银行的６１８：如何利用海量交易数据实现更精准的客户管理

６１８来临之际，电商巨头们早已拉开竞争局面。在另一条战线上，作为真正的 消费资金供应方的银行也在摩拳擦掌，期望在交易的盛宴中分得一杯羹。过去的电商 活动中，银行特别是信用卡、消费金融、网络金融部门往往关注交易成功率、对短时 高频交易的响应及时性、欺诈交易甄别等等，在业务生态中处于“守势”。如今，随 着银行零售信贷业务板块的发展，系统稳定已不再是业务主要矛盾，头部的信贷机构 开始探索如何利用海量的交易数据，去认识客户、服务客户、挖掘客户潜力，更主动 地制造和掌握市场及客户的需求。 对于如今的银行信用卡、消费贷部门来说，基于数据分析的客户管理业务已是常 态作业，但分析能力和分析效率则参差不齐，除少数头部机构外，大部分银行的数据 管理能力仍不可与互联网巨头相比。如何从海量交易数据中迅速挖掘数据价值，并将 数据价值快速转化为商业动力？互联网巨头对数据的娴熟运用，为银行业精准客户管 理的下一步演化提供了重要参考。 银行消费数据处理“两板斧”制约性愈发明显 银行业整体拥有的数据庞大，不单包括含金量极高的交易数据，同时，其数据往 往具有跨生态特性——除了绑定移动支付或直接使用信用卡所产生的消费，银行也能 记录车贷、房贷、发薪、水电费等个人数据，还可以将时间更长的历史消费记录在案 ，形成消费数据链条。即使单个银行，特别是地区性银行的数据体量较少，但考虑到 消费类交易的小额高频的特点，其数据绝对体量也会很大。 尽管坐拥丰富且优质的数据，在以６１８为代表的网购节期间，大部分银行却可 能还在运用诸如批量主动提临额等较为传统的客户管理模式，用以粗放式刺激用户消 费。但从效果来说，调额是否会对客户产生触动，产生多大程度的触动，额度是否给 了最需要的客户，未使用额度会造成多大浪费，这些问题并不明朗，粗放式的普遍调 额很难实现精细化客户管理的目标。 电商大战期间的短时发生海量交易能为消费金融机构留下宝贵的用户数据库，若 将这些跨生态的丰富数据加以挖掘并有效利用，银行可以构建更全方位的客户画像， 实现更细分的客户标签，更深度地分析各类客群的特点，精准地进行业务开拓，甚至 实现一人一策。行业先行者毫无疑问正在这些项目上开展探索。 但受制于自身的数据处理能力，对海量交易数据，大部分银行仍需要待账单周期 数据完成后，再通过一段时间的专门处理才能完成数据的汇总、分析，这一周期通常 需要数周甚至一个月以上。对用户画像的滞后令银行错过前后不到一周的提升业务关 键时间窗口，诚然数据可以用作下个电商大战的准备，但消费市场瞬息万变，另外， 客户需求也随之快速变化，如无法跟进客户心理、行为轨迹的变化，数据一出生就已 过时。最终，大部分银行虽坐拥数据“矿山”，但无力消化，数据无法形成有效生产 力。 与之相比，互联网巨头对户数据配以更多维度、更实时的挖掘处理，形成丰富应 用，从而维持很强的客户粘性。在表层，通过丰富的生态布局，互联网巨头力求覆盖 消费者生活的方方面面，构建多入口的消费者数据库；而在里层，电商平台则对客户 进行实时的分析，通过客户浏览的商品、购物车商品，去判断客户当下需求，并寻找 商机。最终在结果上，转化为各电商平台、内容ＡＰＰ对每一个用户的“个性化”页 面呈现和推送。这一效果的呈现，来自于互联网巨头对客户画像数据处理的高效，更 进一步实时整合生态内各个平台的更新数据，提供频密更新的客户画像，立即改善对 消费者的营销方式。 互联网巨头在生态建设、系统开发和数据挖掘等领域多年经营和实践，构建了他 们的强大业务生命。那么，银行是否可以构建自身实时的数据挖掘、分析能力，通过 高效的策略、模型、执行体系服务客户，甚至建立比肩互联网巨头的客户管理能力呢 ？ 助力提高银行处理消费数据的能力和效率 为帮助银行信用卡、消费信贷部门快速建立高效、实时数据分析能力，全球领先 的信息服务公司益博睿推出Ｘ－ＮＥＴ组合模型系统，帮助银行以更具性价比的投入 实现更深度的客群划分、更精准的客户管理。 不同于传统的相对滞后的数据分析，该系统通过连接生产环境，直接采集数据， 透过组合模型实时解析交易数据，结合银行已有信息，迅速标记客户特征；通过不同 内建模型，客户标签可以多元化，从风险、市场、合规等角度多维解读，经过对后续 行为的预判，建立“新鲜”的客户画像；更进一步，银行可将它关联账户管理系统， 根据客户画像触发自动执行策略，迅速对客户交易行为进行响应。如利用６１８前一 周预热阶段的客户交易数据，规划完成个性化的信用卡消费宣传手段；而在６１８当 日，银行可根据客户交易的变化实时洞察客户需求，适时在额度、商品活动、分期营 销上做出响应，及时跟进客户心理轨迹开展营销。 不同的客户群体，地域、年龄、文化程度等等差异，构成了完全不同的社群，如 何针对性识别、服务客户，构建“一人一策”的服务能力，是银行数字化转型的关键 。“模型、策略、系统”是银行数字化经营的核心，Ｘ－ＮＥＴ系统针对银行不同业 务诉求，特别是市场、风险领域，建立有多种响应模型，通过收入估算、偿付分析、 现金流分析、客群分层等多个模型组合构建完整客户画像，预测客户行动轨迹，从而 使得使用者能通过一笔笔交易线索，构建拼图，实时掌握客户动向，再通过账户决策 引擎的自动执行能力，建立以客户为核心个性化专属服务体系。譬如电商大战结束， 有人轻松付账，有人下月“吃土”，而此系统通过收入、偿付模型分析对照消费金额 ，可为后者进行后续分期营销，提高市场营销效率，最终为客户提供更为“贴心”的 服务。 不同于互联网巨头通过自主系统研发和多年迭代在自有体系内形成的实时算力， Ｘ－ＮＥＴ系统由益博睿Ｘ实验室（Ｘ Ｌａｂｓ）研发——Ｘ实验室是公司在亚太 区第一个用于开发行业尖端解决方案的孵化器与协作中心，在亚太地区进行过有效尝 试，并充分产品化，支持本地化部署、本地决策，并能根据银行要求进行专门的模型 开发与迭代，完全为银行自身战略服务，成为银行自己的“消费者洞察引擎”。 [32] \t