全面解析用數據驅動金融零售業務增長

隨著國內利率市場化加快推進、經濟增速放緩、國民收入和財富逐步上升，零售業務對銀行收入及利潤的貢獻日益見長，科學有效地引領零售業務持續增長已成為國內領先銀行的首要任務。然而，零售客戶的需求日趨復雜和個性化，市場競爭愈加激烈。在此背景下，應該有效利用大數據技術將決策方從“業務經驗驅動”向“數據量化驅動”轉型，決策模式的變化將成為各家銀行互爭雄長的制勝關鍵。

01

金融零售業務發展面臨的挑戰和機遇

最近幾年銀行零售業務受到了多方面環境變化和監管調整帶來的挑戰，同時也帶來了大量的發展機遇。

在利率市場化過程中，我國的商業銀行零售業務面臨著盈利能力的挑戰。利率市場化使得銀行利差收窄，盈利能力下降。各家銀行業績均面臨著盈利增速放緩的局面。金融市場化改革的推進要求零售銀行改變依靠存款利差的傳統經營模式，進一步提升產品創新和風險定價能力。另一方面，利率市場化也為零售銀行提升內部經營管理能力、促進差異化競爭、提升服務和創新水平帶來了前所未有的機遇。

當下，我國商業銀行對零售業務投入了較高的熱情，有著多重原因：一是我國經濟環境進入到高質量發展階段，消費成為經濟增長第一驅動力，推動銀行零售業務發展；二是隨著金融嚴監管的持續推進，銀行公司業務和同業業務的監管要求不斷提升，部分業務萎縮，零售業務成為新的增長點；三是利差收窄、金融脫媒使得銀行經營壓力加大，銀行零售業務發展成為必然趨勢。此外，互聯網金融業務的爆發重構了銀行零售市場，銀行零售業務作為新的潛力市場成為銀行在競爭中的關鍵業務板塊，尤其對中小銀行而言，這塊業務或許是彎道超車的好機會。

因此，多數銀行持續對零售業務進行投入，且牢牢抓住個人消費金融、信用卡、私人銀行等業務重點發力，收獲頗豐，取得了預期的效果。

但需要注意的是，新興機構也在一定程度上分食了銀行零售業務的“蛋糕”。以余額寶為例，它在形式上就類似帶有利息的活期存款，而且規模不小，這對銀行零售業務而言無疑是很大的挑戰。因此，銀行想要抓住零售業務市場，還需緊跟金融科技，對前中后臺進行整體變革，以提高自身的競爭力。

如今的銀行零售業務轉型已經過了完全拼渠道和場景的時代，到了依靠大數據、云計算、人工智能來分析客戶分層、資產配置的時代，這將是金融科技帶給銀行零售業務的重大機遇，同時也將帶來巨大挑戰。未來幾年，金融科技將對商業銀行在經營理念、管理思維、業務模式等方面進行全方位的滲透與融合，成為銀行零售業務的主要驅動力。因此，切實推進和加快銀行零售業務轉型，貴在審時度勢、積極探索、主動出擊，讓銀行零售業務持續發展從而助力行業可持續發展。

02

數據驅動零售業務增長解決方案

永洪科技在過去幾年中與眾多金融行業中的領先機構進行合作，幫助金融機構通過數據驅動業務發展，其中不乏中國銀行、興業銀行、光大銀行、中信銀行等成功案例，在不斷的摸索中我們整理出了一套切實可行的數據驅動零售業務增長解決方案。

做數據驅動第一步我們認為應該從全行角度思考并梳理指標體系，不同的機構會有不同的側重點，我們提煉了一些具有代表性的指標，總共包括4大業主主題，160+指標體系：

? 效益類：營收分析、中收分析、產品結構、客戶貢獻、網點貢獻、產品持有、客戶遷移矩陣、成本收益交叉分析。

? 客戶類：分層客戶、分群客戶、客戶獲取、長尾用戶價值提升、防流失、客戶忠誠度事件分析、交叉銷售。

舉例：客戶類分為兩類，即分層和分群客戶。分層客戶：按資產規模分1w以下，1w-50w，50-500w，500w以上；分群客戶按持有產品類別可分理財、保險、信用卡等持有產品分群。 

? 產品類：分群客戶、產品持有、產品渠道、產品滲透、產品貢獻、分層客戶、產品營收、產品特征。

例如：產品只持有1種，其客戶不是銀行認為的有效客戶，其流失率很高。一般銀行定義有效用戶數其持有產品要大于等于4種。例如客戶持有網銀、電子銀行、微信銀行、信用卡、儲蓄卡等超過等于4個認為是有效用戶。若客戶持有很多產品其流失不容易。銀行做產品是交叉模式。

? 網點類：網點業務類、 網點產能、網點效能、網點成本收益比、網點人員、網點運營。

說明：網點對銀行來說是成本的一個中心，對網點的選址、人和網點之間的匹配，很多年輕用戶不太去網點等情況使網點面臨很大的挑戰。在這種情況下，對網點進行網點業務類型、網點產能、網點效能、網點成本收益比、網點人員、網點運營等方面進行細分，對銀行網點進行分析。

03

項目建設原則

想要完成數據驅動業務變革不是一蹴而就的事情。不同銀行所處的信息化建設程度不同，而進行數據驅動需要考慮數據獲取的難以程度和應用能解決的業務價值。就拿我們的一家客戶，某大型股份制銀行的某分行來說，現在所處數據獲取難業務價值難的象限中，其在2015年開始使用永洪大數據分析平臺，面向分行業務人員的固定報表、零售業務分析、管理駕駛艙已經完成，且建設面向分行層面的數據中心。現在在做客群分析、低凈值客戶價值提升、場景式分析等分析。該銀行的多家分行都處于第一階段，管理駕駛艙、報表自動化還沒解決，分行業務人員還在花大量的時間做手工報表，意味著僅看到報表結果，沒有數據洞察且浪費很多時間在做數據報表。

永洪科技會根據銀行目前的現狀進行調研和分析客戶目前處于什么階段，最迫切的需求在哪里。比如在該銀行的另外幾家分行，我們通過調研了解到，手工報表、數據視圖、多種數據來源等沒有解決，其處于第一階段，而我們幫其解決移動管理駕駛艙、零售業務分析看板等問題。第二階段，我們幫助其建立面向分行的數據中心，比如面向分行的大數據平臺，統一數據標準、統一主數據管理及ETL等；第三階段，我們幫助該分行做閉環營銷管理、場景式營銷等更有挑戰的數據應用。

04

項目總體規劃

我們通常將數據驅動項目劃分為三個階段，逐步挖掘數據價值。建設路徑如下：

一期

• 建設目標：行長駕駛艙、手工報表自動化；

• 建設內容：搭建BI大數據分析應用、搭建大數據平臺、行長駕駛艙業務指標梳理開發、手工報表自動化、底層業務數據梳理。

二期

• 建設目標：建立統一、開放、集成等面向應用的大數據平臺；

• 建設內容：整理行內、行外的數據，建設統一數據標準、面向分行業務應用的數據中心，滿足后期數據應用的需求。

三期

• 建設目標：場景式數據應用；

• 建設內容：基于二期統一數據標準的大數據平臺，完成場景式營銷數據應用，如潛客挖掘、高凈值用戶防流失、場景式營銷服務、閉環業務監控等。

應用場景舉例：一期管理駕駛艙

管理駕駛艙（面向分行行長的核心業務指標）從目標提升的角度梳理駕駛艙指標體系，在管理視圖中可追溯業務問題，市場通常從效益、規模、客戶、成本角度出發，梳理與構建銀行管理視圖。

（1）效益提升類

• 零售業務效益情況，營收、中收、凈利潤、經濟利潤、成本收益比（全行對比、全行排名、同環比……）；

• 零售營收情況，機構、同環比、產品結構（負債、輕資本……）、存貸、個貸情況分析……

• 中間業務收入，機構、排名、主要產品、客戶貢獻、網點經營……

說明：銀行分行有小組內對比和排名設置（舉例：河北、西安、鄭州分行體量用戶還可以的定義為A類，北京上海體量用戶占比比較高的定義為A+類，西藏新疆體量用戶比較少的定義為C類。），對比分清楚是組內還是總體對比。

（2）規模建設

• 規模類指標總覽，AUM、存貸、余額、增量、計劃完成率、不良率等……

• AUM規模，增量產品結構（理財帶動AUM增長）、增量客戶、網均AUM余額……

• 存貸業務規模、個人貸款規模、增量、同業對比、增量產品結構、全行對比、增長……

• 信用卡業務規模、產品滲透率、渠道、網點、團隊、經營。

（3）客戶經營

• 客戶概覽、客戶數、增速、計劃完成率；

• 分層客戶概覽、貴賓客戶、普卡用戶、私人銀行、金葵花用戶……（按資產規模看）

• 分群客戶概覽、理財、保險、持有產品等……（按持有產品看）

（4）成本構成類

• 成本收益比、成本收益全行對比、分行對比、網點對比；

• 運營成本增長、運營成本結構（人力、零售版塊、網點）；

• 費用與收入；

• 運營結構構成。

項目總體規劃-一期管理駕駛艙

項目一期管理駕駛艙頁面實例

如上圖所示，通過散點圖，可以一目了然的知道資產、客戶數、儲蓄、中收核心指標。對于客戶數多資產相對少，對于資產和儲蓄相對多客戶數相對少的即大客戶較多，不同類型網點如何做資產管理，人員配置等；針對客戶數資產和儲蓄、中收都很少的客戶我們需要思考如何做網點的優化和轉型。進一步細分，精細化網點管理，一網點一政策，一網點一考核，做精細化管理和考核的視圖。

應用場景舉例：手工報表自動化

銀行各業務部門經常通過手工報表的方式，完成固定分析報告、周報、月報、季報等，存在開發效率低、數據口徑不統一、業務數據難以洞察等問題。通過數據分析平臺，實現固定報表自動化，釋放業務部門重復勞動力，更聚焦于找原因、做探索、驅動目標完成。

項目二期數據平臺總體規劃

項目的二期建設我們會整理行內行外數據，通過更豐富的數據應用對數據價值進行挖掘。但是很多時候我們發現現有的數據平臺很難支撐我們這樣做，因此我們會在這一階段進行面向零售主題的數據平臺建設，通過這個平臺我們可以匯集更多種類的數據，同時數據量也會更大。通過大數據平臺來實現可以滿足我們對實時數據接入、數據存儲、數據計算以及按需擴展的要求。

 項目二期數據技術架構圖

三期建設內容-客戶線索管理

有了前兩期的建設成果我們可以更方便的從數據中獲取價值，長尾客戶經營就是一個很典型的應用。長尾用戶客群基數大，持有管理資產多，但長尾用戶的忠誠度相對低，持有產品數少。如何提升長尾用戶的價值及用戶粘性？如何發掘出不同階段的潛力用戶，是銀行提升整體AUM的手段之一，具體如下:

• 針對信用卡數據定義客戶出客戶的消費能力、償貸能力、家庭資產情況；

• 針對代發薪客群定義收入來源及個人職業屬性；

• 針對消費時間、消費場所、消費金額判斷消費能力；

• 通過聚類、關聯、回歸等深度分析模型產生用戶結果數據，之后將這些數據推送至線索管理模板，形成營銷閉環。

三期建設內容-價值提升

針對睡眠客戶及銀行不了解的客戶，通過補充客戶在行外的銀行卡消費數據，對客戶畫像進行補充，有助于實現精準營銷，提升行內客戶價值，增強客戶的穩定性。

在永洪和和銀聯合作的實例中，睡眠客戶即AUM<1000，連續12個月無太多消費。然而其在本行沉睡，那在他行該用戶的情況呢？在中信沉睡若在他行很活躍了，需要對其展開分析。

我們給用戶做了用戶活躍度的標簽，2表示非常活躍，6表示非常不活躍。

 

綜上所述，大數據驅動的零售銀行轉型是一場以技術變革驅動的精益增長之戰，而取勝“法寶”就是以客戶為中心的全周期、多渠道精細化管理，更為敏捷的產品開發與客戶體驗創新，更為高效的風險管理，以及全程的銷售留痕與產能提升。以大數據驅動營銷及管理的精益提升，將把商業資源有效引向價值和潛力最大的客戶，最大限度地釋放前線產能，并將重新定義客戶與銀行間全周期、多渠道、多觸點的緊密關系。