
大数据驱动银行业营销变革(1)_数据分析师
作为数据密集型行业,如何挖掘和分析来自不同渠道的海量数据,驱动营销变革,被认为是未来银行业赢得市场和竞争的关键。
在过去两年多的时间里,澳大利亚西太平洋银行集团(Westpac)借助SAS的分析工具打造了名为“KnowMe”的数据驱动营销平台,重塑了与近千万普通消费者及中小企业(五千万美元以下)客户的关系。现在,这一项目带来的收益正在逐渐显现。
图为澳大利亚西太平洋银行集团客户关系管理与数字化部总经理Karen Ganschow
日前,由全球领先的商业分析软件与服务供应商SAS公司与《财经》杂志、《哈佛商业评论》中文版联合举办的“2014营销战略领袖峰会”在京举行。
峰会期间,就“大数据驱动银行业营销变革”话题,澳大利亚西太平洋银行集团(Westpac)客户关系管理与数字化部负责人、总经理Karen Ganschow接受了《中国经营报》记者专访。
Karen Ganschow告诉记者,Westpac每月会与客户进行7600万次来自网点、呼叫中心、网银、移动端、社交媒体等渠道的互动,SAS工具能够帮助银行把这些数据进行有效的整合、处理和分析,进而在正确的时候为客户提供正好需要的私人化的服务。
了解客户不断变化的需求,被Karen Ganschow认为是传统银行业应对非金融机构冲击的关键。对未来大数据在银行业的应用趋势,Karen Ganschow表示,移动端、社交媒体是非常重要的趋势。
打造“KnowMe”数据驱动营销平台
《中国经营报》:面对大数据的挑战,在过去几年时间里,Westpac如何挖掘和分析数据并做出决策,驱动业务和营销的创新?
Karen Ganschow:对于像我们这样的银行来说,这是一个新的挑战。一方面我们需要更了解客户,同时也要了解技术的发展趋势。
SAS是我们的战略分析伙伴,对于银行管理者来说,它能够帮助我们预测、分析,并且给予贴身的指导,让我知道未来是哪个方向,有哪些间接的趋势。
两年多前,借助SAS的分析工具,银行打造了名为“KnowMe”的数据驱动营销平台。所谓“KnowMe”,直接翻译就是“了解我”,这也是银行客户所希望的,他们希望能够让银行更多地了解客户的私人情况,提供私人定制化的服务。对于千万客户量的用户,通过Excel工作表进行相关统计、分析显然是不足够的,且我们是要将一对一的个人交互进行大规模处理,所以在这方面我们需要科技支持。
就如亚马逊向客户推荐一本书一样,我们关注的是,如何把它转化成为一个现实的营销机会,向银行客户推荐产品,并且大规模化地在做这个事情。
《中国经营报》: “KnowMe”与一般的银行营销平台有何不同?
Karen Ganschow:简而言之,这是一个数据驱动的、通过多种渠道为客户提供体验的平台。
首先,通过这个平台,银行内部各个部门可以获取感兴趣的数据。同时,我们建立了中心决策机制,与此前以产品为核心的营销模式不同,现在我们围绕客户为中心做出决策。第三,平台将一线、前端业务整合在一起,比如,支行每个店面与客户的沟通、呼叫中心接到的客户电话、联络中心主动与客户的沟通等,这都是我们获取数据的渠道。同时,我们也借助社交媒体有针对性地、定向地向客户推送信息。
当初我们决定上“KnowMe”这个项目的时候,对于合作伙伴的选择也是经过认真考虑和挑选的。实际上,SAS在技术方面与其他我们备选的合作伙伴是很接近的。但SAS最终脱颖而出在于人的因素。SAS除了能够提供非常优质或者说精益求精的技术外,整个SAS团队在合作、沟通交流方面也是非常强的,并帮助银行取得了很大收益和成效。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在 “神经网络与卡尔曼滤波融合” 的理论基础上,Python 凭借其丰富的科学计算库(NumPy、FilterPy)、深度学习框架(PyTorch、T ...
2025-10-23在工业控制、自动驾驶、机器人导航、气象预测等领域,“状态估计” 是核心任务 —— 即从含噪声的观测数据中,精准推断系统的真 ...
2025-10-23在数据分析全流程中,“数据清洗” 恰似烹饪前的食材处理:若食材(数据)腐烂变质、混杂异物(脏数据),即便拥有精湛的烹饪技 ...
2025-10-23在人工智能领域,“大模型” 已成为近年来的热点标签:从参数超 1750 亿的 GPT-3,到万亿级参数的 PaLM,再到多模态大模型 GPT-4 ...
2025-10-22在 MySQL 数据库的日常运维与开发中,“更新数据是否会影响读数据” 是一个高频疑问。这个问题的答案并非简单的 “是” 或 “否 ...
2025-10-22在企业数据分析中,“数据孤岛” 是制约分析深度的核心瓶颈 —— 用户数据散落在注册系统、APP 日志、客服记录中,订单数据分散 ...
2025-10-22在神经网络设计中,“隐藏层个数” 是决定模型能力的关键参数 —— 太少会导致 “欠拟合”(模型无法捕捉复杂数据规律,如用单隐 ...
2025-10-21在特征工程流程中,“单变量筛选” 是承上启下的关键步骤 —— 它通过分析单个特征与目标变量的关联强度,剔除无意义、冗余的特 ...
2025-10-21在数据分析全流程中,“数据读取” 常被误解为 “简单的文件打开”—— 双击 Excel、执行基础 SQL 查询即可完成。但对 CDA(Cert ...
2025-10-21在实际业务数据分析中,我们遇到的大多数数据并非理想的正态分布 —— 电商平台的用户消费金额(少数用户单次消费上万元,多数集 ...
2025-10-20在数字化交互中,用户的每一次操作 —— 从电商平台的 “浏览商品→加入购物车→查看评价→放弃下单”,到内容 APP 的 “点击短 ...
2025-10-20在数据分析的全流程中,“数据采集” 是最基础也最关键的环节 —— 如同烹饪前需备好新鲜食材,若采集的数据不完整、不准确或不 ...
2025-10-20在数据成为新时代“石油”的今天,几乎每个职场人都在焦虑: “为什么别人能用数据驱动决策、升职加薪,而我面对Excel表格却无从 ...
2025-10-18数据清洗是 “数据价值挖掘的前置关卡”—— 其核心目标是 “去除噪声、修正错误、规范格式”,但前提是不破坏数据的真实业务含 ...
2025-10-17在数据汇总分析中,透视表凭借灵活的字段重组能力成为核心工具,但原始透视表仅能呈现数值结果,缺乏对数据背景、异常原因或业务 ...
2025-10-17在企业管理中,“凭经验定策略” 的传统模式正逐渐失效 —— 金融机构靠 “研究员主观判断” 选股可能错失收益,电商靠 “运营拍 ...
2025-10-17在数据库日常操作中,INSERT INTO SELECT是实现 “批量数据迁移” 的核心 SQL 语句 —— 它能直接将一个表(或查询结果集)的数 ...
2025-10-16在机器学习建模中,“参数” 是决定模型效果的关键变量 —— 无论是线性回归的系数、随机森林的树深度,还是神经网络的权重,这 ...
2025-10-16在数字化浪潮中,“数据” 已从 “辅助决策的工具” 升级为 “驱动业务的核心资产”—— 电商平台靠用户行为数据优化推荐算法, ...
2025-10-16在大模型从实验室走向生产环境的过程中,“稳定性” 是决定其能否实用的关键 —— 一个在单轮测试中表现优异的模型,若在高并发 ...
2025-10-15