结构调整、银行业经营战略转变以及利率场化、互联网金融公司大举入侵的背景下,银行的公司业务已逐渐弱化,银行依赖存贷款利差创造利润的盈利方式也必须调整。零售及中间业务在未来银行经营中将会占有越来越大的比重,而绝大部分客户数据通常是用户在社交网络、移动终端设备等媒介留下的海量碎片化数据,收集数据并对客户的行为属性进行有效的分析,是支撑以客户为中心的发展模式的重要手段。
2.未来银行更加倾向于科技创新
创新是银行实现差异化发展的驱动力,目前众多银行产品都面临着同质化严重的问题,产品的名字不同,但是产品的风险控制手段是相同的,因此需要通过技术创新来不断增强银行业的核心竞争力——帮助银行改进金融系统,改善与顾客之间的交互,改进并简化客户的银行业务体验。
3.未来银行更加倾向于数据分析挖掘
当前,很多互联网公司之所以能崛起,是因为他们手里掌握着许多相当重要的用户数据,从中就能分析出具体用户的行为和喜好。所以阿里巴巴、亚马逊、Google、腾讯等一些大型的互联网公司,更愿意将自己定位为数据企业。因为在信息时代,数据将成为经营决策强有力的依据,给这些互联网公司带来了发展和引领行业的机遇。
当然,银行也同样拥有丰富的“数据矿藏”,不仅存储处理了大量结构化的账务数据,而且随着银行渠道快速渗透到社交网络、移动终端等媒介,海量的非结构化数据也在等待被收集和分析。
因此,对于银行业来说,大数据意味着巨大的商机,不仅可以强化客户体验,还能提升客户忠诚度。用一个形象的等式来描绘的话,其实就是“客户数据的收集能力 客户数据的分析能力=银行智商”,这关乎一个银行商业决策的迅速和准确,决定银行的生存和发展。
公众号:落笔小辛(BankCareful)
声 明:本文内容与作者所供职单位没有任何关系,未经作者本人授权,严禁任何抄袭、转载。
联系客服