运用数据挖掘推进精准营销

随着经济社会和信息时代的发展，金融产品的供给和需求都在急剧增长。面对海量的产品信息，一方面是客户搜寻合适产品的难度加大，另一方面大量客户迁移到网上银行、手机银行等电子渠道，银行与客户的物理接触越来越少。传统的通过客户经理直接与客户面对面交流的营销模式已经难以适应新的市场要求。如何能够“把合适的产品准确传递给适合的客户”是银行与客户共同面临的问题。数据挖掘应用的发展和不断成熟为解决这一问题提供了有效的手段。

        本文分析了新时代和市场形势下对金融产品营销和客户服务提出的新要求，总结了金融机构运用数据挖掘的新实践及开展精准营销的新案例。在此基础上提出境内商业银行应加快发展完善数据挖掘技术及应用，推动营销模式转型升级。

一、金融需求和供给的快速增长对银行营销和服务模式提出新的要求
        随着中国金融市场的发展和客户金融需求的增长，银行的产品也越来越多，在10余年时间内快速从几百种增长到几千种。银行产品的种类也大为丰富，覆盖了存贷款、投资理财、信用卡、电子银行等金融消费和投资的各个领域。面对日益庞大的产品目录，人们迫切希望银行能够提供个性化的金融服务，而不仅仅是包罗万象的菜单。

        但在现实生活中，我们却常常发现一个从没有过任何风险投资经验的客户可能会连续收到了十几条关于黄金投资的营销短信；或者一个有迫切贷款需求的客户却接到了推荐理财产品的电话。铺天盖地的广告令客户应接不暇，“谁能了解我的真实需求”、“谁来告诉我应该选哪款产品”是绝大多数客户都会遇到的问题。

        与此同时，银行也陷入困扰之中。在传统的营销模式下，银行可以通过与客户面对面交流来深入了解客户需求和销售产品。但随着客户时间成本越来越高，银行的服务渠道也不断电子化和网络化，大量客户迁移到电子和自助渠道来办理业务，客户与银行面对面接触的机会越来越少。这就使银行离客户的物理距离越来越远，识别客户、了解客户的难度越来越大。利用邮件、短信、电话等手段进行的撒网式营销不仅容易引发客户不满和投诉，还使银行丢失掉一些有价值的客户。可以说，“把合适的产品准确传递给适合的客户”是银行与客户共同需求。

        为解决这一需求，国际先进商业银行率先提出了将数据挖掘技术引入营销过程、提升营销效率和效果的定量式管理方法。数据挖掘是从海量的数据中提炼出潜在的、有价值的模式或规律。通过数据挖掘来对客户的交易行为和记录进行全面分析，使银行能够更好地了解自己的客户，在海量客户群中准确、快速定位潜在客户和开展精准营销。依靠这一新型营销手段，可以有效提升金融机构产品营销与服务效率、降低营销管理成本、提升客户个性化服务水平和满意度。如汇丰银行利用数据挖掘手段来建立预测模型，寻找交叉销售和翻滚销售的机会，三年内产品销售增长了500%，而营销费用减少了30%，有效提升了营销管理和盈利能力。

二、数据挖掘在国内商业银行应用现状及问题
        近10年以来，国内商业银行纷纷开始建设数据仓库，进行数据积累，尝试应用数据挖掘进行客户细分、客户信用评估及风险管理等。部分商业银行利用数据挖掘进行新产品营销，但大多处于摸索阶段。数据挖掘的深度应用效果不理想，主要有以下几方面问题。

        一是数据质量有待提高，迫切需要加强数据治理。数据挖掘亦称为数据库中的知识发现(Knowledge Discoverv in Database，KDD)，从这个定义可以看出，良好的数据源是数据挖掘的重要保证。尽管一些银行已经意识到了数据的潜在价值，也在数据仓库建设方面投入了大量成本，但主要资源都集中在基础数据库搭建和数据存储方面，数据的积累缺乏完整性、系统性和逻辑性。数据质量参差不齐、关键信息缺失和数据噪点的普遍存在，使得数据的可用性无法得到保证，成为了制约数据挖掘应用的瓶颈。

        二是管理机制有待完善。传统的银行管理运营模式中，各个产品部门垂直管理，各自为政，更多考虑单一部门产品的营销或客户服务，而数据挖掘需要从360度全方位、综合考量客户。需要理解客户在各个业务领域中的信息和行为特征，形成统一视图，并在此基础上挖掘、识别和抽取有用信息。为此，需要建设跨部门、跨产品的综合管理机制，确保数据挖掘应用效果。

        三是还未形成科学的、系统的工作方法和流程。数据挖掘不只是数据的组织和呈现，而是一个从理解业务需求、寻求解决方案到接受实践检验的完整过程，过程中的每个阶段都需要建立科学的方法，如：提出清晰的业务目标和预见性的业务问题，不能盲目地为了数据挖掘而数据挖掘；选择具有代表性的数据来进行处理，而不是单纯认为数据量越大越好；为不同的挖掘任务选择合适的挖掘方法(根据数据类型、数据规模来决定是采用神经网络还是决策树算法等)；利用数据挖掘结果来完善银行的“知识库”，使后续所有的经营决策都在大量数据挖掘累积的基础上做出，等等。目前大多银行开展数据挖掘时还没有注意形成完善的、科学的、系统的方法来保障各个阶段的有效衔接，无法保证最终的质量。

        四是专业队伍缺乏。数据挖掘是个复杂的过程，需要大量精通多个领域、多种业务和多项技术的复合型人才。他们既要精通业务、能够解释业务对象，把业务需求、数据定义和挖掘算法合理统一起来，还要精通数据分析技术，对统计学有较熟练的掌握，有能力利用合适的技术开展深入数据挖掘工作。国内商业银行在这方面投入较少，尚需付出更多的关注，加大人力资源投入和培养的力度。

 1 2 下一页 尾页

扫码即可手机
阅读转发此文