京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据时代下的银行业:围绕客户体验创新求变
中国金融服务业正在发生翻天覆地的变化,除了持续的金融系统改革外,中国的商业银行面临着更具挑战的客户预期以及诸多新机构的竞争。为了保持竞争优势,金融机构采取措施,利用更加先进的数据和分析能力,提供移动银行等数字渠道服务,提升客户参与度和全渠道体验。”在6月23日举行的2016年中国国际银行会议上,亚洲银行家主席以理表示。
进入大数据时代,变革正在银行业中迅速蔓延。从银行家们的视角来看,大数据技术赋予了银行业新的转型驱动力,提升客户体验则成为现如今银行业的变革核心。
银行业的竞争演变:从客户到用户再到账户
当前,大数据已渗透到了生活场景方方面面,如今是一个万物互联的时代。在此背景下,银行业的诸多传统观念开始被打破,呈现出新的趋势。
首先是去存款化趋势。“我们零售客户管理资产当中,存款的占比是逐步降低的,这是趋势,这其中有利率市场化的因素,也因为存贷比监管的放松,还有客户已养成投资的习惯。”中信银行零售银行部副总经理汪雷表示。
与此同时,随着监管政策的变化,银行原来更多注重规模类的指标观念开始改变,传统的以产品为中心的营销模式,正在向以客户为中心的营销模式转变。
“如今,银行更注重的是通过精准营销提升单一客户的贡献度。”汪雷说。
另一趋势是,随着大数据的发展,相对于客户数而言,如今更被银行业看重的是用户数。
“高黏性的叫做用户,客户可能有一万个,但是真正的用户可能只有一千个。若用户再往下分一级,就是账户。”因此,汪雷认为,还有一个趋势,就是未来银行和银行之间的竞争以及银行和非银行金融机构的竞争,一定会是账户级的竞争。
大数据技术的应用核心:提升客户体验
在这些趋势下,大数据技术能给银行带来什么?业内人士认为,银行利用大数据的潜力无穷,巧妙运用数据科学技术可以开辟全新的机遇。
“运用大数据分析提升客户体验的方式,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。与此同时,若以创造性的方式合并数据,则可留住和提升客户的忠诚度。对于银行而言,这意味着更有利可图的业务。”中国银行总行授信评审委员会专职评委伍伟烨表示。
大数据技术的核心在于提升客户体验,那么,银行业的下一步动作会是什么?
“更多的数据并不等于更好的数据,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。大数据分析要使用所有可用的数据预测消费者可能如何回应,数据收集渠道因此需要横跨客户内部、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。利用大数据分析,帮助银行获得更深入的信息,由此产生的营销策略更精确,并最终提出一个消费者可能接受的报价,其结果是双赢的局面。”伍伟烨认为。
事实上,对于银行而言,数据一直是其亟待开发的潜在优势。
“银行早已获得比其他企业更多的消费者数据,且银行持有其客户数据的数量和品种稳步增加。用详细的客户数据中支出和收入的信息,做到对人们在哪里进行消费心中有数。银行正用独特的视角勾画客户每一个清晰的画面。”伍伟烨说。
传统网点的转型升级:更注重营销气氛
物理网点是银行业避不开的话题。在大数据时代下,传统物理网点的弊端显露无疑。
“在传统的物理网点模式下,服务半径和服务人数都存在着‘天花板’。以我们5年前调研的中信杭州嘉兴同乡支行为例,该网点的物理服务半径限制在了3公里,一天叫号的饱和度是500个。”汪雷说。
互联网技术的切入使得物理网点的这一“天花板”得以被打破。
“通过互联网技术,银行传统物理网点可以是无边界的。如今,我们再到同乡支行就惊喜地发现,现在线上的一些获客技术和线上平台的客户营销已经把物理网点的覆盖半径以及物理网点的现场服务人员这两个瓶颈突破了。”汪雷说。
那么,在互联网的颠覆下,物理网点是否还有存在的必要?
“人和人之间需要沟通,那么客户就还需要网点。客户不可能全在线上,也不可能全在线下,需要一个线上线下相互交互的过程。与传统不同的是,如今的网点定位应该是用来建立沟通、信任和交流的场所。”北京银行电子银行部总经理施展说。
互联网和移动互联网的快速发展,正让线上线下协同落地成为可能。在此方面,北京银行2014年推出的智能轻网点,就是线上线下协同发展新兴零售网站运营的典型模式。
“智能轻网点把传统网点中大量操作的部分通过网上银行、手机银行和自助设备改由客户自主操作来完成,网点人员只有2到3个人,且保留下来的都是营销人员,这是互联网时代线下网点最有价值的部分。”据施展介绍,由于网点没有了任何操作,所以在网点建设上,可以不拘泥传统网点为操作所设计的模式,而是在设计上让人感觉更亲和,让客户有走进来的欲望。
“这种模式建立以后,客户进来可以坐得住,银行人员考虑的是营销和客户关系,不用考虑任何操作,交互性非常强。”施展说。
对于银行而言,这种模式同时大大降低了网点成本。
“传统银行网点围绕操作所配备的物理面积和人员成本其实很高,没有了这些以后,可以把更多的面积留给客户,银行的面积可以降到很小,而且银行只需要配备营销人员。由于占地面积缩小、人员减少,事实上我们的智能轻网点成本很低。”据他透露,自2015年至今,智能轻网点模式在北京银行13家分行中已经运行了10家,部署网点达到40家。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在描述性统计分析、数据预处理、异常值排查与多组数据分布对比工作中,箱线图(Box Plot)是应用最广泛的可视化与统计工具之一。 ...
2026-07-15在企业数据存储、业务统计与数据分析工作中,绝大多数业务数据都带有时间维度属性,例如订单创建时间、用户注册时间、支付完成时 ...
2026-07-15 很多数据分析师拿到数据就开始清洗、建模,但当被问到“这批数据属于什么类型——结构化还是非结构化?分类变量还是数值变量 ...
2026-07-15【核心关键词】产品、经营、客户、调研、销售额、宏观、会计行业、客户满意度、发展趋势、经营状况、数据分析、竞争对手、数据 ...
2026-07-14问卷调查是市场调研、用户研究、社会调研与产品分析的核心数据采集方式。问卷数据大多以分类数据为主,例如用户性别、年龄分层、 ...
2026-07-14 很多数据分析师画过趋势图、做过业绩预测,但当被问到“这个月销售额增长20%,到底是长期趋势自然增长,还是促销活动的短期 ...
2026-07-14在数据分析、业务效果验证、AB实验扩展、行业对比等场景中,我们经常需要对比三组及以上样本的均值差异,例如不同区域的客单价对 ...
2026-07-13在互联网产品运营、用户生命周期管理与商业化数据分析中,留存指标是判断产品价值、用户满意度与商业模式健康度的核心基准。常规 ...
2026-07-13 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-07-13【核心关键词】统计学、互联网、知识、课程、学生、数学、软件、招聘、数据分析、实习经历、机器学习、理论基础、业务思维、统 ...
2026-07-10在互联网运营、产品设计、市场营销与商业数据分析领域,所有转化、成交、复购行为的底层逻辑,都依托于用户决策流程。用户从产生 ...
2026-07-10 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-07-10数据透视表是数据分析中最常用、最高效的汇总分析工具,具备快速分组、聚合计算、维度拆解、数据可视化等优势,能够轻松完成求和 ...
2026-07-09在统计学、CDA数据分析、机器学习与商业数据研究中,正态分布是最基础、最重要的数据分布形态。绝大多数参数检验、数据建模、指 ...
2026-07-09 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-07-09【核心关键词】采购、周期、原材料、企业、产品、成本、要素、库存、供应商、数据分析、生产计划、生产制造、加工制造、技术工 ...
2026-07-08在数据分析、特征工程、机器学习建模的工作流程中,原始数据往往包含多个不同维度的数值指标,例如客户交易数据中的消费金额、交 ...
2026-07-08 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-07-08商业谈判是企业采购合作、渠道签约、价格议价、项目合作、客户签约的核心关键环节,直接决定企业的合作成本、利润空间与经营风险 ...
2026-07-07在数据分析、业务效果验证、AB 测试、学术研究等场景中,T 检验是假设检验体系里最基础、应用最广泛的统计方法,也是均值差异分 ...
2026-07-07