商业银行基于大数据的精准营销解决方案.docVIP

商业银行基于大数据的精准营销解决方案 　　摘要：面对日趋激烈的行业内部竞争和互联网金融带来的冲击，商业银行急需一种更为精准的营销解决方案。将大数据的思想和方法运用于精准营销，可获得比传统营销方式更加精准、快速的营销效果，无形中为商业银行节约了大量的营销成本。该文详细阐述了商业银行如何运用大数据解决精准营销的过程和方法。 　　关键词： 大数据；精准营销 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2015）29-0007-03 　　大数据作为一种新兴的数据处理技术，最早可追溯到20世纪80年代的美国。如今，商业银行在信息化的迅速发展中，产生了大量的业务数据、中间数据和非结构化数据等。大数据需要做的就是从这些海量数据中提取出有价值的信息，为商业银行的各类决策提供参考和服务。汇丰、花旗和瑞士银行是数据挖掘技术应用的先行者。在国内的商业银行中，大数据的思想和技术也已逐步开始在业务中获得实践和尝试。 　　基于大数据的精准营销方案是利用大数据平台的模型分析结果，挖掘潜出在客户，实现可持续的营销计划。 　　1 应用基础 　　1）物理基础。利用Hadoop平台作为大数据架构的物理基础，首先需要对商业银行整体的数据量作出评估，计算出需要设置的节点个数。在此基础上确定Hadoop中的每一块组件是否适合并能满足目前及未来的业务处理需求。Hadoop的物理架构如图1所示。 　　2）数据基础。商业银行需要在对内外部数据梳理、清洗、整合和建立映射的基础上，将各类不同数据关联成为一个有机整体，并构建统一的数据划分维度体系，以此作为大数据平台的数据基础。 　　数据基础基础主要由四大部分组成：数据采集模块、数据冗余模块、维度定义模块、并行分析模块，如图2所示。 　　2 应用需求分析 　　为获得更好的精准营销效果，并实现全流程的精准营销解决方案。整体的应用目标是希望依托大数据平台的分析结果在线获取客户的各类信息，再通过模型分析、客户个性化需求、不同产品的特点等，在客户与产品之间建立精准的对应关系。在业务操作上，还应当能帮助客户经理对客户做出准入判断、提供营销方案、实现限额管理、定价指导等智能决策信息。这些应用目标可以拆分成如下应用需求： 　　1）客户挖掘功能。精准营销的首要目的就是寻找目标客户，只有寻找到精准的营销对象才可能实现最终的精准营销结果。客户挖掘功能应当从不同角度、不同渠道进行挖掘，最大程度发掘潜在客户群。 　　2）智能决策引擎。在获得客户挖掘结果后，精准营销应用的下一步功能应当是针对具体客户，提供一整套智能决策方案，包括客户准入判断、产品推荐、定价指导等。对于集团客户、上下游客户或关联方客户等，还应当能够提出整体的营销计划。 　　3）业务统一工作平台。精准营销系统除了可以提供精准营销的方案、计划等决策结果，还应配备完整的业务操作平台完成业务实现。业务统一工作平台可以实现整个精准营销从客户挖掘直至业务完成的各工作环节，最大化程度缩短业务操作流程、减少贷前调查复杂程度，实现精准营销的“一站式”操作。 　　4）全生命周期的营销计划。精准营销的应用不应只以单次营销为目标，而是应当从纵向和横向两个方向提供持久的精准营销计划。纵向的可持续是指跟随客户的成长过程，在客户不同时期提供适时提供客户需要的产品和服务；横向的可持续是指通过集团客户、上下游客户和其他关联方客户不断挖掘目标客户，扩大精准营销范围。 　　3 系统功能详述 　　下面针对应用需求分析，从系统实现上把应用需求分解到系统功能点上进行详细描述。 　　1）客户类型初分。对于不同类型的目标客户，精准营销模型应当给出具有针对性的营销方案。因此需要对大数据平台里的所有客户进行类型的区分。建立合理的客户类型初分体系是精准营销的基础。客户类型初分可以按照图3给出的体系进行划分。 　　值得指出的是，在精准营销应用中，对公客户和零售客户并非完彼此独立。完备的精准营销应用应当具备从对公客户中挖掘零售客户或从零售客户中挖掘对公客户的功能。 　　2）准入客户筛选。客户准入筛选是对客户质量进行把关的工具，良好的客户准入筛选标准是确保客户质量、引导客户结构的保障。实践中考虑根据大数据平台的黑白灰名单对客户的准入进行判定：原则上白名单客户属于精准营销判定的推荐客户；黑名单客户则是禁止准入的客户；灰名单客户可设为风险提示类客户。 　　3）客户信息整合及验证。利用大数据平台打通内外部数据、不同业务数据、不同结构数据之间的壁垒，形成以客户为中心的“一户一条”数据记录。 　　为确保精准营销结果的准确性，还应建立严密的客户信息验证机制。客户信息校验包含两方面：一是错误信息的验证，如同一企业在不同系统中的行业分类存在差异，大数据平台将设置校验规则判定哪一来源数据正