
大数据驱动银行业营销变革(3)_数据分析师
Westpac如何借助大数据获取新客户,保留老客户,并优化客户体验?
在澳大利亚,银行业的竞争是非常激烈的。澳大利亚拥有两千四百万人口,除了有四家大的银行之外还有二十多家其他银行。
我们需要做出很多努力来保留住目前的客户。其中,我们在手机支付这个项目上做出了很多努力。年龄段在20到25岁的这个人群,他们当中可能有人在考虑换一家新的银行,他们是手机支付的主要应用者,在这个方面我们做了很多尝试。
手机支付目前在澳大利亚发展得很快,目前非常流行的做法叫做“Tap and Go”,简单说就是“一拍即刷”的支付方式,非常简便轻松。它针对的是金额在一百美元以下的交易,只要一拍一刷,不需要输入密码,就可以直接完成支付了。
而我们做的手机支付,是说你连卡也不需要带,手机端就可以识别出卡的安全信息,实现一拍即刷的支付形式。
能侧面反应澳大利亚手机支付市场发展迅速的例子是谷歌钱包。谷歌的移动支付业务原来也想进入澳大利亚市场,但发现手机支付在澳大利亚已经发展得非常好了。
事实上,我的银行CEO和我都有一个共识:虽然我们银行有两百年历史,但是我们是一家有两百年历史的创业公司。当客户有新的需求,但目前市场上的服务提供商或者产品提供商没法满足他们需求的时候,这就是创业型公司或者新创型公司最有机会获得成功的地方。
《中国经营报》:中国越来越多的商业银行开展电子商务,如工商银行的电商平台“融e购”商城、中信银行的POS网贷等,来争夺数据资源,进行精准营销。但实际上我们既然谈到大数据它就有一个问题,就是它是海量的,同时又面临着数据的良莠不齐。Westpac怎样保证数据采集的真实性?避免数据虚假的问题?
Karen Ganschow:实际上,我们最基础的、最重要的数据来源是交易数据,这也是非常真实可靠的。而当我们在互联网上互动的时候,可能整个生态系统当中并不是所有的互动都是真实的。在这种情况下,我们需要通过各种来源来获得更多的洞察力,这方面分析工具能够派上用场。
《中国经营报》:随着大数据时代的到来,实际上互联网金融在某些方面与传统的银行业相比是有一定优势的,比如说在信息的收集、处理以及风险防范等方面。几个月前,阿里金融曾向阿里巴巴会员提供小额贷款等。你认为,在目前大数据的时代,银行业应该如何应对非金融机构的冲击?
Karen Ganschow:首先银行业不能自满,正如我刚才所说的,虽然Westpac已有两百年历史,但是我们始终把自己放在创业公司或新创公司的地位上。只有努力地成为客户最好的产品服务提供商,才能够持续地赢得客户的信任。
如果说阿里巴巴进入到了澳大利亚市场,能够更好地满足客户的需求,客户也会自然而然地选择其他的服务提供商,而不选择我们银行。所以最关键的,银行需要不断地掌握和了解客户不断变化的需求,特别是客户日常与金钱相关的需求。
数月前,我们推行了一项新的服务----紧急取现业务。在ATM端,客户不需要用借记卡或者任何一种卡,只需要借助手机,并将手机上显示的代码输入ATM机,就可以快速取现。
实际上,我们也希望更多了解客户在手机移动端以及社交网络端使用最多的是什么,然后让客户通过最容易的渠道获得服务,比如,他可以给银行发送一条信息,银行就可以帮助客户取消或者开通某项业务。文章来源:CDA数据分析师官网
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23CDA 数据分析师:以指标为钥,解锁数据驱动价值 在数字化转型的浪潮中,“用数据说话” 已成为企业决策的共识。但数据本身是零散 ...
2025-09-23当 “算法” 成为数据科学、人工智能、业务决策领域的高频词时,一种隐形的认知误区正悄然蔓延 —— 有人将分析结果不佳归咎于 ...
2025-09-22在数据分析、金融计算、工程评估等领域,“平均数” 是描述数据集中趋势最常用的工具之一。但多数人提及 “平均数” 时,默认指 ...
2025-09-22CDA 数据分析师:参数估计助力数据决策的核心力量 在数字化浪潮席卷各行各业的当下,数据已成为驱动业务增长、优化运营效率的核 ...
2025-09-22训练与验证损失骤升:机器学习训练中的异常诊断与解决方案 在机器学习模型训练过程中,“损失曲线” 是反映模型学习状态的核心指 ...
2025-09-19解析 DataHub 与 Kafka:数据生态中两类核心工具的差异与协同 在数字化转型加速的今天,企业对数据的需求已从 “存储” 转向 “ ...
2025-09-19CDA 数据分析师:让统计基本概念成为业务决策的底层逻辑 统计基本概念是商业数据分析的 “基础语言”—— 从描述数据分布的 “均 ...
2025-09-19CDA 数据分析师:表结构数据 “获取 - 加工 - 使用” 全流程的赋能者 表结构数据(如数据库表、Excel 表、CSV 文件)是企业数字 ...
2025-09-19SQL Server 中 CONVERT 函数的日期转换:从基础用法到实战优化 在 SQL Server 的数据处理中,日期格式转换是高频需求 —— 无论 ...
2025-09-18MySQL 大表拆分与关联查询效率:打破 “拆分必慢” 的认知误区 在 MySQL 数据库管理中,“大表” 始终是性能优化绕不开的话题。 ...
2025-09-18DSGE 模型中的 Et:理性预期算子的内涵、作用与应用解析 动态随机一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明确:TIF 中的地名有哪两种存在形式? 在开始提取前,需先判断 TIF 文件的类型 —— ...
2025-09-17CDA 数据分析师:解锁表结构数据特征价值的专业核心 表结构数据(以 “行 - 列” 规范存储的结构化数据,如数据库表、Excel 表、 ...
2025-09-17Excel 导入数据含缺失值?详解 dropna 函数的功能与实战应用 在用 Python(如 pandas 库)处理 Excel 数据时,“缺失值” 是高频 ...
2025-09-16深入解析卡方检验与 t 检验:差异、适用场景与实践应用 在数据分析与统计学领域,假设检验是验证研究假设、判断数据差异是否 “ ...
2025-09-16