深化銀行數據挖掘應用

汪蔚菁 陳茂林 王中華

在目前的客戶市場上，“二八定律”表現的依然很明顯，極少數客戶貢獻了大部分利潤。而資源始終有限，銀行只能將有限的資源用于更能產生價值和最需要服務的客戶身上。因此，如何識別高價值客戶對銀行的獲利至關重要。

大數據在客戶識別 營銷維護中的作用

第一，客戶識別和客戶價值分析。目前，資產分段和客戶貢獻是最常用的識別優質客戶方式。但此種方式對客戶的挖掘程度較低，許多潛在優質客戶不能被識別，進而導致對優質客戶提供了普通服務。而稍稍優質的客戶普遍在多家銀行都開展了業務，是否識別到優質客戶并相應提供服務會導致客戶對銀行服務體驗上的巨大差別，進而影響到客戶對銀行服務質量的判斷。當前我行在以下幾個方面開展了客戶識別和價值分析。一是運用外網信息、外購工商注冊信息和行內數據倉庫信息挖掘識別優質法人客戶和潛力個人客戶。目前我行能夠運用大數據在工商注冊企業入庫后準實時地發現新注冊企業，能夠跟蹤各工商注冊企業高管在我行資產情況，能夠識別企業實力并發現在我行個人資產較低的實力企業高管。二是運用資金流向信息識別他行優質客戶。具體方式為通過他行高端客戶銀行卡特征信息、賬戶特征信息識別出他行的優質客戶并結合其在我行資產情況對客戶實力和潛力進行判斷。三是利用征信信息判斷高額授信但在我行資產較低客戶。四是內部數據挖掘低資產潛力客戶。具體包括在我行高代發工資客戶、卡消費額較高客戶、銀證轉賬較多客戶、同業理財較多客戶等。這些客戶的共同特征是，種種跡象顯示其實力較強，但同時在我行資產較低。五是通過資產長期跟蹤識別潛力較大客戶。其做法為跟蹤客戶資產，比如某客戶目前在我行資產為30萬元，但其曾經在我行最大資產為500萬元，則認為該客戶可能有較大潛力，有必要跟蹤了解客戶情況。

第二，客戶畫像。“畫像”實質上也是一種客戶識別，并且是更為綜合化的客戶識別。比如2017年9月份全行投產的公司客戶畫像標簽庫就包含了客戶交往周期、企業規模、走出去/走進來企業、營銷級別、渠道偏好、資金留存率、存款交易周期、結算交易集中度等。當前，網銀客戶畫像、網點叫號機客戶畫像、PBMS內嵌客戶畫像應用等已在客戶識別營銷過程中發揮作用，江西分行各二級分行、各專業也都自主開展了客戶畫像分析識別和營銷客戶。

第三，客戶營銷。根據預先設定的標準從目標市場中收集符合條件的客戶群，通過分析將客戶進行分類并對客戶相關因素進行分析，識別出可能接受金融產品及相關服務的客戶群體，能夠有針對性地開展營銷。比如營銷存款，具體包括儲蓄存款資金流向信息挖掘營銷、三方存管資金回流營銷、信用卡資金回流營銷、保本理財營銷、貸款客戶存款營銷等。比如營銷產品和業務，具體包括分期付款營銷、信用卡營銷、貴金屬營銷、結售匯營銷、“融e”系列客戶端營銷、工銀e支付營銷等。數據分析有助于挖掘出不同類型客戶的特征，將有利于營銷的特征與潛在客戶群進行匹配，對匹配度大的客戶進行重點營銷。

第四，客戶維護。客戶維護首先要提到的是產品到期承接，這既是營銷也是維護，具體包括理財產品到期承接、信用卡到期換卡等。比如某中部省會城市分行目前正在部署的2018年第一季度5萬元以上定期到期客戶產品承接，涉及客戶2.77萬戶，涉及定期存款約22億元。其次是管戶關系優化調整。客戶經理管戶制度是我行個人優質客戶服務與營銷工作的重要制度，也是實現優質個人客戶服務的工作基礎。多年以來，銀行沉淀了大量客戶，許多客戶由于工作、家庭住址變動已經與原客戶經理管戶網點相距較遠，客戶經理的工作地點變動也較尋常，在不斷的發展中，客戶經理對客戶的維護也需要優化調整。以某中部省會城市分行為例，33%的理財客戶經理管戶客戶年日均資產下降，14%的理財客戶經理管戶客戶年日均資產下降超10%。從所管戶客戶看，也有超過40%的管戶客戶年日均資產下降。從對客戶的實際維護看，也存在雖有名義管戶關系但未實際維護的情況，有29%的低星客戶級管了戶，而有高達11.33萬的高星級未管戶的情況。從管戶關系和資產分布看，有23%的90%以上資產所在網點與客戶經理所在網點不一致的情況。最后是積分兌換、新渠道拓展、抽獎活動和答謝活動等致力于提升客戶體驗的各種營銷和服務，借助數據挖掘可以找到高積分客戶、較易接受新渠道客戶等，幫助活動順利有效開展。

數據應用的思路和措施

第一，做好大數據服務和應用體系設計。要從內涵、制度、工作流程等方面對大數據分析服務和應用進行梳理和完善，確保各個層次的需求得到滿足，各項數據應用能得到有效落實。其中，在一般信息需求滿足上，要盡可能給予滿足并縮短需求滿足時間，提高服務效率，要實現以多層次的服務和產品滿足全行各層級用戶的數據需求，解決數據服務的最后一公里問題;在營銷信息應用上，要確保營銷有規劃、過程有跟蹤、執行有監督、成效有評估和反饋，進而能優化提升和推廣應用，要建立基于數據驅動的精準營銷閉環管理和量化評價體系，確保營銷取得顯著效果。

第二，強化數據治理和主數據管理，夯實數據分析應用基礎。一是要建立更有約束力的、更有執行力的全面數據質量管理體系，推動數據質量穩步提升。在全行系統數據的產生、采集、清洗、匯總、分析和展現等各環節實現數據質量保障要求。數據質量管理是一項系統工程，是全行性的工作，必須要由全行上下各級行、各相關條線相互配合，要落實“數據質量源頭負責制”，各行、各專業要牢記“數據質量是數據的生命”這一理念，切實履行數據治理指標牽頭管理職責，常抓數據治理不放松。二是要完善主數據管理機制。要持續開展關鍵主數據識別工作，持續提升關鍵數據信息的完整性、一致性、準確性。

第三，推廣應用大數據服務平臺，打造多層次數據服務應用體系。一是要加強數據分析服務系統（DAS）推廣應用，以DAS系統為常規數據服務的窗口，提高數據服務的受眾和效率。各DAS系統用戶要加強對DAS系統的學習和探索運用，提高自身的系統應用能力和效率。目前數據分析服務系統中已經部署了7000多個數據需求模板，能夠滿足大部分需求，對這些模板的認識和使用能快速提高數據提取和應用的效率。二是要加強EDW靈活查詢挖掘，滿足深度分析需求。三是要推廣應用融e慧系統，通過融e慧系統支持分析師開展各類數據分析和應用。

第四，精選重點項目，主動開展精準營銷。要以客戶為中心，利用大數據分析圍繞客戶生命周期全面提升我行了解客戶、定位客戶和觸達客戶的能力，推動營銷多維度客戶分析和精細化管理，支持營銷人員快速、準確地把握客戶特征，及時捕捉客戶需求，做好客戶維護和服務工作。要利用大數據開展針對性的客戶服務，改善客戶體驗，提升服務質量，推動客戶獲取、交叉銷售、流失挽留、營銷創新等場景化應用。要在總省行的統一部署下，著力推動EBM2.0精準營銷平臺應用，實現營銷活動、營銷規則、執行評估、效果跟蹤、反饋優化的全流程管理。把精準營銷工作做實，做好前期調查，選好切入點，抓準目標客戶，在此基礎上一定要解決好以往不重視過程管理的積弊，抓執行率、接觸率，確保一定的成功率。具體到每個精準營銷項目來說，要有非常具體的方案設計和工作規劃，要有定期的跟蹤督導和相應解決問題，確保執行和反饋執行效果，并在精準營銷期間不斷地優化提升。

第五，強化知識共享、培訓和管理，推動數據應用的落地實施。一是加強大數據文化傳播，培育工行“用數據說話、用數據營銷、用數據管理、用數據決策”的文化;二是持續組織開展數據治理、大數據服務支持業務培訓和技能提升;三是繼續推動數據分析成果、工作經驗、分析需求交流活動的開展，持續提升分析成果的質量和促進分析成果落地實施。