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
【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 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 ...
2026-07-07【核心关键词】转化率、企业、策略、岗位、互联网、拆分、产品、运营、分析师、指标体系、数据分析、用户画像、数据诊断、产品 ...
2026-07-06在数据分析工作中,文本数据处理是高频刚需场景,用户评论、客服工单、日志信息、调研问卷、商品文案等数据都包含大量文本内容。 ...
2026-07-06