盘点:银行大数据价值变现10大案例
DT时代的到来,使得金融数据呈现出爆炸式增长,BCG曾有报告指出,银行业每创收100万美元,平均就会产生820GB的数据。庞大的数据体系所蕴含的价值也在不断体现,金融业对数据的依赖越发加强,众多的金融环节都需要通过对数据的收集和分析后完成。
BCG的研究指出,已有三分之一的海外银行在组织流程中嵌入了匹配大数据的工作方式,识别出更多的商业机会。他们在多年的实践和不断试错后,运用成熟的分析手段,持续地获得有价值的商业洞察。
与此同时,中国金融业也步入了大数据时代的初级阶段。有研究统计,经过多年的发展与积累,国内商业银行的数据量已经达到100TB以上级别,并且正在以更快的速度增长。日渐成熟的大数据技术与金融业务呈现快速融合的趋势,给未来金融业的发展带来重要机遇。
在发展大数据能力方面,银行业堪称是“领军者”。纵观银行业的六个主要业务板块(零售银行、公司银行、资本市场、交易银行、资产管理、财富管理),每个业务板块都可以借助大数据来更深入地了解客户,并为其制定更具针对性的价值主张,同时提升风险管理能力。其中,大数据在零售银行和交易银行业务板块中的应用潜力尤为可观。
如下表所示,大数据的应用能帮助银行在零售与公司业务中实现个性化定价和交叉销售,进行客户细分以及预见客户流失,及时推出增值业务,提升客户忠诚度。
在资本业务中提供现金的模式和信号识别,对非结构化的数据的数据挖掘。在交易银行业务中实现客户细分,为第三方总结深入洞察。在自产管理业务中提供个性化定价。在财富管理业务中实现更具成本效应的财务建议。
以下我们通过几个实际案例来看国内外银行业大数据应用场景都有哪些:
金融行业中大数据 应用案例介绍
一、客户管理
如果存在和客户的直接交流,许多产品和服务能够容易地得到改善。社交媒体平台是极好的交流来源,可以发现改善的机会,银行只需要从信息洪流中过滤出这些有价值的数据。
传统市场研究工具,比如客户调查或焦点人群不只花费时间和成本,而且也不精确,因为样本群体相当有限。情感分析工具可以利用社交媒体网络及日志中的巨量通信数据,帮助及时改善产品和服务。
1.改善产品, 提升服务
巴克莱银行自从发布了新的移动银行应用程序后,便能够从实时社交媒体分析中挖掘出可操作的见解。
这个应用程序不允许18岁以下的年轻客户转账或收款。这个限制引发了来自青少年以及他们父母的负面评论,原因是父母亲无法转账给他们的子女。在数据揭示了这个问题后,巴克莱银行及时改善了它的应用程序,添加了16到17岁的客户的使用权。
预测哪个客户会流失应该成为一个组织客户导向战略的关键部分,因为获取一个新客户的成本远比留住一个现有客户要高得多。
当一个组织以一种全面的方式了解客户时,留住客户就容易多了。那些意味着有摩擦的指标也许是取消自动付款、在客户电话或是社交媒体上的抱怨。通过分析这些不同的指标,潜在的客户流失能在为时已晚前被识别。
2.降低客户流失率
捷克斯洛伐克的第一家私人银行塔特拉银行通过使用预测模型几乎达到了减少其信用卡客户的流失率到30%的目标。这家银行细分客户,并已经为其客户群选择了高度个性化的留存活动。
通过正确的渠道发送正确的信息就跟正确的信息本身一样重要。
大数据分析可以被用来精确查找客户使用的渠道以及他们使用这些渠道的方式。这种知识可以形成战略优势,以最符合成本效益的方式和最大化市场营销预算来达到特定目标细分。客户使用渠道的方式也会突出显示需要银行集中资源的领域,比如哪个渠道是用来抱怨的,或者哪些渠道主要是用来做研究的。
3.通过不同的渠道提供高质量的服务
总部位于新加坡的华侨银行拥有超过大约590亿英镑的资产。该银行识别出一个显著的细分市场正在转移到在线渠道,同时预计这些渠道将随着技术的快速进步而成长。华侨银行的一个核心原则是把高质量的服务通过所选择的渠道传递出去,以符合客户的期望。
本文转自d1net(转载)
相关文章
- 【MySQL】mysqld got signal 11 案例一则
- Mybatis+mysql动态分页查询数据案例——配置映射文件(HouseDaoMapper.xml)
- Mybatis+mysql动态分页查询数据案例——条件类(HouseCondition)
- 案例:用Redis来存储关注关系
- 【数据运营】在运营中,为什么文本分析远比数值型分析重要?一个实际案例,五点分析(下)
- RF失败案例重跑
- 数据迁移案例
- 7.1.5 选项卡结合案例详解
- 13个应用案例,讲述最真实的大数据故事
- 机器学习笔记 - 探索性数据分析(EDA) 入门案例二
- golang gin数据绑定综合案例:用户注册及自定义数据校验器的应用:github.com/go-playground/validator/v10/translations/zh
- Spring繁华的AOP王国---第五讲之应用案例和扩展
- Python之sklearn:LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例(在数据缺失和test数据内存在新值(train数据未出现过)环境下的数据LE化)之详细攻略
- ML之shap:基于adult人口普查收入二分类预测数据集(预测年收入是否超过50k)利用Shap值对XGBoost模型实现可解释性案例之详细攻略
- AI&BlockChain:“知名博主独家讲授”人工智能创新应用竞赛【精选实战作品】之《基于计算机视觉、自然语言处理、区块链和爬虫技术的智能会议系统》软件系统案例的界面简介、功能介绍分享之总篇
- Keras之TCN:基于keras框架利用时间卷积网络TCN算法对上海最高气温实现回归预测(把时间序列数据集转化为有监督学习数据集)案例
- AutoML之flaml:基于OpenML数据集利用flaml框架自定义RGF算法/自定义优化指标来自动寻优实现预测航班是否延误二分类任务案例之详细攻略
- ML之LoR&Bagging&RF:依次利用LoR、Bagging、RF算法对titanic(泰坦尼克号)数据集 (Kaggle经典案例)获救人员进行二分类预测——优化baseline模型
- Python语言学习:Python语言学习之编程语言基础案例综合应用集合(输入带*号的密码/与用户交/根据分数判断优良差/提取txt文档中两人对话内容等)之详细攻略
- Python之sklearn:LabelEncoder函数简介(编码与编码还原)、使用方法、具体案例(在数据缺失和test数据内存在新值(train数据未出现过)环境下的数据LE化)之详细攻略
- TF之DNN:利用DNN【784→500→10】对MNIST手写数字图片识别数据集(TF自带函数下载)预测(98%)+案例理解DNN过程
- python实战案例:采集招聘数据,知晓现今岗位要求
- 一脸懵逼学习Hadoop中的序列化机制——流量求和统计MapReduce的程序开发案例——流量求和统计排序
- hibernate 5的二级缓存案例讲解
- 数据分析案例-往届世界杯数据可视化
- DataScience:数据生成之在原始数据上添加小量噪声(可自定义噪声)进而实现构造新数据(dataframe格式数据存储案例)
- Scratch3.0——助力新进程序员理解程序(案例十、简易时钟)
- a10.ansible 生产实战案例 -- docker基于二进制 playbook
- linux中35个find案例