大数据驱动客户关系管理智能化_数据分析师考试

利率市场化改革、宏观经济新常态、互联网金融和大数据时代的来临正从经营环境和商业模式两个维度彻底颠覆着商业银行赖以生存发展的生态环境。我国银行业正迎来改革开放三十年来前所未有之大变局。

可以预期，内外部经营环境的变化和大数据的应用将共同推动商业银行进入真正向“以客户为中心”的业务转型期。客户将成为未来银行可持续发展的最重要驱动力，银行业的竞争焦点从基于产品和服务的竞争逐渐转变为基于客户智慧和客户价值的竞争。

一、大数据的定义

各行各业都在讲大数据，但是至今仍没有一个被广泛采纳的大数据的明确定义。一般来讲，大数据具备4个特点：第一，数据体量巨大，计算量大；第二，数据来源多样，包含结构化、半结构化和非结构化等多种类型的数据；第三，数据价值密度低，整体价值却弥足珍贵；第四，数据收集、处理、共享、分析速度要求快。

上述特征反映了大数据的一些共同特点，但尚未完成真正反映大数据的本质。笔者将国际国内大数据研究成果与中国民生银行应用实践相结合，综合考虑数据结构、数据技术和数据价值等不同维度，对大数据给出以下定义：

大数据是指把结构化、半结构化、非结构化海量数据通过数据技术进行收集、整理而成的数据集或数据群。利用数据挖掘分析技术能够使这些数据集群产生巨大的商业价值。

——中国民生银行

　二、大数据驱动银行客户关系管理进入智能化时代

大数据将助力商业银行由传统的“以产品为导向”向“以客户为中心”的精细化管理和营销模式转型，使我国商业银行客户关系管理进入真正的智能化时代。

（一）客户营销个性化

大数据的广泛收集和应用使商业银行能够更加全面、准确的了解客户并挖掘出客户的潜在金融需求，从而有的放矢的进行产品设计和金融创新。银行可以通过大数据分析平台，接入客户通过社交网络、电子商务、终端设备、电话投诉等媒介产生的海量碎片化、非结构化数据，结合银行掌握的交易数据等结构化数据，构建更加全面、客观的客户洞察。真正从大数据中洞察客户智慧和发掘潜在商机，围绕客户需求为其提供个性化的服务。

（二）客户服务线上化

目前的发展趋势已经表明，随着大数据分析平台、物联网、云计算、电子商务平台和移动互联网等新一代信息技术的广泛应用，各类金融要素资源有望实现联接，银行客户服务模式将实现从“线下手工处理”到“线上全流程电子化”的转变。帮助银行最大限度降低客户服务成本、提高业务效率。

（二）客户管理科学化

基于大数据平台的数据流有效管理将有助于银行简化和优化现有组织结构，进一步压缩客户管理环节、降低管理成本，减少信息传递失真。银行可综合运用大数据技术、电子银行技术、网络技术对客户管理的各个环节进行重新设计，逐步建立快捷、灵活、高效并富有弹性的扁平化客户管理体系。进而，对市场、客户变化做出敏捷的反应，大幅提升银行客户管理的科学化和智能化水平。

　三、民生银行基于大数据的客户关系管理实践

中国民生银行提出以“数据创造价值”为核心理念，全力推动民生集团大数据平台建设。基于大数据平台，重点打造以“阿拉丁云平台”为代表的立体化数据服务生态圈和以“金融e管家平台”为代表的智能化的客户关系管理体系。

通过阿拉丁和金融e管家在全行的应用推广，大数据量化分析和数字化管理真正实现了与各层级员工的零距离接触，民生银行业务运行的商业模式正悄然发生改变，并逐步形成了高效率的具有独特核心竞争力的智能化客户关系管理模式。

（一）服务客户：让市场人员穿上客户的鞋子走路

民生银行基于大数据的客户关系管理体系在设计伊始，“以市场为中心，以客户需求为导向”的目标就非常的清晰而坚定。设计者们基于大数据和移动互联等新技术，在更新视角、更深层次上，帮助市场人员站在客户的角度思考问题，从客户的根本利益中寻找工作方向，从客户的困难和问题中寻找业务突破。市场人员思考业务的原点不再限定在客户本身，还包括客户的“钱从哪儿来，钱去哪儿了”，客户产业链的上游、下游，以及合作伙伴组成的生态圈。

客户经理可以借助大数据平台上源源不断的数据来源和数据分析结果成为客户的外脑和顾问。向客户提供当地最新的市场信息、上下游动向甚至市场开发建议、产品改进建议。比如，民生银行通过大数据分析发现浙江某大型民企客户的关键下游企业实际控制人存在参与民间借贷的迹象，客户经理及时与该民企客户沟通，助其挽回了数千万元的应收货款。以此为契机，民生银行也迅速成为该民企客户的主办银行。

（二）大数据挖掘：智能获客、智能产品推荐、大数据商机挖掘纵贯银企关系整个生命周期

民生银行在新客户关系管理体系建设中充分引入各类大数据智能商机挖掘模型，实现了智能化的目标客户推荐和产品推荐。交易链智能获客模型、客户价值弹性预测模型、产品精准营销模型、客户流失预警模型，纵贯银企关系的整个生命周期，为全行客户经理进行精确化的市场营销提供了利器。大数据模型告诉民生营销和管理人员“哪些潜在客户最易开发？哪些客户最易贡献价值？哪些产品最易被客户接受？哪些客户最易流失？”

举例说明，各银行都存在大量的低价值的休眠对公客户。面对如此巨大的客户数量，依靠传统的以客户经理为主、全面扫描客户的开发模式将会产生巨大的开发成本。针对这个问题， 民生银行为市场人员提供了客户价值弹性分析、交易链智能获客模型和产品交叉销售模型，进而精准定位潜在高价值客户群，达到了事半功倍的营销效果。

（三）全民参与：点燃组织内部的大数据激情

民生银行提出做好大数据基础设施和生态圈建设，依托阿拉丁平台和金融e管家平台让民生银行“人人都是客户关系管理专家”，实现美妙绝伦的大数据用户体验。行内用户的每一个需求和建议都会被公开发布并能够得到及时回复，为用户带来了极大的参与感。数据分析挖掘像游戏一样充分趣味和挑战，让用户玩着玩着就停不下来，彻底点燃组织内部的大数据热情。

四、结语

国际先进经验表明，为了适应利率市场化改革和现代信息技术的发展，具有远见和雄心的商业银行应充分认识大数据的革命性影响，积极稳妥的推动大数据平台建设，真正发掘和实现大数据价值，不断提升客户关系管理的智能化水平。大数据蕴涵大价值，但不能急功近利，必须超越炒作，有步骤、务实的去实现。具体来讲：

（一）将大数据平台建设上升到战略高度

首先，通过大数据云平台实现金融集团级别的数据集中，形成银行的数据资产；其次，积极开展银行大数据安全管理、非结构化数据分析挖掘模型、实时数据分析模型等关键领域的自主研究；在此基础上，以具体应用为导向，以“数据创造价值”为理念，逐步推进银行大数据工作的开展。

（二）加大对数据分析的投入力度，培育数据科学家

有效、深入的数据分析研究将赋予“大数据平台”新的生命。大数据平台是数据分析的基础，从大数据中发现业务发展的智慧、充分发挥大数据的价值是大数据平台发挥作用的关键。银行应培育一大批大数据分析人员，他们应不仅具有很强的统计建模和数据挖掘的能力，还要有卓越的业务理解力和探索性研究能力。

（三）大数据分析要与商业应用紧密结合

大数据分析成果只有转化为实际的营销或管理行动才能够真正为银行创造价值。大数据分析一定要与实际应用相结合，针对不同商业环境设计差异化的大数据的采集、分析和共享策略。只有与商业应用紧密结合的大数据分析才能切实推动银行信息管理部门由“成本中心”逐步向“利润中心”转变。