魏巍

摘要：大數據是當前互聯網科技研究與應用最前沿的領域之一，通過數據挖掘、數據整合、數據分析可以探究數據背后的經濟行為，為客戶行為分析及營銷服務提供更科學的指導。銀行業(yè)擁有龐大的數據庫資源，利用大數據提供的強大分析能力，激活銀行現有數據的潛能，并充分利用社交網絡的傳播方式，來實現銀行產品的自助式營銷是商業(yè)銀行面臨的新機遇。

關鍵詞：大數據；商業(yè)銀行；數據分析；自助營銷

中圖分類號：F832文獻標識碼：A

文章編號：1005-913X（2017）04-0104-02

一、大數據時代數據整合的現實意義

大數據時代，我們的行為正在變得可記錄、可分析。通過海量信息收集，并依據特定目的和用途對數據進行處理和分析，紛繁復雜的人類行為背后往往變得有規(guī)律可循，舊的生產關系和生產方式不斷受到沖擊，新的產業(yè)鏈條正在產生，新的游戲規(guī)則日益為人們接受，任何領域都不可能例外，金融更是如此。銀行掌握著龐大的結構化數據，然而這些數據往往分布在不同的部門和條線。大數據時代一個典型的變革就是數據形式的變化，由過去僅僅關注結構化數據發(fā)展為結構化數據與非結構化數據并重。面對這場“數據地震”，怎樣才能有效掌握收集數據、分析數據、利用數據的辦法和途徑，怎樣才能在海量數據中去偽存真、變“數”為寶，將成為廣大商業(yè)銀行必須認真思考和探索的全新課題。本文沿著數據收集～分析～推送～分享～收集的思路，提出在大數據時代背景下，客戶相關信息數據整合與產品自助營銷的設想。

二、銀行數據來源以及數據背后的客戶金融行為分析

充分挖掘數據、有效利用數據背后的客戶信息，前提是要能夠盡可能全面的收集數據。數據收集過程包括以下四個環(huán)節(jié)：歷史沉淀數據、交易方數據、移動終端數據、第三方數據。其中歷史沉淀數據指的是商業(yè)銀行在理財及信貸業(yè)務開展過程中收集到的客戶個人信息、歷史購買信息、信貸信息以及商戶信息；交易方數據主要包括從網絡支付以及票據業(yè)務中掌握的信息；移動終端數據主要記錄客戶的信息瀏覽情況及位置信息；第三方數據可以來自于社交網絡、電商平臺以及專業(yè)數據庫等。

（一）歷史沉淀數據分析

在當前的數據構成上，80%的數據是非結構化或半結構化的，結構化數據僅有20%。銀行業(yè)所擁有的數據優(yōu)勢恰恰在于結構化數據，這些數據往往沉淀于不同的部門和條線。例如：客戶在銀行的資金量，個人信貸數據，以往所購買的理財、保險、基金的情況，以及信用卡消費記錄等等，這些數據一旦產生便能夠迅速匯集到相應的部門。而銀行所擁有的另外一部分非結構化數據（例如客戶的地址等）往往沉睡在系統(tǒng)里，未被有效挖掘。行動的前提是認知，對于結構化數據我們已經在發(fā)掘數據的價值，例如理財經理會在系統(tǒng)里通過特定關鍵字篩選出客戶信息，并通過短信或電話的形式聯系客戶。相比之下，非結構化數據所隱藏的巨大價值正如一座巨大的冰山，我們僅僅窺探到冰山一角。也許很少有人認為快遞收貨地址能夠提供巨大的商業(yè)價值，而淘寶通過分析客戶常用的收貨地址可以判斷客戶的身份，結合歷史網購信息又能夠判斷其支付能力，這些信息對于在淘寶上推送特約廣告商家的促銷信息起到了非常重要的作用。大數據時代就是要整合這些分散在不同部門的數據，將其匯總至統(tǒng)一的數據庫，從而能夠盡可能廣泛的挖掘、分析數據背后所擬像的金融行為。

（二）交易方數據分析

資本天生具有逐利的特性，在同等風險水平下，資本會自動向高收益的地方流動。交易方數據就是要關注資金流出的方向，并建立交易方的數據庫。收集交易方數據，現實可實現的數據有資金流出后進入的交易機構等，例如跨行匯款的數據、本票入賬的商業(yè)銀行。傳統(tǒng)上大額的資金流動仍然是通過票據的形式，尤其是本票和轉賬支票等票據，資金人賬后的數據銀行便無法獲得。隨著網上銀行、手機銀行等互聯網渠道不斷拓寬、使用便利性的提高，通過電子渠道產生的資金流動量越來越大。通過進一步收集資金進人交易方時對方的一些熱銷產品，有助于判斷客戶的風險偏好以及對流失客戶的行為預測。盡管預測的概率受到無法確定資金進入交易方后的具體配置情況的影響，但對于挽回流失客戶而言，仍然具有積極意義。借助大數據平臺搜集到客戶行為記錄，通過對已流失客戶的行為進行分析，找到客戶流失發(fā)生時的關鍵路徑，進而能夠利用流失客戶的行為模式有效定位有流失傾向的客戶，以便銀行工作人員能夠在客戶流失前進行挽回工作。

（三）移動終端數據分析

2015年6月，第36次中國互聯網絡發(fā)展狀況統(tǒng)計報告顯示透露中國網民數量達到6.7億，手機網民達到5.9億，手機超越臺式電腦成為第一大上網終端；移動互聯網用戶達9.05億，4G用戶達3.56億，互聯網覆蓋全國超過99%的鄉(xiāng)鎮(zhèn)，中國互聯網已進入移動互聯網時代。智能手機的普及和大眾化極大的促進了手機銀行APP的安裝和使用，年輕消費者使用手機銀行的基數和使用率決定了未來客戶金融消費路徑依賴。手機銀行的業(yè)務種類、便利性又影響著客戶的體驗和忠誠度。各大銀行都在積極的把一些業(yè)務搬至手機銀行，同時也提供一定的資訊信息。然而，目前手機銀行提供的資訊往往缺乏針對性，對客戶的吸引力不高。在提供大眾化資訊的同時，可以將客戶的瀏覽記錄反饋至數據庫，在向客戶提供資訊時更多的關注客戶曾經瀏覽過的產品或同類資訊。同時，移動終端的配置也越來越高，GPS定位、導航功能使得人們擺脫了紙質地圖的束縛，便利了人們的出行。移動終端地圖APP軟件最初僅僅提供地圖導航功能，隨著用戶基數的迅速增大，移動終端地圖APP公司也在不斷拓展APP的功能，例如老虎地圖導航軟件，通過獲取用戶GPS位置信息，能夠對周邊特定范圍的商業(yè)信息進行搜索，并向客戶提供團購等優(yōu)惠信息。簡單的GPS數據背后，卻是巨大的商業(yè)機會。在拓展信用卡優(yōu)惠商戶時，這些數據就會非常有用，通過GPS數據可以識別哪些區(qū)域客戶到訪的頻率較高、用戶基數較大，從而能夠集中有限的人力物力拓展商業(yè)機會。

（四）第三方數據分析

僅僅通過一家銀行所能獲取的數據始終是有限的，要達到擬像客戶行為的目標還遠遠不夠，建立更加完善的數據庫需要借助第三方數據。隨著銀行業(yè)務的載體與社交網絡、電子商務的融合越來越緊密，僅對原有20%的結構化數據進行分析已經不能滿足發(fā)展的需求。借助大數據打破數據邊界，來構建更為全面的業(yè)務發(fā)展藍圖。隨著大數據的大量涌現，尤其是在社交網絡的背景下，服務渠道不應僅局限于傳統(tǒng)的銀行渠道，而應整合新的客戶接觸點（即社交媒體網站等），這種趨勢已經變得日益清晰。銀行業(yè)發(fā)展戰(zhàn)略也逐步從以產品為中心轉向以客戶為中心，客戶成為銀行發(fā)展的重要驅動力。銀行不僅僅銷售產品和服務，而且還應為用戶提供完美的多渠道體驗，成為真正以客戶為中心的組織。近年來電子商務發(fā)展迅速，2015年僅“雙十一”天貓就實現912.17億的銷售額。由于電子商務公開、透明及數據可記載的特點，在各種電商平臺（B2B，B2C，C2C）和第三方支付平臺上積累了大量的數據，這些數據包括了消費者的資金、物流、購物偏好等數據。銀行可以通過大數據分析平臺，接人客戶通過社交網絡、電子商務、終端設備等媒介產生的非結構化數據，構建全面的客戶視圖。根據用戶行為對用戶進行聚類分析，進而可以有效的甄別出優(yōu)質客戶，潛力客戶以及流失客戶。數據庫的建立，還可以引入第三方專業(yè)數據庫，借助外部專業(yè)公司提供市場調研、數據、研究報告等。術業(yè)有專攻，利用外部專業(yè)公司能夠彌補內部人員專業(yè)性不足、缺乏數據渠道來源的問題，提高數據庫建設的進度和準確度。快一步吃遍天，金融行業(yè)里誰先建立大數據，便占據了先機，引領大數據時代背景下的金融發(fā)展趨勢和方向。

三、商業(yè)銀行客戶數據分析系統(tǒng)運作及產品自助營銷策略

（一）客戶數據分析系統(tǒng)運作流程

大數據時代一個很重要的特征就是強調相關關系而非因果關系，對于因果關系的探索顯得并不重要，人們只需要知道兩個事物之間的相關性，就能夠以此作為行動的依據。數據收集至數據庫后，通過借助計量經濟學、計算機等學科知識，進行相關性分析，辨識客戶個人行為偏好、風險偏好、消費習慣、投資產品歸類等。目前在互聯網領域主要有三類大數據分析系統(tǒng)Hadoop、Hive和Pig。Hadoop是效仿谷歌FileSystem和谷歌MapReduce而實現的一套海量數據分布式處理的開源軟件框架，被廣泛部署運用于雅虎、Facebook等互聯網企業(yè)。目前，運行于雅虎的Hadoop集群被廣泛用于雅虎廣告、財經數據以及用戶日志等數據的處理分析。Hive是Facebook開源的基于Hadoop的數據倉庫平臺。通過Hive，可以方便地進行海量數據提取、轉化、加載（ETL）工作。Hive定義了一個類似于SQL的詢語言HQL，能夠將用戶編寫的SQL轉化為相應的MapReduce程序。Pig是一個基于Hadoop的大規(guī)模數據分析平臺，使程序員可以更加方便地進行大規(guī)模數據處理。Pig Latin是一門吸收了SQL語法的過程式語言。它在保存了過程式語言靈活性的同時，很大程度上吸納了聲明式語言易于進行數據處理描述的特點。Pig為復雜的海量數據并行計算提供了一個簡單的操作和編程接口。大數據分析平臺已經在很多行業(yè)發(fā)揮了重要作用，例如被廣泛使用的沃爾瑪“啤酒與尿布”的經典商業(yè)案例，通過對消費者的購物行為等非結構化數據進行分析，沃爾瑪成為最了解顧客購物習慣的零售商。數據分析能對客戶的個人偏好以及某一類群的客戶進行集中分析，并將相關分析結果保存至相應的數據庫系統(tǒng)，系統(tǒng)在識別客戶的偏好的基礎上自動根據分析結果為客戶推送相應的產品及咨詢，客戶可以自行瀏覽。數據系統(tǒng)還應支持客戶將公開信息分享至微博、微信等公共平臺以供其他客戶進行瀏覽反饋。在當前的營銷背景下客戶的積極分享就是對金融產品最好的宣傳。此外，這些公共平臺往往會聚集具有相同或相似金融需求的客戶群體，更多的瀏覽者了解相關產品信息，潛在購買者也就越多。

（二）數據整合分析下商業(yè)銀行產品自助營銷策略

理財經理或客戶經理所能維護的客戶數畢竟是有限的，根據對客戶數據的分析，針對客戶不同需求實現個性化產品的推送是實現個性化金融服務的必然之路。世界上并沒有垃圾，只有放錯位置的資源。垃圾短信息之所以為人們所厭惡，恰恰是因為其內容信息毫無目標的群體發(fā)送，接收方并不需要這類信息。利用大數據對客戶擬像行為的分析，預測客戶下一階段的金融需求，及時推送相關產品信息，滿足客戶金融需求，提高客戶忠誠度和滿意度。例如：對于有外匯需求的客戶，在網上銀行或者手機銀行中設立“我的金融”欄目，及時更新外匯牌價、外匯相關產品走勢、相關事件新聞等等；在移動終端上.，根據客戶位置信息，推送信用卡優(yōu)惠信息至“我的金融”欄目，推薦特約商戶等，推送信息不通過短信形式，由客戶自行瀏覽，避免引起客戶厭煩，規(guī)避垃圾短信投訴，實現產品信息精確化推送。在最初階段，推送的信息可能準確性不足，通過對客戶瀏覽記錄的反饋，不斷修正數據庫中對客戶的分析、定位。社交網絡為客戶信息的交流與分享提供了新的途徑，通過允許客戶將公開信息分享至微博、微信等社交平臺，能夠擴大產品信息的接觸人群?？蛻舻姆窒硎菍鹑诋a品最好的宣傳。另外，社交網絡往往會聚集具有相同或相似金融需求的客戶群體，更多的瀏覽者了解銀行產品信息，潛在購買者也就越多，自助營銷就越容易達到理想的效果。2008年以來，銀行業(yè)內外部競爭日益激烈。銀行業(yè)內部為爭奪優(yōu)質客戶資源競相推出各種產品和服務。大數據時代，面對各種金融創(chuàng)新業(yè)務的蓬勃發(fā)展，尤其是面對互聯網金融的快速滲透，商業(yè)銀行應有危機意識，轉變發(fā)展觀念，積極調整戰(zhàn)略。圍大數據時代，要么改變，要么消亡。龐大的數據庫將是社會發(fā)展下一個階段最大的礦藏。商業(yè)銀行不僅要做數據大行，更要做數據分析、數據解讀、數據應用的大行，才能占據價值鏈核心位置。在數據中獲得靈感、在數據中找尋創(chuàng)新點，在數據分析、應用中變革傳統(tǒng)模式。擁抱“大數據”時代，從數據中攫取價值，從數據中贏取未來。