數據科學賦能商業決策：以亞洲首個零售銀行數字營銷應用為例
數月以來，大數據行業的從業者（尤其是第三方數據公司）恐怕難得睡上幾回安穩覺。行業龍頭“停擺”，數據交易行為被嚴查，監管介入整頓爬蟲技術，以及央行排查銀行與第三方數據公司合作情況……大數據，這個不久前還被認為“正值風口”的行業，竟如此之快地走到了變局的路口。
從業者們的焦慮一方面來自監管收緊，另一方面則是源于數據科學與近年來“野蠻生長”的互聯網金融的深度綁定，以致一損俱損。不過近年來，一些金融科技企業通過“品牌升級”試水轉型（最具代表性的便是京東金融更名為“京東數科”），也為數據科學帶來了全新的想象空間：
離開單一的風控信貸場景，數據科學完全可以在數字營銷、精準營銷等應用場景下，為現代商業問題提供解決方案。
他山之石：匯豐銀行的CRM應用
據中國軟件網聯合海比研究發布的調研報告顯示，我國在2012年的CRM（客戶關系管理）市場規模約為14.25億元，2017年為43.48億元，年復合增長率接近25%。預計在2020年，這一數據將達到95.52億元。
CRM市場規模的增長，既得益于CRM系統、軟件產業的高速發展，也反映了企業對數字營銷、精準營銷等商業解決方案的強烈需求。SalesForce，Oracle等行業巨頭已掌控了CRM系統的市場格局，但精準營銷所仰仗的數據分析領域，卻鮮見“掘金者”入場。
借助數據分析服務企業CRM并不是新鮮的概念。上世紀90年代，零售行業已將數據分析廣泛應用于交叉銷售、客戶分群以及客戶流失分析等方面。然而有趣的是，如今與數據分析緊密捆綁的金融行業，在當時對數據科學似乎不太感冒。一位從事金融科技相關工作多年的分析人士認為，彼時的金融業以零售銀行為代表，因產品細分程度高，客群復雜，以致于交叉銷售難以通過傳統手段建模分析。而在嚴謹的金融從業者們看來，過程“無法清晰解釋”的“自我學習算法”（即神經網絡）似乎意味著風險，以致于這一更高效的數據分析預測模型遲遲無法敲開零售銀行的大門。
直到1999年，香港的匯豐銀行率先破局，在時任美國SAS公司香港區顧問張新昌的統籌下，引入神經網絡算法，建立金融產品交叉銷售預測模型。據悉，當時用于算法學習的數據僅是匯豐銀行在港的一線銷售數據，維度遠不及今日大數據行業這般全面、準確。
盡管如此，這個歷時不到半年搭建起的模型，讓匯豐銀行交叉銷售的效率提升近40%。
大數據與精準營銷的“融合藝術”
據張新昌介紹，他為匯豐銀行設計的交叉銷售預測模型，基礎邏輯便是采集盡可能多的用戶行為數據和產品銷售數據，量化不同類型的客戶對各類型產品的興趣程度，通過模型模擬出“最優匹配”，并根據實際銷售數據繼續優化模型，不斷提升效率。
舉例而言，通過模擬得出的解決方案，銀行發現銷售效率提升空間最大的場景存在于客戶等待柜臺叫號期間，而在這個場景下，客戶接受度最高的產品是一些門檻較低、規則簡單的理財產品。再經過對旗下三十多款產品以對應維度進行打分，匯豐銀行提煉出更優的銷售策略。
“這事實上就是借助數據分析，實現今天各家都在追求的精準營銷。”
張新昌認為，當今精準營銷的決策，多來自于營銷者對市場的“觀察”和“認知”，缺乏數據支撐。而在統計學專業出身，獲英國皇家統計學會認證的張新昌看來，精準營銷既需要發揮營銷的想象力、創造力，也同樣需要數學模型、數據分析提供的精準。“這是一門融合的藝術。”
值得一提的是，張新昌在匯豐銀行應用神經網絡數據分析系統，是亞洲范圍內的零售銀行領域尚屬首例；而在2007年，張新昌在深圳成立了一家大數據分析與應用企業，華策數科（全名華策輝弘科技有限公司），為各行業提供大數據分析和應用服務，并將運用數據分析賦能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證其交叉銷售的策略。
第三方數據公司的轉型之路
今天的零售銀行，無論從產品的多元程度，面向客群的復雜程度，還是其擁有的用戶數據豐富程度而言，都已非昔日可比。由此可見，零售銀行的精準營銷需求將遠大于以往，這或許也將成為第三方數據公司的轉型機遇。
舉例而言，當一位用戶的旅游消費占比提升，對銀行而言就意味著旅游分期產品的銷售機會；而當更多用戶產生同類需求時，銀行更可以引入與旅行社、保險機構、零售品牌的合作，為用戶打造旅游場景下“一站式消費”體驗，增加用戶黏性并提升交叉銷售效率。
而在這之中，數據分析指導下的營銷決策將扮演至關重要的角色。
如華策數科這樣的大數據分析公司，正越來越多地探索跨行業、多場景的數據分析和商業解決方案，甚至在AI、云計算的“加持”下，開始構筑起覆蓋零售、通信、物流等領域的“全行業數據分析與解決方案”版圖。
由此看來，大數據應用的未來依舊是一片光明。
評論
評論
推薦評論
暫無評論哦，快來評論一下吧！
全部評論（0條）