作者:沙莎,曲向軍,韓峰,沈愷,吳亞洲,劉瀟

 

本文系統地介紹了零售銀行端到端大數據用例開發和管理路線圖,并分享了兩個典型的零售銀行案例,以期為行業有識之士提供參考。

 

零售銀行大數據規?;瘧眯鑿闹鳡I業務線出發,遵循價值驅動的原則進行大數據用例規劃和開發。本文系統地介紹了零售銀行端到端大數據用例開發和管理路線圖,并分享了兩個典型的零售銀行案例,以期為行業有識之士提供參考。

 

繪制價值驅動的大數據用例圖譜

 

金融大環境日新月異,對于零售銀行而言,挖掘數據潛力、規?;髷祿弥陵P重要。大數據規?;瘧每蓮奶嵘隣I收、降低風險及提高管理效率三方面為零售銀行業務創造價值(見圖1):

 

提升營收:大數據規?;瘧迷讷@取新客、存量客戶交叉銷售、提升客戶體驗等方面成效顯著。具體而言,用例規劃主要聚焦于以下四類。

■ 客戶生命周期價值管理,涉及新客獲取及提升,存量客戶全方位畫像搭建、交叉/ 向上銷售策略制定、到期維護、流失客戶挽回等;

■ 客戶體驗提升,如支行網點體驗升級、App 定制化界面及功能展示等 ;

■ 產品相關主題,包括產品設計、組合優化、產品定價;

■ 營銷活動管理及優化。

 

降低風險:銀行可從以下兩大維度出發設計符合自身發展訴求的大數據用例。

■ 信用風險相關主題,覆蓋業務端到端全流程,包括貸前、貸中及貸后三大階段,如自動化信用審批、信用額度管理優化、建立催收評分卡;

■ 監管風險相關主題,包括壓力測試、建立和優化監管法規相關模型。

 

提高管理效率:隨著零售銀行相關運營管理數據的積累以及大數據能力的穩步提升,運營管理效率提升成為零售銀行另一個值得深入探索的領域。涉及的主要用例包括以下三個方面。

■ 財務管理,通過數據驅動的精細化運營,更高效地管理績效考核與財務管理全流程等;

■ 人力資源管理,通過智能人才招聘高效匹配空缺崗位,基于員工流失預測模型制定防流失策略等;

■ 運營成本管理,包括網點運營和 IT運營。

 

從實現速贏的角度出發,麥肯錫多年銀行業實踐經驗顯示,與存量客戶生命周期相關的大數據用例更容易在短期內實現業績提升,會帶來年化15% ~ 20% 的收入提升,包括捆綁新客鉤子產品、標準化新客登船流程、交叉/ 向上銷售、高端客戶防流失等用例能滿足銀行短期速贏訴求。同時,合理有效地配合使用交叉銷售、向上銷售用例以及事件驅動用例,能解決“客戶與產品速配”“在正確時間”“正確渠道推送”三大難題,這些措施在具體實操過程中都取得了超出預期的效果。

 

 

大數據規?;瘧孟葲Q條件:切合實際的大數據用例規劃及優先級排序

 

一個行之有效的大數據用例規劃方案需要滿足三大核心要求:用例端到端覆蓋全業務流程;在顆粒度上,聚焦客群、產品與渠道;基于試點或最小可行性產品的成效以及經營策略的調整,持續更新迭代。實踐表明,支付結算、財富管理、零售貸款、信用卡和儲蓄存款業務是零售銀行大數據應用潛力較高的五類業務場景。

 

■?支付結算?:構建開放式生活服務繳費平臺、提供跨境支付結算服務、開發基于指紋/ 二維碼/ 人臉/ 聲波/ 虹膜等生物識別技術的移動快捷支付功能;

■?財富管理?:利用大數據和高級分析,提供智能投顧服務、建立客戶導向的智能精準營銷服務、實現用戶分層動態定價功能;

■?零售貸款:依托電商、社交媒體等大數據,提供純線上 /秒級審批 /實時出賬的貸款業務、基于人工智能技術實現實時反欺詐預警;

■?信用卡?:依托信用卡消費以及還款數據,實現基于客戶行為偏好的理財、基金、保險等財富類產品的交叉銷售;

■?儲蓄存款?:基于大數據細分客群,提供儲蓄產品動態定價、到期定期產品續接、向上/ 交叉銷售等以客群為中心的差異化營銷功能,提升攬儲能力。

 

大數據用例規劃的優先級排序

 

針對眾多大數據用例,銀行應從戰略重要性、潛在價值大小、可行性三個維度進行篩選和優先級排序。首先,銀行應根據戰略重要性做初步篩選:用例是否與全行的戰略優先事項保持一致,能否促成戰略發展目標的實現。在此之后,我們建議銀行通過二維矩陣(見圖2),優先挑選出潛在價值最大、可行度最高的用例,從而進行合理的資源調配。

 

用例的潛在價值可從定量和定性兩方面進行評估,定量評估應衡量用例在規模、獲客或收入利潤方面所帶來的潛在貢獻;而定性評估通常更側重于過程評價指標,比如客戶體驗與滿意度等。用例可行性則可從數據可得性、實施難易度以及跨用例協同復雜度三大維度進行衡量:用例所需數據是否已具備,數據可得性如何?現有業務流程、技術完備度以及人員能力等能否支持用例的落地實施?用例之間的聯合效應如何?通過回答這一系列問題,能夠幫助銀行有效分析用例可行性。

 

需要注意的是,用例篩選以及優先級排序也是一個動態迭代的過程。首先,相關業務部門基于全行年度規劃目標,對用例需求進行匯總及排序。在實施過程中,應通過用例評價體系檢視其運行情況,并針對各用例已實現的成效,定期(如每季度)更新用例規劃,從而將資源有效投入到最優用例,最大限度地發揮大數據用例的價值。

 

確定用例規劃以及優先級排序之后,如何去實施一個具體的大數據用例?如何實現用例開發和管理?

 

 

用例開發管理閉環

 

具體到每一個用例,用例開發需形成一個環環相扣的端到端閉環(見圖3):

 

■?洞見挖掘:洞察經營痛點,明確目標。首先,就零售銀行而言,通過客群、產品、渠道三個維度的關鍵經營指標,進行基礎的面板統計結合時間序列分析,對經營情況全面掃描。結合業務視角以及經營戰略,挖掘出經營中的真正痛點,以此明確用例目標。在明確用例目標之后需要從規模、獲客、收入、成本四大角度闡明通過用例開發計劃提升的核心業務指標。

 

■?舉措設計:結合模型洞見以及業務分析制定精細化營銷策略。由業務部門主導,基于洞見挖掘中的客戶畫像等基礎分析與模型結果,針對客群特定的產品以及渠道偏好,制定定制化的營銷策略,形成營銷線索。其內容包括目標客戶360 度畫像、推薦的產品以及權益、營銷話術等。同時,需明確線索優先級,選擇合適的下發頻率以及下發時點,以精準觸達客戶。

 

?營銷管理?:對營銷執行過程進行管控。在線索下發后,數據和業務部門需要持續跟蹤試點,務必實現從線索到舉措的真正落地,并根據反饋快速迭代優化模型與策略方案,制訂全行推廣方案。平臺開發人員需要同時輸出線索執行報表和銷售管理報表,對執行過程、核心用例指標以及整體業務成效建立可視化的銷售管理駕駛艙,實現實時督導和智能管理。

 

■?反饋迭代?:基于線索執行情況、轉化率以及成效,結合對前線理財經理以及客戶的調研,形成反饋信息?;诜答佇畔⑿纬蓪δP蜏蚀_性、覆蓋度、營銷策略以及渠道有效性的檢視并進行快速迭代。同時相關人員還需要定期開展分行成果檢視、成果分享會議,確保用例順暢執行,同時促進業務與科技充分融合,發揮出最佳效果。

 

下面,我們用一個具體的實例闡述用例開發管理閉環的實現過程:

 

———————————————————————————————

---------------------某銀行對其約300 萬代發客群整體經營中的痛點進行梳理,面臨以下痛點:人均持有產品個數過低(人均僅持有1.2 個產品)、整體交叉銷售率過低(約7%)、高端客戶降級率高(超過35%)、單一持有儲蓄存款產品占比過高(超過85%)等。針對上述業務痛點,零售條線業務部門協同數據銀行部共同探討針對代發客群的大數據用例開發方向,并制定出詳細的用例目標以及項目實施時間表?;诳蛻艋拘畔⒓捌湫袨樘卣?,如代發工資留存度、資金流向、持有產品偏好、渠道偏好等,項目組將客戶聚類形成細分子客群,并繪制出精準的客戶畫像。針對12 個細分子客群(如:小微企業主、金領人群、白領一族等)分別通過機器學習模型識別高潛客戶,對其進行交叉銷售潛力打分,按照打分結果排列生成線索的優先級。此外,與業務人員一起解讀模型洞見,針對細分子客群制定差異化的經營策略,包括交叉銷售的產品或產品組合、營銷活動、權益、觸達客戶的渠道以及觸達時機等,然后形成營銷線索并投放至線上、線下各渠道。在用例執行過程中,持續跟蹤用例試點情況,采集用例線索執行以及成效結果數據,通過對比分析執行組、對照組的交叉銷售率等成效指標衡量線索的有效性,同時收集一線理財經理的反饋建議,迭代優化用例模型及相應策略,不斷提高營銷預測的精準性和及時性。該大數據用例實施近6 個月,各渠道累計投放線索約28 萬條,人均持有產品數上升到1.8個、客戶降級率降低到28%、資產管理規模(AUM)增加約28 億元,成果顯著。

———————————————————————————————

 

零售銀行大數據用例規?;晒σ?/strong>

 

基于全球項目經驗和深入研究,我們歸納出零售銀行大數據應用的“五大制勝法寶”:夯實數據基礎、規劃價值為導向的大數據用例圖譜、搭建智能化大數據平臺、建立與KPI 適配的用例評價體系、全面提升人員“數商”。

 

■?夯實數據基礎,建立與業務管理相適應的數據治理體系:提升數據采集能力,包括行內結構化數據(如客戶人口數據、交易數據、渠道數據、產品數據等),以及非結構化數據(如外呼中心視頻、音頻數據,手機App 上埋點操作行為數據等)。提升業務導向的數據加工能力,以業務邏輯為導向,加工生成數據標簽,逐步形成分主題的數據集市,為機器學習和人工智能技術的應用奠定良好的數據基礎。推進數據治理工作,建立數據質量標準及管控流程,建設集中式數據管控平臺,完善與業務管理相適應、自上而下的數據治理體系。

 

■?規劃價值導向的大數據用例圖譜:基于經營現狀,規劃覆蓋全客群、全產品、全渠道,貫穿客戶全生命周期的大數據用例建設藍圖,聚焦關鍵業務舉措,規劃未來實施路徑( 具體步驟參見上文)。

 

■?搭建全流程、端到端營銷閉環管理平臺?:搭建數字化營銷管理平臺,串聯方案設計、客群規劃、策略配置、客戶觸達以及反饋迭代等關鍵環節,打造全自動、線上運行的智能營銷線索管理以及執行反饋閉環平臺。

 

■?建立與 KPI適配的用例評價體系:在大數據用例實施過程中,從模型表現、執行過程、業績成效三個角度定義用例評價體系。通過建立與核心業務指標(如獲客、收入、規模等)相匹配的評價體系,讓一線營銷人員充分感知用例帶來的業績提升效果,保障大數據用例成功落地并持續發揮價值。

 

■?全面提升人員“數商”:全面提升人員的數據應用能力,提升業務人員以及數據人員的數據洞察力、數據應用能力以及用例實施推動能力,培養數據建模師、數據工程師以及業務翻譯官。

 

麥肯錫在國內零售銀行有豐富的大數據規劃和規?;涞氐捻椖拷涷?,我們選取了2 家典型零售銀行的大數據落地案例,以期為中國廣大零售銀行業務管理者提供參考和啟迪。

 

案例一 :某商業銀行“兩年三步走”大數據應用規?;瘧鹇?/strong>

 

某商業銀行從建立標準化數據治理體系、落地速贏用例、建設數字化營銷閉環體系及提升人員能力四方面入手,實施了“兩年三步走”大數據應用規?;瘧鹇裕ㄒ妶D4)。

建立標準化數據治理體系,完善數據標簽。在戰略轉型初期,由于該行現有數據質量較差,數據治理流程以及機制缺失,項目組首先設計并實施了數據治理流程以及規范,以此為切入點逐步建立起一套覆蓋數據采集、數據加工(收集、清洗)和數據提取的標準及管控流程。在治理機制方面,項目組設計并實施了一套行之有效的數據治理考核辦法,從業務角度推動治理工作落地,進一步建立全行級數據標準和管控流程,并制定了數據治理相關管理辦法。此外,同步推進用戶標簽體系建設,以業務主題為導向,從客群、產品、渠道等多個維度逐步搭建一套完善的用戶標簽體系,為后續規?;瘜嵤祿美於肆己没A。

 

打造速贏用例,實現業績突破。在逐步落地數據治理機制以及客戶標簽體系的過程中,項目組從經營痛點出發,沿著客戶生命周期,基于價值導向、可行性以及戰略重要性三個維度,選擇、排序并規劃出2019—2020 全年大數據用例圖譜的實施路徑,規劃了覆蓋全行零售業務的50 多個大數據用例。該行已經于2019 年上半年已率先實施了十大優先級最高的大數據用例,如:交叉銷售推薦系統、高端客戶防流失、理財產品動態定價、手機App 促活、財富邊界客戶提升等速贏用例,力圖在轉型初期以速贏方式實現業績突破。

 

建立智能化數字化營銷閉環體系,規?;茝V數據應用。大規模的數據驅動營銷離不開系統層面有強有力的支撐,基于速贏用例實施中的實際痛點,諸如:封閉式建模環境、手工導入線索、線索眾多且缺乏科學排序及統籌、用例效果難以追蹤等,項目組用5 個月的時間,設計并實施了全行零售智能化、自動化、數字化營銷閉環,其主要功能模塊包含用例策略庫、客戶級別的特征集和標簽庫、大數據模型引擎、智能分發系統以及客戶360 度全渠道投放等五大關鍵組件,實現了數據驅動營銷的線上管理閉環,從系統層面打通總分支營銷體系,顯著提升了營銷效能,從效果上看,整體營銷線索有效性提升約三成。

 

提升全行數據應用能力。在從0 到1 建立數據治理機制、提升數據質量、建立標簽體系、實施速贏用例并開發智能營銷閉環平臺之后,如何提升全行人員的整體“數商”成為項目組下一階段的工作重點。要提升全員數據應用能力,首先得建立起一套公允的人員能力評價體系,項目組首先建立了一個人員能力矩陣以及數據應用成熟度模型,該模型綜合了相關業務、科技及數據部門的員工情況?;谠撃芰δP?,項目組為不同職能序列的人員設計出定制化的課程體系。同時,讓業務以及科技數據人員在參與大數據用例的過程不斷接受培訓以及指導,在實戰中提升數據應用能力。

項目成效:該銀行已在全行落地了近10 個大數據用例,以數據驅動洞見,通過線上線下全渠道服務真正實現了業績提升。截至本文付梓時, 該行已經生成約800 多個客戶數據標簽,建立了約20 多個大數據精準營銷模型,通過數字化營銷平臺,每月自動下發約12 000 條大數據精準線索,實現輔助銷售額約900 億元,AUM提升約100 億元。

 

 

案例二:某商業銀行借助智能營銷系統,端到端自動化客戶管理

 

某商業銀行以數據決策為導向,推動業務向數字化轉型。該行以客戶為中心,收集和加工多維度客戶數據,打造精準而全面的客戶畫像,建立了360 度客戶視圖管理平臺?;诳蛻艉豌y行的交互行為和資產數據進行客戶生命周期診斷(Digital Sprint),識別重點客群及其經營痛點,設計有針對性的產品營銷方案,通過Hercule 大數據平臺進行名單制的定向營銷(見圖5)。

通過Digital Sprint 大數據診斷,產生客戶經營洞見和自上而下的用例規劃。Digital Sprint 是零售銀行常用的圍繞客戶生命周期,結合客戶和銀行交互信息進行的一套標準化診斷工具。該行通過Digital Sprint,利用存量數據診斷客群經營痛點,找到業務提升的核心機會點。團隊總共用了約6 周時間,圍繞客戶生命周期(獲客、新客提升、經營提升、客戶流失)和產品、渠道六大方面進行了26 項分析,并按照價值潛力和實現難度對用例進行了自上而下的整體落地規劃。以獲客階段為例,在對獲客增速、質量和渠道有效性等指標進行分析后,項目組發現該行新客留存率較低、轉化效率低下,因而將重點放在個性化推薦和產品/ 服務旅程優化上,以加速二單銷售。在存量客戶方面,項目組經診斷發現,該行存在整體代發客群平均持有產品數低、高管代發人群資金流失率偏高以及活期資金15 天流失率較大等經營痛點。

 

打造Hercule 大數據智能營銷系統,實現端到端的自動化線索及客戶管理。通過6 個月的跨部門協作開發及快速迭代,該行從0 到1 建立了Hercule 智能營銷系統(見圖6),覆蓋Hercule 數據環境、Hercule 用例庫、Hercule 智能大腦以及Hercule 用戶界面四大核心模塊,實現了大數據用例銷售線索的自動化生成、線索排序/ 分發、線索執行過程管理以及銷售閉環反饋等端到端管理。通過Hercule 的落地,該行顯著提升了銷售線索執行效率、高價值客戶覆蓋度、銷售轉化率以及人均AUM 提升。

 

定制大數據用例方案,與一線聯合推動落地:針對經營診斷中發現的五大客群痛點,團隊為該行定制化開發出大數據用例,力求率先通過大數據結合機器學習技術,優化現有業務舉措,實現經營效果的速贏。在6 個月的項目周期內,該行設計并實施了代發工資客戶提升、活期客戶經營、定期到期客戶維護、休眠客戶激活、理財到期客戶維護等五大客群用例。為激發一線落地積極性,確保用例落地,大數據團隊采用了三大抓手:開展用例落地會議,使一線銷售充分理解大數據用例意義;將大數據用例使用納入一線銷售績效考核體系;尋求銀行高管協助,定期開展業績追蹤和反饋會議,敦促一線銷售提高用例落地的優先級。

 

搭建大數據創新實驗室、推動大數據用例的敏捷工作模式:在項目開展初期,該行面臨科技創新能力不足、開發流程低效、IT 系統繁雜、高級分析人員能力缺失等挑戰。為解決這些問題,項目組提出搭建大數據創新實驗室,通過“集中和分散相結合”的方式,讓大數據實驗室集中力量建設大數據相關能力,之后在全行開放共享。對于簡單用例,業務部門依托共享資源,靈活完成;對于復雜、需多部門協作的用例,業務部門將與大數據團隊協作推進。此外,大數據實驗室承接各業務用例和分析場景,調配資源成立專門聯合項目組,迭代開發;針對開發用例,建立滾動開發計劃和用例看板,動態跟蹤、監測各用例進度和問題。

 

項目成效:經過6 個月,該行成功落地實施了五大客群用例(見圖7),金融資產實現了60 億~ 100 億元的增長,覆蓋了約85% 的零售客戶。此外,在銷售線索執行效率和效果提升方面,該行也成績斐然,銷售線索執行時間縮減50%、轉化率提升6 倍(從試點前的6% 提升到試點后的35%)。

 

 

作者:

 

沙莎為麥肯錫全球資深董事合伙人,數字化麥肯錫亞洲區負責人,常駐香港分公司;

曲向軍為麥肯錫全球資深董事合伙人,常駐香港分公司;

韓峰為麥肯錫全球董事合伙人,常駐深圳分公司;

沈愷為麥肯錫全球董事合伙人,常駐深圳分公司;

吳亞洲為麥肯錫資深項目經理,常駐上海分公司;

劉瀟為麥肯錫大數據項目經理,常駐上海分公司。