數(shù)據(jù)科學(xué)賦能商業(yè)決策：以亞洲首個(gè)零售銀行數(shù)字營(yíng)銷(xiāo)應(yīng)用為例
數(shù)月以來(lái)，大數(shù)據(jù)行業(yè)的從業(yè)者（尤其是第三方數(shù)據(jù)公司）恐怕難得睡上幾回安穩(wěn)覺(jué)。行業(yè)龍頭“停擺”，數(shù)據(jù)交易行為被嚴(yán)查，監(jiān)管介入整頓爬蟲(chóng)技術(shù)，以及央行排查銀行與第三方數(shù)據(jù)公司合作情況……大數(shù)據(jù)，這個(gè)不久前還被認(rèn)為“正值風(fēng)口”的行業(yè)，竟如此之快地走到了變局的路口。
從業(yè)者們的焦慮一方面來(lái)自監(jiān)管收緊，另一方面則是源于數(shù)據(jù)科學(xué)與近年來(lái)“野蠻生長(zhǎng)”的互聯(lián)網(wǎng)金融的深度綁定，以致一損俱損。不過(guò)近年來(lái)，一些金融科技企業(yè)通過(guò)“品牌升級(jí)”試水轉(zhuǎn)型（最具代表性的便是京東金融更名為“京東數(shù)科”），也為數(shù)據(jù)科學(xué)帶來(lái)了全新的想象空間：
離開(kāi)單一的風(fēng)控信貸場(chǎng)景，數(shù)據(jù)科學(xué)完全可以在數(shù)字營(yíng)銷(xiāo)、精準(zhǔn)營(yíng)銷(xiāo)等應(yīng)用場(chǎng)景下，為現(xiàn)代商業(yè)問(wèn)題提供解決方案。
他山之石：匯豐銀行的CRM應(yīng)用
據(jù)中國(guó)軟件網(wǎng)聯(lián)合海比研究發(fā)布的調(diào)研報(bào)告顯示，我國(guó)在2012年的CRM（客戶關(guān)系管理）市場(chǎng)規(guī)模約為14.25億元，2017年為43.48億元，年復(fù)合增長(zhǎng)率接近25%。預(yù)計(jì)在2020年，這一數(shù)據(jù)將達(dá)到95.52億元。
CRM市場(chǎng)規(guī)模的增長(zhǎng)，既得益于CRM系統(tǒng)、軟件產(chǎn)業(yè)的高速發(fā)展，也反映了企業(yè)對(duì)數(shù)字營(yíng)銷(xiāo)、精準(zhǔn)營(yíng)銷(xiāo)等商業(yè)解決方案的強(qiáng)烈需求。SalesForce，Oracle等行業(yè)巨頭已掌控了CRM系統(tǒng)的市場(chǎng)格局，但精準(zhǔn)營(yíng)銷(xiāo)所仰仗的數(shù)據(jù)分析領(lǐng)域，卻鮮見(jiàn)“掘金者”入場(chǎng)。
借助數(shù)據(jù)分析服務(wù)企業(yè)CRM并不是新鮮的概念。上世紀(jì)90年代，零售行業(yè)已將數(shù)據(jù)分析廣泛應(yīng)用于交叉銷(xiāo)售、客戶分群以及客戶流失分析等方面。然而有趣的是，如今與數(shù)據(jù)分析緊密捆綁的金融行業(yè)，在當(dāng)時(shí)對(duì)數(shù)據(jù)科學(xué)似乎不太感冒。一位從事金融科技相關(guān)工作多年的分析人士認(rèn)為，彼時(shí)的金融業(yè)以零售銀行為代表，因產(chǎn)品細(xì)分程度高，客群復(fù)雜，以致于交叉銷(xiāo)售難以通過(guò)傳統(tǒng)手段建模分析。而在嚴(yán)謹(jǐn)?shù)慕鹑趶臉I(yè)者們看來(lái)，過(guò)程“無(wú)法清晰解釋”的“自我學(xué)習(xí)算法”（即神經(jīng)網(wǎng)絡(luò)）似乎意味著風(fēng)險(xiǎn)，以致于這一更高效的數(shù)據(jù)分析預(yù)測(cè)模型遲遲無(wú)法敲開(kāi)零售銀行的大門(mén)。
直到1999年，香港的匯豐銀行率先破局，在時(shí)任美國(guó)SAS公司香港區(qū)顧問(wèn)張新昌的統(tǒng)籌下，引入神經(jīng)網(wǎng)絡(luò)算法，建立金融產(chǎn)品交叉銷(xiāo)售預(yù)測(cè)模型。據(jù)悉，當(dāng)時(shí)用于算法學(xué)習(xí)的數(shù)據(jù)僅是匯豐銀行在港的一線銷(xiāo)售數(shù)據(jù)，維度遠(yuǎn)不及今日大數(shù)據(jù)行業(yè)這般全面、準(zhǔn)確。
盡管如此，這個(gè)歷時(shí)不到半年搭建起的模型，讓匯豐銀行交叉銷(xiāo)售的效率提升近40%。
大數(shù)據(jù)與精準(zhǔn)營(yíng)銷(xiāo)的“融合藝術(shù)”
據(jù)張新昌介紹，他為匯豐銀行設(shè)計(jì)的交叉銷(xiāo)售預(yù)測(cè)模型，基礎(chǔ)邏輯便是采集盡可能多的用戶行為數(shù)據(jù)和產(chǎn)品銷(xiāo)售數(shù)據(jù)，量化不同類(lèi)型的客戶對(duì)各類(lèi)型產(chǎn)品的興趣程度，通過(guò)模型模擬出“最優(yōu)匹配”，并根據(jù)實(shí)際銷(xiāo)售數(shù)據(jù)繼續(xù)優(yōu)化模型，不斷提升效率。
舉例而言，通過(guò)模擬得出的解決方案，銀行發(fā)現(xiàn)銷(xiāo)售效率提升空間最大的場(chǎng)景存在于客戶等待柜臺(tái)叫號(hào)期間，而在這個(gè)場(chǎng)景下，客戶接受度最高的產(chǎn)品是一些門(mén)檻較低、規(guī)則簡(jiǎn)單的理財(cái)產(chǎn)品。再經(jīng)過(guò)對(duì)旗下三十多款產(chǎn)品以對(duì)應(yīng)維度進(jìn)行打分，匯豐銀行提煉出更優(yōu)的銷(xiāo)售策略。
“這事實(shí)上就是借助數(shù)據(jù)分析，實(shí)現(xiàn)今天各家都在追求的精準(zhǔn)營(yíng)銷(xiāo)?！?/p>
張新昌認(rèn)為，當(dāng)今精準(zhǔn)營(yíng)銷(xiāo)的決策，多來(lái)自于營(yíng)銷(xiāo)者對(duì)市場(chǎng)的“觀察”和“認(rèn)知”，缺乏數(shù)據(jù)支撐。而在統(tǒng)計(jì)學(xué)專(zhuān)業(yè)出身，獲英國(guó)皇家統(tǒng)計(jì)學(xué)會(huì)認(rèn)證的張新昌看來(lái)，精準(zhǔn)營(yíng)銷(xiāo)既需要發(fā)揮營(yíng)銷(xiāo)的想象力、創(chuàng)造力，也同樣需要數(shù)學(xué)模型、數(shù)據(jù)分析提供的精準(zhǔn)。“這是一門(mén)融合的藝術(shù)。”
值得一提的是，張新昌在匯豐銀行應(yīng)用神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)分析系統(tǒng)，是亞洲范圍內(nèi)的零售銀行領(lǐng)域尚屬首例；而在2007年，張新昌在深圳成立了一家大數(shù)據(jù)分析與應(yīng)用企業(yè)，華策數(shù)科（全名華策輝弘科技有限公司），為各行業(yè)提供大數(shù)據(jù)分析和應(yīng)用服務(wù)，并將運(yùn)用數(shù)據(jù)分析賦能CRM的理念引薦給招商銀行、平安銀行等大陸零售銀行。
而直到十多年后，匯豐銀行依然在沿用這套模型分析并驗(yàn)證其交叉銷(xiāo)售的策略。
第三方數(shù)據(jù)公司的轉(zhuǎn)型之路
今天的零售銀行，無(wú)論從產(chǎn)品的多元程度，面向客群的復(fù)雜程度，還是其擁有的用戶數(shù)據(jù)豐富程度而言，都已非昔日可比。由此可見(jiàn)，零售銀行的精準(zhǔn)營(yíng)銷(xiāo)需求將遠(yuǎn)大于以往，這或許也將成為第三方數(shù)據(jù)公司的轉(zhuǎn)型機(jī)遇。
舉例而言，當(dāng)一位用戶的旅游消費(fèi)占比提升，對(duì)銀行而言就意味著旅游分期產(chǎn)品的銷(xiāo)售機(jī)會(huì)；而當(dāng)更多用戶產(chǎn)生同類(lèi)需求時(shí)，銀行更可以引入與旅行社、保險(xiǎn)機(jī)構(gòu)、零售品牌的合作，為用戶打造旅游場(chǎng)景下“一站式消費(fèi)”體驗(yàn)，增加用戶黏性并提升交叉銷(xiāo)售效率。
而在這之中，數(shù)據(jù)分析指導(dǎo)下的營(yíng)銷(xiāo)決策將扮演至關(guān)重要的角色。
如華策數(shù)科這樣的大數(shù)據(jù)分析公司，正越來(lái)越多地探索跨行業(yè)、多場(chǎng)景的數(shù)據(jù)分析和商業(yè)解決方案，甚至在AI、云計(jì)算的“加持”下，開(kāi)始構(gòu)筑起覆蓋零售、通信、物流等領(lǐng)域的“全行業(yè)數(shù)據(jù)分析與解決方案”版圖。
由此看來(lái)，大數(shù)據(jù)應(yīng)用的未來(lái)依舊是一片光明。
評(píng)論
評(píng)論
推薦評(píng)論
暫無(wú)評(píng)論哦，快來(lái)評(píng)論一下吧！
全部評(píng)論（0條）