浅谈大数据时代下国内商业银行产品营销模式的转型

高峰 首都经济贸易大学

一、大数据概述

“大数据”这一概念，最早由知名咨询公司麦肯锡提出，麦肯锡指出：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来”。数量巨大、种类繁多、价值密度低、处理速度快是当代大数据区别于传统数据的显著特征。在当今社会中，各行各业均出现了大数据应用的身影，如电子商务、020、P2P、搜索引擎、物流配送等，其带来的竞争优势也愈发明显。大数据正在不断地变革各行各业传统的经营理念与营销方式，在为企业创新经营方式的同时也极大便利了消费的不同需求。以大数据为基础的消费者行为分析，能够精准的依据客户不同偏好推送相应产品与服务，在大大提高成交率的同时也降低了企业的营销成本，传统经营方式得到了优化与升级。随着数据信息规模呈爆发式增长，社交网络、云计算等新技术不断涌现，我们已不知不觉中走进了“大数据时代”。国内商业银行也必须提高对大数据应用的重视，结合自身运行情况及时调整营销模式,在大数据精确指导下想客户之所想,将银行产品与客户偏好有效融合[1]。

二、国外企业大数据的应用

纵观当代经济，金融行业已经成为受当代信息技术影响程度最大的行业之一。国外银行业中传统的实体银行、营业机构正逐步减少，取而代之的是虚拟服务增加，部分国家除了少量涉现业务外几乎都可以通过网络、自助机具实现，依托于网点及办事人员的传统营销模式也随之改变为结合大数据的精准化网络营销。 又如：ING DIRECT服务的主要客户群体为美国中产阶级，其利用互联网和电话等方式直接向客户提供相应金融服务。在经营中，ING DIRECT严格限制其互联网银行的业务范围，而只向服务客户提供最基本的金融服务。此种经营模式虽然简单，但却避免了经营机构的冗余及无效人工成本的增加，在最大限度节省成本的同时提高了其盈利能力。

三、国内商业银行产品营销模式

目前，我国部分商业银行尤其是中小商业银行依然通过增加营业网点、增加一线工作人员、增加发卡量等传统粗狂式拓展方法实现金融业务增量。但盲目扩张导致运营成本过高、效率低下。近年来，国内各种互联网公司、P2P，小贷公司等如雨后春笋般开始涌现，我国也开始进入了“大数据时代”。腾讯、阿里等超大经济体通过自身业务的开展，已收集、储备了大量数据信息。随着国内商业银行业务的扩张，客户体量也日益庞大，部分商业银行也开始注重本行客户数据信息的采集，建立行内数据仓库。但由于商业银行客户群体复杂，营业机构地域分布较广，虽然有了大量数据信息，但未经有效整合，杂乱无章，并未形成差异化的客户分层及精准的客户画像。这就导致了在实际经营中商业银行的产品营销与大数据少有融合，大数据下的精准化营销成为“空谈”。

四、国内商业银行产品营销模式的转型

通过大数据分析，能够精准定位效益可观的特定客户群体，进一步明确目标客户。同时，针对目标客户群提供满足需求的产品和服务，既能提升客户满意度及粘性，还能降低银行不必要的成本[2]。我国商业银行产品营销模式的转型可从以下几点着手：

（一）建设科技信息系统，采集银行客户信息

目前部分大中型商业银行很早就已经发现高效、完善的科技信息系统对自身业务发展的重要性，因而很早就重视对行内科技信息系统的开发投入，采集客户信息形成数据仓库。但大部分中小型银行限制于自身规模、营运成本等因素依然缺少完善的信息系统，而是采取与第三方数据公司付费合作模式开展本行产品的营销与推广。此种合作模式虽然可在短时间内节约运营成本，但由于信息为第三方来源，可靠性无法掌控，而且随着商业银行业务不断拓张，体量不断扩大，缺少自有数据仓库不利于银行的长远发展。因此，建立行内自有数据仓库成功重中之重。

首先，划分服务区域：商业银行分支机构的分布范围因银行性质而不同，全国性商业性银行、城市商业银行、农村信用社等，可以将其营业区域按地理位置、行政划分、区域职能等划分为不同营销区域，如商务圈、娱乐圈等，每一个区域有自身消费特征，然后按区域划分对应客户。通过银行自身业务，可以采集客户单位信息、办公及家庭地址、办公及住宅联系方式等数据。

其次，对采集信息进行差异化分析：建立数据仓库也只是采集了大量原始交易信息，若不对其进行差异化分析，则无法发挥大数据的精准指导作用。银行应针对不同区域的客户按其个人特征、消费行为、业务特征等进行分析，做到“知已知彼”，为不同区域客户绘制客户画像。可利用的数据信息包括：客户性别、年龄、学历、婚姻状况等基本信息，以及月收入情况、授信情况、资产情况、刷卡次数、消费总额等数据进行分析，全面掌握客户的特征；同时，客户行为偏好的差异化分析尤其重要，通过差异化分析可加深对不同客户的认知与判断，为客户精准营销打好数据基础。因此，在建设大数据仓库的时候，应对大数据的存储、管理、分析和使用方面有所考虑，才能对大数据进行高效整合和分析，进而充分挖掘、利用大数据所蕴含的价值[3]。

（二）加强大数据人才队伍建设

随着互联网金融及移动支付的发展，人们的消费行为、消费习惯均有较大转变。移动支付大大便捷了人们的消费行为，数据信息也开始呈指数增长。传统的数据分析方法已经不能满足对规模日益庞大、种类日趋复杂的数据信息的分析管理，难以对海量数据做出准确的客户分析，这就要求商业银行自身拥有强大的数据分析解读能力。因此，加大商业银行大数据人才队伍建设尤为重要。

借用电影当中的一句台词“二十一世纪什么最贵，人才！”，他们不仅需要具备熟练的银行业基础知识，还要精通数据建模和信息挖掘。通过对行内数据的挖掘与分析，能够形成不同客户群体的精准画像，使大数据能够与商业银行产品营销有效融合，提高营销成功率的同时减少低能的运营消耗。银行应广罗数据挖掘、分析人才，完善数据分析岗位设置及职能划分，重视团队的教育培养，加强对银行员工的大数据分析培训，重点培养其基础金融知识、大数据理念、数学建模、新型计算机方法等复合型技能，使其专业知识能够与银行自身经营结合，建立专有的复合型数据分析团队，就像国务院《促进大数据发展行动纲要》中指出要“加强专业人才培养，创新人才培养模式，建立健全多层次、多类型的大数据人才培养体系[4]。

（三）大数据支持下的精准化营销

经过对客户信息数据的差异化分析以及客户画像的绘制，最后就是与之相匹配的营销活动了。在大数据支持下，不同客户的消费习惯、产品偏好等将会明确划分。在制定营销活动时，要按不同客户的数据特征配置相应的产品及营销活动，做到“投其所好”才能做到事半功倍的营销效果。例如：针对不同客户的消费习惯、产品偏好推送相应的特色活动，利用优惠活动吸引特定消费习惯的客户。又如：按照高端白领、家庭主妇等不同客户群体的工作、生活习惯，设定产品信息的推送时间、推送频率，以提高信息的送达率。大数据应用下的精准化营销势必会改变商业银行的传统营销模式，降低银行营销成本，提高营销成功率。除此之外，精准化营销有利于提升客户体验，贯彻了“以客户为中心”的服务理念，强化了商业银行在同行业中的竞争优势。

五、结束语

随着互联网金融的日趋壮大及“大数据时代”的到来，商业银行间的竞争日趋激烈，“客户至上，以客户为中心”成为每个商业银行的核心理念。因此，为了适应时代变革，传统的商业银行营销模式必须转型并与之适应。在不久的将来，大数据技术的应用分析能力将更为精准化、系统化、科学化，大数据应用下的精准化营销必将成为每个商业银行追逐的营销模式[5]。