摘要：随着大数据技术的快速发展，商业银行也在逐步探索数据，不断释放数据的价值。相对其它行业，商业银行拥有天然的数据优势，如大量的客户数据、交易数据、浏览点击数据等，本文主要阐述了如何使用大数据技术协助商业银行做好精准营销、产品提升、决策支持、更好的服务客户等工作。

关键词：大数据；精准营销；客户服务

中图分类号：F830.33 文献识别码：A 文章编号：1001-828X（2017）001-000-02

随着科学技术的不断发展，大数据已经成为了一种新型的数据处理技术。而商业银行在经营过程中产生了大量的资料和数据银行 数据分析，如个人信息、交易流水等，如何运用大数据分析与挖掘技术，在海量的资料和数据中提取出有价值的信息，帮助商业银行进行决策，为客户提供更加优质和恰当的服务，是当前商业银行需要思考或即将开展的工作。

一、数据分析在商业银行应用的现状

国内的金融行业，尤其是银行业，大数据的应用尚处于起步阶段，远远落后于互联网行业。但金融行业实现数字化交易以来，虽然沉淀了大量的用户数据，但如何将零散的数据整合成可以直接的利用的数据是银行首先要做的事。目前，各大商业银行纷纷建立自己的数据仓库，形成生产数据到数据仓库，再按照各种维度将数据切分存储在特定的区域，在此基础上加工成各类运营报表供各类人员使用或建立数据访问平台供数据分析人员使用等流水线。现阶段，大数据技术在商业银行的应用主要有客户服务、风险防控、经营管理和监测分析等，其中最重要的应用是客户应用和风险防控两大范围，主要有三种模式：

首先，基于网上交易流水的数据挖掘。银行通过电商平台返还快捷支付交易数据以及自营电商平台，获取支付平台上的大量卖家和买家，并通过交易流、信息流、资金流覆盖其产业链上的生产、物流、消费等多个环节。基于此，银行借助成熟的数据分析技术，实施风险控制和拓展营销。如工商银行“融E购”、建设银行“善融商务”等电商平台的建立，帮助银行积累了大量的支付交易数据，基于对该数据的分析与挖掘，可以为个人或中小企业提供融资、结算、理财一体化的金融服务。

其次，基于第三方系统的征信数据挖掘。该类数据主要包括人行征信、工商、税务、社保、海关等政府数据，购物、支付、物流等社会征信数据以及各大金融机构的金融数据等。结合这些数据，银行将能建立更全面的客户画像，更有针对性地根据其综合情况实施精准营销。

最后，基于POS消费流水的数据应用。商业银行依托在线贷款业务平台系统，对客户进行综合信用评价，向符合贷款条件的POS商户，以其一定期限内的POS结算流入量为授信额度的依据，在线发放用于生产经营的信用贷款。

除了基于行内数据进行挖掘分析外，国内许多商业银行还与专业第三方公司合作，争取顺应大数据潮流，进一步加快应用大数据的步伐。如平安银行与SPSS公司合作，进行消费贷产品的大数据营销管理；宁波银行利用客户购买某项产品大数据分析结果挖掘潜在客户。这些探索为商业银行拥抱大数据技术，利用大数据技术转变营销理念和营销方法提供了很好的借鉴。

二、数据分析在商业银行应用的价值

目前，各大商业银行都建立了企业级数据应用平台开展数据分析工作，其价值主要体现在四个方面：客户服务、风险防控、经营管理、监测分析。首先在客户服务方面，不管在哪个行业，都是从客户的收益周期获取潜在客户；其次在客户成长期，需要通过提供更多更好的服务产品来稳定客户；最后在倦怠衰退期，需要思考如何挽留客户，让该客户群体继续为银行创造价值。所以，在每个阶段我们可以通过大数据分析来提供一些相关的产品和应用系统，实现对客户的服务和挽留。

1.客户服务

基于银行及第三方客户数据，可以建立客户360视图，这样就可以轻松获知客户的基本特征，包括基本信息、家庭关系、交易行为信息、社交情况等。通过对特征信息的聚类，为每个客户贴上不同的标签，如：年轻客户、高端理财客户、休眠客户、购物达人等等。根据这些标签，可以分析出客户产品偏好、渠道偏好及投资偏好等。无论是客户的360视图还是客户标签的建立，该工作主要还是为客户的精准营销提供数据支持，这样在节约营销成本的基础上，最大程度的拓展银行产品，以增强客户粘性及提升银行利润，如：当一个客户经常使用支付宝或微信转账及支付，并且该客户未签约手机银行时，银行就可以为这类客户推送签约手机银行的营销信息，进一步拓展移动端产品。

2.风险防控

起先，金融系统的风险防控主要关注事后防控，如当某笔贷款出现不良或违约时，才会去分析不良或违约的原因，以及制定相应的处理方法。而现在风险防控已应用于事前、事中、事后三个阶段。事前防控，即事前对于客户的尽职调查，如依据客户的资产评估情况银行 数据分析，确定是否对客户发放贷款等；事中防控，即对于不同业务都有不同的提示和不同的处理方式，如：某客户经常在A省进行交易，且都是小额交易，当该客户突然在B省发生大额交易时，银行将会冻结该笔交易，通过外呼的方式核实该笔交易的真实性，以确定是否本人交易；事后防控，即发现了一些问题之后，通过相关的系统和数据模型来支持事后管理。这些防控措施都离不开对海量数据的分析及挖掘。

3.经营管理

目前，银行日常的经营管理也越来越多使用大数据的方法来做。比如说网点选址，以前就是考虑做个调研，分析一下该区域的人多不多、会不会有效益，而且对于网点情况也没有大量数据支撑。而现在网点选择、优化全部依靠大数据支撑，根据网点的效益、效率、客户等等方面，建立相关的模型。比如网点是否需要优化，哪个网点出了问题，这极大的提高网点管理的针对性和准确性。目前各大国有银行都建立了自己的电商平台，平台交易分析的问题、增强客户粘性的问题，都是利用大数据来做分析。

4.决策分析

决策分析即宏^经济走势分析。通过采集了宏观经济指数及历史变化情况，以及银行的交易数据和指标，采用时差相关分析法，分析二者之间的联动关系和历史规律。同时，可以用大数据的方法舆情的监控分析。如：当发生骗贷事件时，银行可以快速获取案件相关企业的关联信息，分析相关企业在银行的贷款情况以及处理措施。因此，对于舆情分析，可以使用大数据的方法预防和应对企业出现问题。

三、数据分析在商业银行应用的思考

对于中小银行而言，当下需要解决的重点不是要不要开展大数据建设，而是怎么开展大数据建设。大数据关键就是要解决好三个问题，即：如何获取数据、如何存储数据、如何应用数据。只有处理好三者之间的关系，才能最大程度的发挥数据的价值。

1.借助大数据提升客户服务水平

商业银行积累了丰富的客户交易数据，最具条件发掘数据的价值。目前各大商业银行也在开展客户在互联网官网、网上银行、手机银行、自建电商平台等的浏览、点击、购买等动态数据采集工作，商业银行只要善于分析和应用这些数据，通过数据再利用和数据重组，分析客户的消费偏好，就能准确发现并掌握客户需求，并通过不同渠道为客户提供个性化的服务。2014年由腾讯、百业源等企业设立的微众银行以及2016年中信银行与百度发起百信银行正式获批，实现了互联网大数据战略共享及更全

来源【首席数据官】，更多内容/合作请关注「辉声辉语」公众号，送10G营销资料！