京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据驱动银行业营销变革(1)_数据分析师
作为数据密集型行业,如何挖掘和分析来自不同渠道的海量数据,驱动营销变革,被认为是未来银行业赢得市场和竞争的关键。
在过去两年多的时间里,澳大利亚西太平洋银行集团(Westpac)借助SAS的分析工具打造了名为“KnowMe”的数据驱动营销平台,重塑了与近千万普通消费者及中小企业(五千万美元以下)客户的关系。现在,这一项目带来的收益正在逐渐显现。
图为澳大利亚西太平洋银行集团客户关系管理与数字化部总经理Karen Ganschow
日前,由全球领先的商业分析软件与服务供应商SAS公司与《财经》杂志、《哈佛商业评论》中文版联合举办的“2014营销战略领袖峰会”在京举行。
峰会期间,就“大数据驱动银行业营销变革”话题,澳大利亚西太平洋银行集团(Westpac)客户关系管理与数字化部负责人、总经理Karen Ganschow接受了《中国经营报》记者专访。
Karen Ganschow告诉记者,Westpac每月会与客户进行7600万次来自网点、呼叫中心、网银、移动端、社交媒体等渠道的互动,SAS工具能够帮助银行把这些数据进行有效的整合、处理和分析,进而在正确的时候为客户提供正好需要的私人化的服务。
了解客户不断变化的需求,被Karen Ganschow认为是传统银行业应对非金融机构冲击的关键。对未来大数据在银行业的应用趋势,Karen Ganschow表示,移动端、社交媒体是非常重要的趋势。
打造“KnowMe”数据驱动营销平台
《中国经营报》:面对大数据的挑战,在过去几年时间里,Westpac如何挖掘和分析数据并做出决策,驱动业务和营销的创新?
Karen Ganschow:对于像我们这样的银行来说,这是一个新的挑战。一方面我们需要更了解客户,同时也要了解技术的发展趋势。
SAS是我们的战略分析伙伴,对于银行管理者来说,它能够帮助我们预测、分析,并且给予贴身的指导,让我知道未来是哪个方向,有哪些间接的趋势。
两年多前,借助SAS的分析工具,银行打造了名为“KnowMe”的数据驱动营销平台。所谓“KnowMe”,直接翻译就是“了解我”,这也是银行客户所希望的,他们希望能够让银行更多地了解客户的私人情况,提供私人定制化的服务。对于千万客户量的用户,通过Excel工作表进行相关统计、分析显然是不足够的,且我们是要将一对一的个人交互进行大规模处理,所以在这方面我们需要科技支持。
就如亚马逊向客户推荐一本书一样,我们关注的是,如何把它转化成为一个现实的营销机会,向银行客户推荐产品,并且大规模化地在做这个事情。
《中国经营报》: “KnowMe”与一般的银行营销平台有何不同?
Karen Ganschow:简而言之,这是一个数据驱动的、通过多种渠道为客户提供体验的平台。
首先,通过这个平台,银行内部各个部门可以获取感兴趣的数据。同时,我们建立了中心决策机制,与此前以产品为核心的营销模式不同,现在我们围绕客户为中心做出决策。第三,平台将一线、前端业务整合在一起,比如,支行每个店面与客户的沟通、呼叫中心接到的客户电话、联络中心主动与客户的沟通等,这都是我们获取数据的渠道。同时,我们也借助社交媒体有针对性地、定向地向客户推送信息。
当初我们决定上“KnowMe”这个项目的时候,对于合作伙伴的选择也是经过认真考虑和挑选的。实际上,SAS在技术方面与其他我们备选的合作伙伴是很接近的。但SAS最终脱颖而出在于人的因素。SAS除了能够提供非常优质或者说精益求精的技术外,整个SAS团队在合作、沟通交流方面也是非常强的,并帮助银行取得了很大收益和成效。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 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 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 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。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25 很多数据分析师精通Excel函数和透视表,但当被问到“数据从哪里来”“表和视图有什么区别”“数据库管理系统和SQL是什么关系 ...
2026-05-25数字化经营时代,企业的市场竞争早已从经验决策转向数据决策。门店营收、用户转化、产品销量、成本损耗、存量资产等所有经营行为 ...
2026-05-22在MySQL数据库日常运维、业务数据校验、数据迁移与数据清洗场景中,自增主键ID的连续性校验是一项基础且关键的工作。MySQL的Auto ...
2026-05-22 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-05-22【核心关键词】大数据、可视化、存储、架构、客户、离线、产品、同步、实时、数据仓库、数据分析、数据可视化、存储数据、离线 ...
2026-05-21在电商流量红利消退、公域获客成本持续走高的当下,存量用户深度挖掘已成为店铺增收增效的核心抓手。相较于付费投放获取的陌生新 ...
2026-05-21