金融业数据分析:商业分析,贵在应用,重在坚持

大数据
苏格兰科学家凯尔文曾经说过:”科学的灵魂和使命就是其有效的应用,… 知识的力量是要为人类造福”,这句话在如今大数据热潮下更加恰如其分。

苏格兰科学家凯尔文曾经说过:”科学的灵魂和使命就是其有效的应用,… 知识的力量是要为人类造福”,这句话在如今大数据热潮下更加恰如其分。

当今是一个信息爆炸的知识经济时代,我们每天看到、听到、接触到大量的信息。而随着互联网金融的快速兴起,市场竞争的不断加剧,越来越多的金融企业认识到信息与数据分析的重要性,纷纷投入人力物力进行数据资源整合,提高数据挖掘能力,希望能够通过数据分析助力业务转型、创新和持续发展。尤其是近几年,国内金融领域在这方面的迅速发展,充分体现了数据分析的核心价值和战略意义。

目前,金融业的数据分析工作主要体现在以下三个方面: 风控及反欺诈管理; 客户维护与成长; 营销推广。

首先,风控及反欺诈管理是金融企业管理的重要领域,是银行正常运作的命脉。其中,利用数据分析建立定制化风险模型、信用评分卡等方法和管理流程已有相当长的历史,具备一定规模,自成体系,在此不多赘述。近几年,由于互联网的迅猛扩展,加上全球业务的快速变化,银行正在面对日益复杂的市场和业务环境,其中包括P2P/众筹新兴业务的出现,多变的金融欺诈手法,新型的洗钱活动,国际/国内监管部门对风控管理要求的提高等。这就要求银行能够依托高效、集成的风险数据基础设施,利用行内/外的海量信息,来衡量业务环境中所有类型的敞口与风险,提升对风险及欺诈行为的识别、评价、预警能力,在风险和收益中寻求***平衡, 以支持和确保企业的健康均衡发展。

接下来要谈的是客户维护与成长,这是业务管理的重要元素。众所周知,获得新客户所花费的运营、宣传、促销等成本要比维持现有客户昂贵得多,并且新客户贡献利润还需要一段培育时间,所以用新客户替换现有客户这种做法从企业投资回报的角度考虑是非常不经济的,而维护和提升现有客户价值才是企业持续发展的必经之路,对企业的重要性不言而喻。那么如何建立和部署客户维护策略呢?有人说,留住客户的办法是产品质优价廉。在当今竞争激烈的市场,质量是最基本的要求,没有品质的保证,客户购买只能是一次性行为。而国内银行业产品同质化程度相当高,产品之间特质和性能的差异极为有限,难道真的只有靠拼价格才能留住客户吗?这是长久之计吗?麦肯锡的《亚洲零售银行:对新机会的可行性洞察》(Retail Banking in Asia: Actionable insights for new opportunities)1报告指出:银行能够从数据中获取具有可行性的预测,它主要体现在:

1.分析客户构成,根据客户对于银行的价值,进行客户细分(见图1)

2.运用银行基准数据,发现特定客户群中的交叉销售机会

3.“消费倾向”模型向业务人员揭示现有客户群再次购买的可能性(见图2)

4.鉴别未充分利用的渠道,创造更多的销售机会

数据挖掘
图1 – 客户群管理策略

数据挖掘

图2 – 消费倾向模型样本

第三点是如何针对有价值及有潜力的客户进行精细化的营销推广,而其中的关键是思维转变,从传统的以产品为导向进行的营销活动转变到以客户需求为核心,对客户进行综合评估与分析,以实现精准营销。银行拥有海量的内/外部信息,并且具有较高的可靠性和精准度,可以进行综合性、系统化的客户行为分析,包括:产品表现、产品盈利、客户贡献度、渠道使用倾向、客户潜能等,并通过开发与优化预测模型,更精准地找出特定客户群中有潜力的客户及交叉销售机会,不仅如此,还能辅助业务部门适时使用有效渠道为客户提供服务,提升客户体验。

随着数据分析在金融业的迅速发展,其应用已经不仅局限于以上这三个方面。我们看到,商业银行在向信息化迈进的征途上,也希望通过对信息进行全方位挖掘及更广泛应用(例如:企业的运营管理、资源优化、财务智能、人才培养等多个领域),指导和辅助企业更加有效的统筹分配资源、优化流程、改进产品、提升客户体验,使企业在行业竞争中不仅能够保持现有地位,还可以脱颖而出,受到消费者的信任和喜爱。

目前国内大多数的商业银行还在数据分析的起步阶段,与国外成熟银行相比,数据分析与应用水平的还有较大的差距。而其中商业分析与应用的定位差距最为明显,这也是最关键的一环,它会直接影响数据分析在业务决策中的应用。

数据分析与应用对国外成熟银行而言是企业策略的重要组成部分,这些银行不仅在信息分析与咨询上进行大量投入,更重要的是保持商业分析团队的独立性,其理念是以客户为中心,通过对相关数据的获取、提炼、分析,找出关键的因果关系,进而转化为对市场、消费者、业务的洞察,提出具备可行性的运营建议,创造可观的价值。

因此,这些国际银行在生产、销售、市场、投资等各方面的决策都会以 “信息、洞察”作为基础依据。能够将数据分析实现如此策略性的业务应用,让其发挥可量化的经济效益,扩大有效市场,关键在于企业管理层的鼎力支持、商业分析团队的话语权以及与各业务部门平等、互通有无的合作关系。相比之下,目前国内银行对此还意识不足,没有提到企业决策层面上来,普遍现象是把商业分析简单定位在对具体业务的支持,提供相关数据和报表,或是局限于数据模型挖掘工作,缺乏全行统一的对客户360度画像的综合分析。

由于缺乏相关业务的实践和应用,造成大量业务人员甚至管理层对数据分析的误解,更对使用这些信息缺乏信心,甚至抱有怀疑的态度,这种情况会进一步影响数据分析的发展和业务应用,拖延了企业运用商业分析创新增值的进程。在当今的信息时代,特别是面对互联网金融的积极渗透和经济国际化的快速发展,这不仅会渐渐削弱国内传统商业银行未来的竞争力,并且会直接威胁到它的市场关联性和生存能力。

随着我们进入大数据时代以及网络、移动设备的迅速渗透,最热门的话题往往是如何获取更多样化的数据,如何更快、更准确地进行数据整合,而经常被忽视的是为什么需要这些信息,需要什么样的信息,获取这些信息的最终目的是什么。这就是笔者要谈的第二层面的差距- 业务目标定义及应用能力薄弱。经过二十多年的摸索和发展,国外成熟银行不仅积累了丰富的商业信息,对各层面的数据能够进行系统性的集中管理和控制,其数据挖掘能力也相当成熟,最重要的也是***核心价值的是他们能够将有价值的商业洞察从海量数据中提炼出来,有效地应用在商业决策中。对比之下,国内银行大多数还处于初级阶段,即使有一些不错的分析结果和数据模型,业务应用还相当有限,往往感到无所适从。之所以会出现这些状况,笔者总结了以下几个原因:

1.商业分析立项与业务策略脱节,没有和业务发展方向挂钩、没有以解决业务关键点为目标,盲目进行数据分析、建模工作,以至于无从应用,这无疑会导致人力,物力的浪费。笔者曾经接触过一些项目,以单纯开发数据模型为目标,由于没有与业务部门进行事前沟通,了解业务难题、痛点及相关产品运营流程,对最终的目标达成共识,分析和建模开发出来的结果与业务脱节,不仅不尽人意,更难以推广应用。

2.商业分析的目的是要解决业务问题,而不是简单地找出数据图表与走向。这需要专业分析团队、专业分析员具备综合性的知识和技能,包括对技术层面以及相关业务的知识与经验,这也和笔者之前提到的与业务部门紧密合作异曲同工。专业分析员不仅需要掌握不断更新的IT技术,对数据架构和获取有很强的实战能力,还必须对相关业务有深入的了解,才能利用适当的分析工具对取得的数据进行加工、提炼和分析。分析得出的业务表现相关信息应及时与业务团队沟通,集思广益,不断优化,真正做到你中有我,我中有你,才能让商业分析在业务应用中充满活力,发挥其战略性的意义。由此可见,把商业分析端到端的整个过程比喻为科学和艺术的***结合,一点不为过。

3.古人云,“欲速则不达”,用在这里最为贴切。在商业分析和应用的初期,失败、摸索是不可避免的,即使那些成熟的国际银行也经历了二十多年的不断学习和努力。所以,我们对成长中所遇到的“失败”应该给予更多的包容,才能鼓励和推进商业分析的发展与进步,改变“报喜不报忧”的现象。商业分析的开发和完善是一个循序渐进的过程,它需要系统性的建立闭环营销管理流程来进行业务目标设定、数据分析、营销规划、活动部署与执行、跟踪评估等等整套的管理(见图3),最终实现业务活动的全面应用和推广。而其中最关键也最需要坚持的是A/B测试的环节,较普遍的做法是选择局部目标进行分组测试,跟踪测试结果,通过对测试和控制组表现的分析,根据业务定位和成功准则选取达标组进行扩展式的推广。特别要提到的是,在这个关键流程里,有时会牺牲一些短期利益,有时各业务板块间会出现一些小冲突,这都是十分正常的,可以通过早期规划、对话沟通、取得共识来减少甚至避免这类可预见的问题。随着管理流程的健全和完善,各部门切实看到、体会到商业分析与应用所带来的优势和价值,新的生态环境就会逐步形成,业务层面对商业分析的应用就进入了一个良性循环的状态,进而会加快企业创新与成长的步伐。

 

数据挖掘


***一点比较明显的是企业文化的转变。笔者最近看到一份陈春花教授所做的演讲《环境变了,管理者该做的五个选择》,深有感触。陈教授提到,当行业竞争要素改变时,意味着“我们对行业的认知要彻底改变”,这不仅是管理者观念的改变,重要的是它能够带动整个企业文化的转变,渗透到各个部门,每一位员工。

在我们向知识型经济和企业转型过程中,商业分析、以信息指导和驱动业务的发展是大趋势,企业不仅应该加快专业分析团队的建设和培养,开拓新的商机,解决业务难题,降低风险和成本,提高绩效,也应开始着手考虑在各个业务领域如何进行利用相关信息的培训和普及,可以从基础知识开始,具体情况具体应用。业务部门在相关项目早期即开始参与是一个比较普遍、有效、可行的方法,不仅如此,业务部门的积极参与和对商业分析的共识会提高业务透明度,大大提高业务运营效率,提升生产力,进一步促进企业级的商业分析与应用,百利而无一害.

综上所述,数据分析在金融领域的应用会越来越广泛,为重塑银行业竞争格局起到不可忽视的策略性作用,谁能够***、最有效、***程度的把数据转变成对市场、客户的有效认知,并且使其有所作为,为客户适时提供***质,最贴心的创新产品与服务,谁就将会在未来的竞争中脱颖而出。

 

责任编辑:李英杰 来源: 36大数据
相关推荐

2020-03-02 11:12:02

大数据金融安全

2010-04-08 11:05:55

2024-02-21 17:34:09

网络安全

2012-12-25 16:05:38

金融业银行

2023-08-22 17:59:23

数据分析

2016-12-07 15:40:42

谷歌数据分析Airbnb

2011-11-01 09:27:32

金融行业数据中心

2024-09-22 10:02:08

2023-10-20 07:18:38

金融业数据库技术

2024-09-26 22:17:59

数据中台数据飞轮数据仓库

2024-09-24 19:34:53

数据仓库数据湖数据驱动

2022-08-30 07:31:56

金融业数据库创新

2013-02-28 09:59:55

云数据分析大数据分析Hadoop应用

2014-10-08 15:50:01

ICT技术华为

2016-05-31 15:12:54

华为eSDK CCQMCC华为开发者汇

2019-12-27 14:14:42

ARVR金融

2012-09-05 10:21:33

2024-07-26 21:36:43

2013-07-05 09:30:07

大数据旅游业革命

2009-06-02 15:49:37

开源社区项目
点赞
收藏

51CTO技术栈公众号