咨询服务热线:4006868273
案例介绍

行业新闻

您当前的位置: 首页>新闻资讯>行业新闻>数据驱动业务创造价值!中小商业银行大数据应用展望!

数据驱动业务创造价值!中小商业银行大数据应用展望!

发布时间:2018-09-04 浏览次数: 文章来源:上海杠杆企业管理咨询有限公司 作者:上海杠杆企业管理咨询有限公司

中小商业银行应如何发挥互联网、大数据的优势,并将大数据技术应用于银行的各个业务条线,真正做到数据驱动业务、数据创造价值呢?


blob.png

如今,以银行为代表的金融机构,面临众多前所未有的跨界竞争对手,市场格局、业务流程已发生巨大改变,以“BAT”为代表的互联网巨头借助自身强大的互联网基因和大数据技术,不断进行金融创新和突破,逐步蚕食传统银行的市场份额。加之,移动互联网时代的来临,更加速了这一趋势的演变。

对此,很多传统银行开始积极拥抱互联网金融,利用大数据进行业务创新和流程再造,如招行“闪电贷”、民生银行“网乐贷”、平安橙“e 税金贷”、江苏银行“税 e 融”……这些都是基于大数据风控技术的纯线上化贷款产品,在市场也引起了良好的反响,也使得银行的业务规模逐日攀升,产品风险得到有效控制。

对于中小银行来说,虽然资产规模相对较小,但也成就了“船小好调头”的优势。如何顺势而为将大数据技术应用银行的各个业务条线,真正做到数据驱动业务、数据创造价值——将成为中小银行实现弯道超车、跨越式发展的重大转折点。


客户画像,实现精准营销

大数据具有众多的信息维度和庞大的数据量,通过数据的提炼,可以从各个角度对事物进行精确的数字化刻画。当这种技术应用于人的身上,我们可称之为“客户画像”。客户画像体现为贴在客户身上的一个个数字标签,如“高”、“帅”、“富”、“美食爱好者”、“网购达人”等。毫无疑问,如果手中的每个客户都被打上一个个标签,那么你就真正做到了解你的客户。在此基础上,根据不同的客户群体,采取对应的营销手段和合适的触达方式,便可实现精准营销。


blob.png


1
移动数据分析,实施客户画像

某银行今年下半年,刚刚推出新版手机银行App,结合本行移动互联网的战略,引进国内知名的移动数据分析公司,利用其基于移动App 采集的海量大数据资源,对客户进行逐一画像,针对画像得到的标签体系进行统计分析,找出最为主要的客户群体。

然后,结合吸引新客户、提高老客户活性、促进漏斗转化等目标,设计出最贴合、最精准的营销和运营活动。

接着,在积累数据运营经验的基础上,进一步搭建移动数据分析平台,通过在手机银行、直销银行等 App 进行“数据埋点”,收集客户浏览轨迹、页面点击次数与停留时间、各页面间转化、系统异常退出等数据,并实现行内一方数据与第三方的数据有效打通。

最后,通过移动数据分析平台进行深度挖掘和分析,获得更广泛的维度和更全面深刻的客户画像,并提供用户分析、来源分析、行为分析、页面分析、事件分析、转化漏斗、用户分群等分析报表,为产品设计及优化、客户运营、营销推广提供了强有力的数据支持。

blob.png


2
精确捕捉场景,实现精准营销

在完成客户画像和营销活动设计之后,需要将活动信息触达到客户。传统的短信群发虽然实现较为简单,但由于目前垃圾短信泛滥,客户对短信的信任程度逐渐下降,同时短信群发也存在失败率高、样式单一等缺点。

对此,我们可以采用基于互联网技术的个性化推送平台。营销信息可直接推送到客户App 中,形式丰富、动作灵活,客户直接打开 App 便能获得推送信息,也提高了客户黏性和业务转化率。此外,结合大数据位置信息,还可以实现电子围栏推送,在合适地点、合适时间触发,精确捕捉用户场景。


3
抓住突发事件,抢占营销先机

互联网时代人们的生活节奏进一步加快,各种营销机会稍纵即逝,事件营销可充分抓住这种突发的、偶发的事件,利用大数据强大的数据处理能力第一时间作出反应,抢占先机。

列举一个较为典型的案例。某金融机构通过大数据采集发现某客户正在了解外币汇率,同时又在关注国外某地近日的天气情况,这一信息被捕捉后送往大数据平台进行快速分析,推断出客户可能近期有去国外度假的计划。基于这一事件,该金融机构立即向该客户推送信用卡境外刷卡优惠政策及境外旅游保险产品等消息,既能让客户体会到细致入微的金融服务,又能促成相关交易,增强用户黏性。

blob.png


4
总结活动经验,评估活动效果

营销活动落地实施后,必须及时进行活动效果后的评价,如在新客获取、提高活性、提高传播率、提高App 占有率等方面,是否达成预定目标;如未达成目标,则分析失败的原因,以便下次活动针对性地得到改善。具体的分析指标和要点简述如下:

a. 获客: 新增客户的群体特征( 画像),与之前存量客户群体的差异点和共同点;新客的特征是否符合预定的目标客群。利用Logistic回归(logistic 回归又称logistic 回归分析,是一种广义的线性回归分析模型,常用于数据挖掘,疾病自动诊断,经济预测等领域。)、随机森林等数学模型计算参与活动客户的特征,模型结果可用于预测下次活动时,可能参与的目标客群和参与的概率大小。

b. 迁移转化:新客在开户后是否持续使用(生命周期演化)。

c.App 市场占有率、App 活跃率等变化情况。

d. 客户流失率,及流失原因分析。

e. 活动整体评价:针对得出的相关数据,做出营销活动的评价并得出整体分析报告。



移动互联网时代

要求银行业者将移动电商重要性提升到战略层面

更要求银行业者做到所有的服务和行为都可以量化

杠杆咨询本周推荐《互联网金融与大数据》

帮助银行业者对业务发展形成全方位视角

提升决策质量和业绩表现。


一、课程目标

1. 结合案例、深入研讨、学习互联网金融的现状和趋势

2. 对利用互联网思维、大数据、消费金融进行银行服务的体系建设提出了实施建议

二、课程介绍

授课时间:6小时(1天)

授课方法:理论讲授(40%)+案例分析、小组研讨(60%)

课程对象:适合了解互联网金融思维,本质和金融大数据的各级银行骨干人员

三、课程大纲

互联网金融侵入传统银行零售业务

1. 互联网思维

2. 传统金融三个核心业务的突破

3. 互联网金融发展方向

案例:阿里金融、360、宜信P2P、腾讯、hao123

社区银行与普惠金融

1. 社区银行类型及特点

2. 新社区银行定位三化

3. 社区场景模型分析

4. 社区客户需求分析

5. 社区金融2+1业务模式

6. O2O社区金融网

7. 关联微信银行,手机银行

案例:北京银行,长沙银行,工商银行

金融大数据

1. 4V特性

2. 大数据组成及发展趋势

3. 大数据场景精准营销

4. 银行理财产品数据分析

5. 大数据防范信用卡风险

案例:四大行理财产品特性分析

互联网消费金融银行策略

1. 互联网消费趋势

2. 互联网消费金融服务分析

3. 银行互联网消费金融策略

案例:京东金融,阿里金融,邮储银行,工商银行,建设银行,招联金融,中信银行,光大银行等

银行风控与征信大数据

1. 大数据风控策略

2. 大数据征信

3. 大数据颠覆零售业务布局

案例:民生银行,工商银行,Fico,Zestfina

零售银行的核心价值再造

1. 对外服务能力的加强

2. 对内组织结构整合

3. 建立泛生活金融圈战略

4. 把数据看做银行最重要的资产,建立数据资产的运营管理体系

案例:阿里金融、宜信P2P、蚂蚁金服、芝麻金融、FICO、平安银行