文/新浪財經專欄作家湯平平 [微博]
如今提到“大數據”，很多人已經不再陌生。大家都在談論它的重要性，搜尋國外的案例，研究數據挖掘的過程與模型，但是真正切實落實在企業運營管理中的卻少之又少。
國外金融行業是受當代信息技術影響程度最大的行業之一，實體銀行減少，虛擬服務增加，部分國家除了3%的涉現業務外幾乎都可以通過網絡實現，阿里集團等IT互聯網公司涉足金融領域……種種將催生銀行成為信息技術為主導的技術型公司。
面對這一系列變化，國內銀行業應當如何應對？在內部經營數據尚未整理、整合，上下游信息流轉渠道尚未打通的情況下如何順應時代的發展趨勢，融入大數據、信息技術的發展浪潮中？下面將介紹三個過渡時期應用大數據理念進行差異化營銷、客戶經營、內部管理的方向。
一、關注集群屬性，推進“區域化”營銷
大數據營銷一個非常重要的特征是通過企業內部數據、社交媒體數據、外部公共數據整合分析多維度描述客戶特征，為每個客戶“貼標簽”，然后針對每個人的特征和需要進行精準營銷。考慮到銀行內部用戶行為數據管理不健全，外部組織數據難以獲取的實際，可以考慮采用一種折中的方式：將同樣生活、工作圈內的客戶作為一個“集群”，這些客戶往往具有某些相同的屬性，分析這些集群客戶的規律與偏好，針對不同集群的特征進行差異化營銷。
這種以地理區域為單位進行劃分與營銷的方式，將分行、分公司業務發展重點和區域業務優勢相結合，有助于優化資源配置，做到快速反應、深入拓展、貼近客戶。從而將公司的各種資源優勢轉化為把控市場的能力優勢，提高市場競爭力，非常適合信用卡中心的區域化特惠商戶與營銷活動選擇。
具體的操作方式包含如下四個步驟：
1、合理劃分區域：從效率的角度考慮，可以將一個城市的區域劃分為不同的“圈子”，如商務圈、生活圈、娛樂圈等等，每一個圈子類別還可以進一步細分。然后將全部客戶劃分進這些圈子中。例如提取他們住址、工作單位、住宅電話等數據，有條件的情況下還可以根據客戶的手機定位信息，客戶撰寫微博位置信息等外部數據進行分析，確定歸屬。
2、區域客戶畫像：針對典型圈子的客戶特征、業務特征、消費行為進行分析，做到“知已知彼”。例如對客戶性別、年齡、收入、信用額度、存款總額、月均刷卡額、刷卡次數、消費地點、購物種類、業務種類、持卡時間、營銷活動參與情況等行為數據與業務數據進行分析，全面掌握客戶的特征。
3、行為偏好分析：形成客戶的深度認知與判斷。這個環節是非常重要的一步，也是有效實現差異化營銷最關鍵的一步。市場調研中通過資深研究人員的洞察實現，數據挖掘中通過建模與多維數據檢核實現。這個分析的目的是通過市場調研或數據挖掘掌握圈子中客戶的特征和喜好，從而為后續的營銷提供決策支持。
4、遴選營銷活動：以上幾個步驟完成后，合作商戶的遴選與營銷活動的確定就比較順暢了。特別要提示的是營銷活動的推動渠道與時機也要根據客戶的特征盡量做到有針對性。例如針對商務圈白領的營銷方式優選短信、電郵等，可選擇下午下班之前2小時發送，作為工作調劑的活潑形式更容易被他們關注。而針對小生意人、家庭主婦等工作日白天的電話推薦仍然是最容易促成銷售的方式。這些渠道與時機的偏好也是在上一步對于客戶深度理解的基礎上通過以往不同營銷形式的響應率、參與率等數據跟蹤分析形成的知識。
以區域的客戶分析為研究重心，以數據信息對營銷各環節的有力支撐為基礎，有助于提高營銷投入產出比。
二、整合運營信息，跟蹤客戶“健康度”
發現數據中存在的關系和規則，挖掘數據背后隱藏的知識，預測未來的發展趨勢。這是大數據應用的最終目的和方向，也是能夠為企業帶來實際效益的手段。對于銀行而言，預測客戶的信用風險與流失風險無疑是最重要的工作之一。
早在20世紀七八十年代信用評估便開始使用，通過模型的建構預測出每個自然人在未來某個時期內發生“信貸違約”的概率，并以一個分數來表示，作為企業決策的依據。對于客戶整個生命周期的“健康度”跟蹤，時時預測每位客戶的流失風險，并采取一些列措施的應用在銀行業卻鮮有出現。
現階段，在銀行開展一些類似的工作并非不可實現，至少可以利用業務數據進行嘗試。或者在第三方調研中增加與內部數據的整合分析。具體來看，這項工作的開展需要經歷如下幾個步驟：
1、量化評估指標：客戶的思想與行為往往是保持一致的，注銷卡片也常常會有一些先兆。例如取款頻率提高，工資定期轉移，刷卡率降低，定期存款快到期等等。確定那些可以反映客戶流失的指標就顯得至關重要。一般而言，這些指標包括四類：
業務信息類，包括客戶級別，持卡時間，辦理業務種類，辦理時間，存款額，信用額度等；
消費信息類，如存取款筆數與金額，刷卡次數與金額，業務申請或取消，活動參與次數，轉賬到本人他行帳戶次數與金額等；
捆綁業務類，包括貸款、分期到期日，是否工資卡客戶，是否公積金帳戶，是否社保帳戶，渠道使用次數與種類等；
客戶維系類，如客戶經理拜訪次數，客戶持有他行卡數量，近期贈送增值服務情況，撥打客服電話次數、撥打客服電話轉人工比率、主動溝通次數、投訴次數等。
2、構建診斷模型：模型構建的過程是一個篩選指標、確定權重、梳理關系的過程。可以采用主成分分析法搭配層次分析兩種方法互補使用。主成分研究怎么用較少的指標去描述多指標或進行指標重要程度的排隊，通過主成分的載荷矩陣和主成份的貢獻率確定指標權重。
而層次分析法是對一些較為復雜、較為模糊的問題作出決策的簡易方法，通過對非定量事件的定量對比分析，制定出一套較為可行的確定權重或直接比較的方法。模型的構建需要進行不斷的驗證、調試，以便確保評估結果的精準性、有效性。
3、指導日常工作：通過模型進行客戶的健康度評估，針對每個客戶給出“健康診斷報告”后，針對不同健康等級采取不同的應對策略，才能使數據挖掘的結果轉化為效益。與此同時，記錄客戶經理的工作軌跡，或者客戶回饋活動的響應情況，還可以通過對于不同行動的客戶響應率與挽留率對于活動的有效性進行評估，優化后續保有策略。
三、應用內部數據，做好“承諾”管控
一個企業的內部運轉有一系列的規章制度，對于流程的要求、對于時間的要求、對于準確率的要求等等。而驗證這些規章制度落實率的各種“數據”往往分散于不同的系統、業務單元中。上文提到的兩個方向主要運用客戶行為與交易數據識別客戶特征保有或營銷，下面介紹的這個方向則是運用以往未被關注的內部數據檢測管理運營效率與服務承諾落實情況。
以電話客服為例，一個傳統的服務評估可能通過客戶滿意度回訪，咨詢解答后請客戶打分的方式實現。能夠獲得一個整體水平，但在后續的改進提升上缺少有力的方向指引與問題呈現。如果將這些評估內容擴展，結合內部數據，則有助于獲得更有針對性地結果。這個過程一般需要經歷如下三個環節：
1、內外承諾梳理：在這個實例中首先需要確認的是電話咨詢過程中對客戶而言比較重要的是哪些環節，即有哪些“觸點”。例如快速接通，容易找到人工服務，準確快速解決問題，服務水平優良等。這些環節無疑是銀行需要做到位的，對于外部客戶的“承諾”。同時，銀行希望電話客服實現哪些目的也要作為重點考察內容。比如一次性解決問題，挽留銷卡客戶等，我們可以稱之為內部“承諾”。這些承諾的梳理是確定后續工作開展方向的關鍵。
2、界定評估標準：承諾梳理好后，需要確定具體的評估標準及“達標線”。例如對于人工快速接通的評估標準可以是20秒內接通電話的比率；而根據某銀行內部規定標準通數/來電轉人工總通數需要大于85%，這里85%就是一個“達標線”。
同樣，銷卡客戶挽留也可以通過挽留率來評估，即“要求注銷被挽留的持卡人數/(注銷的持卡人數+要求注銷被挽留的持卡人數)”，而挽留率要達到20%還是30%等則根據銀行的實際情況自行確定“達標線”。這些數據可能通過銀行的話務報表、訊息單、注銷挽留報表等提取獲得，也可能通過外部調研獲得。
3、定期檢核改進：針對不同的評估標準，通過何種途徑、方法獲得，適宜何樣的頻率是這一階段要考慮的重點。內部數據提取、客戶滿意度調查、神秘人測試、專家體驗等等均可能成為不同指標的檢核方法。而檢核頻率也需要綜合考慮整個評估目的系統性地設計，階段性地推進。并且有必要根據行業發展狀況與客戶需求的變化建立評估標準定期優化、升級機制。
如此將內部數據的提取與外部調研結合，整合成系統的評估體系，可對電話服務水平進行更加精細的評估，同樣對于改進方向也有更加明確的指向。
借用最近流行的一段話為結尾：你不敢跨界，就有人夸過來打劫……大數據時代，云計算的發展，一切都在經歷一個推倒重來的過程。眼界決定寬度，觀念決定高度，腳步決定速度，思想決定未來！
(本文作者介紹：北京零點市場調查與分析公司，金融事業部經理。在消費者研究、用戶體驗、服務管理等領域有豐富的實踐經驗。)
本文為作者獨家授權新浪財經使用，請勿轉載。所發表言論不代表本站觀點。
