银行的行业大数据解决方案设计.pdf

实用标准文案 银行行业大数据解决方案 银行大数据时代面临的挑战 1 、银行离客户越来越远。 在互联网交易链条中，银行所占比重越来越低，这使得银行越来 越难以知道客户的消费行为； 互联网金融的出现， 在未来可能会超过以银行为中心的间接融 资和以交易所为中心的直接融资模式， 这会使得银行逐渐被边缘化。 本质上是因为银行对于 客户的了解程度，相对越来越弱。 2 、客户不断流失难以挽回。 市场竞争越来越激烈，银行意识到客户满意度的重要性，并将 提升服务作为工作目标。 在具体的操作过程中，银行关注产品特点，从服务质量、 客户感知 进行调查， 试图找到解决办法。 但是客户满意度却一直停留在原有水平。 客户流失率也在不 断上升。本质上是因为银行服务同质化。 3 、客户维系成本不断攀升。 随着互联网金融各类“宝宝” 们冲击银行存款， 抬升融资成本， 银行越来越难以找到低价优质的资金， 客户维系成本也不断攀升。 银行客户维系陷入 “理财 收益高，客户多，收益下降，客户跑”的怪圈。本质上是由于银行无法对客户需求进行及时 响应，只能通过价格这一唯一工具进行营销。 银行越来越意识到数据作为核心资产的地位， 希望借助大数据的技术， 聚合客户在银行内外 的种种信息，深入洞察每个客户在银行内外的方方面面，以了解其兴趣、偏好、诉求，从而 提供每一个客户个性化的产品与服务。 精彩文档 实用标准文案 941 大数据服务联盟银行大数据解决方案 941 大数据服务联盟 基于六年来专注于大数据的应用实践，为银行业提供端到端的整体解 决方案， 帮助银行实现海量多源异构数据的采集、 整合， 并运用大数据文本分析和数据挖掘 技术， 深入挖掘客户特征、需求，从而为银行向客户提供差异化服务和个性化产品、产品创 新等提供数据支撑。整体解决方案如下： 银行业大数据应用 1 、用户实时行为分析 互联网金融及第三方支付的出现， 让银行用户流失严重， 同时也更加不了解用户的需求。 通 过在银行官网、 APP 上部署采集访问用户实时行为的代码，让银行可了解用户在网上的行 为特征、需求，拉近银行和用户的距离，从而为更精细化的服务提供数据依据。 实时行为包括： 用户分析：新增、活跃、沉默、流失、回流 渠道分析：渠道来源、渠道活跃、渠道流量质量 客户留存分析：留存用户（率） 精彩文档 实用标准文案 事件和转化分析 客户体验度量：使用时长、地区分析、终端分析。。。 访问原因探查：访问时间、访问频次、停留时长、访问路径 2 、个性化服务和资讯推荐 根据客户使用银行产品和服务的历史信息及在银行官网 /APP 上留下的实时信息，利用大数 据文本分析和挖掘技术，分析客户的长期、短期偏好和需求，预测当下和潜在偏好和需求， 为客户推荐个性化服务或资讯。 3 、精准营销 面对银行存量客户交易不活跃，新客获取渠道少，渠道流量质量差等各类问题， 941 大数 据服务联盟 银行精准营销方案以用户出发， 识别每个客户在银行内外的上网特征、 金融产品 消费偏好、金融渠道偏好、金融风险偏好、互联网消费偏好、互联网内容偏好、社交网络等 信息，将用户特征匹配银行产品特征， 从而将更合适的产品信息精准推送到合适的用户 （群）。 新客的获取： 基于采集的企业内外数据， 在充分分析银行产品和服务特征的基础上， 分析 客户特征，从海量用户（互联网、