大家下午好，我是常国珍。今天和大家分享的是大数据在银行领域的应用。
首先想问一下大家，大家对于大数据杀熟这个词怎么理解？杀熟是可持续的么？
杀熟是因为高科技公司掌握了我们的个人信息，难道只能用于引导我们进行过度消费吗?
回答这个问题之前，我们了解一个名词，叫做“价格歧视”，这个词很多人认为是贬义词，其实它是个中性词。
如果一家企业能够利用科技手段实现价格歧视，那它必然会是被客户认可，可以获取超额收益的领先企业。
价格歧视一般可以分为三级。
一级价格歧视就是根据不同的市场制定不同的价格；
第二级是根据客户购买量的不同而形成价格差异，一般是量越大，价格越便宜；
第三级是根据每个人需求的差异，进行针对性的定价。
第三级的价格歧视单纯靠市场力量是达不到的，但是做到二级价格歧视还是没问题的。
一般而言，粘性越高的客户，其服务成本就越低，客户得到的性价比就越高。
企业或商家利用客户历史沉淀下的交易信息分析其需求偏好，从而以更高的效率提供性价比更高的服务。形成良性循环，最终成就“超级客户”战略。
一、数据分析在银行的应用演变
我们从最开始的获取客户的数据，到后来整合外部数据，到最后无时无刻不在采集数据。我们收集这么多数据的目的并不是想去压榨用户，而是想去了解用户。
我们希望通过对用户更好的了解，来改进我们的产品，增加用户粘性，提升客户体验。我们想把用户发展成我们的客户、超级客户。
说道这里，大家可能就知道我要说什么了：价格歧视的是新客户，使用大数据是为了更好的回馈老客户。
“杀熟”是蹩脚的业务运营人员搞出来的，这个锅大数据不背。
现今数据的确越来越多了，大数据的应用主要分为以下几个方面。
最广泛的应用是营销领域，可以看到图中右上角的部分，包括精准营销、用户画像等等。而数据在银行中的作用，无非这四种重要的模式。
目前传统的分类会分为客户智能、风险智能。客户智能就是了解我们的客户，进而开展营销和维护。风险智能用于避免客户将来发生违约。
为什么说这个比较传统？
因为在流量枯竭的现在，客户和风险的分界线开始模糊。金融机构也不是像过去那样高高在上，风控不能像过去那样不考虑营销的疾苦。
平安银行在客户运营得时候就用了一个比较贴切的词，叫交易对手。意思是客户和风险不应该分开，而是把它们放在一起，综合考虑如何去识别风险和满足客户需求。
下面的这两块和我们的关系比较密切。
即经营分析和交易对手分析，经营分析分为大屏展示、固定报表、自助分析，后两者比较传统。
差异的部分来自于左侧，现在大家都喜欢把很多数据源整合在一起，形成一个数据的概念。
大家下午好，我是常国珍。今天和大家分享的是大数据在银行领域的应用。
首先想问一下大家，大家对于大数据杀熟这个词怎么理解？杀熟是可持续的么？
杀熟是因为高科技公司掌握了我们的个人信息，难道只能用于引导我们进行过度消费吗?
回答这个问题之前，我们了解一个名词，叫做“价格歧视”，这个词很多人认为是贬义词，其实它是个中性词。
如果一家企业能够利用科技手段实现价格歧视，那它必然会是被客户认可，可以获取超额收益的领先企业。
价格歧视一般可以分为三级。
一级价格歧视就是根据不同的市场制定不同的价格；
第二级是根据客户购买量的不同而形成价格差异，一般是量越大，价格越便宜；
第三级是根据每个人需求的差异，进行针对性的定价。
第三级的价格歧视单纯靠市场力量是达不到的，但是做到二级价格歧视还是没问题的。
一般而言，粘性越高的客户，其服务成本就越低，客户得到的性价比就越高。
企业或商家利用客户历史沉淀下的交易信息分析其需求偏好，从而以更高的效率提供性价比更高的服务。形成良性循环，最终成就“超级客户”战略。
一、数据分析在银行的应用演变
我们从最开始的获取客户的数据，到后来整合外部数据，到最后无时无刻不在采集数据。我们收集这么多数据的目的并不是想去压榨用户，而是想去了解用户。
我们希望通过对用户更好的了解，来改进我们的产品，增加用户粘性，提升客户体验。我们想把用户发展成我们的客户、超级客户。
说道这里，大家可能就知道我要说什么了：价格歧视的是新客户，使用大数据是为了更好的回馈老客户。
“杀熟”是蹩脚的业务运营人员搞出来的，这个锅大数据不背。
现今数据的确越来越多了，大数据的应用主要分为以下几个方面。
最广泛的应用是营销领域，可以看到图中右上角的部分，包括精准营销、用户画像等等。而数据在银行中的作用，无非这四种重要的模式。
目前传统的分类会分为客户智能、风险智能。客户智能就是了解我们的客户，进而开展营销和维护。风险智能用于避免客户将来发生违约。
为什么说这个比较传统？
因为在流量枯竭的现在，客户和风险的分界线开始模糊。金融机构也不是像过去那样高高在上，风控不能像过去那样不考虑营销的疾苦。
平安银行在客户运营得时候就用了一个比较贴切的词，叫交易对手。意思是客户和风险不应该分开，而是把它们放在一起，综合考虑如何去识别风险和满足客户需求。
下面的这两块和我们的关系比较密切。
即经营分析和交易对手分析，经营分析分为大屏展示、固定报表、自助分析，后两者比较传统。
差异的部分来自于左侧，现在大家都喜欢把很多数据源整合在一起，形成一个数据的概念。
这是我们基于大数据做的经营分析。
在企业里做这类经营分析的时候，无非就是要知道什么时间、地点，发生了什么事。过去我们做分析要分为5步：业务人员提需求、部门确认做调研，然后做数据需求，报表设计，最后呈现。
而现在我们可以根据BI产品里提供的各种分析主题（比如排序分析、对比分析等），减少了很多流程，大大缩短了分析呈现的周期
这是一个实时大屏的案例。刚才我们展示的是互动模式，一般都是T+1、T+2，大屏可以做到实时的、或是延迟5分钟的情况，对于我们进行监控比较有利。
二、商业银行的智能风控
下面我们讲讲风险问题。什么是风险？
任何的不确定性就是风险，归根到底是缺乏决策所依赖的信息。
过去风险还比较容易控制，因为银行当时只做大型企业，信息比较透明，所以数据挖掘对他们没有多么重要。
但是随着很多银行开始做小微客户，客户越来越下沉，数据越来越多。这种情况下他们会发现面临的风险跟过去完全不一样了。
面临的一个很大问题就是客户信息无法打通，客户各个方面的信息不能够汇集在一块儿，很多银行都面临这样的情况。
解决方案其实很简单，思路就是打通，把不同维度的数据打通，我们对企业越了解，它的不确定性就越少，所谓风险就可以被我们识别了。
实现这种效果的第一个方案，就是把数据整合在一块儿，不论是内部还是外部的信息。
内部主要是打通个人与企业之间的关联，企业与企业之间的业务关联，比如银行内部有外部是它一些外部采集的工商信息。我举个具体的例子。
这是利用工商注册信息，通过企业投资图谱建立联系。现在随便百度一个企业，都可以看到这些数据。
我们过去研究银行在做贷后管理的时候，他们说如果能够提前5天知道客户将违约，就是很大的受益了。对于银行来说，他们只要比兄弟银行早一天去收债，损失就会小很多。
曾经有一些银行，买过一个系统，这个系统能提前3个月知道哪家企业要出现问题。大家知道中国的企业关联性很强，有一家企业出现财务危机了，大概率情况下3个月内对其他关联企业也会产生影响。
三、如何应用客户智能进行精细化运营？
刚才提到我们是要做超级客户，不是做杀熟。我们的依据是什么？
我们要营销一个产品，最主要就是了解这个产品的特征，进而要寻找客户的标签。
标签是什么，标签就是引起客户在决策点形成差异性的一些变量。
1.以汽车销售为例的用户标签
举个例子，现在有个卖车的网站，卖的是一手车，它的价格区间有10万以下，10万至15万，15万至30万，哪些标签会对价格决策点形成差异性？你需要考虑你的客户有什么标签。
有人说是年收入，这个标签确实很好。客户的标签会影响这个决策点的产生、差异性。
接下来，如果同样是15至30万的档次的车，因为对于产品的标签，除了价格以外还可以再细分，比如汽车的油耗。
所有的决策点都是偏好。他所居住的地域，甚至北方人、南方人也可以。
也就是说，我们的一方面标签来自于我们的产品，产品设计中有详细的描述。另一方面来自于客户的特质，他的行为偏好都是我们的标签。
渠道会对我们的标签和决策点有什么作用？它有一个调节作用。
我举个例子，比如说说一个城市的白领，整天在城市里，基本上没有机会去郊区玩，开车主要是上班。
这个时候如果在网上买车，我买的就是一个普通的雅阁，大概是15万到30万。但我如果是在一些户外汽车交友会上得到汽车推荐信息，有可能造成我买一辆油耗比较高的车。
不同的信息接触点，也会对我们这样的偏好产生一定的影响，这就是渠道的作用。
渠道并不单单指在购买那个点产生的影响，而是整个决策链条上，不同的信息技术渠道都会影响我们的决策。
一般情况下我们认为做标签没什么难度，无非就是把我们能收集的关于客户数据堆在一块儿而已，有些叫360视图，这些信息其实是原材料，堆完之后我们就开始动脑筋想办法做标签了。
我们通过一些方法，比如客户的上下班驾车时间，看他是高峰期上下班，还是错峰上下班，这些都可以变成我们的标签。
很多地方贴智能标签，智能是什么东西？
所谓的智能标签，有两种提法，一种就是算法可以自动增加客户标签。目前很多创业公司在从事这方面的事情，但是目前看还比较遥远。
另外一种智能标签，就是和我们营销相关的，可以直接诠释客户决策相关的标签。
无论怎么说，标签就是做一个客户识别。我们通过客户标签对客户进行分群，通过分群我们制定一些有针对性的营销方法。
标签对于营销的案例也好，思路也好。无非就是根据其确定这是一个什么样的客户。进而来决定他有什么样的需求。
2.如何发现潜在高价值客户？
我再举一个例子，曾经有个信用卡公司，他们想提高潜在高价值客户的粘性。什么叫做潜在高价值客户？
高价值客户就是每个月给信用卡中心贡献钱多的，无非就是有消费带来的钱，还有就是利息带来的钱。
如果从信用卡上，你们怎么能找到一个潜在的高价值客户？
开放式地说，他们原来的思路就是抢客户，寻找其他家的高价值客户，然后把他抢过来。
这就造成了我们大部分公司都会产生的困境，就是相互PK，大家都不去培养潜在的高价值客户。也就是说，基本的客户属性标签和社会经济标签在这块用处并不大。
能使用的还有什么标签？行为标签。什么行为标签能发现高价值客户？
从客户的消费成长性来看，比如专门买余额宝的客户，这个思路我们是可以很容易界定出来的。
我分享一下我们是怎么做的，又是什么样人会成为高价值客户。
曾经一个银行的柜员向我抱怨，她的一个同事特别爱拍马屁，别人都跟领导走的关系不近，而她管领导叫女神，女神干什么她干什么。
一年以后她成了大堂副经理。是不是因为女神喜欢她而提拔她？不是，因为女神走了之后她照样被提拔。这个问题告诉我们什么？
跟成功人士像的人是潜在的成功人士。
所以，我们的思路就是看每个不同人的信用卡记录，就看他消费物品的种类。
我们先统计既有的高价值客户购买的产品结构，然后再看非高价值客户中，哪些人购买的产品结构和目前的高价值客户相似。
这叫做 Lookalike 策略，目前被广泛的用于数字化营销。
刚才我们给大家讲的都是标签是如何影响对人的决策。下面讲的是一个在不同的场合下，一个人决策是不一样的。
大家可能有一个经验，如果我要吃饭，在不同的地方，你的决策是不一样的。所以在实际应用中，我们会实时去看客户的所在场的情况，在不同的情况，在那个场合下给他推荐当时消费欲望比较高的东西。
以上就是我的分享，谢谢大家。
（注：本文根据《Python数据科学：技术详解与商业实践》作者 常国珍 于7月14日在2018大数据技术峰会演讲整理）
释放数据价值，人人都是数据分析师，更多精彩信息可以点击：
https://www.yonghongtech.com/webbbs/portal.php
3102
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
