290 views

当下,互联网金融等全新业态利用互联网技术和大数据技术不断渗透到商业银行的传统业务领域,客户多样化和个性化需求与传统营销的矛盾构成了向精准营销转型的新动力。如何借助新的精准营销理论和大数据、数据挖掘等信息技术提升精准营销能力,是商业银行新时期能否持续发展的关键。

如何利用数据分析方法促进精准营销?商业银行应如何利用数据分析方法最大程度实现数据的价值,提升市场营销能力?我认为,应从以下几个方面入手:

1.应具备良好的数据基础。

对于商业银行而言,数据规模Volume 已经不是问题,但是数据必须是“好数据”。什么样的数据是“好数据”?进入数据挖掘分析的数据必须是准确、干净的,这样得到的结论才能忠于事实。而如果数据本身含有大量杂质,出现不完整、不一致、重复,甚至是错误等情况,基于这些数据利用模型得到的结论则与实际情况大相径庭,会给经营管理决策造成灾难性的后果。也就是业界常说的“Garbage in,Garbage out”。

2. 合理运用数据挖掘方法。

每种数据挖掘方法都有其特定的适用场景。在运用数据挖掘方法时要从数据出发选择适合的方法,对客户的历史交易行为和记录等数据进行数据分析,找到潜在的目标客户,并寻求接触客户的最佳时机。

3. 加强模型应用后的效果评估。

利用数据挖掘建立起的模型好坏关键在于其能否在实际营销中发挥价值,这就涉及如何应用建好的模型以及评价其应用效果。应从营销目标、模型本身的应用条件等出发,结合对照组和实验组进行对照检验来评估模型是否能很好地达到预期目标、是否合理有效,以进一步对模型进行完善。

4. 利用合理的工具对数据进行充分的、有针对性的挖掘。

通过数据挖掘分析出目标客户真正的需求和业务关注点,制定出相应改进策略,并能预测出业务未来的发展趋势,才能充分发挥数据的价值。这就要求对数据价值的挖掘要源于业务,服务业务,高于业务。既要从业务需求出发,从业务角度提出问题,找到解决问题的合理方式,还要能指导业务未来发展,去深入挖掘数据价值。

工商银行数据挖掘实践案例

工商银行深入研究大数据和数据挖掘等信息技术应用方法,结合信息化银行发展战略和市场营销实践,加强理论联系实际,以数据仓库为基础,打破信息孤岛,建立客户营销统一视图;量化客户贡献,推进分层服务;深度挖掘需求,定位目标客户;推动营销活动,提升营销效率;大胆推进营销管理模式再造和制度完善,加强“以客户为中心”的精准营销能力,有效提升客户服务质量和核心竞争力。

1. 初步搭建起较完备的大数据分析服务体系。

工商银行已经建立起企业级数据仓库(EDW),存储结构化数据量达365TB,数据规模居国内同业第一、国际第六,并提供灵活查询和通用查询等多种形式的数据服务支持。目前,工商银行已经形成了覆盖全行个人客户和法人客户、账户、产品等的统一视图,在经营管理、客户关系管理、风险管理领域中都有较深入的应用。

此外,针对结构化数据分析先后搭建了数据仓库业务模型应用与管理平台、分布式数据云平台以及数据挖掘平台等多个平台;针对非结构化数据建立了Hadoop 大数据处理平台,满足各类数据挖掘与分析工作需要。工商银行还不断推进集团信息标准管理工作,初步建立了全行信息库非结构化信息标准管理框架;构建了数据质量管理制度体系,持续推动各专业数据质量源头治理。

2. 利用数据分析提升精准营销应用实践。

工商银行将运用精准营销的能力作为衡量信息化银行建设水平的重要标志,建立了务实精准营销管理文化。为提高精准营销应用流程化和自动化水平,工商银行基于数据仓库成功建设了精准营销管理平台,通过营销决策数据支持与信息引领营销应用,为推动精准营销提供了强有力抓手和竞争利器。

在精准营销管理平台的支撑下,工商银行不断深化营销流程再造,建立起精准营销管理体系,明确了精准营销的工作流程,量化了精准营销效果评价,实现精准营销智能化、自动化、制度化、流程化管理。全行先后建立了360 度精准营销统一视图,实现客户科学细分,不断优化和创新产品,整合营销渠道,为客户提供一站式服务体验等。

在具体的营销案例方面,2014 年工商银行针对资产下降的中高端客户,结合客户历史信息建立了预警模型,找出影响中高端客户资产下降的主要因素,分别对这些客户开展针对性的营销,并向其推荐针对性的产品进行挽留,有效为工商银行挽回了损失。此外,针对代发工资客户、工银e 支付等客户群体,工商银行还进行了深入分析和挖掘,建立了相应的拓户模型,并将这些模型部署到精准营销系统,对潜在的客户提供差异化和个性化的产品营销和服务,实现产品的优化、精准投放,最终将数据转化为商业价值。

目前,精准营销管理平台这一创新研究成果已经在多个领域得到了广泛推广应用,显著提高了营销效率,降低了营销成本,有力提升了为客户提供个性化服务的能力,提高了客户的满意度和忠诚度,实现了信息技术与经营管理的深度融合。工商银行依托精准营销模式创造直接的经济价值累计数十亿元,获得了监管机构、同业和广大公众的良好评价。

未来商业银行如何有效运用大数据的思考

商业银行目前具有庞大的客户群体,同时企业级数据仓库存储了覆盖客户、账户、产品、交易等大量的结构化数据,以及海量的以语音、图像、视频等形式存在的非结构化信息。这些信息背后都蕴藏了诸如客户偏好、社会关系、消费习惯等丰富全面的信息资源。可以说,商业银行已经兼具客户基础和数据基础,未来商业银行应如何开展大数据分析、提升精准营销能力,显得尤为重要。

首先,掌握好大数据时代信息化银行发展的趋势,将数据视为全行核心战略资产。商业银行应培养用数据“说话”的企业文化,营造运用数据挖掘来实现客户信息的高效整合与管理的文化氛围,并建立相关工作推进机制和管理机制。

其次,加强对客户数据的收集,并确保客户数据质量。在已有结构化数据基础上,进一步丰富客户标签。商业银行不仅要准确掌握客户在行内的全部信息,还要尽可能掌握客户在行外的信息,例如税务、法院、银行同业、工商注册等外部数据以及地理位置等数据。

第三,加强数据挖掘支持精准营销的全流程管理。要将数据挖掘结果有效应用于营销实践促进提升业务运营效率,而要使数据挖掘最大程度发挥作用需要从业务调研、模型建立、营销部署和效果评估等每个阶段都加强管理,每个阶段都同等重要、缺一不可,应做好每个阶段的管控,最大化客户价值。

第四,加强分析师人才的引进和培养。数据的挖掘与分析涉及数据库、人工智能、机器学习、计算机等多门学科知识,方法种类较多,其适用的业务场景也不一样,真正既懂业务又懂数据挖掘模型的数据分析人员较少。分析师将是构成银行唯一核心竞争力的重要元素,因此,银行需要通过外部引进和内部培养两种方式培养专门的数据挖掘分析人员。同时,建立合理的激励机制,使商业银行更能有效吸引并留住人才。

大数据时代,商业银行要在激烈的竞争中力拔头筹,必须合理运用数据挖掘分析工具,深入挖掘数据潜在的价值洞察客户需求,促进银行决策从“经验依赖”向“数据依赖”转化,基于数据信息为客户提供差异化、个性化的产品和服务,提高精准营销能力,从而保持商业银行的核心竞争力。

 

作者陈道斌  转载自网舟科技微信公众账号

 

推荐阅读:

相关文章

评论