小数据大用场：银行大数据挖掘的五个切入点

大数据实际是从多如繁星的信息中抽取出对客户需求、态度和行为的洞见，从而帮助制定高度聚焦的精准销售和市场营销活动。这样的做法其实并不新鲜，早些年市场营销人员就已经开始借助对已有数据的分析来支撑营销项目。

随着“大数据时代”的来临，数据分析对于银行的重要性已成为业界的共识。关于银行大数据如何获取以及如何使用的讨论层出不穷，然而，说到具体应用又另当别论了。“大数据分析”也意味着高成本的投入，与其踌躇于是否要花费巨资来做到面面俱到，我们建议不妨先从一些投入/产出比高的“小数据”分析入手。

如今的不同之处在于：由于信息收集、储存和分析技术的发展和处理能力的提升，可供使用的数据和种类都已呈几何式增长。毫无疑问，这些新的信息技术为获得更为深入而复杂的客户行为数据、制定更为精准的商业战略、财务与风险管理等提供了极大的可能性。

大数据项目同时意味着大量的成本投入和风险。例如，大数据项目需要大量的资金和人力投入，而这样的投入往往超出大部分银行的可接受范围。此外，这类项目的有效性主要取决于对前期假设的验证，从而确立算法来建立预测模型。然而，这些数据模型中常常会出现偶然和不同数据类型的差异性，会导致后续验证工作异常困难。

然而，如此面面俱到的分析任务并不一定能够提供给管理层足够的洞见，来足以制定改善业务绩效的措施。因此，我们建议银行将有限的资源投入在更为可控、且投入/产出比更高的数据分析维度上，这样反而会产生更多直观的收益和可衡量的结果。

更好的分析结果对利润和发展而言非常重要。关键在于，为银行的主要发展与管理指标(财务表现、客户、市场信息与机会、运营效率和服务渠道的优化)，来提取更有实际意义和可操作性强的信息。

这些类型的分析并不需要复杂的公式、新奇的技术，也不需要IT资源过多的投入。另外，这些数据能够与第三方机构已经做的行业标杆数据和市场地域信息等数据进行对比。我们建议银行可先从以下这五个方面的“小数据”分析开始：

1. 财务报表。

许多银行高管会使用财务数据来与同行进行比较，从而为个人业务战略与投资方向设定更高水平的业务与贡献度指标。然而，这样的比较必须不限于高水平的绩效指标，例如股本回报或净利润收入。为了让数据分析更为有效，还需要包括其他驱动因素，例如：存款组合与增长、赚取的资产及运营效率等指标。另外，还需要与一组高绩效银行的数据进行单独比较，并对所选高绩效银行的成功案例进行收集从而更为全面而深入地了解其业务策略，市场聚焦点和运营环境等成功要素。

2. 客户

客户是银行最有价值的资产，大部分银行不论是对个人银行客户还是公司银行客户关系系统中都已有非常多的可供分析的数据，例如产品渗透率、余额情况、服务渠道的活跃度、利率和风险偏好等。

这其中的最大挑战在于要将数据形成相应的模型，从而帮助识别客户获取、交叉销售和客户保留的机会，进而用于制定市场营销抓手、销售策略以及客户关系管理相关的其他决策。在这些客户经营指标方面，第三方机构已有相应的行业标杆数据，银行可通过将本行数据与行业标杆数据比对之后，能够确定更为切实可行的绩效改进目标和学习对象。

3. 市场

银行的战略方向和业绩水平很大程度上受制于：其所服务的市场大小、规模及其构成以及市场活力的影响。因此，建立一份有关服务市场的档案信息非常必要，银行能够从中制定竞争策略、识别市场增长潜力并设定工作的优先级。

理想情况下，市场信息档案应包含当地经济和人口统计信息，预期的增长空间、目标客户的集中度等数据，因为这些数据将会直接影响其市场中目标客群的细分、金融产品的使用行为、市场竞争的类型和竞争激烈程度等。

银行的客户基础和竞争水平，将与每个市场的信息进行比对;增长潜力也将通过客户细分群体和产品计算出来。这样的分析能够帮助银行识别当前在哪些市场、产品和细分客户群体的渗透率较低，进而帮助银行制定相应的业务战略和设定客户获取、交叉销售和客户保留等同项目的优先级。

同样的，市场分析应该服务于每个银行网点的服务领域。这样的分析能够帮助银行网点确定自身的销售目标和人员配置等。

4. 运营

改进生产力和效率对于提升财务表现至关重要。其实，银行已有能够判别运营效率和跟踪绩效表现的大量数据，只是这些数据需要更好地进行收集、组织和分析。运营效率的分析方式是针对支持部门和直接面向客户的部门，选取一定数量的相关指标进行分析与排名;同时还可再与行业标杆数据进行比对。

这项分析的目的是识别银行在哪些方面与同业的做法存在着差距、以及差距的大小，同时还将有助于银行制定相应的提升策略和优化措施，以便达到改进产能与效率的目标。

5. 渠道与销售

对每一个网点在其服务范围内的经营特色、发展机会与现状进行分析，是非常有必要的。每个网点的绩效分析维度应包含：销售和服务活动、财务表现、运营成本、人员配置水平与人员构成，以及网点的活力。

我们建议将网点的绩效分析与市场分析相结合。这样做能够帮助管理层对市场营销经费的分配、人员配置水平、以及应该关闭哪些网点、在什么地方开始新网点、如何对部门进行重组等方面做出更为合理的决策。

另外，建议银行对每个网点的手机银行和网上银行的覆盖比例进行分析。这样的分析一方面能够与同业标杆数据进行对比分析，同时也能够有助于制定更为有效的市场策略和营销项目。

这五个方面的分析能够相对容易地开展并为管理者、投资人和并购伙伴提供关键的信息。对于大部分银行而言，将有限的资源投入在小数据分析上而不是昂贵的大数据分析上，实则更为合理一些。

Bingdata优网助帮汇聚多平台采集的海量数据,通过大数据技术的分析及预测能力为企业提供智能化的数据分析、运营优化、投放决策、精准营销、竞品分析等整合营销服务。

北京优网助帮信息技术有限公司（简称优网助帮）是以大数据为基础，并智能应用于整合营销的大数据公司，隶属于亨通集团。Bingdata是其旗下品牌。优网助帮团队主要来自阿里、腾讯、百度、金山、搜狐及移动、电信、联通、华为、爱立信等著名企业的技术大咖，兼有互联网与通信运营商两种基因，为大数据的算法分析提供强大的技术支撑。

小数据大用场：银行大数据挖掘的五个切入点相关推荐

玩不转大数据就别勉强了，或许“小数据”才是真正的终南捷径
如今大多数人会经常听到"大数据",如果选择一个词来代替"大",大部分人的脑海里会出现"海量"."巨量"的字眼,但是,数据 ...
大数据、小数据与数字社会
大数据技术的出现带给人们的思维方式.行为方式.媒体传播方式及社会治理方式等都诸多方面带来了革命性的变革.<大数据时代>一书中认为:"在大数据时代,我们正经历着一场生活.工作与思维 ...
大数据时代的小数据会消亡吗（非原创）
大数据时代的小数据会消亡吗苏令银上海师范大学马克思主义学院上海师范大学经济伦理研究中心摘要: 在过去的几个世纪,学术知识的构建普遍使用小数据并取得了巨大进步,其特征是为回答特定问题而生成的抽 ...
大道至简：大数据、小数据、量化交易
大道至简:大数据.小数据.量化交易, 11.23 今天下午在Q群:124134140(zwPython大数据量化交易). 与大家讨论大数据.量化交易, 没想到,晚上就碰到了一只黑天鹅惯例,QQ讨论直 ...
大数据在金融行业的应用——银行大数据
精准大数据之银行客户案例智树科技于上上周五与精准数源大数据部门就银行大数据为主题,开展了网络研讨会.探讨以银行客户为切入点,大数据在金融行业的应用.大致内容整理: 一. 业务驱动银行应用大数据 ...
【数据科学】小数据治理靠“人工”，大数据治理靠“智能”
摘要本文把小数据和大数据的基本概念,小数据治理与大数据治理的范围.区别.方法及主要特征介绍比较清晰. (1)小数据治理靠"人工",小数据的治理十五字方针:理数据.建标准.接数据. ...
小数据治理靠“人工”，大数据治理靠“智能”
01 什么是小数据治理谈小数据治理,首先说一说什么是小数据.在百度百科上我们可以查到小数据的定义是:"小数据(small data),或称个体资料,是指需要新的应用方式才能体现出具有高价值 ...
大数据的理解，大数据是什么，大数据能干什么？
一.概念: · 一种规模大到在获取.存储.管理.分析方面大大超出了传统数据库软件工具能力范围的数据集合,具有海量的数据规模.快速的数据流转.多样的数据类型和价值密度低四大特征. 大数据的本质就是一大堆 ...
物联网与大数据（四）大数据技术物联网操作系统
前言关于物联网与大数据的分享已经迎来最后一期,回顾之前的内容:我们在物联网与大数据(一)中介绍了物联网与大数据的含义.背景:在从物联网看大数据中探讨了物联网形成大数据的主要环节:在从大数据看物联网中 ...

小数据大用场：银行大数据挖掘的五个切入点

小数据大用场：银行大数据挖掘的五个切入点相关推荐

最新文章

热门文章