大数据作为一种新兴的数据处理技术，可以追溯到20世纪80年代的美国。 在信息化快速发展的今天，商业银行产生了大量的业务数据、中间数据和非结构化数据。 大数据要做的就是从这些海量数据中提取有价值的信息，为商业银行的各项决策提供参考和服务。 汇丰银行、花旗集团和瑞银集团是数据挖掘技术应用的先驱。 在国内商业银行，大数据理念和技术已逐渐开始在业务中实践和尝试。
面对日益激烈的行业内竞争和互联网金融的冲击，商业银行不断采取更加精准的营销方案。 与传统的上门营销、电话营销、甚至扫街营销相比，精准营销可以节省大量的人力、物力，提高营销精准度，减少业务环节，无形中为商业银行节省了大量的营销成本。
基于大数据的精准营销计划，利用大数据平台的模型分析结果，挖掘潜在客户，实施可持续的营销计划。 下面详细阐述精准营销的应用方案。
1. 应用基础知识
1、物理基础。 要使用Hadoop平台作为大数据架构的物理基础，首先需要评估商业银行的整体数据量并计算需要设置的节点数量。 在此基础上，确定hadoop中的各个组件是否合适，是否能够满足当前和未来的业务处理需求。 Hadoop的物理架构如图1所示：
图1 hadoop物理架构
2.数据基础。 商业银行需要对内外部数据进行梳理、清洗、整合和映射，将各类数据关联成有机整体，构建统一的数据划分维度体系，作为大数据平台的数据基础。
数据基础主要由数据采集模块、数据冗余模块、维度定义模块、并行分析模块四部分组成，如图2所示。
图2 hadoop数据处理
2、应用需求分析
为了获得更好的精准营销效果，实现全流程的精准营销解决方案。 总体应用目标是依托大数据平台的分析结果，在线获取各类客户信息，然后通过模型分析、客户个性化需求、不同产品的特点等，建立客户与产品之间的精准对应关系。在业务运营方面，还应该能够帮助客户经理做出客户访问判断等智能决策信息，提供营销方案，实施限额管理、定价指导等。 这些应用目标可以细分为以下应用要求：
1.客户挖掘功能。 精准营销的首要目的是寻找目标客户。 只有找到精准的营销对象，才能达到最终的精准营销效果。 客户挖掘功能应从不同角度、通过不同渠道进行，最大限度地挖掘潜在客户群。
2.智能决策引擎。 获得客户挖掘结果后，精准营销应用的下一个功能应该是针对特定客户提供一整套智能决策解决方案，包括客户访问判断、产品推荐、定价指导等。对于集团客户，上游和下游客户或者关联方客户，你还应该能够提出一个整体的营销计划。
3.统一的业务工作平台。 精准营销系统除了提供精准营销方案、计划等决策结果外，还应配备完善的业务运营平台来完成业务变现。 统一的业务工作平台，可实现精准营销从客户发现到业务完成的各个环节，最大程度缩短业务操作流程，降低贷前调查复杂度，实现精准营销“一站式”运作。
4、全生命周期营销计划。 精准营销的应用不应仅仅针对单一营销，而应从纵向和横向两个方向提供持久的精准营销方案。 纵向可持续是指跟随客户的成长过程，及时提供客户不同时期所需的产品和服务； 横向可持续是指不断挖掘目标客户，通过集团客户、上下游客户及其他关联方客户进行拓展。 精准营销范围。
三、系统功能详细说明
下面在对应用需求分析的基础上，从系统实现的角度将应用需求分解为系统功能点并进行详细描述。
1、初步划分客户类型。 精准营销模式应针对不同类型的目标客户提供有针对性的营销方案。 因此，有必要区分大数据平台中所有客户的类型。 建立合理的客户类型初步分类体系是精准营销的基础。 客户类型的初步分类可以按照图3给出的系统来划分：
图3 客户类型初步分类体系
值得指出的是，在精准营销应用中，企业客户和零售客户并不是完全独立的。 一个完整的精准营销应用应该具备从企业客户中挖掘零售客户或者从零售客户中挖掘企业客户的功能。
2. 入驻顾客的筛选。 客户准入筛选是检验客户质量的工具，良好的客户准入筛选标准是保证客户质量、引导客户结构的保证。 实践中，考虑根据大数据平台的黑白灰名单来判断客户访问：原则上，白名单客户是精准营销判断的推荐客户； 黑名单客户为禁止客户； 灰名单客户可设置为风险提示客户。
3、客户信息的整合与验证。 利用大数据平台，打破内外部数据、不同业务数据、不同结构数据之间的壁垒，形成以客户为中心的“一户一”数据记录。
为保证精准营销结果的准确性，还应建立严格的客户信息验证机制。 客户信息核查包括两个方面：一是错误信息核查。 如果同一企业在不同系统中的行业分类不同，大数据平台会设置验证规则来判断哪些源数据是正确的，并自动用正确的数据覆盖错误。 数据; 二是数据时效性验证。 例如，如果大数据平台有多个来源提供某企业营业执照的有效期，系统将自动获取最新的日期作为新企业营业执照的有效期。
4、客户及场景标签设置。 根据精准营销的不同角度，设置不同类别的标签。 标签应该灵活，可以随着业务的发展和精准营销场景的变化随时添加、删除或更改。 标签设置主要有以下几类：
客户标签：主要区分客户的属性和特征。 例如，可以设置企业高管、普通白领、职场新人、全职妈妈、小企业主等职业信息。
事件标签：标签主要根据客户生活场景或银行业务场景设置。 例如，客户生活场景中可能出现的标签包括买房、买车、装修、出国等。
行为标签：主要为客户日常常规行为设置标签。 例如，客户上下班通勤可分为地铁用户、出租车用户、驾车用户、步行用户、自行车用户。
偏好标签：主要针对客户的兴趣爱好设置标签，如网购达人、资深吃货、旅游爱好者、大牌粉丝等。
5、精准营销模式设计。 使用SAS等建模工具设计算法，建立精准营销应用模型。 精准营销模型可以拆分为多个子模型。 部分子模型属于精准营销内部模型，如客户访问模型、行为分析模型、商家推荐模型等； 部分子模型是调用其他系统的模型结果，是精准营销模型。 营销调用的外部模型，例如定价模型、客户评级模型、限额模型等。
整体精准营销模型结合客户、产品、事件、行业、发展状况等各个方面，根据需要调用不同的子模型进行进一步计算，得到最终的精准营销智能决策方案。
6、统一业务工作平台开发。 根据应用目标中描述的业务统一工作平台应用目标，本模块的开发包括但不限于以下功能：
(1)营销推荐功能。 营销推荐功能应该从两个角度提供推荐信息：一是根据产品特性推荐合适的客户；二是根据产品特点推荐合适的客户。 二是根据客户喜好推荐合适的产品。 无论从哪个角度推荐，系统的推荐都应该以准确性来判断。
(2)客户接入判定功能。 对于客户经理自主开发的客户，精准营销系统应该能够提供客户准入判定。 客户访问的判定不仅包括客户的黑白名单信息，还包括客户的评级信息以及其他可以作为客户访问条件的信息。
（三）O2O调查报告。 对于批准的客户，系统可以自动在线（on-line）生成标准模板的调查报告。 如果报告中需要获取的信息可以在线自动收集，则将直接生成在调查报告中。 其他系统无法获取的内容，经客户经理线下调查核实后，可添加至调查报告中。
这种O2O调查报告生成方式可以实现80%以上的数据自动检索率，大大减轻客户经理的工作量，保证报告内容的准确性。
(4)客户跟踪管理。 为了实现可持续的精准营销计划，系统应提供客户跟踪管理模块，记录客户的业务偏好信息、增长曲线、贡献信息、关系图谱等。
（五）精准营销的高级应用。 除了上述功能外，为了更全面、深入地利用大数据平台和客户画像结果，精准营销还应该站在更高的角度。 目前设想的高级应用可以包括：全行业精准营销计划、产业链精准营销计划、公司联动营销计划等。
4、应用的持续改进
精准营销的结果是否足够“准确”、系统功能是否全面、操作流程是否便捷友好等，还应该听取业务部门、客户经理甚至客户等用户的意见。 通过定期的使用反馈、意见收集等方式，我们不断优化模型、完善系统。
此外，精准营销作为大数据应用的重要方向之一，也是银行业务发展和价值创造的重要工具。 因此，精准营销的运用也应随着业务发展、产品定位、客户结构乃至全行战略规划的变化而及时调整，以适应不断变化的现实。
结论
以上介绍了江苏银行基于大数据平台和客户画像的精准营销方案。 通过技术搭建数据与业务之间的桥梁，让数据中隐藏的价值得以发现和应用。 这不仅符合当前的大数据思维模式，也符合银行未来的发展方向。
本站对作者上传的所有内容将尽可能审核来源及出处，但对内容不作任何保证或承诺。请读者仅作参考并自行核实其真实性及合法性。如您发现图文视频内容来源标注有误或侵犯了您的权益请告知，本站将及时予以修改或删除。 |
今天是: 发布信息
