Menu
大数据驱动宁波银行业务创新

一、项目背景

当前,我国银行业竞争之激烈,特别是来自互联网创新模式的挑战之严峻,都是前所未有的。互联网理财、第三方支付等基于互联网新的商业模式正强烈冲击着银行传统的负债业务(定活期存款)、资产业务(贷款)和中间业务(代理支付、理财业务)等三大业务。

即便外部环境多变,银行业务不断创新,但唯有客户关系和风险管控始终是银行的立身之本,银行所有业务最终都是建立在客户关系和风险管控的基础之上。借助大数据技术,可以将客户关系和风险管控量化到银行的每位客户,在深挖现有客户、规避高风险客户的同时,获得大量的潜在优质客户。

该项目基于国内某商业银行内部数据,结合百分点第三方客户互联网行为偏好数据,构建全行用户画像,实现对不同的业务模式和业务目标的辅助支持,为该行未来实现个性化产品和服务、精准营销和交叉销售、风险控制等提供数据和技术支撑。


二、企业需求

·电子渠道运营优化:随着该银行直销银行、APP和电商等线上渠道访问量快速增长,电子渠道在营销、交易中发挥越来越重要的作用,电子渠道用户行为数据的采集和分析,成为该银行提升电子渠道销量、优化电子渠道运营的重要手段。

· 提升客户维护与获客能力:该银行作为区域性的股份制银行,不仅受到来自大型国有银行的业务竞争,而且也面临着互联网企业跨业竞争带来的冲击,因此,客户资源的维护与拓展变得尤为重要,迫切需要通过大数据来更好、更快地获取新客户并维护老客户。

· 风险控制:银行传统的风控系统比较简单,数据来源有限,该银行需要通过大数据,广泛参考各维度数据,综合准确的评估企业及个人客户的信用风险。

现状评估:

·实施前,该银行线上各渠道的数据未被充分采集,该银行网站和APP端仅保存了用户名、手机号、交易等数据,而在大数据应用中最有价值的用户行为数据却没有采集和保存。

·缺少与外部数据打通与整合,该银行主要依靠银行内部数据开展业务,缺少与线上数据及外部第三方数据的打通,可支撑的业务场景有限。

·作为数据重度应用的行业,该行本身具备很多经典业务模型,但是大数据时代,数据体量大\变化快,原有模型已难以充分利用,需要将大数据与经典模型相融合,更好地支持业务实现。


三、百分点解决方案

融合该银行内外部多渠道数据,形成银行大数据资产池,依托百分点大数据建模技术,用大数据贯通现有传统业务模型及创建新模型,在运营、营销获客和风险控制三大方面支撑和优化业务开展。

方案实施:

·多来源数据整合 在直销银行、APP等电子渠道部署数据采集工具,详细记录用户访问、浏览、交易等用户行为,结合该行内部账户,交易活动等数据,进行多来源数据整合,及相关的数据处理,将原始数据转化为可供使用的标准格式数据。

·多来源用户ID拉通 采用百分点用户ID拉通算法,将散落在银行内部各部门、各渠道以及外部第三方的用户信息,通过标识ID进行唯一身份打通,标识ID包括身份证号、手机号、EmailIMEI、银行帐户、官网注册名等,通过ID拉通,识别该行不同渠道上的同一用户,为全方位用户画像奠定基础。

·用户画像 该行原来已形成一些行业用户标签,因此本项目用户画像在该行已有标签基础上,结合百分点标签体系,采用合适的标签建模方法,优化已有的一方标签并加入百分点三方标签,融合后的标签包括括七大维度、十五大类,标签层级延伸至3级,实际标签数量超过1,000个,不仅包扩用户属性等基础类标签,还包括银行产品、渠道、风险偏好、贡献度、交易行为等统计类、衍生类标签。

·业务应用

基于统一的、全方位的用户画像体系,根据该行的业务需求,构建以下各类型数据应用,实现运营、获客、风控三大业务的优化与提升。

数据洞察类 通过用户在直销银行网站/APP的行为数据,统计用户属性、来源及在不同页面路径的访问、流失和转化情况,优化电子渠道运营,提升电子渠道用户体验。

场景营销类 存量客户存款提升;存量客户贵金属营销;存量客户保险营销;存量客户基金营销;存量客户关联存款提升;个人产品交叉营销。深度挖掘存量客户,提升现有客户价值贡献度。

客户细分类 财富客户分群分析,针对不同的客户群设计不同的营销及服务策略。

客户生命周期管理 高价值客户流失预警与挽留,持续维护和提升高价值客户忠诚度。

风险控制 不良分析及预警,风险管控定位到特定人。


四、实施效果

·提升渠道运营效率:直销银行网站/APP的数据采集与分析系统已完成,通过对设备、页面、路径、效果、产品、客群、渠道等维度进行数据分析,实现对申请流程转化率、交易流程转化率、活动页面转化率、流程页面流失率、广告点击效果等业务流程指标的处理、计算和监测,实时掌握网站/APP端业务的运行情况与问题,并针对性地提出优化方案。

·营销智能化:通过用户画像标签系统,该行得以深入了解现有及潜在客户的特征和需求,而通过各类营销模型的应用,该行可通过大数据支撑存量客户营销、交叉销售、精准营销等各业务场景,智能的管理和挖掘现有客户价值,同时快速拓展潜在新客户。

·大数据风控:基于百分点用户拉通及风险管理模型,该行不仅能联接行内各来源数据,综合评估特定客户风险,还可以结合第三方数据及互联网公开数据,更综合、准确、快速地评估风险,支持贷款相关业务的高效开展。