܄

TalkingData鲍忠铁:科技金融的冲击下银行机构会实现怎样的裂变?

【数据猿导读】 昨日,在标准普惠举办的“Fintech情报局”论坛上,前星展银行中国科技副总裁,现TalkingData首席金融行业专家,上海大数据产业联盟金融行业专家鲍忠铁先生,他认为拥抱互联网+不是拥抱BAT,是学习他们怎么应用数据思维来成就自己的产品,大数据战略不是买数据战略

TalkingData鲍忠铁:科技金融的冲击下银行机构会实现怎样的裂变?

7月12日,在标准普惠举办的“Fintech情报局”论坛上,前星展银行中国科技副总裁,现TalkingData首席金融行业专家,上海大数据产业联盟金融行业专家鲍忠铁先生,他认为拥抱互联网+不是拥抱BAT,是学习他们怎么应用数据思维来成就自己的产品,大数据战略不是买数据战略。

鲍忠铁:大家好!我今天分享两块:一个是现在经济环境下银行面临哪些挑战;第二,数据角度怎么去帮银行迎接这些挑战。

这是贵州银行李行长前段时间在外部演讲会上提到,正常银行银行放小微贷款三万需要一个月,大银行需要时间更长,互联网金融企业只要三天,有的互联网金融企业秒放,申请完几分钟就可以,这是效率的问题。

第二看一下成本,传统的金融机构里,特别在银行里,放贷款的成本在抵押贷款的规模大概要两千块。

再看银行的产品,银行的理财产品有几个门槛,第一个五万起售,第二好的产品要排队,第三期限还很长。左边是互联网金融企业的产品,没有五万起售,一百块可以买,并且可以随时赎回。

这个是银行现在碰到的几个问题:第一个是宏观经济未来处于“L型”L到底多长大家都说不准;第二年轻人不愿意到银行办业务,愿意用手机办业务,不愿意到银行排队,时间比较值钱;第三,很多传统企业都在做金融,这是整个银行面临的问题。银行在2015年总贷款85万亿,增加1%坏账,一万亿的坏账,就把金融银行一半以上的人吃掉了。四大银行坏账率接近2%。

介绍一下银行的可怕对手蚂蚁金服,我们看它估值,5月30号股份制商业银行估值,大家猜蚂蚁金服估值是多少?600亿美金,它成立不到三年的公司,招行是1993年成立的,到现在13年了,打败了有13年历史的招行,这就是客户背后的力量。

我们看一下银行在产品上、成本上、效率上,都落后于互联网企业,落后于互联网金融,归根结底是会玩数据的,包括数据应用,商业化思维和场景应用,它离我们领先互联网企业差了很多。

在传统银行里面过去十多年所有银行做一件事情——信息化,把数据拿到之后可以运营数字。互联网企业已经走过了信息化过程,所有互联网企业是依据数据依据信息系统起来的,没有那么重的线下端。所有互联网企业包括BAT都在做什么事情?不再做传统数据金融,在运营数据,从数据中找到商业价值,而不是从控制流程中采用数据。过去银行的信息系统,做的是效率的提升,做的是流程的控制。但互联网企业用的数据是要变现的,拿到数据不是做流程控制,而是要找到我的价值,怎么做产品设计,怎么做决策,怎么做推广,这都是我数据应用的场景。

过去传统金融企业特别银行数据分析做得很多,集中在财务报表运营的分析,互联网企业数据决策做得很多,往往在它的产品设计上。

看一下大数据,过去几年比较弱,特别是去年五月份贵阳大数据之后,除了互联网+之后又开始搞大数据+,大数据在银行里到底能做什么呢?从产品出发,效率提升、精准营销、风险控制、产品研发、决策支持。大数据核心价值在它的应用,谈到应用要开源要节流,可以进行开源节流通过数字化运营可以增加业务收入降低运营成本。

效率提升,这是VASA的案例。大家现在去银行的时候,查银行流水,过去一年可能需要提前一个星期预约,现在到银行查历史帐单和交易流水,分分钟就帮你打出来,这就是大数据带来的效率提升。

软件成本下降,传统20T以上的数据库,传统数据库基本支撑不了,如果用传统的软件处理大量的数据成本都非常高基本几千万,但用大数据技术整个成本下降很多,在效率提升和成本降低上。

洞察客户,这是Talking Data在做的一些事情,银行洞察客户消费趋势爱好,之后会介绍我们怎么运用数据进行精准营销的。这是在我们精准营销时我们帮一些企业做的,最右侧Uber网卡,整个在没有数据时打开率千分之三点八,用了数据之后最高可以达到四点五,这个就是数据,整个全世界大数据变现集中在精准营销,包括阿里巴巴和亚马逊做的推荐引擎,另外是大数据风控,主要这两块。另外银行数字应用是主要场景。

中间是帮欧莱雅做的TA,我是一个数据控,如果我PPT里没有数据提升的话,PPT讲起来就没有意思了。

去年很多证券公司银行主动找了BAT,他们认为很多互联网+就是和BAT合作,但效果并不好,头三个月获得正常交易客户成本22000块钱,从百度这边拿到有效的交易证券客户要花22000块钱,每个客户一年贡献净利润是3000块钱,是亏的。不知道客户喜好在哪里,怎么找到客户?怎么激活用户?我们在帮他做业务分析、梳理,把业务指标展现之后做决策,到底它应该在哪个渠道投。谈到投放、获客时,我们帮企业分析,如果是互联网金融企业,在哪个渠道投的广告带来的单客的价值最高?如果没有用数据分析之前大家想肯定是BAT的渠道,实际上用数据分析之后发现是哪个渠道?参考消息 。在参考消息投了广告,带来客户转化率达到60%,人均购买理财产品超过二十。为什么参考消息是很好的渠道?因为参考消息是党的媒体国家的媒体,国家在给它背书。

今天讲到E租宝,我在公交车上听到一个人给另一个人打电话,我的钱在E租宝被骗了,另外一个人说在中央电视台做广告的企业怎么会骗人呢?这就是为什么在参考消息投广告,得到单个客户转化率是最高的,单个交易额是最高的。

这是风控,刚才提到大数据传统数据两块应用,一个是精准营销,另外是风控。传统风控这是证明你有没有还款能力的风控,大数据风控不是另外一个东西,是基于传统风控之后,补充了一些信息,比如黑名单、社交信息,APP填写贷款正常需要十二个流转,你经过三个,对不起你是欺诈,填写家庭住址需要四点几秒,你用一秒钟填好,对不起可能是复制好的欺诈。通过多方可以帮助互联网金融企业或传统银行做好反欺诈,互联网金融企业发展有70%的信用风险在反欺诈,他损失一百块钱的信用贷款,有七十块钱是被欺诈分子骗走了,反欺诈是所有互联网金融企业或信用卡公司做防控风险最主要的部分。

另外是产品决策。左边的图可以看一下,有些产品是客户喜欢点的,有的有0.2%的点击率,九宫格就这么小,如果把坏的产品放到上面,不把好的产品放在上面。

另外产品交易路径,当你发现有一个产品交易有五步,正常流程超过三步客户流失超过30%,如果五步的话超过50%,要提高产品交易路径。

另外是产品运营和竞品分析。怎么提高客户活跃度提高单个客户消费的量。

谈到大数据应用时,银行里有很多数据,最大的应用在老客经营,没有玩好老客玩新客是不对的,当玩好老客才有精力获得新客户。老客经营建议银行从所有数据出发,打场景化的标签,做营销、做客户挽留、高价值客户挖掘,做客户流失预警。我们在帮一个企业银行分析它的理财端发现两个怪的现象,第一个怪的现象,有一个客户买了产品,收益2300万,客户投了十个亿的资金在里面,说明客户很傻很有钱,另外说明银行根本不了解他的客户,不了解内蒙古土豪需要什么样的服务。如果早点发现数据的话,可能帮客户推荐另外的理财产品,2300万的收益可以翻到4600万。

第二个发现,发现他很多客户是有潜在的高价值的能力,比如理财经营超过20万作为种子学习,学习过程中发现了几万的客户,手机号提出来推送这些手机号,叫他买理财产品,正常手机短信打开率是千分之三,这个精准投放做出来之后,手机短链打开率是6.5%,这个非常高,差不多有两个亿的理财产品被卖掉,只花不到一千块钱的营销费用,就卖掉两个亿的理财产品,这是数据带来的价值。在传统金融行业里,自己老客户价值还没有发挥好。

另外Talking Data在做的一个东西,在所有大数据应用领域,因为今年到美国看了大概二十几家硅谷的公司,大家都在做一件事情:多数据源的整合和打通,美国数据环境非常好,中国数据环境比较差,中国数据环境脏数据特别多,美国数据环境干净数据比较多。在美国数据打通最多大同两个场景数据,在中国面对多个以上的场景数据。Talking Data会做数据云,会把市场上看到的数据引入进来,把它清晰打通给做应用的人去做。这边是我们做选址、客户营销、客流分析这样的应用。

被外部金融机构也跟很多银行合作,帮他引入他需要的数据源,和行业内数据打通形成场景化应用,这是大数据给银行带来的价值。既帮你做老客经营,又帮体引入外部数据形成数据应用场景。

最后,拥抱互联网+不是拥抱BAT,是学习他们怎么应用数据思维来成就自己的产品,大数据战略不是买数据战略。我看到银行来找我们,有没有公务员的手机号,要给公务员发信息,公务员在中国是信用度比较高的群体。大数据是要用数据思维找到场景帮助你创造价值,大数据战略不是买数据战略。谢谢!


来源:金评媒

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。

刷新相关文章

TalkingData发布全域营销监测方案,构建多屏时代营销新生态
TalkingData发布全域营销监测方案,构建多屏时代营销新生态
欢迎参加 TalkingData 全球广告反欺诈算法大赛
欢迎参加 TalkingData 全球广告反欺诈算法大赛
TalkingData D2D:从“数字化”到“数字化” ——以数据的智能驱动零售行业的数字化转型
TalkingData D2D:从“数字化”到“数字化” ——以数据的智...

我要评论

精品栏目

[2017/12/19]

大数据24小时

More>

[2017/12/18-22]

大数据周周看

More>

[2017/12/18-22]

大数据投融资

More>

[2017/12/18-22]

大咖周语录

More>

[2017/12/13-20]

大数据周聘汇

More>

[2017/12/12-19]

每周一本书

More>

返回顶部