工商銀行

(一)工商銀行大數據建設情況

圖表 1:工商銀行大數據云服務平臺

(二)非結構化數據信息庫建設

工行的信息庫建設主要指非結構的數據。目前,工行實現了包括17125個境內機構,39個國家(地區)的383個境外機構,工銀瑞信、工銀安盛、工銀金融、工銀租賃、工銀國際等綜合化子公司組成的集團內境內外機構信息系統的統一和集中管理,建立了全行統一的數據倉庫和集團信息庫兩個大數據基礎平臺,數據總量超過4500T。

圖表 2:工行數據倉庫和集團信息庫架構

因為非結構化的數據的量是非常大的,所以工行的原則是信息庫建設沒有把非結構化建設進行物理存儲的集中,工行只是通過統一的搜索引擎讓用戶能夠快速地搜索找到需要的非結構化信息。

(三)工商銀行大數據分析挖掘與應用

1、客戶評價

工行在柜面、自助終端以及網上銀行等各服務渠道,實現對客戶的識別、信息共享、聯動營銷和產品推介;根據客戶的資產、負債、中間業務基本信息、交易信息,實現對公、個人客戶的統一星級評價,差異化服務。

圖表 3工行客戶星級評價模型

2、精準營銷

圖表 4:工行大數據營銷模型

3、風險防范

利用大數據使得工行風險防范手段更加豐富。工行通過大數據在事前、事中、事后三個環節的運用進行風險的柔性控制。

一是進一步強化事前的分析論證,突出防患于未然。在信貸準入方面,整合工行CIIS信息、人民銀行征信管理信息、銀監會風險信息等資源,建立客戶準入風險分析模型,對特定高風險客戶群進行分析,通過關聯信息查詢對企業所在客戶群的信用總體情況進行分析,及時發現潛在風險點,從而為客戶上下游企業對客戶經營及信用可能產生的影響做出判斷;

二是加強事中監督和風險預警,及時發現潛在風險。通過數據分析,及時發現客戶交叉違約現象,開展風險預警分析,如客戶貸款在工行正常卻在他行存在不良、客戶在工行不同專業的貸款中一項正常另一項不良;

三是加強資金運行的跟蹤力度,監督不良客戶的資金運動,對不良資產進行追欠行動;

四是突出懲戒機制,將不良信息報送有關征信數據庫,增加不良客戶的違約成本,從而降低其違約的概率。

圖表 5:工商銀行人工智能學習平臺

招商銀行

(一)數據驅動的互聯網智能獲客系統

1、系統業務簡介

數據驅動的互聯網智能獲客由用戶從線上發起,招商銀行實時進行名單收集及數據承接,隨后進入“網上申請,上門服務”或“網上申請,網點核身”的業務流程,通過“線上申請+雙線下”的體系化服務模式,幫助用戶辦理信用卡,在線獲取信用卡價值客戶。

目前,系統每天實時向各地下發新戶申請名單,巨大的數據流量支撐了招商銀行全國39個信用卡部門、數千名的信用卡直銷隊伍及全國所有的招商銀行營業網點,使招商銀行成為全國率先實現規模化、集約化、成體系運作的商業銀行。

2、系統建設的目標

圖表 6:智能系統建設目標

3、系統應用框架示意圖

圖表 7:智能獲客系統應用框架

(1)業務處理系統:包括接口服務系統(允許合作廠商直接提交用戶名單到招商銀行系統)、流程管理系統(新舊戶流程管理、雙線下流程管理等)、決策引擎系統(判斷用戶的價值所在,比如是否為零售的價值客戶)、大數據征信系統。

(2)業務支持系統:包括運營管理系統、智慧營銷管理系統和用戶行為分析系統。

(3)數據承接系統:包括數據承接(統一承接各個平臺的流量數據)、數據檢核、數據篩選。

(4)數據驅動系統:包括名單分配系統(將收集到的數據分配到各信用卡部及網點)、業務代表移動服務系統(PAD系統)。

4、數據驅動模型

數據驅動模型以用戶數據為核心,形成以數據收集、數據承接、數據驅動、數據經營、數據分析的閉環,從而在不同的階段以不同的方式和目的,對用戶數據的價值進行充分挖掘。

圖表 8:數據驅動模型

(1)數據收集:從招商銀行主站、手機銀行、個人銀行專業版、搜索引擎、合作方收集用戶數據。

(2)數據承接:有效的用戶數據加工后統一收集及整理。

(3)數據驅動:用戶數據被分配給各信用卡部的直銷人員或網點。

(4)數據經營:通過直銷人員上門服務或網點辦理,將數據轉化為客戶,即流量變現。

(5)數據分析:分析用戶數據,優化流程及用戶體驗,更好地收集用戶數據。

(二)數據驅動的互聯網智能獲客系統的創新特點

1、智能決策引擎分流機制

實現對流量及產能的動態管理。系統采用了創新的智能決策引擎分流機制,建立了線上名單數據與雙線下業務流程的完美對接,激活網點資源,優化資源配置,實現對名單流量及產能的動態管理,防止成熟市場因無法及時響應用戶需求而導致名單溢出以及無信用卡部門城市的新增網點流量浪費的現象出現。

圖表 9:決策引擎分流機制

2、大數據征信輔助

傳統的征信體系是銀行業健康發展的基石,在互聯網時代,要將風險控制及快速授信做到極致,需要借助于大數據,聯合外部優質大數據廠商,組成策略聯盟,洞察用戶站外行為,完善和豐富用戶畫像,達到利用外部數據解決內部風險控制的目的。

3、借助大數據的用戶行為分析

通過數據采集和監測,根據不同的業務場景進行建模,分析用戶站內行為,最終實現可視化的呈現。通過大數據分析,銀行可以全面了解用戶在使用自身服務過程中的行為特點,從各種層面提供決策支持,實現運營內容優化,提升長尾資源和碎片資源的使用能力,這是銀行業在大數據應用方面的有益探索。

4、流量經營為中心的業務模式

流量經營以智能管道和聚合平臺為基礎,以擴大流量規模、釋放流量價值為方向,其最終目的是順應移動互聯網的發展,壯大基礎用戶規模,占領市場的至高點。通過建立以流量經營為中心的業務模式,基本解除了對人力驅動模式的依賴,極大降低了營銷成本,為實現低成本獲客提供基礎保障。

5、數據驅動為核心的業務模型

在傳統的人力驅動模型之下,銀行通過差異化的產品、高強度的資源投放,基本可以保障其在商業競爭中占據有利位置,而在移動互聯時代,傳統的人力驅動成本不斷增長,但收益日漸下滑,難以為繼。數據驅動的業務模型是信息技術對銀行業界的一大改變。銀行的經營理念需要從現有的人力驅動方式向數據驅動方式轉變,這種轉變實際上也是全球產業面臨的一場新變革。

圖表 10:人力驅動及數據驅動模型對比

通過數據驅動模型,銀行線上獲取客戶的邊際成本接近于零,目標客群擴大至所有的互聯網用戶,直銷人員在上門服務時更有目的性,成效顯著提高。

6、獨創的線下雙通道充分挖掘客戶的價值

采用決策引擎分流機制,普通用戶流向“網上申請,上門服務”的直銷模式,而對于零售的價值客戶則導向“網上申請,網點核身”的業務模式,在辦理信用卡業務的同時,引導客戶同時辦理招商銀行一卡通,通過雙線下業務流程的設計,使客戶價值得到充分的挖掘,資源得到充分的利用。

7、落實兩卡交叉銷售打造大零售體系的全行戰略

通過流程設計,招商銀行創造了信用卡與零售產品交叉銷售的自然場景,打通了信用卡部門與全行零售部門交叉銷售的關鍵環節,在獲取信用卡客戶的同時也為零售部門貢獻價值客戶,促進打造大零售體系的全行戰略,提升客戶的綜合價值貢獻,成功將信用卡獲客平臺打造成聚合零售客戶的流量入口。

(三)系統應用效果

1、利潤增漲顯著

爆發式增長的基礎客群推動了招商銀行信用卡部門利潤翻番的目標。2013—2016年,通過該平臺直接獲取信用卡新戶近千萬個,2016年的新戶獲取量更是達到2013年和2015年的總和,實現了跨越式、爆發式增長,其零售獲客能力預計還將進一步提升。

2、領導獲客渠道

智能獲客系統已成為信用卡獲客業務中決定性的領導力量。2013—2016年,通過該平臺直接獲取的信用卡新戶在當年全渠道獲取新戶總量中的占比分別達到29.3%、33.7%、37.3%和45.1%,目前這一比例還在不斷提高。

民生銀行

(一)民生銀行大數據平臺建設

民生銀行通過大數據驅動業務運營及產品創新,搭建低成本、高性能、高可靠且水平擴張的數據平臺,通過大數據分析應對金融業的大數據挑戰,完善及大力發展銀行中間業務,避免產品品種雷同、老舊等情況的出現,初步做到個性化的精準營銷。

1、建立數據源

民生銀行數據源包括個人特征數據、資產數據和其他數據。其中,個人特征數據包含年齡、性別、職業、收入、工作區域、社會關系等;資產數據包括個人定期存款、活期存款、信用貸款、抵押貸款等;其他數據涵蓋個人互聯網行為數據、個人位置信息數據、商戶數據等。

2、打造不同層面的數據場景

民生銀行通過整合客戶數據,進行精準營銷的設計,降低客戶流失率,提高忠誠度;借助大數據技術對不同渠道來源的提供商、客戶的交易行為進行全面分析,實現鏈式反應;搭建有效的數據模型,為客戶提供全方位管家式的非金融服務;借助對業務的分析與優化,推動自身的轉型與創新。

圖表 11:民生銀行不同層面的數據場景

一方面,通過大數據相關技術,可以及時了解本行業及關聯行業的變化,快速調整自身企業的運營方向及策略,縮小企業運營風險敞口;另一方面,通過整合金融業內部和外部數據,建立起多維度多層次的分析洞察報表,提供市場、銷售、用戶、輿情等多角度的宏觀洞察,輔助戰略決策,同時也為企業的運營、產品、市場、銷售、服務等一線業務人員提供數據洞察,支持其日常的業務行動。

(二)民生銀行大數據戰略方向

結合國內外先進企業的大數據經驗,民生銀行充分挖掘大數據價值,以“智能化、云端化、標準化、移動化”建設為主線,努力打造和提升大數據能力,積極推進全行的大數據戰略。對于民生銀行來說,“四化”建設縱貫數據獲取與存儲、數據整合、數據挖掘、數據應用整個大數據價值鏈,是一個影響深遠的系統性工程。

1、大數據智能化

2、大數據云端化

3、大數據標準化

4、大數據移動化

為順應移動互聯網時代潮流,民生銀行提出移動數據產品發布平臺和數據產品研發同時推進戰略。通過數據產品在移動端的部署,使數據用戶在任何時間(Anytime)、任何地點(Anywhere)接收與業務相關的任何數據結果(Anything),大幅提升決策效率和前端人員的快速反應能力。在大數據移動化方面,民生銀行主要推出四款移動數據產品:蒲公英、啄木鳥、貓頭鷹和鴻雁。

“蒲公英”是一款專為民生銀行公司業務客戶經理拓展客戶和營銷產品提供支持的移動產品,旨在幫助客戶經理提升工作效率與營銷成功率。啄木鳥系統通過自動識別可疑交易降低小微業務的操作風險。“貓頭鷹”為民生銀行支行管理者提供即時獲取支行經營狀況的移動產品。“鴻雁”是民生銀行高層管理層智能化決策提供支持的大數據產品。四款移動數據產品為民生銀行戰略決策、客戶拓展、產品營銷、風險識別、業務管理提供數據支持。

(三)基于PDMA框架的大數據對公營銷

對公客戶是商業銀行的主要利潤來源之一,且該類客戶沉淀大量復雜的數據,將大數據技術應用于對公客戶服務和對公產品營銷具有重要意義。針對移動互聯網的大數據營銷體系“PDMA”,主要包括認知客戶(perceive)、挖掘需求(data-mining)、精準營銷(marketing)、營銷評估(assessment),構成一個閉環體系,基于“PDMA”的框架能很好地建立銀行產品和客戶兩個維度。

1、P——認知客戶行為

2、D——挖掘客戶需求

3、M——產品精準營銷

4、A——營銷效果評估

(四)民生銀行“PDMA”應用實踐

2015年3月,民生銀行“金融e管家”平臺正式上線,平臺主要針對國內商業銀行客戶關系管理系統管理功能、分析功能、應用功能相互脫離的弊端而開發的基于大數據分析的一站式服務平臺。“金融e管家”服務于全行對公客戶管理,覆蓋“PDMA”框架的四個環節,是對公業務應用大數據技術的典范。

首先,認知客戶行為(P)。該平臺對接民生銀行內200多個生產系統和數據中樞,并導入上市公司數據、人行征信數據、工商數據等行外的數據,形成完善的數據結構,通過不同的規則組合數據,如對公客戶和產品的交叉組合,或者基于供應鏈的客戶上下游集合等,使用戶可從不同角度解讀對公客戶的特性,同時通過行內資金流和行內外信息流,精確掌握客戶的行為習慣。

其次,挖掘客戶需求(D)。該平臺對客戶信息更深層次的挖掘,去除無效信息,將有效信息放大,結合線下業務資源,挑選出最適合營銷的企業關系群體,應用多種大數據分析方法,建立關系網絡分析模型,識別出群體的特征和相互之間業務重點,并以極具可用性的界面展示客戶潛在需求挖掘的結果,幫助客戶經理深度挖掘客戶的金融需求。

再者,產品精準營銷(M)。該平臺是一個智能化的融資理財和資源整合平臺,主要圍繞核心客戶,通過后臺數據的支撐,建立交易網絡模型和上下游客戶推薦模型,并據此匹配最適合的金融產品,實現精準營銷。該平臺上線后,對公產品關聯營銷的成功率大大提高。

最后,產品營銷評估(A)。該平臺建立了基于歷史記錄的客戶績效評價體系,科學全面的評價客戶績效,并根據評價結果改進營銷方向。后評價功能涵蓋對公業務的不同情況,如對個性化服務方案的綜合評價,對集團客戶也能建立綜合收益的評價,而不僅僅是單獨考慮單筆業務的收益,適應了缺資產時代的商業銀行經營新思路。

(來自:銀行聯合信息網)

注：本文的內容來源于網絡，版權歸原作者所有，如有侵權，請與我聯系刪除。