|
随着各类社交网络的兴起、智能手机等可穿戴设备的普及、各种监控系统及传感器的大量分布，人类正在进入一个数据大爆炸时代。 这是一个最坏的时代，银行业受到了以互联网金融为代表的新兴行业的猛烈冲击。而伴随着人工智能的高速发展，让银行业的基层员工面临着未来失业的风险。 这也是一个最好的时代，随着大数据等前沿技术的发展，银行业则开启了转型重生之路。 几年前风靡一时的《大数据》一书，封面上赫然写着这样一句话：“除了上帝，任何人都必须用数据说话” 你真的清楚什么是大数据吗？为什么大数据在现代社会变得如此重要？所谓大数据，其实就是利用现代数据技术，替代过去依靠经验主义作出判断的科学方法。 目前，国内不少传统银行已经开始尝试通过“大数据”来开展业务运营，比较典型的有：
总的来看银行“大数据”应用分为四大方面： ▼ 1、客户画像应用 客户画像应用分为个人客户画像和企业客户画像。值得注意的是，银行拥有的客户信息并不全面，基于银行自身掌握的数据有时候难以得出理想的结果甚至可能得出错误的结论，所以银行在自身业务采集到的数据基础上，还要结合外部数据，以增加对客户的了解。包括： 1.客户在社交媒体上的行为数据 如光大银行建立了社交网络信息数据库。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户画像，从而进行更为精准的营销和管理。 2.客户在电商网站的交易数据 如建设银行则将自己的电子商务平台和信贷业务结合起来。 3.企业客户的产业链上下游数据 如果银行掌握了企业所在的产业链上下游的数据，可以更好地掌握企业的外部环境发展情况，从而可以预测企业未来的状况。 4.其他有利于银行了解客户兴趣爱好的数据。 如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。 2、精准营销 精准营销有点像谈一场优质的恋爱，在对的时间，遇见了对的人，然后一起做对的事。而在客户画像的基础上，银行就可以有效开展精准营销，包括： 1.实时营销 即根据客户的实时状态来进行营销，比如客户当时的所在地、客户最近一次消费等信息来有针对地进行营销（某客户用信用卡购买了孕妇用品，可以推荐孕妇喜欢的其他商品）。 2.交叉营销 即不同业务或产品的交叉推荐，如招商银行可以根据客户交易记录分析，有效地识别小微企业客户，然后用远程银行来实施交叉销售。 3.个性化推荐 即根据客户的喜好，进行服务或产品的个性化推荐。如根据客户的年龄、资产规模、理财偏好等，对客户群进行精准定位，分析出其潜在的金融服务需求，进而有针对性的营销推广。 4.客户生命周期管理 包括新客户获取、客户防流失和客户赢回等。 3、风险管控 在银行经营过程中，风险管控是非常重要的一环，直接关系到一个银行生存运作的根基，大数据技术下的风险管控可以为银行提供包括：贷款风险评估和欺诈交易识别等手段。 在企业贷款风险评估方面，可通过企业的生产、流通、销售、财务等相关信息，结合“大数据”挖掘方法进行贷款风险分析，量化其信用额度，从而更有效地开展信贷。 在实时欺诈交易识别和反洗钱分析方面，可以利用持卡人基本信息、交易历史、正在发生行为模式（如转账）等，结合智能规则引擎进行实时的交易反欺诈分析等。 4、运营优化 通过“大数据”，监控不同市场推广渠道尤其是网络渠道推广的质量就变得容易起来。比如银行通过统计一个理财产品在app上点击的次数，客户在该页面驻留的时间，以及最终的成交次数。 再结合之前所掌握的客户画像，分析出客户的个性特征和风险偏好，甚至可以更深层次地理解客户的习惯，智能化分析和预测客户需求，进而优化其运营策略。 8月23日-24日，由《零售银行》杂志主办，中国银行金融科技实验室、五道口金融大数据研究中心提供支持的“国内零售银行大数据盛会”在深圳华侨城威尼斯酒店举办。
届时，盛会将围绕业界最为关注的关于零售银行在大数据时代如何转型与变革的问题，探讨目前技术发展阶段，大数据的建设、信息存储等痛点，精准营销、场景化营销等应用所面临的短板也将逐一浮出水面。 扫描以下二维码，即可报名参加 2018中国零售金融大数据论坛
|
|
|
来自： 昵称58211567 > 《零售转型》
