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
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