银行大数据时代面临的挑战

1、银行离客户越来越远。

       在互联网交易链条中，银行所占比重越来越低，这使得银行越来越难以知道客户的消费行为；互联网金融的出现，在未来可能会超过以银行为中心的间接融资和以交易所为中心的直接融资模式，这会使得银行逐渐被边缘化。本质上是因为银行对于客户的了解程度，相对越来越弱。

2、客户不断流失难以挽回。

       市场竞争越来越激烈，银行意识到客户满意度的重要性，并将提升服务作为工作目标。在具体的操作过程中，银行关注产品特点，从服务质量、客户感知进行调查，试图找到解决办法。但是客户满意度却一直停留在原有水平。客户流失率也在不断上升。本质上是因为银行服务同质化。

3、客户维系成本不断攀升。

       随着互联网金融各类“宝宝”们冲击银行存款，抬升融资成本，银行越来越难以找到低价优质的资金，客户维系成本也不断攀升。银行客户维系陷入“理财收益高，客户多，收益下降，客户跑”的怪圈。本质上是由于银行无法对客户需求进行及时响应，只能通过价格这一工具进行营销。

银行越来越意识到数据作为核心资产的地位，希望借助大数据的技术，聚合客户在银行内外的种种信息，深入洞察每个客户在银行内外的方方面面，以了解其兴趣、偏好、诉求，从而提供每一个客户个性化的产品与服务。

银行大数据解决方案

      基于六年来专注于大数据的应用实践，为银行业提供端到端的整体解决方案，帮助银行实现多源异构数据的采集、整合，并运用大数据文本分析和数据挖掘技术，深入挖掘客户特征、需求，从而为银行向客户提供差异化服务和个性化产品、产品创新等提供数据支撑。整体解决方案如下：

银行业大数据应用

1、用户实时行为分析

       互联网金融及第三方支付的出现，让银行用户流失严重，同时也更加不了解用户的需求。通过在银行官网、APP上部署采集访问用户实时行为的代码，让银行可了解用户在网上的行为特征、需求，拉近银行和用户的距离，从而为更精细化的服务提供数据依据。

实时行为包括：

用户分析：新增、活跃、沉默、流失、回流

渠道分析：渠道来源、渠道活跃、渠道流量质量

客户留存分析：留存用户（率）

事件和转化分析

客户体验度量：使用时长、地区分析、终端分析。。。

访问原因探查：访问时间、访问频次、停留时长、访问路径

2、个性化服务和资讯推荐

根据客户使用银行产品和服务的历史信息及在银行官网/APP上留下的实时信息，利用大数据文本分析和挖掘技术，分析客户的长期、短期偏好和需求，预测当下和潜在偏好和需求，为客户推荐个性化服务或资讯。

3、精准营销

面对银行存量客户交易不活跃，新客获取渠道少，渠道流量质量差等各类问题，我们银行精准营销方案以用户出发，识别每个客户在银行内外的上网特征、金融产品消费偏好、金融渠道偏好、金融风险偏好、互联网消费偏好、互联网内容偏好、社交网络等信息，将用户特征匹配银行产品特征，从而将更合适的产品信息精准推送到合适的用户（群）。

新客的获取：基于采集的企业内外数据，在充分分析银行产品和服务特征的基础上，分析客户特征，从海量用户（互联网、App、邮箱等）中精确匹配到适合银行产品和服务的高价值、高净值客户，通过实时竞价广告（RTB）、EDM（个性化邮件营销）、搜索营销（SEM）等手段将产品和服务资讯推送给匹配的客户，帮助银行快速获取高价值客户。

存量客户营销：帮助银行从产品或者从客户出发，分析产品或客户的特征，运用口碑扩散模型、look-alike模型等，为产品找到合适的老客户，或者为老客户找到合适的产品，从而实现老客户的再营销，提高客户满意度， 增强客户黏性。

4、产品分析

对银行所有产品进行画像，形成统一的产品画像体系，从而对产品的特征、产品的销售情况、利润情况、新产品研发等提供参考。

产品全方位信息视图： 通过产品画像体系，可以对具体产品的各项指标有个全面、直观的了解。主要特征包括：

基本信息：统一的产品号、产品名称、产品定义、产品上线时间、产品经理等信息。

产品的种类

按对资产负债表的影响分类：资产类产品、负债类产品、中间业务类产品。

按服务对象分类：对公产品、对私产品。

按业务特质分类：国际业务、信贷业务、结算业务、投资银行业务、信用卡业务等。

评价信息：产品积分、贡献度、当前评价信息和评价历史。

销售渠道：柜面渠道、网上银行渠道、手机银行渠道、直销银行渠道等。

产品规模：产品余额、产品客户数、单位时间内销售额、户均持有产品数等。

5、产品创新

通过对特定数据进行提取和分析、产品核算，清晰对比各类客户的产品覆盖率、产品使用率、产品黏度、产品收益，结合互联网舆情和友商的竞品信息，进而针对不同的客户群提出差异化的产品创新需求。

6、产品评价

根据产品后评价指标建设评价模型，实现对产品的系统评分。获取每个产品各指标数据，采用等级评分法等方法对数据进行标准化处理，反映每个产品的每项指标在组内产品中的排序。评价指标包括：产品预期偏离度指标、产品综合效益指标、产品规模指标、产品质量指标等。

7、风险防范支持

风险防范重点关注个人客户在银行体系内外的负面信息，银行体系内的负面信息包括：信用卡逾期、贷款逾期、黑名单信息等，银行体系外的负面信息包括：P2P/小贷公司等黑名单信息、公检法的诉讼案件信息、国家行政机关处罚信息（工商、税务、一行三会、协会等）以及网上负面舆情（虚假宣传、误导消费者）等，从这些数据出发，全面评估个人客户在银行的风险等级，为银行的风险防范提供决策支持。

8、客户服务

帮助银行从采集的客音数据、问卷调查、互联网舆情等数据分析客户的抱怨、诉求和需求，从而为客户制定有针对性的服务策略。通过分析客音数据，挖掘客户对产品的诉求和抱怨信息，在后续和客户接触时，提供更符合客户预期的信息。基于360°用户统一视图，客服人员能全方位了解客户的基本信息、购买历史、投诉历史等，从而可以给客户推荐更合适的产品。

我们银行大数据解决方案的价值

1、为银行建立用户数据中心，让银行更深入的了解用户，帮助银行实现以用户为中心的战略转型。

2、通过完善的大数据平台和针对性的大数据业务应用，提升银行用户体验，拉动银行收入，以及更有效的控制银行风险。

3、基于我们大数据解决方案，持续积累数据资产，通过大数据构建银行自身的核心竞争力，积极应对互联网金融时代的挑战。