大數據技術在商業銀行對公營銷中的應用

摘 要：隨著網絡社會的全面到來，大數據技術應運而生，數據成為一種生產要素，對商業銀行經營管理產生重大影響。國內商業銀行紛紛展開大數據實踐，主要集中在風險控制和零售業務，在對公業務營銷領域的應用還不多。對公業務作為銀行最重要的一個盈利點，在新的數據競爭環境中也存在借助大數據技術轉變營銷模式的需求。因此，大數據技術在對公業務營銷管理中有著巨大的應用潛力。本文總結商業銀行對公業務營銷中大數據技術的應用現狀和趨勢，并基于“PDMA”梳理大數據技術在商業銀行的應用框架，為商業銀行對公業務的大數據營銷提供一種思路。

關鍵詞：大數據技術；對公業務營銷

中圖分類號：F274 文獻標識碼：A 文章編號：1003-9031（2016）03-0070-04 DOI：10.3969/j.issn.1003-9031.2016.03.15

當今時代，以移動互聯網、云計算技術、搜索引擎為代表的新一代信息技術全面滲入金融行業，對金融業態產生重要影響。同時，伴隨網絡技術的發展，數據滲透到了每一個行業，“大數據”應運而生，已成為重要的生產要素。對最早實現數字化交易的銀行業來說，大數據能反映銀行產品管理的綜合信息，也隱藏著產品相關的客戶行為模式，有助于實現基于客戶行為的產品營銷管理。

一、大數據技術概況

大數據尚未有統一的概念，目前采用較多的是麥肯錫咨詢公司的定義，大數據是“規模大到傳統的數據庫軟件工具已經無法采集、存儲、管理和分析的數據集”，且大數據具有“4V”的特點，即數據量大（Volume）、數據種類繁多（Variety）、數據更新快（Velocity）、數據具有極大的價值（Value）[1]。IDC的報告預測未來5年中國的數據量將以51.4%的速度增長[2]。數據作為一種信息，記錄了企業所有的產品信息，并能更精確、更客觀地展現客戶需求，具有重大的商業價值[3]。基于大數據技術的各種商業創新，會使得未來的營銷活動以更貼近消費者需求方式以及在更為合理的時間實施，取得更好的效果[4]。

現有的大數據分析挖掘的方法有很多，常用的有如下幾種。

1.關聯分析法。這是最常見的大數據分析方法之一，指的是從現有的數據庫中找出特定序列的數據在特定事件中存在的數據關聯性。確定關聯規則是關聯分析法的重要基礎，不同關聯規則的設定會產生不同的關聯結果。該方法主要用于發現某一事件中不同數據是否存在關聯性，如產品間的內在關聯性。

2.序列分析法。序列分析法與關聯分析法規則類似，但尋找的是某一事件中數據之間在時間上的關聯性。加入了時間序列，使得分析結果更具動態性和延續性。這種分析法對于發現潛在用戶具有明顯作用，能夠廣泛應用到金融、醫療、工程等領域的企業中。

3.分類和預測分析法。實際上是兩個過程，第一步是確定模型描述，針對指定的數據類型和概念集進行分類劃分，第二步是使用這種分類基于模型進行預測分析。這一類分析方法主要用于挖掘隱藏在數據背后的消費者特定的消費習慣，并預測其后續的可能行為。

4.聚類分析法。聚類分析法能夠將數據庫內數據特征未知的信息進行相似性最大化處理，幫助企業了解哪些是較為典型性的用戶，哪些是忠實用戶，哪些是流失用戶等，從而有助于企業根據不同用戶的消費特征制定不同的營銷策略。

二、大數據技術在商業銀行的應用現狀

國內的金融行業，尤其是銀行業，大數據的應用尚處于起步階段，遠遠落后于互聯網行業。但金融行業實現數字化交易以來，沉淀了大量的用戶數據，是較為適合大數據分析的行業。銀行業的數據分析尚處于從數據碎片化到數據整合時代的過渡階段。現階段，大數據技術在商業銀行的應用主要集中在風險控制和零售業務，主要有三種模式。

首先，基于網上交易流水的數據挖掘。銀行與電商合作，直接接觸電商平臺、支付平臺上的大量賣家和買家，并通過交易流、信息流、資金流覆蓋其產業鏈上的生產、物流、消費等多個環節。基于此，銀行借助成熟的數據分析技術，實施風險控制和拓展營銷。如工商銀行“易融通”會自動處理客戶信息，選取客戶融資需求量、還款資金來源及其可靠性等因素作為貸款額度指標，在線批量審批與發放貸款。招商銀行與敦煌網共同推出的“敦煌網生意一卡通”客戶信息共享，為小微企業提供融資、結算、理財一體化的金融服務。

其次，基于第三方系統的征信數據挖掘。這一類數據主要包括人行征信、工商、稅務、電力、房管局、車管所、社保、海關等政府數據，學歷、購物、支付、物流等社會征信數據以及各大金融機構的金融數據等。這些數據使得銀行能更加全面判斷企業客戶的屬性和資質，更有針對性地根據其綜合情況實施精準營銷。如平安銀行在接入平安保險、平安租賃等集團子公司數據的同時，輔之以政府公共數據，全面分析客戶情況并據此營銷。

最后，基于POS流水的數據應用。商業銀行依托在線貸款業務平臺系統，對客戶進行綜合信用評價，向符合貸款條件的POS商戶，以其一定期限內的POS結算流入量為授信額度的依據，在線發放用于生產經營的信用貸款。已有的POS流水數據應用有招商銀行和通聯支付合作的流水貸、中信銀行和銀聯商務合作的網絡商戶貸款業務，浦發銀行和通聯支付合作的流水貸業務等。

除了基于行內數據進行挖掘分析外，國內許多商業銀行還與專業第三方公司合作，爭取順應大數據潮流，進一步加快應用大數據的步伐。如平安銀行與SPSS公司合作，進行消費貸產品的大數據營銷管理；寧波銀行利用客戶購買某項產品大數據分析結果挖掘潛在客戶。這些探索為商業銀行擁抱大數據技術，利用大數據技術轉變營銷理念和營銷方法提供了很好的借鑒。

隨著云計算、物聯網等新型信息技術的發展和跨渠道跨終端的整合，銀行的大數據將日漸完善。產品的客觀數據與客戶信息也將有效結合，形成完整的“產品——用戶”數據庫，用于銀行各類產品的規模化和定制化綜合推介，尤其是對于具有復雜的金融產品綜合運用需求的對公客戶來說，大數據的應用將是一片藍海。

三、大數據技術在對公業務營銷中的應用方案

對公客戶是商業銀行的主要利潤來源之一，且該類客戶沉淀了大量復雜的數據，將大數據技術應用于對公客戶服務和對公產品營銷具有重要意義。基于大數據技術的營銷管理是一項系統性工程，需循序漸進，最終形成一套成熟體系。張湛梅等提出一套針對移動互聯網的大數據營銷體系“PDMA”，主要包括認知客戶（perceive）、挖掘需求（data-mining）、精準營銷（marketing）、營銷評估（assessment），構成一個閉環體系[5]。基于“PDMA”的框架能很好地建立銀行產品和客戶兩個維度。結合客戶屬性進行產品大數據分析，才能以更符合客戶偏好和需求的方式實施產品營銷，并對營銷的效果進行事后評估，以持續改進。本文以“PDMA”為框架，系統闡述商業銀行借助大數據技術進行對公產品營銷管理的應用方案。

（一）P——認知客戶行為

對公客戶與零售客戶有本質的區別，客戶的金融需求復雜，且更加個性化多樣化。在銀行進行大數據分析之前，應當對對公客戶有一個全面認識，并結合客戶情況認知銀行對公產品現狀。認知企業客戶行為可以從三個方面著手。

1.基于客戶屬性建立客戶特征庫。客戶特征庫包括銀行數據庫中的所有對公客戶相關字段，可以對客戶的自身屬性、所在地區、財務狀況、與銀行合作緊密程度等進行初步分析，掌握客戶基本情況。

2.結合客戶持有產品情況，認知銀行的產品結構。以產品管理系統中的產品庫為依據，分析持有不同數量產品的客戶分布、各門類產品的客戶總體分布、下屬分行及其經營機構的客戶持有產品情況，以及結合多個時點的各門類產品客戶數的變化趨勢等。

3.在認知產品的基礎上，基于產品記錄，分析客戶行為習慣。包括客戶對產品門類的偏好，對產品購買渠道的偏好，對資金流動性的需求，購買產品時段偏好等。

（二）D——挖掘客戶需求

在認知產品和客戶的基礎上，應用大數據技術，挖掘隱藏在產品信息和客戶信息背后的客戶需求，為后續的精準營銷打下基礎。

1.基于客戶產品持有行為判斷不同產品的相關程度。在客戶持有產品的全數據中，同一客戶持有多種產品的現象較為普遍。分析客戶持有的產品明細清單，找出同一客戶持有產品組合的一般規律，可以準確判斷各產品之間的相關程度，測算出持有某種產品的客戶同時使用該產品相關產品的可能性。產品相關分析的結果可以形成定期的產品相關性監測報告和營銷建議。

2.基于產品的監測報告，判斷產品持有的平均水平。結合客戶產品的平均持有水平分析，將低于產品平均持有水平的對公客戶認為是具有產品潛力的客戶群，生成這一類客戶清單。同時根據客戶清單中對公客戶所在分行進行分類，將這部分產品需求未充分挖掘的客戶清單推送到分行，以幫助分行更好地鎖定目標營銷客戶。同時也可以針對不同門類產品的客戶情況進行統計分析，判斷持有某類產品的客戶使用其它門類產品的情況，也即產品的跟進情況。

3.對非結構化的大數據進行分析，全方位挖掘客戶的產品需求。非結構化數據可以分為行內數據和行外數據。行內數據中，銀行內部的資金來往記錄和銀行內部企業授信報告等都可以作為非結構化數據來源。此外，銀行還可綜合應用外部數據，如電力、稅務、工商和人行征信系統數據。通過這類交易數據可以形成企業的社會網絡關系圖，作為供應鏈金融大數據營銷的重要依據。

總之，需求發現環節應緊密結合產品和客戶的數據，挖掘大數據背后客戶對產品的需求，是借助大數據實現對公產品營銷管理的基礎性工作。

（三）M——產品精準營銷

充分挖掘客戶需求后，根據需求實施精準營銷。具體可以有如下應用。

1.結合客戶的產品門類偏好推薦同一類別的其它產品。根據客戶偏好分析和需求挖掘結果，掌握客戶對某類產品的使用記錄，為其推薦同門類產品中其它熱門產品（依據熱門產品排名），提高同一門類產品的滲透率。此外，還可以具體到各分行，分析各分行同類產品使用情況，并將之與全行產品應用情況對比分析。低于全行各門類產品應用水平的分行建議就其薄弱的產品門類進行重點營銷。

2.對持有某些產品的客戶推薦產品組合中的其它產品。通過產品相關分析梳理出相關度高的產品組合，結合只持有這些產品組合中的部分產品的客戶清單，生成各個客戶還可進行關聯營銷的具體產品清單，推送給各分行，指導其根據該客戶潛在產品清單對客戶進行產品關聯推薦。

3.通過客戶屬性分析開發潛在客戶。從產品出發，通過聚類法和分類預測法分析持有某種產品的客戶群體的共同屬性，然后比對具有這些屬性但還未持有該種產品的客戶，作為該種產品的潛在客戶名單，對名單上的客戶推薦該種產品，通過分析現有客戶成功開發新客戶。

（四）A——營銷效果評估

營銷評估是貫穿“PDMA”大數據營銷體系全流程的最后一環，也是營銷管理流程中承上啟下的重要步驟，能及時幫助商業銀行掌握大數據分析的效果。銀行在精準營銷評估過程中，應當加入時間序列，結合產品和客戶情況進行綜合評估，并定期對基于大數據分析的精準營銷實施評估，根據評估效果改善大數據分析和精準營銷的成果。對有成效的分析結果形成定期營銷報告，對于成果不顯著的從業務角度總結原因，調整大數據分析模型和參數，改進結果。

四、對公業務營銷中的典型案例

總體來說，相比國有銀行，股份制銀行更加積極擁抱大數據技術。2015年3月，民生銀行“金融e管家”平臺正式上線，這是民生銀行利用大數據技術的一大利器。該平臺主要針對國內商業銀行客戶關系管理系統管理功能、分析功能、應用功能相互脫離的弊端而開發的基于大數據分析的一站式服務平臺。“金融e管家”服務于全行對公客戶管理，覆蓋“PDMA”框架的四個環節，是對公業務應用大數據技術的典范。

首先，認知客戶行為（P）。該平臺對接民生銀行內200多個生產系統和數據中樞，并導入上市公司數據、人行征信數據、工商數據等行外的數據，形成完善的數據結構，通過不同的規則組合數據，如對公客戶和產品的交叉組合，或者基于供應鏈的客戶上下游集合等，使用戶可從不同角度解讀對公客戶的特性，同時通過行內資金流和行內外信息流，精確掌握客戶的行為習慣。

其次，挖掘客戶需求（D）。該平臺對客戶信息更深層次的挖掘，去除無效信息，將有效信息放大，結合線下業務資源，挑選出最適合營銷的企業關系群體，應用多種大數據分析方法，建立關系網絡分析模型，識別出群體的特征和相互之間業務重點，并以極具可用性的界面展示客戶潛在需求挖掘的結果，幫助客戶經理深度挖掘客戶的金融需求。

再者，產品精準營銷（M）。該平臺是一個智能化的融資理財和資源整合平臺，主要圍繞核心客戶，通過后臺數據的支撐，建立交易網絡模型和上下游客戶推薦模型，并據此匹配最適合的金融產品，實現精準營銷。該平臺上線后，對公產品關聯營銷的成功率大大提高。

最后，產品營銷評估（A）。該平臺建立了基于歷史記錄的客戶績效評價體系，科學全面的評價客戶績效，并根據評價結果改進營銷方向。后評價功能涵蓋對公業務的不同情況，如對個性化服務方案的綜合評價，對集團客戶也能建立綜合收益的評價，而不僅僅是單獨考慮單筆業務的收益，適應了缺資產時代的商業銀行經營新思路。

可以預見，在信息技術發展日新月異的當代，隨著對公業務背后紛繁復雜的信息流、資金流、物流等多樣化數據不斷沉淀，大數據技術在商業銀行對公業務營銷中的應用價值將日益凸顯，并將逐漸成為商業銀行對公業務的核心競爭力之一。

（特約編輯：何雁明）

參考文獻：

[1]Manyika， J.，M.Chui andB.Brown et al.Big Data：The Next Frontier for Innovation[R].Competition， and Productivity，2011.

[2]Franks， B.著，黃海，車皓陽，王悅等譯.駕馭大數據[M].北京：人民郵電出版社，2013.

[3]楊威.大數據時代下的電子商務企業營銷方式變革[J].中國電子商務，2014（14）.

[4]高源，張桂剛.基于大數據的網絡營銷對策研究[J].湖北經濟學院學報（人文社會科學版）2014（11）.

[5]張湛梅，羅蕓，屈強等.基于客戶移動互聯網內容偏好的大數據精確營銷體系搭建[J].互聯網天地，2013（4）.