大数据与零售银行数字化管理_杨海平

大数据与零售银行数字化管理

杨海平

大

数据是以数据流的形式快速生成的客户管理策略。

的体量浩大的多模态数据，虽然

其次，基于更精准的客户情绪分析价值密度较低，但是包含了传统数据库和行为预测，做好客户的动态管理。在不具备的信息。大数据的这些特点与零大数据模式下，商业银行将大量的非结售银行的发展特点高度契合。对大数据构化数据纳入处理范围，通过一套科学的应用，为零售银行带来全新的管理前设计过的计算、分析系统，得出某个具景，能够将零售银行的客户管理、营销体客户近期的情绪走向，为预测客户行管理、授信管理乃至战略管理推进到数动、帮助银行制定具体的应对措施提供字化管理阶段，将大大地提高零售银行帮助。除了利用情绪分析，商业银行还的市场响应能力和政策响应能力。

能够运用分类预测技术预测客户的行为，比如客户的流失。商业银行完全可大数据驱动的零售银行客户管理创新

以根据客户的情绪和行为预测作出适时的维护管理。

随着大数据处理技术的成熟，更多的数据被纳入分析体系，从而带来零售银大数据驱动的零售银行营销管理创新

行客户管理的数字化前景。

首先，借助大数据的处理，商业银在传统的数据库模式下，虽然商业银行能够更加全面深刻地了解客户，更加行也大力推行精准营销，但由于数据信深入地分析客户。在大数据阶段，商业息有限，营销的精准程度不尽如人意。银行的客户信息来源范围得到大幅度扩在大数据时代，商业银行对市场与客户展，而且客户信息是以信息流的形式不的理解要走向适时化、精准化，能够真断生成的，涵盖了多个维度、多种模正实现营销管理的数字化、智能化、精态。基于此，零售银行可以摆脱割裂地准化。

分析客户行为的阶段，将客户行为与特第一，根据客户细分与需求挖掘情定的时间、地点、生活场景及客户的社况，制定分类营销的总体政策及策略，会关系背景联系起来，形成关于客户的为每一类客户提供整体的营销方案。将完整图像。正因为数据范围的大幅度扩价值分析和需求分析的维度结合起来，展，商业银行对于客户的分析和细分将作为制定营销策略的基本依据。针对每更加趋于精细。通过运用近邻算法、各一个潜在客户，利用大数据技术打通内种聚类分析方法，对客户进行多维度的外部数据，运用一定的算法，正确地预细分。通过机器学习，运用关联分析等计消费者的需求，并及时组织好可匹配技术手段，充分发现、挖掘客户的需的产品与服务，响应客户的需求。及时求。基于样本学习技术、关联分析技调整产品及销售战略，有的放矢地进行术，进行客户综合价值的分析与预测。销售和市场预测。特别是针对存量客将客户的细分情况、需求分析情况与价户，通过关联分析，运用不同的算法，值情况结合起来分析，制定更加差异化

精准地安排交叉营销。

2014年第10期主持人:植凤寅

第二，将客户分类和客户情绪分析、行为预测结合起来，进行适时营销和事件式营销。基于大数据的知识发现，开展适时营销。做到数据的实时交互，利用新型的动态随机分析技术，第一时间为客户推荐相应的产品和服务，提升客户服务体验，提高客户忠诚度。适时捕捉重要事件的时间窗口，快速发现营销机会，开展事件营销，进而进行全方位的顾客体验管理，为增加消费者福利和银行效益提供策略。

第三，对营销策略进行适时的评价，对交叉营销、事件营销、适时营销等情况进行分类分析，评价营销的效果。

第四，利用大数据处理技术，进行营销过程的反欺诈分析，降低零售银行营销风险。

大数据条件下零售客户授信业务管理创新

大数据在该领域的应用主要是决策支持与风险管理。数据范围的扩大可带来零售银行授信管理的质变。

第一，防欺诈方面。通过大数据分析技术的应用，银行可通过对客户行为数据的采集、分析与挖掘，实现客户风险的实时侦测及欺诈行为的识别。

第二，优化授信全流程风险管理。在传统数据库模式下，通过申请评分卡、行为评分卡、催收评分卡、预警模型、相关性分析处理零售客户授信全流程的风险。在大数据模式下，将采用非结构数据和结构数据的联机分析，运用神经网络等方法建立模型，识别风险，进行信贷决策；通过实时数据监测与建模，识

81

观察思考

GUANCHA SIKAO

别风险监测与控制，实现授信后管理。

间。第三，银行可以作为资源聚合与分第三，通过与供应链管理系统、企业享的参与者，与金融同业和第三方紧密协资源计划（ERP）系统的链接，通过分作，创新金融服务模式，并分享价值。

析信息流、资金流、物流的数据，管理信用风险。

大数据驱动的运营管理创新、渠道管第四，将零售客户信贷资产置于海量理创新

数据的背景下，进行零售客户信用风险的组合管理。

大数据对于零售银行渠道和运营体系重塑的作用是显而易见的。一方面，大数据驱动的零售银行产品和商业模随着技术的进步和大数据的广泛应用，式创新管理

未来零售银行的销售渠道必然更加智能化、集约化。渠道的创新不断强化，对大数据模式下，商业银行零售业务以渠道的整合、渠道的管理与分析都提出客户为中心，通过大数据处理技术的运了更高的要求。另一方面，商业银行原有用，将产品、商业模式创新管理推进到的运营架构需要重新评估，并进行改革。

数字化管理时代。

第一，大数据时代渠道创新更加活在产品管理方面，大数据能够在产品跃。工商银行已开启与多讯科技合作搭管理的全流程发挥作用，从而实现产品建金融云平台的工作，并进入初步体验管理的智能化。第一，对客户群体进行使用状态。大数据服务模式推动现场业细分，对客户需求进行挖掘，为客户匹务、非现场业务相结合，线上业务与线配产品和服务，形成完整的产品体系，下业务相结合。通过电子渠道，客户与为每个群体量身定做独特的解决方案与银行的实时交互模式不断得到优化。

产品，运用大数据模拟实境，发掘新的第二，通过数据分析，比较不同客户需求，驱动产品研发。第二，在产品开的渠道偏好。通过对各渠道、各类数据发过程中，进行模拟测试。第三，与客的整合与挖掘，定量化地描述和分析客户开展多渠道互动，全面评估商业银行户体验，形成渠道与客户需求的良好互自身的产品和服务在客户中的满意度，动关系。

适时改进产品设计，在第一时间争取主第三，零售银行能够借助大数据的处动。第四，对产品的业绩进行评价，综理和挖掘实现全渠道精细化管理，进行合分析产品价值，决定其策略直至退出广泛的渠道整合，实现多渠道服务的无市场。

缝对接，为客户提供全新的体验。

在商业模式管理方面，大数据及云第四，原有的零售业务的运营架构已计算的引入，能够使零售银行成为资源经很难适应大数据模式下零售业务的运聚合的主导者，因而也成为商业模式创作和发展。基于大数据与云计算技术，新的主导力量。目前商业银行在产品经对于前后台的关系需要进行重新定义，理、风险经理、客户经理之外配备了模进而对组织架构作出调整。

式经理，充分说明商业银行对于模式的重视。第一，银行可以利用云标准化与大数据驱动的零售银行绩效管理、战自主服务的特点，使得某些原本需要银略管理

行完成的业务流程，部分或全部由客户自主完成。第二，零售银行可以利用云基于大数据的运用，零售银行能够技术与云平台，围绕产品、渠道等银行在基本业务分析、风险分析、绩效分业务资源，成为行业资源整合者，在产析、资产负债分析、流动性分析，直至业链中扮演新的角色，获取新的价值区

战略管理方面达到全新的高度。基于客

82

户各个层面的信息，以及对客户行为的预测，对于流动性的分析能够达到更加精准的程度；基于大数据的分析，能够实现账户级的精准信用风险分析；借助大数据处理技术，能够实现基础业务分析、资产负债分析、风险分析的源头化，即从市场与客户出发进行各项业务的分析和评价。

更重要的是，商业银行能够借助大数据处理技术建立客户行为与业务发展乃至业绩的关系，从海量数据中发掘出最有效的商业银行市场绩效度量指标，通过分析、预测这些度量指标，适时评价经营行为，从而作出最快的反应。商业银行也能够利用大数据技术和思维，对管理技术、管理理念、管理模式、战略管理的有效性进行对比、检验，从而确定适合本行的管理技术，找到适合本行的战略及战略管理的有效方式。

大数据与零售银行数据治理、IT架构

大数据处理技术迥异于传统数据库的处理技术，对IT架构提出了新的要求。由于数据的架构发生了较大的变化，商业银行需要重新设定全行的数据治理架构，重新制定有关数据的来源、数据标准和数据处理以及数据处理平台的管理制度。同时，由于数据基础不同、数据平台不同，基于大数据分析的管理应用系统需进行较大幅度的优化，重新构建应用系统功能模块，重新考虑对各类数据的调用及与各类数据平台的关系，充分考虑目前各行业特别是银行业在大数据及云计算领域的领先实践，重整IT架构。[本文是第53批中国博士后科学基金资助项目“基于数据挖掘的小微企业批量授信风险控制与信息系统构建”（资助编号：2013M530447）的阶段性成果] ■作者单位：北京大学光华管理学院博士后流动站

（责任编辑　刘宏振）

本文来源：https://www.bwwdw.com/article/b4yl.html