大数据驱动银行营销变革成新常态新趋势_数据分析师
新常态下,我国经济面临产业升级和结构调整,将从要素驱动、投资驱动转向创新驱动。面临新的宏观环境,如何通过强化管理,转变盈利模式来保持自身强有力的竞争力,是中国商业银行必须要面对的挑战。
在近日举行的“2014营销战略峰会”上,国家开发银行研究院副院长、教授黄剑辉指出银行业未来10-15年面临良好发展机遇,具备可持续发展的巨大潜力和增长空间,但是也面临多方面的问题和挑战。他认为,银行在新常态下实现可持续发展需要“优化资产结构,根据自身优势确立差异化业务发展战略,实施差异化新战略,并明确新的增长点。如生态金融,民生金融和互联网金融”。此外,银行还需要“高度重视新科技手段的运用,优化客户体验”。
国内银行3.0时代已拉开帷幕,社交网络、移动端和手机钱包正在冲击传统银行业,同时这股创新大潮创造了更丰富的数据,也为银行业进行业务转型带来机遇。银行面临来自企业内外部、结构化和非结构化的数据,如何有效利用来自不同渠道的海量数据化解营销挑战,成为大会讨论热点。
大数据—重塑银行业营销的最佳答案
从数据到生产力
平安直通数据营销中心总经理段朝阳指出,企业需要在大数据的大体量、多样性和快速变化三个关键特性的交集中发掘价值。而大数据的价值最终是靠小数据实现的。很多企业掌握了海量数据,但仅仅是体量大,价值密度却很低。最后做决策时,不可能用成千上万个数据点指导银行开展行动。数据本身不可能是信息,决策需要更有深度的洞见作支撑。而后的整个实施过程、如何开发都是按照这样的思路设计的。他认为从大数据分析技术的角度来看,需经历四个革新阶段,配套的各类要素也要相应地调整,四个阶段即:一、基础设施化;二、规模化;三、产品化;四、生态化。段朝阳说道:“我们先用已有的简单东西证明数据的价值,再不停地往前演进,让大家看到有序实现从小数据到大数据的飞跃是可以付诸实践的,而不是概念化的东西。”
客户DNA与洞察、行动及规则
如何在营销上将数据转化为生产力呢?SAS全球整合营销管理业务咨询总监Rene van der Laan介绍了怎样利用大数据分析技术获取360°洞察,掌握客户DNA,跨渠道地与客户开展互动。他提到,银行需要在信息沟通时保持一致,从多渠道的数据中生成单一的社会视角。因此,在新的技术营销环境下,银行需要采取跨越全渠道的集中化决策逻辑,建立客户营销决策中心(Customer Decision Hub)。在整个营销过程中,将洞察、行动与规则相结合:
洞察是目前很多企业正在做的,其中包括了消费者能力和风险等分析模型,以及关键事件触发以及对于交易数据和历史的分析。
行动是指每家组织机构营销宣传计划,包括促销活动、日常沟通和接触策略等。这需要确保在每个单一渠道沟通的一致性。
规则是驱动营销行为的关键。规则包含银行与客户沟通相关的制度,涵盖优先级、约束条件和预算限制等。在掌握资源限制的前提下,根据组织目标可以制定相关的规则。比如,银行每小时发多少封邮件,或者呼叫中心最多能接打多少电话。根据不同要素制定出来规则,并在此基础上建立多个情景分析。
可付诸实践的客户洞察
作为这套方法论的实践者,澳洲四大行之一—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与大家分享了Westpac的营销变革之路。他们希望比竞争对手更快地了解和掌握客户,并把掌握的信息和洞察力转化成行动。
与客户共同发展成长是Westpac一直遵循的价值观。随着数据源的增长和客户互动次数的增加,Westpac开始了新的营销探索,他们将数据视为业务的血液。在过去的两年多时间里,Westpac借助SAS的分析工具打造了名为KnowMe的数据驱动营销平台,重塑与1,000万客户的关系。2014年,Westpac每月会与客户进行六千万次来自网点、呼叫中心、ATM机、移动端等渠道的互动。利用这些数据,Westpac更加深入地理解客户需求,适时推荐客户正好需要的产品和服务。营销方式从“以产品为中心”向“以客户为中心”转变。这种改变也获得了市场和客户的认可,Westpac客户满意度高居澳大利亚银行业第一。
互联网金融—新军的大数据战略
除了传统金融机构,互联网金融作为异军突起的金融业新兵,也是峰会关注的焦点。在主题为“客户洞察与银行业整合营销”的圆桌讨论环节中,来自互联网金融领域的嘉宾也强调了数据与新技术的重要性。融360创始人叶大清在会上表示银行各个部门间的数据没有打通,无法保证客户体验。他指出:“作为一家互联网金融平台,我们会思考一个问题,中国银行业不乏杰出人才,生态体系还不够成熟,挑战在于如何通过互联网金融、大数据帮助中国金融机构弯道超车。”
票据宝创始人李华军介绍道:在票据宝之前,我们有一家公司是中国票据网,从2005年成立到现在已经有十年时间,在十年时间中,我们积累了几十万的个人和企业客户数据,几百万的票据报价数据,还有每日实时浮动的分区域票据实际利率。这些大数据在票据宝(PJ.com)的成立和建设过程中成为了强健的数据支柱,使得票据宝在票据市场的客户管理、风险管理、产品定价等金融专业领域具有独一无二的顶端优势。现在,我们将二者的数据打通,用中国票据网的数据资源支持票据宝。
新常态下,升级已成大势。随着互联网金融的兴起和利率市场化的稳步推进,商业银行业步入了关键的转型期。银行3.0时代带来了更多客户行为的变化,银行除了交易数据外,还掌握了多种渠道更加丰富的数据。数据的重要性已无需赘述,而数据分析技术在此搭建银行与客户的桥梁。银行能够通过分析精准获取客户DNA,传递一致的客户视图,确保客户体验,在实现精细化管理和业务转型升级上更进一步。
数据分析咨询请扫描二维码
统计学基础 - 理解统计学的基本概念和方法是数据分析师必备的技能之一。统计学为他们提供了处理数据、进行推断和建模的基础。 数 ...
2024-11-25数据分析师在如今信息爆炸的时代扮演着至关重要的角色。他们不仅需要具备扎实的数据分析技能,还需要不断学习和适应不断发展的技 ...
2024-11-25数据分析师的工作职责涉及多个关键方面,从数据的获取到处理、分析再到可视化,旨在为企业的决策提供有力支持。让我们深入了解数 ...
2024-11-25数据分析师:洞察力量的引擎 数据分析师的兴起 数据分析师行业目前正处于快速发展阶段,市场需求持续增长,薪资水平也有所提升。 ...
2024-11-25数据收集与整理 - 从各种来源收集数据,清洗和整理以确保数据质量和可用性。 数据分析与建模 - 运用统计学方法和机器学习模型对 ...
2024-11-25数据分析是当今社会中不可或缺的一项技能,涵盖了广泛的工具和技术。其中,掌握各种数据处理函数对于数据分析师至关重要。本文将 ...
2024-11-25“大数据治理”是一个涵盖广泛的复杂概念,其核心在于确保大规模、多样化的数据资源能够被有效管理和利用。不仅涉及数据的采集、 ...
2024-11-25一、引言 背景介绍 随着信息技术的快速发展和互联网的普及,大数据已经成为现代社会的重要资产。大数据的兴起不仅推动了各行各业 ...
2024-11-25《Python数据分析极简入门》 第2节 7 Pandas分组聚合 分组聚合(group by)顾名思义就是分2步: 先分组:根据某列数据的值进行 ...
2024-11-25数据分析需要学习的内容非常广泛,涵盖了从理论知识到实际技能的多个方面。以下是数据分析所需学习的主要内容: 数学和统计学 ...
2024-11-24数据分析师需要具备一系列多方面的技能和能力,以应对复杂的数据分析任务和业务需求。以下是数据分析师所需的主要能力: 统计 ...
2024-11-24数据分析师需要学习的课程内容非常广泛,涵盖了从基础理论到实际应用的多个方面。以下是根据我搜索到的资料整理出的数据分析师需 ...
2024-11-24《Python数据分析极简入门》 第2节 6 Pandas合并连接 在pandas中,有多种方法可以合并和拼接数据。常见的方法包括append()、conc ...
2024-11-24《Python数据分析极简入门》 第2节 5 Pandas数学计算 importpandasaspdd=np.array([[81,&n ...
2024-11-23数据分析涉及多个方面的学习,包括理论知识和实践技能。以下是数据分析需要学习的主要方面: 基础知识: 数据分析的基本概念 ...
2024-11-22数据分析适合在多个单位工作,包括但不限于以下领域: 金融行业:金融行业对数据分析人才的需求非常大,数据分析师可以从事经 ...
2024-11-22数据分析是一种涉及从大量数据中提取有用信息和洞察力的过程。其工作内容主要包括以下几个方面: 数据收集与整理:数据分析师 ...
2024-11-22数据分析师需要掌握多种技能,以确保能够有效地处理和分析数据,并为业务决策提供支持。以下是数据分析师需要掌握的主要技能: ...
2024-11-22数据开发和数据分析是两个密切相关但又有所区别的领域。以下是它们的主要区别: 定义和目标: 数据开发:数据开发涉及数据的 ...
2024-11-22数据架构师是负责设计和管理企业数据架构的关键角色,其职责涵盖了多个方面,包括数据治理、数据模型设计、数据仓库构建、数据安 ...
2024-11-22