
农商行携手神州信息迈入基于大数据的移动营销
大数据是目前最前沿的一个领域。在大数据时代,通过海量信息收集、数据处理和数据分析,纷繁复杂的人类行为变得有规律可循,旧的生产关系和生活方式落伍出局,新的产业生态和游戏规则喷薄而出,任何领域都不可能例外,金融更是如此。
面对这场"数据地震",怎样才能有效掌握收集数据、分析数据、利用数据的办法和途径,怎样才能在海量数据中去伪存真、变"数"为宝,将成为广大商业银行特别是中小银行必须认真思考和探索的全新课题。
越来越多的农村信用联社高瞻远瞩,为了满足法人行社对数据的个性化需求,通过原始数据下发,鼓励有条件的行社先行先试、创新转型。福建某农商银行作为当地的先行者,在近30年的发展历程中,始终坚持科技引领业务发展的战略思维,为中小企业、个体户和广大农村经济发展提供了强有力的金融支撑。该行领导对信息科技高度重视,并积极通过IT创新提升客户服务水平,向最终户提供差异化服务。2014年6月,该行携手神州数码融信软件有限公司(神州信息旗下企业),启动了行内最大的项目--数据集成综合运用平台建设。
由于当地的中小企业、个体户多,银行数量也多,各家银行之间争夺客户的竞争十分激烈。面对这一现状,行领导考虑利用大数据思维在移动营销方面寻找转型过程中的突破点,提出利用行内的数据对客户进行360度分析,找出目标客户,并向客户主动推荐产品,依此在本地区银行内率先为客户提供精准营销服务。
这一想法落在科技层面,则要涉及到大数据收集和整合应用,数据抽取转换分析工具使用,以及跨PC和移动端等平台的应用开发。行方与神州数码融信需要共同解决三大问题:第一,种类繁多且分散在省联社、行内系统和各业务部门的数据该如何整合?第二,不同的设备,后台服务器、PC机、前端PAD和营业网点排队机之间该如何进行通讯与集成?第三,营销过程中总行管理人员、柜员、大堂经理、客户经理该如何分工?这其中涉及了数据、技术、人员、设备和管理流程的协同,系统工程非常复杂,神州数码融信 "量体裁衣"提出了适合的解决方案。
系统整体架构
围绕该行"大数据战略"的部署,双方多次讨论形成了建设思路,以"资源整合、客户为本、绩效驱动、业务转型"为目标,通过企业级数据整合,实现银行内部和外部、结构化和非结构化的数据集成,利用神州数码融信独有的金融数据模型建设数据平台,利用智能分析推荐平台和移动端APP应用搭建移动营销平台。
在实际建设中,该项目的重点是依据客户基本信息、账户数据、交易数据、行为数据,深度挖掘大数据中隐藏的价值,为银行寻找目标客户,分析、推荐产品实现精准营销。同时,通过移动端设备为客户提供差异化服务,借助PAD,手机、短信、微信等移动设备和电子化渠道初步建立了O2O的营销服务体系。除了重点建设移动营销平台外,该项目还建设了行内综合报表系统、领导驾驶舱、客户管理系统、智能排队系统、商户管理系统等数据应用系统。该套数据应用综合解决方案,不仅实现了该行科技的又一次腾飞,更为迎接全新的"大数据"信息化时代到来打下了坚实的基础。此次数据的成功应用,将助力银行创造先发竞争优势,打造不可复制的核心竞争力。
神州数码融信专家介绍,分析推荐是基于大量数据的运算与分析,分析推荐平台定位是提供可以根据不同的应用需求进行参数化配置的个性化数据分析、推荐服务,并提供基于风险的预警。该平台旨在帮助客户通过灵活的参数调整,来达到最优的推荐效果,进而帮助用户快速便捷的发现需要的信息,在合理的参数体系下,通过适合的方式获取需要的信息,提高用户体验,最终提升客户的忠诚度以及客户对服务的满意度。
当前,以互联网为代表的现代信息科技,特别是门户网站、社区论坛、微博、微信等新型传播方式的蓬勃发展,移动支付、搜索引擎和云计算的广泛应用,已构建起了全新的虚拟客户信息体系,并将改变现代金融运营模式。社交媒体的兴起为银行创造了全新的客户接触渠道,来自银行网点、PC、移动终端设备、传感器网络等传来的结构化、非结构化的海量数据,为银行创造了深化客户挖掘、强化交叉销售、加快产品创新的广阔空间。这也为银行突破同质性,实施差异化战略提供了支持。
因此该项目未来的发展,是在第三方电商数据方面和社交媒体数据方面进行更多、范围更广的集成,为全面、准确分析客户数据,分析推荐产品,让用户拥有极佳的用户体验方面持续优化和完善,推动该行成为本地区、乃至全省金融业的典范与标兵。
数据之争就是未来之争。未来的商业银行不仅要做数据大行,更要做数据分析、数据解读的大行,占据价值链核心位置,从数据中获得洞察力,引领传统模式变革。拥抱"大数据",神州数码融信将与更多的中小银行一起把握时代契机,为银行的用户提供高品质、差异化服务,助推金融市场的持续繁荣与发展。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Python HTTP 请求工具对比:urllib.request 与 requests 的核心差异与选择指南 在 Python 处理 HTTP 请求(如接口调用、数据爬取 ...
2025-09-12解决 pd.read_csv 读取长浮点数据的科学计数法问题 为帮助 Python 数据从业者解决pd.read_csv读取长浮点数据时的科学计数法问题 ...
2025-09-12CDA 数据分析师:业务数据分析步骤的落地者与价值优化者 业务数据分析是企业解决日常运营问题、提升执行效率的核心手段,其价值 ...
2025-09-12用 SQL 验证业务逻辑:从规则拆解到数据把关的实战指南 在业务系统落地过程中,“业务逻辑” 是连接 “需求设计” 与 “用户体验 ...
2025-09-11塔吉特百货孕妇营销案例:数据驱动下的精准零售革命与启示 在零售行业 “流量红利见顶” 的当下,精准营销成为企业突围的核心方 ...
2025-09-11CDA 数据分析师与战略 / 业务数据分析:概念辨析与协同价值 在数据驱动决策的体系中,“战略数据分析”“业务数据分析” 是企业 ...
2025-09-11Excel 数据聚类分析:从操作实践到业务价值挖掘 在数据分析场景中,聚类分析作为 “无监督分组” 的核心工具,能从杂乱数据中挖 ...
2025-09-10统计模型的核心目的:从数据解读到决策支撑的价值导向 统计模型作为数据分析的核心工具,并非简单的 “公式堆砌”,而是围绕特定 ...
2025-09-10CDA 数据分析师:商业数据分析实践的落地者与价值创造者 商业数据分析的价值,最终要在 “实践” 中体现 —— 脱离业务场景的分 ...
2025-09-10机器学习解决实际问题的核心关键:从业务到落地的全流程解析 在人工智能技术落地的浪潮中,机器学习作为核心工具,已广泛应用于 ...
2025-09-09SPSS 编码状态区域中 Unicode 的功能与价值解析 在 SPSS(Statistical Product and Service Solutions,统计产品与服务解决方案 ...
2025-09-09CDA 数据分析师:驾驭商业数据分析流程的核心力量 在商业决策从 “经验驱动” 向 “数据驱动” 转型的过程中,商业数据分析总体 ...
2025-09-09R 语言:数据科学与科研领域的核心工具及优势解析 一、引言 在数据驱动决策的时代,无论是科研人员验证实验假设(如前文中的 T ...
2025-09-08T 检验在假设检验中的应用与实践 一、引言 在科研数据分析、医学实验验证、经济指标对比等领域,常常需要判断 “样本间的差异是 ...
2025-09-08在商业竞争日益激烈的当下,“用数据说话” 已从企业的 “加分项” 变为 “生存必需”。然而,零散的数据分析无法持续为业务赋能 ...
2025-09-08随机森林算法的核心特点:原理、优势与应用解析 在机器学习领域,随机森林(Random Forest)作为集成学习(Ensemble Learning) ...
2025-09-05Excel 区域名定义:从基础到进阶的高效应用指南 在 Excel 数据处理中,频繁引用单元格区域(如A2:A100、B3:D20)不仅容易出错, ...
2025-09-05CDA 数据分析师:以六大分析方法构建数据驱动业务的核心能力 在数据驱动决策成为企业共识的当下,CDA(Certified Data Analyst) ...
2025-09-05SQL 日期截取:从基础方法到业务实战的全维度解析 在数据处理与业务分析中,日期数据是连接 “业务行为” 与 “时间维度” 的核 ...
2025-09-04在卷积神经网络(CNN)的发展历程中,解决 “梯度消失”“特征复用不足”“模型参数冗余” 一直是核心命题。2017 年提出的密集连 ...
2025-09-04