中国银行伍伟烨：“中国华尔街”门前摆两只熊根本谈不上客户体验

中国银行大数据客户体验数据分析

伍伟烨 | 2016-06-23 12:14

【数据猿导读】 2016年中国国际银行会议于6月23日在北京举行。中国银行总行授信评审委员会专职评委伍伟烨出席并发表讲话。他表示，运用大数据分析提升客户体验的方式，使用客户数据实际上意味着银行可以提供更有针对性和有效控制成本的营销活动，设计产品并针对特定客户、需求提供特色产品，甚至发展出...

2016年中国国际银行会议于6月23日在北京举行。中国银行总行授信评审委员会专职评委伍伟烨出席并发表讲话。

如下为演讲实录：

伍伟烨：各位贵宾，在场的媒体朋友们，女士们、先生们，各位早安!大家好!今天全球都在关注英国的脱欧公投，因为它对我们股票市场、证券市场、外汇市场、资本市场，乃至全球的经济都有影响。在此之前，还闹出了人命，这诠释出绅士也有不理智的时候。

最近欧洲杯足球赛发生的情况也是一个例证。但是大家不要忘记，几周之前美国谷歌公司下属的阿法go，战胜世界冠军李世石，人工智能和大数据已经不是一个新鲜的话题。大数据就是一种获取大量有效的数据并进行管理分析，从而得到某种结论的手段。麦肯锡称数据已经渗透到当今每一个行业业务职能领域和生产要素。人们对海量数据的挖掘和应用预示着新一波生产力增长和消费者赢余浪潮的到来。

大数据具有四大特征，大数据的四维特征，第一数据量巨大，我们不是说数据量大就是大数据，而是要有一些有用的数据，第二是大数据的多样化、数据类型繁多、来源广泛。第三快速化，处理速度快，时效性强。第四价值化。通过深入的大数据分析，可以为各方经营决策提供有效的支持，创造巨大的经济和社会价值。

大数据分析有5个基本方面。第一预测性分析能力，数据挖掘可以让分析人员更好的理解数据，而预测性分析可以让分析人员根据可视化分析和数据挖掘的结果做出一些预测性的判断。

第二是数据质量和数据管理，通过标准化的流程和工具，对数据进行处理，可以保证一个预先定义好的高质量的分析结果。

第三是可视化分析，可视化可以直观展示数据。

第四是语义引擎，语义引擎需要被设计成从语音文档智能提取信息。

第五数据挖掘的算法，集群、分割、鼓励点分析等算法使我们能够深入数据内部挖掘价值。

那么数据分析处理流程第一个就是采集，第二是数据清理，要把那些噪声去掉，第三是导入，第四是预处理、统计和分析，第五是数据报告及提供商业新策略。

我们谈到提升客户体验，这使我想起一个事情，也就是在我们会场旁边就是金融街的购物中心，在本月之前，他们在门口摆出了两只熊，北京金融街也就是中国的华尔街，我们看到美国的华尔街门前摆一头牛，我们摆两只熊，熊大、熊二，还指着人家，指谁谁都不高兴。你说是六一国际儿童节，养孩子也不能养一个熊孩子，金融街购物中心周边的客户都是我们银行区的客户我不知道他们是怎么想的，根本谈不上客户体验，把这些客户全得罪。

运用大数据分析提升客户体验的方式，使用客户数据实际上意味着银行可以提供更有针对性和有效控制成本的营销活动，设计产品并针对特定客户、需求提供特色产品，甚至发展出更精确的模型评估信用和检测交易息差行为。

更神奇的以创造性的方式合并数据，留住和提升客户的忠诚度。现实中零售银行利用大数据的潜力是无穷的。虽然有选择和巧妙运用数据科学技术可以开辟全新的机遇，更多的数据并不意味着更好的数据，因此银行需要应用大数据确定对推进其业务发展趋势有用的部分。

以客户为中心，银行早已获得比其他企业更多的消费者数据，银行持有其客户数据的数量和品种稳步增加。经常使用网络和移动银行渠道进行客户交互的数量增加了，拿着详细的客户档案对其支出和收入丰富的信息，并对人们在哪里进行消费消磨时光心中有数。银行用独特的视角勾画客户每一个清晰的画面。

经分析，只有37%的客户认为银行充分了解自己的需求和喜好。银行只使用可用数据的一小部分，生成并提升客户体验的结论。为什么不是银行充分利用客户的资料呢?而是那些阿里巴巴、京东、淘宝，但是好消息来了，银行已经进行大数据分析的投资，并正在寻找创新的方法收集和分析数据，以便更好的了解自己的客户群。

由于银行拥抱大数据，他们也需要技能和分析应用数据把大量数据有效的可视化。当然银行也谨慎持有客户如此众多的数据，如对数据误用和安全隐患，必将隐患相关的监管和道德风险。如果由银行存储敏感的客户数据被第三方欺诈获取，如果通过黑客方式获取，可能会破坏银行与客户之间的关系，零售银行将需要确保其IT系统的安全、稳定运转，防止它们受到破坏，并避免潜在的法律风险，以大数据分析的优势增强客户体验。

银行需要开发和促进建立整体的分析战略，建立正确的组织文化和以数据驱动行为相协调一致的方向转变，以设计和实施有效大数据分析团队，并找到能够熟练应用正确数据的科学技术，并具有实际操作，并得出结论的这样人员。雇佣合适的人员是至关重要的，银行将需要正确收集和存储，并使用客户数据，包括结构化数据和非结构化数据。确保分析结论的准确，具有价值和高质量，这样的客户洞察力将支持有效的策略设计，并帮助银行获取新的客户，增加盈利和限制客户流失份额所产生的影响。排除各种不利因素、降低成本，提高效率是大数据分析系统所面临的挑战。

最重要的是，银行需要在金融服务行业之外，寻找最佳实践数据的创新应用，个性化的通信，地理定位的工具和实时的推送通知正在兴起，存款便捷的银行受到客户的信赖并打响产品，交叉销售对经常账户为基础的客户来说是有效的，而且是有意义的。经常账户是零售银行的模式，是以供应商为基础的产品，可用于建立客户关系，然后向他们推出销售利润更高的产品。为了避免不当销售丑闻，银行对于采取硬性销售的方式更加谨慎，而更趋向于大数据分析，分析客户的消费和储蓄习惯，并为他们量身打造适当的产品，将有助于改善其财务状况。

例如银行识别出经常账户可支配收入的客户，可能会给客户网上或者手机银行内提供一个贷款利率更高的即时访问账户，这是银行向财务状况可信赖的客户进行销售时采用的比较柔和的方式。

第一应用大数据分析挖掘并了解客户，建立一个强大的客户体验，可以帮助银行对客户有更深的了解，以更有效的参与其中，增加客户流住的数量和忠诚度，这意味着更有利可图的业务，它是建立买进和协作以及确定现有资源是否足够，或是是否有必要建立新的系统。在此平台基础上，高管们对数据驱动模型的工作会有更清晰的路径。

第二收集所有渠道的数据，在目标被确定以后，就应该开始收集数据，为预测客户，大数据分析要求采用多渠道收集客户的数据，应收集客户内部人士透露的数据，以及来自社交媒体、监管和政府机构的数据。内部数据来源包括一切从客户反馈的交易数据，许多银行已经在收集这些信息了。他们更有可能保持客户的忠诚度，并不断发展与他们之间的关系。数据体验是整体客户体验的重要组成部分，但是从社交媒体可以分享到他们的意见。许多银行还可以收集到通过政府机构的投诉，在金融行业也可能是消费者权益保障协会，公开发布的对银行、信用卡公司和贷款人所进行的消费者的投诉。

第三建立新一代的客户体验分析。大数据分析，使用所有可用的数据预测消费者可能如何回应，一旦数据收集渠道以横跨客户内部、社会、监管、银行开始对数据进行排序，以确定最有价值的信息所在。大数据分析对每个数据源是否适用于所期望的目标进行初步评估，一旦已经确定数据来源可行，分析工作就开始了。

传统上，将客户分成基于人口统计、态度或者购买行为、族群，确定特定群体进行分析产生更加透明的信息。利用大数据分析，帮助银行获得更深入的信息，由此产生的分割是更精确、更细致入微，并最终基于提出消费者可能接受的一个报价，其结果是双赢的局面，为客户提供更多的相关产品和服务，达到私人订制，从而为银行监理起更有利可图的关系。

大数据分析，高级客户体验分析技术，可以帮助希望更多盈利的银行利用数据，其中包括确定战略以提高绩效，在关键接触点瞄准改进，加快问题的改进，利用更先进的客户细分提高交叉销售率，提高银行在客户交易过程中的价值。大数据分析可以根据确定的目标建立预测模型以帮助银行将客户数据转变为有效的分析结果，打造银行争取客户和发展业务的核心竞争力。

来源：新浪

收藏分享

声明：数据猿尊重媒体行业规范，相关内容都会注明来源与作者；转载我们原创内容时，也请务必注明“来源：数据猿”与作者名称，否则将会受到数据猿追责。