大數據實際是從多如繁星的信息中抽取出對客戶需求、態度和行為的洞見，從而幫助制定高度聚焦的精準銷售和市場營銷活動。這樣的做法其實并不新鮮，早些年市場營銷人員就已經開始借助對已有數據的分析來支撐營銷項目。

隨著“大數據時代”的來臨，數據分析對于銀行的重要性已成為業界的共識。關于銀行大數據如何獲取以及如何使用的討論層出不窮，然而，說到具體應用又另當別論了。“大數據分析”也意味著高成本的投入，與其躊躇于是否要花費巨資來做到面面俱到，我們建議不妨先從一些投入/產出比高的“小數據”分析入手。

大數據實際是從多如繁星的信息中抽取出對客戶需求、態度和行為的洞見，從而幫助制定高度聚焦的精準銷售和市場營銷活動。這樣的做法其實并不新鮮，早些年市場營銷人員就已經開始借助對已有數據的分析來支撐營銷項目。

如今的不同之處在于：由于信息收集、儲存和分析技術的發展和處理能力的提升，可供使用的數據和種類都已呈幾何式增長。毫無疑問，這些新的信息技術為獲得更為深入而復雜的客戶行為數據、制定更為精準的商業戰略、財務與風險管理等提供了極大的可能性。

大數據項目同時意味著大量的成本投入和風險。例如，大數據項目需要大量的資金和人力投入，而這樣的投入往往超出大部分銀行的可接受范圍。此外，這類項目的有效性主要取決于對前期假設的驗證，從而確立算法來建立預測模型。然而，這些數據模型中常常會出現偶然和不同數據類型的差異性，會導致后續驗證工作異常困難。

然而，如此面面俱到的分析任務并不一定能夠提供給管理層足夠的洞見，來足以制定改善業務績效的措施。因此，我們建議銀行將有限的資源投入在更為可控、且投入/產出比更高的數據分析維度上，這樣反而會產生更多直觀的收益和可衡量的結果。

更好的分析結果對利潤和發展而言非常重要。關鍵在于，為銀行的主要發展與管理指標(財務表現、客戶、市場信息與機會、運營效率和服務渠道的優化)，來提取更有實際意義和可操作性強的信息。

這些類型的分析并不需要復雜的公式、新奇的技術，也不需要IT資源過多的投入。另外，這些數據能夠與第三方機構已經做的行業標桿數據和市場地域信息等數據進行對比。我們建議銀行可先從以下這五個方面的“小數據”分析開始：

1. 財務報表。

許多銀行高管會使用財務數據來與同行進行比較，從而為個人業務戰略與投資方向設定更高水平的業務與貢獻度指標。然而，這樣的比較必須不限于高水平的績效指標，例如股本回報或凈利潤收入。為了讓數據分析更為有效，還需要包括其他驅動因素，例如：存款組合與增長、賺取的資產及運營效率等指標。另外，還需要與一組高績效銀行的數據進行單獨比較，并對所選高績效銀行的成功案例進行收集從而更為全面而深入地了解其業務策略，市場聚焦點和運營環境等成功要素。

2. 客戶

客戶是銀行最有價值的資產，大部分銀行不論是對個人銀行客戶還是公司銀行客戶關系系統中都已有非常多的可供分析的數據，例如產品滲透率、余額情況、服務渠道的活躍度、利率和風險偏好等。

這其中的最大挑戰在于要將數據形成相應的模型，從而幫助識別客戶獲取、交叉銷售和客戶保留的機會，進而用于制定市場營銷抓手、銷售策略以及客戶關系管理相關的其他決策。在這些客戶經營指標方面，第三方機構已有相應的行業標桿數據，銀行可通過將本行數據與行業標桿數據比對之后，能夠確定更為切實可行的績效改進目標和學習對象。

3. 市場

銀行的戰略方向和業績水平很大程度上受制于：其所服務的市場大小、規模及其構成以及市場活力的影響。因此，建立一份有關服務市場的檔案信息非常必要，銀行能夠從中制定競爭策略、識別市場增長潛力并設定工作的優先級。

理想情況下，市場信息檔案應包含當地經濟和人口統計信息，預期的增長空間、目標客戶的集中度等數據，因為這些數據將會直接影響其市場中目標客群的細分、金融產品的使用行為、市場競爭的類型和競爭激烈程度等。

銀行的客戶基礎和競爭水平，將與每個市場的信息進行比對;增長潛力也將通過客戶細分群體和產品計算出來。這樣的分析能夠幫助銀行識別當前在哪些市場、產品和細分客戶群體的滲透率較低，進而幫助銀行制定相應的業務戰略和設定客戶獲取、交叉銷售和客戶保留等同項目的優先級。

同樣的，市場分析應該服務于每個銀行網點的服務領域。這樣的分析能夠幫助銀行網點確定自身的銷售目標和人員配置等。

4. 運營

改進生產力和效率對于提升財務表現至關重要。其實，銀行已有能夠判別運營效率和跟蹤績效表現的大量數據，只是這些數據需要更好地進行收集、組織和分析。運營效率的分析方式是針對支持部門和直接面向客戶的部門，選取一定數量的相關指標進行分析與排名;同時還可再與行業標桿數據進行比對。

這項分析的目的是識別銀行在哪些方面與同業的做法存在著差距、以及差距的大小，同時還將有助于銀行制定相應的提升策略和優化措施，以便達到改進產能與效率的目標。

5. 渠道與銷售

對每一個網點在其服務范圍內的經營特色、發展機會與現狀進行分析，是非常有必要的。每個網點的績效分析維度應包含：銷售和服務活動、財務表現、運營成本、人員配置水平與人員構成，以及網點的活力。

我們建議將網點的績效分析與市場分析相結合。這樣做能夠幫助管理層對市場營銷經費的分配、人員配置水平、以及應該關閉哪些網點、在什么地方開始新網點、如何對部門進行重組等方面做出更為合理的決策。

另外，建議銀行對每個網點的手機銀行和網上銀行的覆蓋比例進行分析。這樣的分析一方面能夠與同業標桿數據進行對比分析，同時也能夠有助于制定更為有效的市場策略和營銷項目。

這五個方面的分析能夠相對容易地開展并為管理者、投資人和并購伙伴提供關鍵的信息。對于大部分銀行而言，將有限的資源投入在小數據分析上而不是昂貴的大數據分析上，實則更為合理一些。

?Bingdata優網助幫匯聚多平臺采集的海量數據,通過大數據技術的分析及預測能力為企業提供智能化的數據分析、運營優化、投放決策、精準營銷、競品分析等整合營銷服務。

北京優網助幫信息技術有限公司（簡稱優網助幫）是以大數據為基礎，并智能應用于整合營銷的大數據公司，隸屬于亨通集團。Bingdata是其旗下品牌。優網助幫團隊主要來自阿里、騰訊、百度、金山、搜狐及移動、電信、聯通、華為、愛立信等著名企業的技術大咖，兼有互聯網與通信運營商兩種基因，為大數據的算法分析提供強大的技術支撐。

?

總結

以上是生活随笔為你收集整理的小数据大用场：银行大数据挖掘的五个切入点的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。