百分點銀行大數據應用解決方案

馮加強　百分點信息科技有限公司咨詢顧問

?

百分點銀行大數據應用解決方案

馮加強百分點信息科技有限公司咨詢顧問

摘要：隨著互聯網、移動互聯網的興起，越來越多的用戶在網絡上進行理財、投資和消費，同時留下了大量金融相關的用戶數據，如何挖掘和利用這些數據，成為銀行企業業務創新，提升競爭力的關鍵。本文基于百分點在銀行業多年的大數據實踐，探討銀行業如何配合業務需求，構建一整套的大數據解決方案。

關鍵詞：大數據；銀行；百分點

1　銀行大數據時代面臨的挑戰

（1）銀行離客戶越來越遠

在互聯網交易鏈條中，銀行所占比重越來越低，這使得銀行越來越難以知道客戶的消費行為；互聯網金融的出現，在未來可能會超過以銀行為中心的間接融資和以交易所為中心的直接融資模式，這會使得銀行逐漸被邊緣化。本質上是因為銀行對于客戶的了解程度，相對越來越弱。

（2）客戶不斷流失難以挽回

市場競爭越來越激烈，銀行意識到客戶滿意度的重要性，并將提升服務作為工作目標。在具體的操作過程中，銀行關注產品特點，從服務提供質量、客戶服務感知進行調查，試圖找到解決辦法。但是客戶滿意度卻一直停留在原有水平。客戶流失率也在不斷上升。本質上是因為銀行服務同質化。

（3）客戶維系成本不斷攀升

隨著互聯網金融各類“寶寶”們沖擊銀行存款，抬升融資成本，銀行越來越難以找到低價優質的資金，客戶維系成本也不斷攀升。銀行客戶維系陷入“理財收益高，客戶多，收益下降，客戶跑”的怪圈。本質上是由于銀行無法對客戶需求進行及時響應，只能通過價格這一唯一工具進行營銷。

銀行越來越意識到數據作為核心資產的地位，希望借助大數據的技術，聚合客戶在銀行內外的種種信息，深入洞察每個客戶在銀行內外的方方面面，以了解其興趣、偏好、訴求，從而提供每一個客戶個性化的產品與服務。

2　百分點銀行大數據解決方案

百分點基于6年來專注于大數據的應用實踐，為銀行業提供端到端的整體解決方案，幫助銀行實現海量多源異構數據的采集、整合，并運用大數據文本分析和數據挖掘技術，深入挖掘客戶特征、需求，從而為銀行向客戶提供差異化服務和個性化產品、產品創新等提供數據支撐。整體解決方案如圖1所示。

對于已構建了數據倉庫的銀行，該方案以數據倉庫和業務系統（根據需要）為數據源，對于原有數據倉庫無法實現的功能或實現性能較差的功能（如語音數據、社交數據等的采集、存儲和處理）采用大數據技術進行實現，保護了銀行原有投入，降低了大數據使用成本。

對于尚未構建數據倉庫的銀行，該方案采用大數據技術實現結構化、非結構化數據的采集、存儲和處理，從而搭建起行內統一的大數據平臺。

對于銀行來說，要全方位了解客戶，就要整合客戶在銀行內外的信息，主要包括：人口統計學（年齡、收入區間、婚姻狀況、家庭人數、職業、職務）、客戶屬性（居住環境、生活情況概要、資金規模、銀行年限）、金融交易（交易歷史、資產構建、資產收益、產品偏好、產品接受度）、營銷活動（渠道偏好、市場活動響應、促銷偏好）、客音數據（電話咨詢、電話回訪、投訴、線上調查、線下調查）、客戶管理（價值度、活躍度、忠誠度、流失概率）、實時行為（點擊、瀏覽、咨詢、下單）、宏觀政策（國家經濟政策、經濟數據、行業動態）、風險/征信（人行征信、第三方征信、信用歷史、行政處罰信息、作為被告的訴訟信息、逾期、欠費）、非銀行金融（小貸、P2P、第三方支付）、社交（社交信息、客戶情緒）、市場行情等。

圖1　整體解決方案

3　銀行業大數據應用

3.1用戶實時行為分析

互聯網金融及第三方支付的出現，讓銀行用戶流失嚴重，同時也更加不了解用戶的需求。通過在銀行官網（Web端、Wap端）、APP上部署采集訪問用戶實時行為的代碼，讓銀行實時了解用戶在網上的行為、需求，拉近銀行和用戶的距離，從而為更精細化的服務提供數據依據。

實時行為包括：

●用戶行為：新增、活躍、沉默、流失、回流。

●渠道行為：渠道來源、渠道活躍、渠道流量質量。

●客戶留存分析：留存用戶（率）。

●事件和轉化分析。

●客戶體驗度量：使用時長、地區分析、終端分析等。

●訪問原因探查：訪問時間、訪問頻次、停留時長、訪問路徑。

通過對行為的分析，還可以對銀行官網、APP的運行狀況進行分析，并根據分析結果進行運營優化。

3.2客戶洞察

通過對客戶歷史數據的分析，進一步了解客戶的消費習慣、興趣愛好和購買意愿，并可以對客戶群體進行細分，通過用戶畫像了解用戶，猜測用戶對金融產品的需求或者潛在需求，精細化的定位人群特征，挖掘潛在的用戶群體，幫助銀行充分認知群體用戶的差異化特征。根據族群的差異化特征，幫助銀行找到營銷機會、運營方向，全面提高銀行的核心影響力。

3.3個性化服務和資訊推薦

根據客戶使用銀行產品和服務的歷史信息及在銀行官網/APP上留下的實時信息，利用大數據文本分析和挖掘技術，分析客戶的長期、短期偏好和需求，預測當下和潛在偏好和需求，為客戶推薦個性化服務或資訊，讓客戶在面對海量資訊時更易關注本行信息。

3.4精準營銷

面對銀行存量客戶交易不活躍、新客獲取渠道少、渠道流量質量差等各類問題，百分點銀行精準營銷方案以用戶出發，識別每個客戶在銀行內外的上網特征、金融產品消費偏好、金融渠道偏好、金融風險偏好、互聯網消費偏好、互聯網內容偏好、社交網絡等信息，將用戶特征匹配銀行產品特征，從而將更合適的產品信息精準推送到合適的用戶（群）。

●新客的獲取

基于采集的企業內外數據，在充分分析銀行產品和服務特征的基礎上，分析客戶特征，從海量用戶（互聯網、APP、郵箱等）中精確匹配到適合銀行產品和服務的高價值、高凈值客戶，通過實時競價廣告（RTB）、EDM（個性化郵件營銷）、搜索營銷（SEM）等手段將產品和服務資訊推送給匹配的客戶，幫助銀行快速獲取高價值客戶。

●存量客戶營銷

幫助銀行從產品或者從客戶出發，分析產品或客戶的特征，運用口碑擴散模型、Look-alike模型等，為產品找到合適的老客戶，或者為老客戶找到合適的產品，從而實現老客戶的再營銷，提高客戶滿意度，增強客戶黏性。

3.5產品分析

對銀行所有產品進行畫像，形成統一的產品畫像體系，從而對產品的特征、產品的銷售情況、利潤情況、新產品研發等提供參考。

產品全方位信息視圖：通過產品畫像體系，可以對具體產品的各項指標有個全面、直觀的了解。主要特征包括：

（1）基本信息：統一的產品號、產品名稱、產品定義、產品上線時間、產品經理等信息。

產品的種類：

●按對資產負債表的影響分類：資產類產品、負債類產品、中間業務類產品。

●按服務對象分類：對公產品、對私產品。

●按業務特質分類：國際業務、信貸業務、結算業務、投資銀行業務、信用卡業務等。

（2）評價信息：產品積分、貢獻度、當前評價信息和評價歷史。

（3）銷售渠道：柜面渠道、網上銀行渠道、手機銀行渠道、直銷銀行渠道等。

（4）產品規模：產品余額、產品客戶數、單位時間內銷售額、戶均持有產品數等。

3.6產品創新

通過對特定數據進行提取和分析、產品核算，清晰對比各類客戶的產品覆蓋率、產品使用率、產品黏度、產品收益，結合互聯網輿情和友商的競品信息，進而針對不同的客戶群提出差異化的產品創新需求。

3.7產品評價

根據產品后評價指標建設評價模型，實現對產品的系統評分。獲取每個產品各指標數據，采用等級評分法等方法對數據進行標準化處理，反映每個產品的每項指標在組內產品中的排序。評價指標包括產品預期偏離度指標、產品綜合效益指標、產品規模指標、產品質量指標等。

（8）風險防范支持

風險防范重點關注個人客戶在銀行體系內外的負面信息，銀行體系內的負面信息包括信用卡逾期、貸款逾期、黑名單信息等，銀行體系外的負面信息包括P2P/小貸公司等黑名單信息、公檢法的訴訟案件信息、國家行政機關處罰信息（工商、稅務、一行三會、協會等）以及網上負面輿情（虛假宣傳、誤導消費者）等，從這些數據出發，全面評估個人客戶在銀行的風險等級，為銀行的風險防范提供決策支持。

（9）客戶服務

幫助銀行從采集的客音數據、問卷調查、互聯網輿情等數據分析客戶的抱怨、訴求和需求，從而為客戶制定有針對性的服務策略。通過分析客音數據，挖掘客戶對產品的訴求和抱怨信息，在后續和客戶接觸時，提供更符合客戶預期的信息。基于360°用戶統一視圖，客服人員能全方位了解客戶的基本信息、購買歷史、投訴歷史等，從而可以給客戶推薦更合適的產品。

（10）支持銀行業務模式重構

數字化時代，用戶出現了新的特征：更多互動（期望產品的設計能考慮自己的需求）、更社交（期望通過社交媒體同銀行更多互動）、更有經驗（貨比三家，更注重圈子內的建議），這樣的變化對銀行的業務提出了更多的要求，銀行也要因應而變，積極轉型。

銀行業務轉型的方向之一是聯合其他服務/產品提供商，向客戶提供綜合的解決方案，例如聯合商戶提供更加質優價廉的商品，聯合旅游公司提供更加優質的旅游線路和景點服務，聯合航空公司提供更加便捷的航旅服務。

業務轉型的核心是以用戶為中心，深度挖掘銀行自身的交易數據，結合位置信息、商戶信息、商戶的產品信息、商戶的交易信息等，分析用戶的歷史行為，預測用戶的消費行為，從而聯合相關商戶提供綜合服務。

例如，通過對客戶A近期瀏覽網頁內容的分析，銀行預測到客戶A近期將前往國外某地旅游，銀行可聯合航空公司、旅游公司推出出境游套餐，包含出境游保證金、結售匯、旅游精選線路、低價機票等，一站式滿足客戶的出境游需求，既增加了業務收入，提升了客戶A對銀行的滿意度，增加了客戶A的忠誠度，同時又能依靠合作的旅游公司和航空公司獲取更多的業務和新客戶。

4　百分點銀行大數據解決方案的價值

（1）為銀行建立用戶數據中心，讓銀行更深入的了解用戶，幫助銀行實現以用戶為中心的戰略轉型。

（2）通過完善的大數據平臺和針對性的大數據業務應用，提升銀行用戶體驗，拉動銀行收入，以及更有效地控制銀行風險。

（3）基于百分點大數據解決方案，持續積累數據資產，通過大數據構建銀行自身的核心競爭力，積極應對互聯網金融時代的挑戰。

5　案例分享：某大型國有銀行大數據營銷

（1）項目背景

隨著互聯網金融對傳統銀行業務的不斷沖擊，銀行業變革需求迫切，作為“互聯網+”金融的先鋒，某大型國有銀行早已布局了銀行電商平臺，但該電商平臺需要通過大數據技術實現個性化商品推薦，提高網站的用戶體驗、客單價和復購率，同時希望能夠搭建用戶畫像和用戶分析系統，幫助運營人員優化網站運營。

（2）項目目標

●在該銀行的電商商城上為用戶提供精準實時的個性化推薦服務。

●提供網站運營智能分析工具。

●提供可視化分析報告。

（3）百分點解決方案

●個性化站內推薦

——部署代碼，采集數據

通過js部碼的方式，在商城網站的PC端和手機客戶端采集商品信息和用戶行為等非敏感信息，包括商品編號、商品名稱、商品品類、頁面訪問、瀏覽品類、瀏覽單品、搜索、添加購物車等。

——建立推薦模型

對于收集上來的商品和用戶行為信息，經過算法模型的處理變換為多種形式的個性化推薦模型，并結合百分點掌握的外部全網數據，形成更精確的推薦結果。

——進行精準的個性化推薦

百分點基于場景引擎、規則引擎、算法引擎、展示引擎以及流處理平臺和批處理平臺進行個性化數據運營，形成個性化推薦方案，推薦的內容包括商品、廣告、活動、商家等。

●智能分析引擎

——客戶畫像

將商城的數據與百分點全網數據整合，了解用戶在其它電商、社交平臺、APP上的外部行為，提供更準確的客戶畫像。

——商業分析和網站運維分析

整合商城前后端數據，提供基于流量、通路、訪客、會員、客戶行為、商品、訂單、融資等的數據分析，通過百分點分析引擎，向業務人員展示電子商務的核心數據情況，滿足商業分析（BA）和網站運維分析（WA）的需求。

（3）算法和效果評估

建立完整的客戶行為分析引擎，包括基于多種算法產生的客戶行為模型和最終的效果評估優化等。

——可視化數據分析報告系統

通過百分點分析引擎，以行業通用的方式展示流量、通路、訪客、會員、客戶行為、商品、訂單、融資等可視化數據報告；向行內運營后臺、店鋪后臺進行數據輸出。

——靈活的報表展現

業務人員可根據需要，靈活展現電商運維的核心及常用指標，形成可用的數據分析結果。

——評估與優化

定期對數據分析報告的質量進行評估和優化，保證指標的合理性和正確性，并根據需求不斷改進分析報告系統。

（4）項目成果

目前，基于百分點大數據技術的推薦引擎和分析引擎均已上線運行。運行一段時間后，該行網站的PV、UV、推薦欄點擊量、注冊轉化率等出現較為明顯的增長，跳出率明顯減少。在運行了3個月后，根據各指標，對網站的排版、商品的放置、推薦的內容均進行了優化，大大提升了推薦欄點擊量、注冊轉化率。

Banking big data solutions

FENGJiaqiang

Abstract:With the rise of the Internet， mobile Internet， more and more users on the network of financial， investment and consumption while leaving the a large number of finance related user data， how to excavate and utilize these data， become the banking business innovation， to enhance the competitiveness of the key， the percent in the banking industry for many years the practice of big data， to explore how to meet the business needs of the banking industry， to construct a set of big data solutions based on.

Keywords:big data； banking； solutions

收稿日期：（2016-03-20）