金融企業(yè)如何做客戶分析？五大應(yīng)用場(chǎng)景告訴你

金融客戶分析應(yīng)用場(chǎng)景大數(shù)據(jù)分析

方長(zhǎng)青 | 2016-09-22 10:13

【數(shù)據(jù)猿導(dǎo)讀】隨著移動(dòng)互聯(lián)網(wǎng)技術(shù)的發(fā)展，傳統(tǒng)的銀行營(yíng)銷模式終將被替代，在這樣的情況下，銀行如何利用大數(shù)據(jù)技術(shù)，在營(yíng)銷、風(fēng)險(xiǎn)管控和服務(wù)優(yōu)化等各方面得到有效支撐

金融IT高級(jí)專家、高偉達(dá)軟件股份有限公司大數(shù)據(jù)產(chǎn)品總監(jiān)方長(zhǎng)青在9月10日永洪科技深圳大數(shù)據(jù)峰會(huì)上，從銀行大數(shù)據(jù)分析的整體架構(gòu)和幾個(gè)應(yīng)用場(chǎng)景出發(fā)，分享金融大數(shù)據(jù)在客戶分析方面的應(yīng)用實(shí)踐。

大數(shù)據(jù)分析的整體框架

下圖是一個(gè)比較全面的金融行業(yè)大數(shù)據(jù)業(yè)務(wù)價(jià)值框架圖，也是金融業(yè)務(wù)模型圖。首先我們要采集到用戶各種各樣的數(shù)據(jù)，這個(gè)數(shù)據(jù)有銀行外部的，包括社區(qū)數(shù)據(jù)、互聯(lián)網(wǎng)數(shù)據(jù)、外部采購(gòu)數(shù)據(jù)。也有銀行內(nèi)部數(shù)據(jù)，包括轉(zhuǎn)讓信息、消費(fèi)信息和財(cái)富管理信息，它的來源渠道包括網(wǎng)絡(luò)金融平臺(tái)、手機(jī)銀行、ATM網(wǎng)點(diǎn)等等。

我們把這些收集來以后，會(huì)利用大數(shù)據(jù)分析技術(shù)，比如日志分析、自然語言分析、網(wǎng)絡(luò)拓?fù)浞治?。然后進(jìn)行分工和畫像，比如消費(fèi)畫像和服務(wù)畫像，最后形成客戶標(biāo)簽，為內(nèi)部營(yíng)銷和風(fēng)險(xiǎn)控制提供支持。

第一個(gè)層次，數(shù)據(jù)來源。數(shù)據(jù)源的內(nèi)容會(huì)非常多，第一部分比如銀行業(yè)務(wù)數(shù)據(jù)。對(duì)于大數(shù)據(jù)我們可能有很多誤區(qū)，覺得大數(shù)據(jù)一定是非結(jié)構(gòu)化數(shù)據(jù)或者數(shù)據(jù)量非常大才叫大數(shù)據(jù)。其實(shí)不然，銀行已經(jīng)積累了大量數(shù)據(jù)，這些數(shù)據(jù)本身價(jià)值也是非常大的，只是以前不夠重視，沒有對(duì)數(shù)據(jù)進(jìn)行挖掘，沒有產(chǎn)生出應(yīng)有的價(jià)值。銀行內(nèi)的數(shù)據(jù)包括業(yè)務(wù)數(shù)據(jù)、運(yùn)維、網(wǎng)站日志數(shù)據(jù)等。

另外還有一些新興的數(shù)據(jù)，比如我們通過移動(dòng)互聯(lián)網(wǎng)、微信、微博等等產(chǎn)生的數(shù)據(jù)。另外是第三方數(shù)據(jù)，比如通過電商、網(wǎng)絡(luò)平臺(tái)等收集到的一些數(shù)據(jù)，還有一些咨詢公司和專門的數(shù)據(jù)公司收集到的數(shù)據(jù)。

第二層，場(chǎng)景應(yīng)用。我們從業(yè)務(wù)價(jià)值的角度來分為4大塊。1.營(yíng)銷支持。2.產(chǎn)品運(yùn)營(yíng)：銀行要開發(fā)什么樣的產(chǎn)品滿足客戶的需求，產(chǎn)品開發(fā)出來之后，客戶反饋是怎么樣的，符合不符合客戶的心理預(yù)期，效果怎么樣，我們?cè)趺催M(jìn)行優(yōu)化。

3.風(fēng)險(xiǎn)管控，比如我們發(fā)一些貸款，首先要看一下這個(gè)人是好人還是壞人，信用度有多高，發(fā)多大的額度，會(huì)不會(huì)存在欺詐。4.內(nèi)部管理，特別是大型集團(tuán)用戶，涉及到幾萬、幾十萬人的規(guī)模，這個(gè)時(shí)候內(nèi)部怎么管理員工，比如營(yíng)銷團(tuán)隊(duì)怎么管理、風(fēng)險(xiǎn)團(tuán)隊(duì)怎么管理、運(yùn)維團(tuán)隊(duì)怎么管理，這都是非常難的問題。

第三層，數(shù)據(jù)。對(duì)于客戶大數(shù)據(jù)分析，金融行業(yè)在IT方面一直走在各行業(yè)的前列。我干了20年的金融，對(duì)這個(gè)方面非常了解，當(dāng)IT上每出現(xiàn)一個(gè)新技術(shù)，第一個(gè)試點(diǎn)絕對(duì)在金融。這兩年實(shí)際上不管是大數(shù)據(jù)、云計(jì)算、還是互聯(lián)網(wǎng)，銀行反應(yīng)非常迅速，都在積極地探索。銀行的一個(gè)核心就是客戶，大數(shù)據(jù)的核心就是客戶分析，我們就是要分析客戶各種各樣的行為特征，看它能夠?yàn)殂y行帶來什么樣的價(jià)值。

金融大數(shù)據(jù)客戶分析的幾個(gè)應(yīng)用場(chǎng)景

1.用戶標(biāo)簽和精準(zhǔn)推送。這是我們畫出來的一個(gè)金融標(biāo)簽，這個(gè)標(biāo)簽大家在網(wǎng)上可能會(huì)見過類似的。大家經(jīng)常上淘寶等各種購(gòu)物網(wǎng)站，你瀏覽一個(gè)網(wǎng)站以后，瀏覽器就會(huì)很快地給你推薦類似的產(chǎn)品，它背后的支撐就是用戶畫像。

當(dāng)然金融在這一塊做的，實(shí)際上原理和電商的畫像是一樣的，只是電商推薦的是購(gòu)物產(chǎn)品，金融推薦的是金融產(chǎn)品。但是，做畫像要采集的數(shù)據(jù)就和電商有很大的區(qū)別，電商是在購(gòu)物網(wǎng)站上瀏覽的數(shù)據(jù)，金融的是在金融平臺(tái)或者網(wǎng)站上瀏覽的數(shù)據(jù)，這是我們要采集的數(shù)據(jù)。

經(jīng)過一系列的加工和統(tǒng)計(jì)以后，我們會(huì)統(tǒng)計(jì)出各種各樣的用戶標(biāo)簽。比如有人口統(tǒng)計(jì)學(xué)標(biāo)簽，包括年齡、教育程度。信用屬性標(biāo)簽，包括資產(chǎn)負(fù)債、信用評(píng)分等等，評(píng)估客戶是穩(wěn)健型的投資客戶還是財(cái)富管理型的投資客戶。還有資產(chǎn)標(biāo)簽，是不是有房，房子在市中心還是在哪里，另外是不是有高檔車，還有你在購(gòu)買金融產(chǎn)品的情況等等，這個(gè)主要是大概評(píng)估出潛在客戶的資產(chǎn)價(jià)值。右邊的標(biāo)簽主要是興趣愛好標(biāo)簽，這個(gè)和電商畫像基本上是大同小異的，對(duì)于金融客戶也是有用的?，F(xiàn)在不管是銀行還是其他客戶，他們有時(shí)候自己也建立類似的網(wǎng)站。

2.用戶畫像和精準(zhǔn)營(yíng)銷。下圖是我們客戶畫像的原型示意圖，右邊是個(gè)人畫像，我們采用目前比較流行的云標(biāo)簽的形式，這種標(biāo)簽五顏六色挺好看，圈也有大有小。不同顏色代表不同種類的標(biāo)簽，或者是投資理財(cái)專家，或者是購(gòu)物消費(fèi)者，圈越大代表信息越強(qiáng)，為我們的營(yíng)銷和風(fēng)險(xiǎn)評(píng)估提供了有力的依據(jù)。假如推出一款理財(cái)產(chǎn)品，分析出某個(gè)人是投資理財(cái)專家，就可以給他打上這種標(biāo)簽。

左邊是客群畫像，針對(duì)一個(gè)群體進(jìn)行畫像，我們可以很方便地為客戶篩選出某一類人群。舉一個(gè)例子，第一種方式，銀行發(fā)行了一個(gè)新產(chǎn)品，要評(píng)估一下新產(chǎn)品針對(duì)哪類人群進(jìn)行營(yíng)銷，這需要我們對(duì)各類人群進(jìn)行系統(tǒng)的分析，找出他們的共同特征。第二種是反向的，就是要分析哪類人群有什么特征，能不能為他們量身定做一個(gè)產(chǎn)品，然后推銷給他們。

這里我畫了一個(gè)示意圖，我選了金融IT人群。金融IT人群通過我們的大數(shù)據(jù)客戶分析，可以發(fā)現(xiàn)有這些特征：第一消費(fèi)自由度比較高，第二年齡大多數(shù)18到34歲，第三日常消費(fèi)風(fēng)險(xiǎn)比較低，喜歡數(shù)碼，營(yíng)銷方式喜歡微信或者APP營(yíng)銷。從這些特征我們就可以分析出好多內(nèi)容，比如說像這類人群，我們的客戶經(jīng)理在營(yíng)銷的時(shí)候，應(yīng)該向他推薦哪一類產(chǎn)品。我的營(yíng)銷方式是什么，你不能上門拜訪，他可能會(huì)拒絕你。但是你用微信推送，他就比較容易能接受。

上圖是模型的訓(xùn)練方法，包括分析模型的方法，當(dāng)然這個(gè)模型要從數(shù)據(jù)訓(xùn)練、特征提取到挖掘等，這是畫像的過程。

下圖是我們的多維度模型的數(shù)據(jù)挖掘和精準(zhǔn)營(yíng)銷，它包含5大類的模型：第一是用戶特征模型，第二是用戶消費(fèi)模型，第三是產(chǎn)品關(guān)聯(lián)模型，第四是內(nèi)容熱度模型，第五是價(jià)值核算模型。

3.用戶流失數(shù)據(jù)分析。我遇見過一個(gè)案例，銀行大批客戶流失，但卻不知道什么原因。我記得去年參與了一個(gè)房地產(chǎn)的研討會(huì)，遇到一位建行的人，他們當(dāng)時(shí)就很苦惱。當(dāng)時(shí)建行個(gè)人房貸數(shù)據(jù)是非?？捎^的，在四大行里面占首位。但是這幾年很多客戶貸款提前還完了，然后就有很奇怪的一個(gè)現(xiàn)象，他們的客戶在買第二套、第三套房時(shí)，基本上不在建行貸款了，而是去其它銀行了，就這樣莫名其妙流失了，也不知道什么原因。

實(shí)際上如果做大數(shù)據(jù)分析，我們就能分析這種行為特征到底是什么原因，是建行的服務(wù)不行，還是利率太高了，還是產(chǎn)品的競(jìng)爭(zhēng)力有缺陷等等。我們目前也是在做這一塊的工作，也探索出很多有價(jià)值的模型。

這里面有一些非常有意思的事情，比如說風(fēng)險(xiǎn)程度和學(xué)歷的關(guān)系，我們以前認(rèn)為學(xué)歷高風(fēng)險(xiǎn)低，研究生比本科生要低。但是我們拿著實(shí)際數(shù)據(jù)訓(xùn)練完以后才出現(xiàn)，主觀的想象完全是錯(cuò)誤的，實(shí)際上風(fēng)險(xiǎn)最低的是本科生，其實(shí)博士生風(fēng)險(xiǎn)度反而是偏高的。這就是大數(shù)據(jù)分析出來的一個(gè)結(jié)果和人為主觀臆想的差距，具體原因我們搞不清楚，這需要社會(huì)學(xué)家研究一下，不是大數(shù)據(jù)干的事，我們只管分析出它的特征。

4.商圈分析。商圈分析主要通過銀聯(lián)數(shù)據(jù)或者其它的一些數(shù)據(jù)，我們可以分析出每個(gè)城市中哪些地方商圈比較集中，這樣就可以為銀行選址和分析網(wǎng)點(diǎn)競(jìng)爭(zhēng)狀況。我們?cè)诮ㄐ凶隽艘粋€(gè)試點(diǎn)，做了一套叫做輔助網(wǎng)點(diǎn)選址的系統(tǒng)，效果非常好。

5.企業(yè)征信。下圖是大數(shù)據(jù)企業(yè)征信，通過用戶畫像為企業(yè)提供很重要的數(shù)據(jù)參考。

方長(zhǎng)青擁有20年的金融行業(yè)從業(yè)經(jīng)驗(yàn)，是一位資深的金融IT高級(jí)專家。此次他在永洪科技深圳大數(shù)據(jù)峰會(huì)上的分享干貨滿滿，包含了金融大數(shù)據(jù)客戶分析與日志分析兩個(gè)方面的精彩內(nèi)容。明天將會(huì)為大家分享他在為上海浦發(fā)銀行做項(xiàng)目時(shí)，關(guān)于金融大數(shù)據(jù)日志分析的實(shí)踐情況。

作者名片

方長(zhǎng)青，金融IT高級(jí)專家、金融經(jīng)濟(jì)分析師、Hortonworks Apache Hadoop開發(fā)者認(rèn)證 (HCAHD)。20年的金融行業(yè)從業(yè)經(jīng)驗(yàn)，10多年的大型IT企業(yè)項(xiàng)目管理和行業(yè)管理工作經(jīng)驗(yàn)。精通金融業(yè)務(wù)、各種IT前沿技術(shù)等。

曾創(chuàng)新性的研發(fā)出了國(guó)內(nèi)領(lǐng)先的“金融風(fēng)險(xiǎn)實(shí)時(shí)預(yù)警系統(tǒng)”并獲得“中國(guó)建設(shè)銀行總行科技創(chuàng)新獎(jiǎng)”、“國(guó)家創(chuàng)新基金”、“國(guó)家產(chǎn)業(yè)化推廣基金”等獎(jiǎng)項(xiàng)，并推廣至建設(shè)銀行總行及全國(guó)100多家股份制、城市商業(yè)銀行等應(yīng)用至今。

現(xiàn)任高偉達(dá)軟件股份有限公司研發(fā)中心副總經(jīng)理、大數(shù)據(jù)產(chǎn)品總監(jiān)等職務(wù)。為公司規(guī)劃并研發(fā)了“金融云大數(shù)據(jù)服務(wù)平臺(tái)”、“大數(shù)據(jù)風(fēng)險(xiǎn)預(yù)警系統(tǒng)”、“大數(shù)據(jù)客戶分析平臺(tái)”、“金融大數(shù)據(jù)IT智能運(yùn)維系統(tǒng)”等產(chǎn)品，部分產(chǎn)品已經(jīng)開發(fā)完畢并進(jìn)行推廣，部分產(chǎn)品正在進(jìn)行研發(fā)。

注：本文由永洪科技方長(zhǎng)青投稿數(shù)據(jù)猿

來源：數(shù)據(jù)猿

收藏分享

聲明：數(shù)據(jù)猿尊重媒體行業(yè)規(guī)范，相關(guān)內(nèi)容都會(huì)注明來源與作者；轉(zhuǎn)載我們?cè)瓌?chuàng)內(nèi)容時(shí)，也請(qǐng)務(wù)必注明“來源：數(shù)據(jù)猿”與作者名稱，否則將會(huì)受到數(shù)據(jù)猿追責(zé)。