10大案例展現銀行業如何實現數據價值變現

DT時代的到來,使得金融數據呈現出爆炸式增長,BCG曾有報告指出,銀行業每創收100萬美元,平均就會產生820GB的數據。龐大的數據體系所蘊含的價值也在不斷體現,金融業對數據的依賴越發加強,眾多的金融環節都需要通過對數據的收集和分析後完成。

BCG的研究指出,已有三分之一的海外銀行在組織流程中嵌入了匹配大數據的工作方式,識別出更多的商業機會。他們在多年的實踐和不斷試錯後,運用成熟的分析手段,持續地獲得有價值的商業洞察。

與此同時,中國金融業也步入了大數據時代的初級階段。有研究統計,經過多年的發展與積累,國內商業銀行的數據量已經達到100TB以上級別,並且正在以更快的速度增長。日漸成熟的大數據技術與金融業務呈現快速融合的趨勢,給未來金融業的發展帶來重要機遇。

在發展大數據能力方面,銀行業堪稱是「領軍者」。縱觀銀行業的六個主要業務板塊(零售銀行、公司銀行、資本市場、交易銀行、資產管理、財富管理),每個業務板塊都可以藉助大數據來更深入地了解客戶,並為其制定更具針對性的價值主張,同時提升風險管理能力。其中,大數據在零售銀行和交易銀行業務板塊中的應用潛力尤為可觀。

如下表所示,大數據的應用能幫助銀行在零售與公司業務中實現個性化定價和交叉銷售,進行客戶細分以及預見客戶流失,及時推出增值業務,提升客戶忠誠度。

在資本業務中提供現金的模式和信號識別,對非結構化的數據的數據挖掘。在交易銀行業務中實現客戶細分,為第三方總結深入洞察。在自產管理業務中提供個性化定價。在財富管理業務中實現更具成本效應的財務建議。

以下我們通過幾個實際案例來看國內外銀行業大數據應用場景都有哪些:

金融行業大數據應用案例介紹

一、客戶管理

如果存在和客戶的直接交流,許多產品和服務能夠容易地得到改善。社交媒體平台是極好的交流來源,可以發現改善的機會,銀行只需要從信息洪流中過濾出這些有價值的數據。

傳統市場研究工具,比如客戶調查或焦點人群不只花費時間和成本,而且也不精確,因為樣本群體相當有限。 情感分析工具可以利用社交媒體網路及日誌中的巨量通信數據,幫助及時改善產品和服務。

1.改善產品,提升服務

巴克萊銀行自從發布了新的移動銀行應用程序後,便能夠從實時社交媒體分析中挖掘出可操作的見解。

這個應用程序不允許18歲以下的年輕客戶轉賬或收款。這個限制引發了來自青少年以及他們父母的負面評論,原因是父母親無法轉賬給他們的子女。在數據揭示了這個問題後,巴克萊銀行及時改善了它的應用程序,添加了16到17歲的客戶的使用權。

預測哪個客戶會流失應該成為組織客戶導向戰略的一個關鍵部分,因為獲取一個新客戶的成本遠比留住一個現有客戶要高得多。

當一個組織以一種全面的方式了解客戶時,留住客戶就容易多了。那些意味著有摩擦的指標也許是取消自動付款、在客戶電話或是社交媒體上的抱怨。通過分析這些不同的指標,潛在的客戶流失能在為時已晚前被識別。

2.降低客戶流失率

捷克斯洛伐克的第一家私人銀行塔特拉銀行通過使用預測模型幾乎達到了減少其信用卡客戶的流失率到30%的目標。這家銀行細分客戶,並已經為其客戶群選擇了高度個性化的留存活動。

通過正確的渠道發送正確的信息就跟正確的信息本身一樣重要。

大數據分析可以被用來精確查找客戶使用的渠道以及他們使用這些渠道的方式。這種知識可以形成戰略優勢,以最符合成本效益的方式和最大化市場營銷預算來達到特定目標細分。客戶使用渠道的方式也會突出顯示需要銀行集中資源的領域,比如哪個渠道是用來抱怨的,或者哪些渠道主要是用來做研究的。

3.通過不同的渠道提供高質量的服務

總部位於新加坡的華僑銀行擁有超過大約590億英鎊的資產。該銀行識別出一個顯著的細分市場正在轉移到在線渠道,同時預計這些渠道將隨著技術的快速進步而成長。華僑銀行的一個核心原則是把高質量的服務通過所選擇的渠道傳遞出去,以符合客戶的期望。

、精準營銷

了解每個客戶的個人檔案以發送個性化的市場營銷信息。一個小小的個性化觸動能提高客戶的參與度、安全感和忠誠度。

市場營銷信息里的個性化能被用來實現很多目標。這些可以簡單到在信息的開頭加上客戶的名字以顯得更為友好,或者加入只有組織知道的客戶細節信息來避免欺詐性營銷。更有雄心的銀行將在信息里加入個性化的內容,這些內容會直接讓客戶感興趣,提高參與度。

1.識別客戶

(1)HDFC銀行

HDFC銀行利用客戶生命周期活動來促進信用卡的激活。這個通過用個性化的消息相對HDFC銀行確認的每一個生命周期階段進行有針對性的促銷實現了。結果是在信用卡的激活次數上有了顯著的提高,降低了每次獲得每個客戶的成本。

客戶使用或不使用一個產品的方式可以是如何調整市場營銷信息的一個信號。

了解客戶在產品周期中所處的位置可以對所使用的市場營銷傳播方式有顯著的影響。例如:在獲取階段的客戶比堅定的老客戶更容易受到市場營銷和產品研發消息的影響。一個即將流失的客戶相比於一個忠誠的客戶會是挽留促銷更好的候選人。大數據有助於確定客戶處在產品生命周期的哪個階段,有助於相應地調整市場營銷方向。

2)國內某大型商業銀行

在互聯網+社交網路的背景下,銀行用戶服務渠道多元化、用戶消費多元化。如何找到高價值用戶群體、找到用戶新需求點、為用戶提供更好的產品及服務,已成為銀行經營管理者最關注的問題。

在尋求高價值用戶的過程中,某大型商業銀行基於內部數據,包括交易數據、評分數據、消費數據、用戶往來交易數據等利用永洪一站式大數據分析平台挖掘出高價值的用戶及提取高價值用戶特徵。同樣基於外部數據,比如芝麻信用、學信網、房產、運營商等數據,挖掘出哪些用戶可能是高價值用戶但還不是本行用戶。營銷部門針對這些高價值的用戶數據,做定位的產品營銷服務,大數據平台的應用為該行挖掘出大量潛在客戶,並已經獲得較高的轉化。

同樣,此類場景也適用於信用卡業務,根據銀行內部消費數據,做好用戶信用卡分期推薦等。

2.產品周期

奧地利銀行利用對產品生命周期的了解來留住客戶。當一個客戶顯示出取消與某個產品的關聯的特定行為時,該銀行的職員檢測到這個信號,並採取相應的行動來做個更新。

根據信用卡的使用習慣,可以容易地把客戶分組,使用習慣能被用來給他們提供更個性化的忠誠度促銷計劃。

在一般交易數據,如支付頻率和支付習慣上的細分市場能夠揭示生活方式的細分,例如跟隨潮流的、家庭導向的或面向旅行的團體。這能讓市場營銷團隊和垂直合作夥伴設計圍繞其客戶真正所求的忠誠度計劃。例如,家庭導向的客戶也許喜歡在超市和加油站的回扣。

3.開發特定產品

美國銀行正在通過其Bankamerideals忠誠度計劃,採用有針對性的市場營銷方案來增加其客戶的信用卡使用率。這個Bankamerideals忠誠度計劃包括量身定製的以客戶為中心的獎勵和選擇性的慈善捐贈。

澳大利亞某銀行

基於大數據分析洞察,更多的創新商業模式被開發,為銀行帶來新的收入增長模式。以澳大利亞某大型銀行為例,該銀行通過分析支付數據來了解其零售客戶的「消費路徑」,即客戶進行日常消費時的典型順序,包括客戶的購物地點、購買內容和購物順序,並進行這些行為的關聯分析。該銀行將這些分析結果銷售給零售業客戶,幫助客戶更準確的判斷何時何地進行產品廣告投放,以及適合在該地點進行推廣的產品。這些客戶過去往往需要花費大量金錢向市場調研機構購買此類數據,如今他們可以以很小的代價就可以跟自己的銀行購買更有可信度的報告。銀行通過新業務的拓展不僅增加了收入,而且又通過增值服務增加了客戶粘性。

三、提升內部效率

國內某城市商業銀行

金融行業是信息化程度最高的行業之一,無論是數據倉庫還是BI系統,基本上該有的都有了,但是還經常遇到數據不夠用的情況。一般體現在以下幾個方面:一是業務部門報表需求多,IT部門實現周期長——據統計基於傳統的報表工具或者傳統BI開發一張報表的時間在8天左右;二是數據量越來越大,底層的數據倉庫或者BI系統不能做好性能的支撐,甚者有些複雜報表打開時間在5分鐘左右;三是業務部門自助型分析需求增多,傳統的BI工具及Excel不能很好地支撐。

基於永洪數據可視化分析平台,IT部門只需載入明細數據至永洪數據集市中,將更多的明細數據提供給業務部門,由業務部門基於明細數據自服務完成數據應用。在永洪產品中,充分考慮了業務用戶的學習曲線和熟悉周期,設計了循序漸進的自服務分析路徑,幫助業務人員能更好的做好數據應用。比如中國式複雜報表需求,可事先定義眾多業務可能會用到的維度和指標,定製好模板,業務部門通過選擇靈活生成所需的數據應用。在業務用戶逐漸熟悉永洪產品後,可基於永洪快速實現數據探索、自助分析。

四、交易風險控制

國內某大型商業銀行

網上銀行、手機銀行、第三方支付應用等新興電子渠道的高速發展,給消費者帶來便利的同時也帶來了一定的威脅。因此通過數據分析了解用戶消費支付習慣、規避交易風險成為構建銀行風險交易分析系統的關鍵。

在永洪一站式大數據分析平台中可以通過接入實時數據的方式,設定監控規則。當監控規則出現異常時,根據預警級別,永洪自動觸發高亮預警或者智能提醒。比如設定用戶登錄的監控規則是:如出現同一用戶在不同的渠道、短時間內、不同IP多次登陸同一賬號時,永洪根據預警規則,自動觸發簡訊平台或者郵件,做好智能監控提醒工作。

總結

從以上案例來看,數據運營正在為金融業創造巨大價值。正因為數據有巨大的價值,很多金融企業採取數據驅動業績這樣實時互動式的探索式分析方式的模式,在用戶審計、系統調優、資源調度、安全控制等方面擁有更多的掌控力。

而如果想成為以數據分析驅動運營決策的智慧型企業,金融企業需要擁有快速構建數據準備、探索式分析或數據可視化和深度分析的平台能力。相對於投入千萬級資金和大量的時間成本,越來越多的金融企業選擇成熟的第三方一站式大數據分析平台及解決方案,在擁有支撐複雜業務場景的企業級管控能力的同時,基於業務需求輕鬆發掘大數據價值,獲取深度洞察力。更多金融大數據案例,請訪問永洪科技yonghongtech.com, 或致電:010-53381518了解詳情。

參考文獻:

[1] Eric Simonson,Aruparn Jain.Analytics in Banking[DB/OL].

genpact.com/docs/defaul.

[2] Evry Company.Big Data in Banking [DB/OL].

evry.com/globalassets/i.

[3] The Financial Brand Company.Big Data: Profitability, Potential and Problems in Banking[DB/OL].

Big Data: Profitability, Potential and Problems in Banking.

[4] Bcg.Perspectives Company.Making Big Data Work in Retail Banking[DB/OL].

bcgperspectives.com/con.

[5] 鄧俊豪,張越,何大勇.回歸價值本源-金融機構如何駕馭大數據[DB/OL].

bcg.com.cn/cn/files/pub.

推薦閱讀:

TAG:數據分析 | 大數據金融 | 銀行業務 |