深化银行数据挖掘应用

汪蔚菁 陈茂林 王中华

在目前的客户市场上，“二八定律”表现的依然很明显，极少数客户贡献了大部分利润。而资源始终有限，银行只能将有限的资源用于更能产生价值和最需要服务的客户身上。因此，如何识别高价值客户对银行的获利至关重要。

大数据在客户识别 营销维护中的作用

第一，客户识别和客户价值分析。目前，资产分段和客户贡献是最常用的识别优质客户方式。但此种方式对客户的挖掘程度较低，许多潜在优质客户不能被识别，进而导致对优质客户提供了普通服务。而稍稍优质的客户普遍在多家银行都开展了业务，是否识别到优质客户并相应提供服务会导致客户对银行服务体验上的巨大差别，进而影响到客户对银行服务质量的判断。当前我行在以下几个方面开展了客户识别和价值分析。一是运用外网信息、外购工商注册信息和行内数据仓库信息挖掘识别优质法人客户和潜力个人客户。目前我行能够运用大数据在工商注册企业入库后准实时地发现新注册企业，能够跟踪各工商注册企业高管在我行资产情况，能够识别企业实力并发现在我行个人资产较低的实力企业高管。二是运用资金流向信息识别他行优质客户。具体方式为通过他行高端客户银行卡特征信息、账户特征信息识别出他行的优质客户并结合其在我行资产情况对客户实力和潜力进行判断。三是利用征信信息判断高额授信但在我行资产较低客户。四是内部数据挖掘低资产潜力客户。具体包括在我行高代发工资客户、卡消费额较高客户、银证转账较多客户、同业理财较多客户等。这些客户的共同特征是，种种迹象显示其实力较强，但同时在我行资产较低。五是通过资产长期跟踪识别潜力较大客户。其做法为跟踪客户资产，比如某客户目前在我行资产为30万元，但其曾经在我行最大资产为500万元，则认为该客户可能有较大潜力，有必要跟踪了解客户情况。

第二，客户画像。“画像”实质上也是一种客户识别，并且是更为综合化的客户识别。比如2017年9月份全行投产的公司客户画像标签库就包含了客户交往周期、企业规模、走出去/走进来企业、营销级别、渠道偏好、资金留存率、存款交易周期、结算交易集中度等。当前，网银客户画像、网点叫号机客户画像、PBMS内嵌客户画像应用等已在客户识别营销过程中发挥作用，江西分行各二级分行、各专业也都自主开展了客户画像分析识别和营销客户。

第三，客户营销。根据预先设定的标准从目标市场中收集符合条件的客户群，通过分析将客户进行分类并对客户相关因素进行分析，识别出可能接受金融产品及相关服务的客户群体，能够有针对性地开展营销。比如营销存款，具体包括储蓄存款资金流向信息挖掘营销、三方存管资金回流营销、信用卡资金回流营销、保本理财营销、贷款客户存款营销等。比如营销产品和业务，具体包括分期付款营销、信用卡营销、贵金属营销、结售汇营销、“融e”系列客户端营销、工银e支付营销等。数据分析有助于挖掘出不同类型客户的特征，将有利于营销的特征与潜在客户群进行匹配，对匹配度大的客户进行重点营销。

第四，客户维护。客户维护首先要提到的是产品到期承接，这既是营销也是维护，具体包括理财产品到期承接、信用卡到期换卡等。比如某中部省会城市分行目前正在部署的2018年第一季度5万元以上定期到期客户产品承接，涉及客户2.77万户，涉及定期存款约22亿元。其次是管户关系优化调整。客户经理管户制度是我行个人优质客户服务与营销工作的重要制度，也是实现优质个人客户服务的工作基础。多年以来，银行沉淀了大量客户，许多客户由于工作、家庭住址变动已经与原客户经理管户网点相距较远，客户经理的工作地点变动也较寻常，在不断的发展中，客户经理对客户的维护也需要优化调整。以某中部省会城市分行为例，33%的理财客户经理管户客户年日均资产下降，14%的理财客户经理管户客户年日均资产下降超10%。从所管户客户看，也有超过40%的管户客户年日均资产下降。从对客户的实际维护看，也存在虽有名义管户关系但未实际维护的情况，有29%的低星客户级管了户，而有高达11.33万的高星级未管户的情况。从管户关系和资产分布看，有23%的90%以上资产所在网点与客户经理所在网点不一致的情况。最后是积分兑换、新渠道拓展、抽奖活动和答谢活动等致力于提升客户体验的各种营销和服务，借助数据挖掘可以找到高积分客户、较易接受新渠道客户等，帮助活动顺利有效开展。

数据应用的思路和措施

第一，做好大数据服务和应用体系设计。要从内涵、制度、工作流程等方面对大数据分析服务和应用进行梳理和完善，确保各个层次的需求得到满足，各项数据应用能得到有效落实。其中，在一般信息需求满足上，要尽可能给予满足并缩短需求满足时间，提高服务效率，要实现以多层次的服务和产品满足全行各层级用户的数据需求，解决数据服务的最后一公里问题;在营销信息应用上，要确保营销有规划、过程有跟踪、执行有监督、成效有评估和反馈，进而能优化提升和推广应用，要建立基于数据驱动的精准营销闭环管理和量化评价体系，确保营销取得显著效果。

第二，强化数据治理和主数据管理，夯实数据分析应用基础。一是要建立更有约束力的、更有执行力的全面数据质量管理体系，推动数据质量稳步提升。在全行系统数据的产生、采集、清洗、汇总、分析和展现等各环节实现数据质量保障要求。数据质量管理是一项系统工程，是全行性的工作，必须要由全行上下各级行、各相关条线相互配合，要落实“数据质量源头负责制”，各行、各专业要牢记“数据质量是数据的生命”这一理念，切实履行数据治理指标牵头管理职责，常抓数据治理不放松。二是要完善主数据管理机制。要持续开展关键主数据识别工作，持续提升关键数据信息的完整性、一致性、准确性。

第三，推广应用大数据服务平台，打造多层次数据服务应用体系。一是要加强数据分析服务系统（DAS）推广应用，以DAS系统为常规数据服务的窗口，提高数据服务的受众和效率。各DAS系统用户要加强对DAS系统的学习和探索运用，提高自身的系统应用能力和效率。目前数据分析服务系统中已经部署了7000多个数据需求模板，能够满足大部分需求，对这些模板的认识和使用能快速提高數据提取和应用的效率。二是要加强EDW灵活查询挖掘，满足深度分析需求。三是要推广应用融e慧系统，通过融e慧系统支持分析师开展各类数据分析和应用。

第四，精选重点项目，主动开展精准营销。要以客户为中心，利用大数据分析围绕客户生命周期全面提升我行了解客户、定位客户和触达客户的能力，推动营销多维度客户分析和精细化管理，支持营销人员快速、准确地把握客户特征，及时捕捉客户需求，做好客户维护和服务工作。要利用大数据开展针对性的客户服务，改善客户体验，提升服务质量，推动客户获取、交叉销售、流失挽留、营销创新等场景化应用。要在总省行的统一部署下，着力推动EBM2.0精准营销平台应用，实现营销活动、营销规则、执行评估、效果跟踪、反馈优化的全流程管理。把精准营销工作做实，做好前期调查，选好切入点，抓准目标客户，在此基础上一定要解决好以往不重视过程管理的积弊，抓执行率、接触率，确保一定的成功率。具体到每个精准营销项目来说，要有非常具体的方案设计和工作规划，要有定期的跟踪督导和相应解决问题，确保执行和反馈执行效果，并在精准营销期间不断地优化提升。

第五，强化知识共享、培训和管理，推动数据应用的落地实施。一是加强大数据文化传播，培育工行“用数据说话、用数据营销、用数据管理、用数据决策”的文化;二是持续组织开展数据治理、大数据服务支持业务培训和技能提升;三是继续推动数据分析成果、工作经验、分析需求交流活动的开展，持续提升分析成果的质量和促进分析成果落地实施。