大数据分析在商业银行精准营销中的运用与实践研究

■中国农业银行山东省分行科技与产品管理部课题组

引言

2013年被称为“大数据元年”，大数据技术逐渐应用于各领域、各产业发展。“十三五”规划中提出打造云计算产业链，以提升基于云计算平台的大数据服务和大数据解决方案对传统行业的支持程度。为顺应大数据时代技术创新应用的发展趋势，商业银行全面实施数字化转型战略，运用数据驱动业务发展的思想和策略已成为共识，数据的价值已在商业银行的不同领域正逐步得到充分展现。

商业银行要想在数字化转型方面取得成功，仅依赖海量数据本身还远远不够。随着大数据分析建模理论的日益成熟，分析挖掘技术的日益强大，同时还有金融领域、第三方应用业务数据的多年积累，各商业银行已非常重视通过利用大数据技术对海量数据的深入挖掘和分析，将大数据分析挖掘视为金融科技发展的核心竞争力，并在产品设计、精准营销、经营管理等方面，利用大数据驱动客户画像，掌握客户的线上线下行为习惯，以充分了解客户关切、支持客户购买行为、构建新的业务模式，更好地满足客户的金融需求。金融服务也从传统客户高效地拓展至更多的长尾客户。可以说，大数据技术的基因已经深植商业银行内部，并逐渐成为商业银行日常经营的主要抓手和重要生产力。

互联网金融的实践表明，“以客户为中心”的创新需要“大数据”的强力支撑。让数据发挥它最大的价值，充分体现数据的驱动和引领作用，对商业银行数字化转型中零售业务拓展和业务数据化、数据业务化的可持续发展具有重要意义。

一、商业银行精准营销的机遇

（一）新契机带动新需求

随着国家《关于大力发展电子商务加快培育经济新动能的意见》颁布实施以及“增强金融服务实体经济能力”等一系列政策引导，商业银行融资积极拓展新业务，以支持企业业务发展。疫情及后疫情时代，使得客户需求一夜之间在线上迸发，成为“刚需”。商业银行在复工过程中探索了很多营销模式，不断优化人员结构与产品营销渠道，通过线上线下结合产品营销，向全业务线上化触达全客户的方式快速调整，针对新消费时代客户特点，丰富产品线上营销渠道、快速迭代推出新产品，将此前需要集中人员完成的前中后台业务，尽可能移至线上开展，线上业务指数式增长，快步迈向繁荣。商业银行数字化转型战略，紧密结合金融科技发展趋势，坚持需求导向，以服务业务、服务客户、服务发展为目标，不断创新营销方式方法，比如场景金融产品创新，与政府、学校、医疗机构及企业合作，智慧系列（智慧医疗、智慧校园、智慧餐厅、智慧停车等）营销产品需求应运出现。

（二）新需求驱动新技术

金融科技时代，在用户需求和市场环境变化的过程中，需要不断创新升级商业银行的服务水平及质量，针对不同客户实时场景需求，利用现有新技术，推出多种场景化方案，并在方案实施过程中不断把握新需求，提升前沿技术研究与应用落地，提升客户服务质量，提升客户满意度，共同创建一个实时互联网生态。而随着商业银行的线上营销产品需求的日渐多元化，商业银行各类业务重构，线上化产品营销渠道由掌上银行扩充至各类第三方App、微信公众号及小程序，不断催生金融科技新生态和新机遇，将不断推动人工智能、5G、区块链等数字科技的发展，各种新技术创新层出不穷。在人工智能领域，要求人脸识别、OCR凭证识别、自然语言处理等技术在可靠性与效率、性能等方面需要不断有质的飞跃，学术界提出BlinkDB技术通过贝叶斯估计方法来优化自然语言处理中用户检索的估计误差，采用基于流 （Streaming） 的计算模型用以支持不断变化和更新的大数据应用；在机器学习领域，联邦学习、知识图谱等多技术融合应用于个性化营销与客户画像，区块链相关技术在数据安全领域捷报频出并且快速应用落地；5G技术也已在多家商业银行应用试点。

（三）新技术落地新产品

将新技术与各类金融业务相结合，更好地设计出符合实际业务需要的产品，需要在不断在实践中去积累和探索。区块链凭借去中心化、难以篡改、公开信任、可追溯的优势，迅速应用于各产业，在票据交易、资产证券化等场景中已广泛应用，政务管理和公共服务方面也已落地多个新产品。近几年，RPA技术不断普及，加速了商业银行的智慧转型，“数字员工”可以全天候提供标准化服务，提升了商业银行业务效率和准确度，改善客户体验。随着科学技术的发展，人脸识别技术日益成熟，为线上线下智慧营销提供解决方案，在客户身份识别、表情分析后，可为客户画像，有助于客户经理更加了解每一位客户的需求，更便捷地提供个性化产品推荐。科技与金融的深度融合，促使商业银行服务革新，有利于新产品的快速迭代，推进商业银行业务和服务的快速发展。

二、大数据分析在商业银行精准营销的实践

一般来说，客户的需求往往会影响近期及以后商业银行的产品研发倾向与资源投入。基于大数据、云计算等底层技术架构与数据仓库等物理存储资源，研发智慧营销的大数据分析体系框架，营销的同时沉淀客户的产品偏向与兴趣爱好，收集底层数据建立客户画像指标体系，构建“千人千面”的精准营销模型，进一步实现客户流失的预警，创新一系列先进产品，实现业务环节的数据化全覆盖，并且可以有针对性地开展营销推广活动，使商业银行可以实现与客户进行最为直接和有效的互动，提升客户的幸福感，提升商业银行的经济效益。

（一）打造大数据智能营销平台，推进业务数据化，持续夯实商业银行数据资产

随着大数据时代的悄然到来，数据的价值日渐凸显，成为商业银行的核心资产。商业银行已具有丰富的物理资源基础，具备搭建大数据平台的条件，以满足海量数据存储与计算要求。采集的数据在经过清洗、梳理、整合之后，分门别类进行管理，可供查询、提取与分析。根据客户的细分与定位，专业市场、私行财富规划、惠农通、农户建档等线上线下营销产品与营销手段相结合，将客户需求与数据沉淀至大数据智能营销平台，发挥创新催化剂和转型助推器的作用，推动商业银行经营模式转变，在个人金融、网络金融及线上融资产品等精准营销领域，以更好地满足客户的金融需求，引导营销模式转型发展。

（二）基于大数据技术研发精准营销模型，推进数据业务化，探索由传统营销转向数据驱动型营销

商业银行之间的竞争力，主要体现在数据资产的利用程度和挖掘深度。累积到一定程度的数据资产，需要实现数据价值的有效传递。让长期“睡眠”的数据转化为了营销依据，数据流转过程可监管、可追溯、可复用，根据监测效果动态调整精准营销模型，使得“静态数据”转变成为“流动资产”，发挥数据的最大价值。

在数据价值驱动的背景下，利用大数据技术，发挥数据对业务的赋能作用。一是高净值客户精准营销分析，通过对高净值客户的属性、合约、资产、负债、风险、交易流水等特征进行分析，利用XGBoost构建潜在客户预测模型，面向未持有理财、保险产品的高净值人群，预测潜在理财、保险客户后对接至数字营销系统，通过掌上银行小信封、短信推送等形式开展精准营销。二是高净值客户掘金项目，整合客户基本信息、资金流向、资产结构、消费行为等数据，借鉴进化环机器法建模，使用全量特征，构建分析模型，对客户进行精准分类，构建分类客群，并由产品经理线下针对不同客群开展个性化产品精准营销。三是个人客户“数字人”管户精准营销，利用AutoML技术对个人客户群体特征进行画像，构建贵金属产品偏好客户、交易渠道客群、基金签约客群等多类标签客群的客户标签，对接数字营销系统开展精准营销活动。四是利用银行海量金融数据，通过自建客群、精准画像，实现客户分析、数据提取、多渠道营销触达、营销效果全流程跟踪一体化营销管理，解决营销手段单一、营销效果无法统计等痛点问题。形成丰富的客户标签，为客户精准画像，包括：客户性别、年龄、存款情况、贷款情况、信用卡消费、缴费、代发工资、掌上银行使用、柜面/超级柜台/ATM交易情况等，通过大数据分析及智慧化手段，充分刻画客户的金融偏好和行为轨迹，将合适的产品或功能精准地推荐给适合的客户，为客户经理营销活动策划、产品优化升级提供决策支持，极大提升营销活动的效率，营销活动可从1周有效缩短至1小时，快速触达至客户，从而大幅提升客户满意度，增强营销效果，降低营销获客成本。

（三）搭建线上信贷统一平台，推进“业-技-数”融合，实现数据价值的持续创造、输出和转化

归集工商、税务、司法、舆情等多方外部数据及银行自有信贷系统数据，搭建涵盖各项普惠信贷产品及风险防控的线上信贷统一平台。平台结合银行内外部数据，实现信贷产品客户准入、预授信、白名单管理、贷后预警、资金流向监测、自动扣款还贷等功能，大大缩短了同类产品上线周期，有力提升了线上信贷产品的管理质效。一是研发“退税e贷”，通过与税务局直连，基于企业退税及出口结算、税务、工商等大数据，为优质小微出口企业提供自助循环使用的线上融资产品。二是上线“e路通贷”，面向全国范围使用山东高速信联ETC卡的商用车车主，提供短期经营类流动资金贷款，用于商用车车主支付通行费、加油费、保险费等与商用车运营有关的费用支出。三是推出“财务e贷”，对接财务云会计平台，面向入驻云平台的小微企业，利用企业报税、经营等数据，结合征信、工商等数据，对企业进行综合评价，提供可循环互联网贷款产品，解决小微企业的融资难题。四是创新“社保e贷”，通过银政数据共享，以社保、公积金缴纳数据为依据，为社保缴费客户群体提供全流程线上融资服务。各类新产品的上线可有效推动银行线上信贷业务批量获客，交叉带动掌银获客，进一步释放政务数据价值，实现公众对政府和银行满意度的双提升。

三、“数据+算法”双轮驱动下，商业银行精准营销的路径

数字化转型是各商业银行可持续发展的必由之路。随着转型的不断深入推进，大数据分析的重要性与成效也将愈发明显，各商业银行将会越来越多的感受到大数据分析在银行业精准营销中带来的红利。培育同业先进的大数据服务能力意味着将会在数字战争中占得先机。

（一）线上线下结合，全业务、全客户、全渠道开拓新市场

一是新业态需要商业银行转变业务发展模式，对现有体系进行大刀阔斧的改革，利用行内外海量数据，借助分析挖掘技术，创新发展全业务线上办理，在不断试错与大胆改革中逐步完善产品体系，降低营销成本，为商业银行注入发展新动能。为保证创新产品适应市场且风险可控，业务上线后可先行选择部分分支行进行试点，经验积累后可全辖推广。二是需要顺应消费下沉趋势，抓住县域农村广大客户群体，增强县域线上线下消费金融的服务能力。针对县域客户拓展过程中营销指导手段缺失、产品单一等痛点问题，优先向搭建具有区域特色的县域大数据营销平台方向倾斜，推动专家经验决策模型先行，然后使用合适的挖掘算法进一步加大商业银行线上线下产品研发以及在县域农村地区的推广力度，策划开展大规模的精准营销活动，待数据沉淀后逐步提升数据模型的决策能力。后期将在数据分析模型的指引下，围绕农村产业链、消费链、农村电商等重点领域，构建金融场景，优化信贷结构，提升获客能力，增强客户粘性。三是在后疫情时代，中央明确提出要将复工复产与扩大内需相结合，培育壮大“新型消费”和“升级消费”。商业银行应加速数字化转型的步伐，保持敏锐的市场嗅觉，把握线上营销的黄金发展期，重构价值链，快速推出新产品，引导培育线上消费观。同时，商业银行应该完善全面多元的营销渠道，利用大数据助力各级营销人员及产品向客户提供精准、个性化的服务和产品，并实时精准挖掘客户的行为规律和差异化需求，利用多样化渠道推进数字化精准营销服务。

（二）多数据融合，纳入外部数据，提升精准营销能力

海量数据具有多源、结构各异、质量参差等特点，数据治理是商业银行精准营销中最大化发挥数据资产价值、提升营销服务能力的关键步骤。各商业银行需由数据管理部门牵头，零售、普惠等条线前台业务部门、技术部门共同参与制定个人营销、线上信贷等营销领域大数据标准，统筹强化数据质量、管控数据应用。一是全面梳理银行现有数据，针对不同数据格式建立统一数据标准映射库，将对客营销应用系统按该映射库标准对接至相应的大数据平台，确保数据在不同系统间可以无缝交互，为下游营销平台提供标准化服务。二是引入外部数据，充分评估引入数据对客户营销的价值，分析现有数据的可替代性，提出数据使用相关的营销需求，制定切实可行的外部数据引入后落地措施，提高数据对接后的融入度，完善客户画像并持续监测引入数据对产品营销的贡献度，评分不合格的外部数据应终止合作或强制退出。三是对客户进行口径统一的画像，建设统一的客户视图，保证客户数字化标签的规范化和一致性，下游服务可直接标签化提取客户群，为其营销定制化产品。

（三）搭建营销产品预警模型体系，保证风险可控

精准营销模型及产品只能选择当前时段客户资产、交易、信用等方面较优且预计未来不会发生不良的客户。随着环境、个人或企业行为的变化，客户信用情况、风险等级也会随时变化，商业银行应当具备成熟的大数据风控研发技术，需要在推进线上融资产品营销的同时，利用“数据+算法”推出贷中、贷后监测产品，严格把控金融产品营销可能引发的风险，形成全方位监测预警体系，及时发现客户的异常行为，最大程度地降低风险。

（四）健全精准营销工作流程机制，畅通大数据分析精准营销闭环

流程机制是工作开展的前提和基础，商业银行需建立畅通的产品使用反馈机制，营销产品推出的同时应配套并及时公布产品使用反馈渠道。各级行、各部门要抓好落实，保证客户经理在线上线下营销的过程中，不断收集并反馈大数据分析模型及系统营销效果，提出有价值的业务经验和参考建议。产品研发人员需不断跟踪总结产品的算法实际应用效果，完善产品数据范围与数据特征，调整产品模型结构，提高算法准确性，推动项目快速迭代， 形成大数据分析精准营销的闭环，提升数据分析服务能力，在商业银行精准营销方面持续发挥“数据+算法”的价值。