设为首页   中国知名企业网欢迎您~!

银行大数据的创新发展之路!

银行大数据的创新发展之路

近期央行的金融科技发展规划全文公布,规划中14次提到了大数据,其中专门有一段提到了要科学规划运用大数据,加强大数据战略规划和统筹部署,充分实发大数据作为基础性战略资源的核心价值。建行田国立董事长和刘桂平行长也在最近的一次内部讲话中指出:“大数据应用和平台建设闯出了业务模式的新路子。”

由此可见金融科技的发展基础就是大数据,银行恰好拥有包括客户信息、交易信息等海量的大数据,如何依托手中的海量数据去提升客户服务能力成为目前银行攻关的重点及难点。本文以建行为例,对银行的大数据研究之路进行分析研究,并对未来的数据研究发展进行展望。

2013年被成为“大数据元年”,至今已有6年时间,依照摩尔定律来说:电脑的性能每18-24个月就可以提升一倍。在我看来6年的时间里,银行的大数据分析能力也有了质的变化。以建行为例,大数据分析之路经理了基础信息分析应用阶段和交互信息分析应用阶段,正在逐步走向多维信息融合分析应用阶段。

一、基础信息分析阶段

基础信息分析阶段是银行大数据分析之路的起步阶段,一般来说都是以结构化信息为主要分析对象,分析的数据包括客户的静态信息和动态信息。

1.静态信息

分析信息一般局限在客户的年龄、生日、AUM值,职业、地域等基础信息,通过基础信息的分析,给客户做一个简单的画像:北京IT男小张,出生日期:198X年X月某日,月入2万,在银行有20万理财即将到期。对于静态信息的合理利用,让银行的服务具备了一定的亲和力和初步的智能化,例如现在客户每年生日的时候一定会收到各大银行发来的祝福短信,当银行发现客户银行卡中有一大笔活期存款时,会根据风险测评结果推荐相应的理财产品,让客户的财富增值保值,以上是对于客户静态信息的一个基础应用。

2.动态信息

动态信息就是客户在银行各渠道留下的行为数据,可以掌握客户访问银行渠道的行为习惯,例如点击了那些菜单,浏览了什么页面,停留了多长时间等信息,通过这些数据的应用,可以精准的把握客户习惯,给客户精准的推送服务,做到比客户更了解客户。这一点做的比较好的是淘宝等相关购物网站,目前消费者在淘宝里面搜索了一件商品,淘宝会结合客户以往的购买及搜索记录,给客户推荐相关产品,而消费者往往会发现,淘宝推荐的商品非常符合自己的购买意愿,这就是动态数据的应用。目前银行也在积极的应用动态数据,例如手机银行用户浏览热点分析、重点业务关键路径分析、漏斗分析、关联链路分析及账单分期动态数据等大数据分析挖掘。动态数据的应用能够多维度还原客户行为场景,精准定位客户痛点,重现操作流程阻碍,持续改进产品问题,有效提升客户的满意度。

银行大数据的创新发展之路

二、交互信息分析阶段

传统的基础信息分析大部分是基于结构化数据的应用,通过进行关联分析了解客户,而更多的信息和业务价值隐藏在非结构化数据中,目前建行各渠道客服文本数据每月超过1亿人次,运用文本挖掘技术分析客户之声,可有效识别客户痛点,改进客户体验,洞察客户需求,融合结构化数据,实现价值信息应用,如热点话题分析追踪、用户体验优化创新、商机洞察挖掘、外部舆情监测同业竞争情报、事件监测预警等。目前建行已经对客服文本数据进行了深入研究,在精准营销和客户挽留方面取得了一些突破。

以建行研究的客户流失预警项目为例,该项目以客户和客服的交互文本为分析对象,对客户流失原因进行多维立体化的分析,全面精准的定位到客户流失原因,相对于以往的非结构化数据的应用,该项目对于非结构化数据的分析更加深入,提高了数据的应用价值。并首次将客户的情感进行量化并加入到分析模型中来,目前业内对于情感的分析应用大部分停留在定性阶段,一般区分出正面、负面、中性即可。本项目将情感值进行量化处理,根据业务的需求分为五级,更加准确的还原出客户的真实情感。另外在情感词语的抽取和评判过程中,大量的研究者局限于词语本身的含义来判别词的褒贬性,而忽略的词语所在语境的影响,本项目结合业务语境,将情感判定的各项任务做深做细,构建一种更加丰富完整的情感评价体系。

对于交互数据的深入分析能够有效节约客户管理成本,提高营销成功率。从非结构化数据营销经验来看,应用非结构化数据的精准营销成功率是日常营销成功率的1-3倍,用同样的费用可以产生更大的经济效益,另外研究表明发展一名新客户的成本是挽留一名客户的3-10倍,通过提高营销成功率,可以大幅减少商业银行客户管理成本,缓解商业银行的获客压力。

非结构化数据的深入分析还有助于发现客户痛点和产品改进机会,有效提高客户满意度和银行品牌价值。通过精准定位客户流失原因,能够发现客户在使用银行产品过程中遇到的一些问题,以及产品流程中的一些不足之处,这些发现点就是我们改进的方向。同时我们能够将各分行的特色营销活动和客户流失因素进行有机结合,制定富有特色和个性化的营销方案,能够让银行更加的富有亲和力,有效提高银行产品在同业中的竞争力。

银行大数据的创新发展之路

三、多维信息融合分析应用阶段

随着5G时代和物联网时代的来临,更加智能化和更具情感化的银行服务也随之推出,5G第五代移动通信技术,具备高数据速率、减少延迟、节省能源、降低成本、提高系统容量和大规模设备连接的特性。峰值速率需要达到Gbit/s的标准,以满足高清视频,虚拟现实等大数据量传输。空中接口时延水平需要在1ms左右,满足自动驾驶,远程医疗等实时应用。超大网络容量,提供千亿设备的连接能力,满足物联网通信。

这些特性让银行有能力为客户提供更多的金融服务,例如将物联网技术和自动驾驶技术结合起来,我们可以在汽车上加装一个支付模块,当汽车自动感应到油量不足时,可以自动搜寻到最近的加油站,为车主加油,汽车上的支付模块可以自动和加油站的支付模块对接,实现自动加油,自动支付,自动返程。

除此之外各种生物特征信息也纳入到银行的系统中,目前在安全认证领域取得了良好的应用。生物特征认证是利用人体固有的可测量的生理特征来进行个人身份鉴定的技术。可以有效的避免丢失、遗忘、复制及被盗用等诸多不利因素,有效的兼顾了安全性和便捷性。目前指纹、语音、虹膜、人脸等生物特征信息以及被应用到银行安全认证系统中。例如刷脸支付,刷脸取款已经是比较成熟的应用了,未来可以通过与智能手表厂商合作,将心跳、每日步数、卡路里消耗等更多数据纳入到分析中来,结合相应的业务,为客户拓展更多的金融服务。

综上可以看出,银行在金融科技领域的突破离不开数据分析的发展,随着央行在金融科技发展规划中明确指出:在保障客户信息安全的前提下,利用大数据、物联网等技术分析客户金融需求,借助机器学习、生物识别、自然语言处理等新一代人工智能技术,提升金融多媒体数据处理与理解能力,打造“看懂文字”、“听懂语言”的智能金融产品与服务。未来银行必将依法依规的利用海量数据,为客户提供更多的金融服务!

(本文作者及单位:丁韧+中国建设银行合肥电子银行业务中心)

推荐阅读:生活投资网