首页 > 热点专题 > 银行智慧网点转型 > IBM智慧观点 > 正文

您好,欢迎来到《中国金融》,进入 [博客][论坛]

构建银行大数据分析蓝图

作者:王天義

2015年07月16日 摘自:中国金融共有条评论

打印Email评论

  导读|大数据分析帮助银行建立起企业级的跨部门完整客户视图,并应用结构化和非结构化数据分析技术获得准确的业务洞察,从而构筑全渠道营销体系
      
  进入21世纪,全球范围内数据产生的数量、种类及速度都在以爆炸性方式增长。研究资料表明,目前全世界每天所产生的数据量多达25亿GB,其中80%的数据是非结构化的。预计到2015年,全球互联的智能设备总数将会超过1万亿个,而用于数据分析的支出也将达到1870亿美元。作为与数据休戚相关的行业,其日常的资金交易、利率变化、风险评估、投资组合等业务全部围绕数据进行。能否成功驾驭大数据,已经成为决定银行未来发展成败的关键因素。在当前日趋激烈的市场竞争中,中国的银行业必须充分利用大数据分析构建未来发展的新基础,从而实现卓有成效的创新发展。   
  应用大数据分析提升银行客户洞察   
  一些银行管理者常常抱怨无法从外部获得更多的客户数据,其实,银行自身在以往业务中已经积累了巨大的客户信息和业务数据,需要做的就是应用大数据分析手段对其进行充分挖掘,以获取至关重要的业务洞察。强大的银行客户洞察建立在两个关键前提之上:首先要从银行组织整体出发,打破各个部门的界限,收集完整的客户数据;其次,基于客户业务数据进行分析,制定有效的营销、销售及客户服务决策。
  一方面,先进的大数据分析技术,能够显著改善银行业务洞察的精确性,从而建立起全面的业务数据洞察力。掌握这些信息,可以使银行更精确地对客户的完整情况进行描述。例如,对银行客户登记的住址、邮编、电话、工资卡标志、联名卡标志、职业等信息进行关联,以挖掘其社会关系网络;对客户转账、汇款、留言等账户往来信息进行关联分析,挖掘账户网络关系;通过手机银行、ATM、POS机、银行网点等的交易信息,收集客户位置数据、行为规律、消费喜好、生活事件等;利用语音识别等技术分析呼叫中心、远程银行的语音数据,挖掘潜在客户需求;通过手机银行、网络银行等电子渠道的日志文件分析,挖掘客户的行为属性。
  深入的客户洞察,有助于银行合理划分客户群属性,发掘影响客户盈利能力的关联因素,预测客户的生命周期价值曲线,并作出更加准确的客户业务决策。掌握银行客户新的社交属性、行为属性、生活事件等信息的挖掘,能够对其金融服务需求进行准确预测。掌握银行客户的关联金融业务往来记录,能够更加便捷地获取新客户。掌握银行客户的社会关系、兴趣爱好分析,能够有效地进行同理性销售。掌握银行客户的账户关系和社会关系,能够实现金融产品组合、服务套餐的创新设计。
  另一方面,银行也同样需要突破传统界限,与第三方合作伙伴建立广泛的业务联系,打造跨行业联盟,实现资源整合和优势互补,建立更加完整的大数据客户视图。例如,各种社交媒体、电商网站、移动应用中都蕴含着大量的潜在银行客户数据,银行可以从中了解客户需求、风险偏好和消费模式,进而打造具有创新性的盈利型客户关系。但需要注意的是,上述相关个性化数据获取可能涉及部分客户隐私信息,银行必须与客户事先签订意向书或进行相关提示,从而确保良好的客户体验。国外银行的最佳实践是,客户可以通过签订隐私协议,授权银行在保证个人隐私的前提下对其数据进行合理分析,从而获得更加优质的服务体验。
  最近几年,国内的一家股份制商业银行通过开展企业级的客户数据分析,深入了解客户的需求与行为,成功地将信用卡营销应答率从2%提升至10%以上,把财务报告生成时间缩短超过95%,使信用卡业务增长率超过300%。同时,该银行通过建立客户全生命周期预测模型,提高客户忠诚度,有效减少了客户流失比率。
  客户数据分析有助于银行为客户提供定制服务和产品,以提升自身的业务效率和回报。比如,某国内大型区域银行应用大数据分析方案,对企业客户的收入记录、现金流管理及信贷记录等数百个主要绩效指标进行完整分析。通过分析这些数据,该银行掌握了企业客户申请贷款的频率、数额和原因以及企业所支付的贷款利率及还款频率等各项指标,从而对客户未来需求进行准确预测。此外,通过从大数据分析结果中获得的业务洞察,该银行将能够迅速识别优质客户,预测其资金需求以及偏爱的贷款类型,从而帮助贷款经理为这些潜在客户量身定制贷款产品,加快审批流程。   
  打造银行大数据全渠道营销体系   
  在传统数据分析模式下,银行在预测客户需求、制定精准营销方案方面遇到很大挑战,无法准确捕捉、分析并存储大量的异构化客户交易信息和数据,银行业务人员也常常因为无法及时获取所需要的信息而错过最佳营销机会。
  凭借具有快速更新能力的大数据分析模型技术,银行可以准确洞察客户需求并提供具有全渠道特色的营销手段,改善销售效果和客户体验。新加坡华侨银行(OCBC)作为在新加坡市场上最大的银行之一,通过实施大数据分析技术,打造全渠道客户营销体系,成功构建以客户为中心的金融服务模式。为构建基于事件的个性化营销策略,华侨银行整合了多种渠道的海量客户信息和业务数据,包括电子邮件、呼叫中心、网点柜台、自动柜员机、直邮、短信和移动银行等。同时,利用大数据分析模型和精确营销算法,华侨银行能够更加精确地寻找到整合营销活动的目标客户。从实施该大数据分析技术以来,华侨银行在连续18个月内都获得了业绩的显著提升,业务转换率增长了45%,交叉销售额增长了60%,有效营销活动比之前增加了12倍。   
  构建基于大数据的整合风险管理平台   
  大数据时代下,银行风险管理正在面临着日益严峻的挑战。例如,在操作风险方面,内部及外部金融欺诈者使用比以往更加复杂的方法和工具,导致银行打击金融犯罪的成本大幅上升。和国外先进银行相比,国内大多数商业银行在风险管理方面存在四个突出问题。第一,缺乏全行统一的风险管理战略和政策,风险分层、分部门管理,职责分散,分支机构风险管理职能缺失,不能建立全面风险管理视角;第二,各业务部门风险管理系统技术平台各异,相关信息难以实现有效共享,工作协同性不够,无法为高层管理者提供全行风险管理决策支持;第三,进行风险评估时,对标的资产及相关数据缺乏透明度;第四,缺乏有效的预警机制和技术手段,难以对欺诈风险进行方位监测和控制。
  对此,国内银行需要根据自身特点,基于大数据分析技术,分阶段逐步建立适合银行自身需求的风险管理体系,打造基于大数据的整合风险管理平台。
  建立基于大数据的整合风险管理平台,应坚持银行业务、系统与数据三位一体的理念,强调银行整体层面的风险组合管理。该平台不仅要对银行承担的各类型风险进行有效管理,而且通过构建一个持续的、完整的风险管理框架,将风险管理贯穿于整个银行的各个层级和各个业务单元,从而确保银行的风险管理更全面、更准确、更及时、更高效。
  基于大数据的整合风险管理平台应具备四项主要功能。一是能够整合与风险相关的结构化、半结构化和非结构化数据。比如,在客户信用等级评分方面利用社交媒体进行数据收集,兼顾虑客户的情绪因素对客户风险特征的影响等。二是具备全面风险类型的整合能力,有效整合信用风险、市场风险、操作风险合。同时利用大数据分析技术,综合考虑不同风险种类之间的渗透和传递效果。三是具备各项风险指标的整合能力,包括各种定性的、定量的指标体系。四是具备全行跨部门的报告展示能力,比如制定外部监管报告、内部管理报告等。
  在这方面,美国的一家大型银行为业界提供了成功的经验。该行基于大数据分析,建立了全行统一的反欺诈数据模型,实施一站式解决方案,利用统一的风险管理平台,对各业务部门进行运营风险管理。实现了反洗钱、内部欺诈侦测、电子商务欺诈和密码欺诈监测、实时交易监测等风险管理工作的协调一致。反欺诈数据模型的每个解决方案能针对不同的业务活动进行监测并对银行不同业务单元的需求提供服务。同时,提供客户可疑交易信息的全面视图,对跨渠道、跨业务线的欺诈进行有效识别和控制。
  近几年,国内的一些银行也逐步意识到建立基于大数据的整合风险管理平台的重要性。比如,某大型国有政策性银行通过建立基于大数据的整合风险管理平台,使各级管理者基于统一、透明的风险平台进行决策。该银行运用共同视角和风险语言来描述风险轮廓与风险分布,建立起高层与普通员工之间风险沟通的桥梁。实现战略目标与日常经营紧密地整合,将风险管理融入到银行的业务流程中,达到了及时防范与控制风险的效果,提升了风险信息的准确性、时效性与全面性,有效地降低风险管理成本,实现了资本合理分配与利用。基于大数据的整合风险管理平台成功地降低了劳动力成本,使专业人士更专注于风险监控,降低了风险管理IT系统的开发成本与维护成本。■
  作者系IBM大中华区副总裁、行业及价值创新事业部总经理
  (责任编辑 张 林)

打印Email评论

0

相关阅读

我要评论 [ 所发表评论仅代表网友个人观点,不代表《中国金融》观点 ]