大數據背景下商業銀行客戶價值管理研究

文/劉田

一、引言：

我國資本市場快速發展，伴隨著間接融資所占比重開始增加，互聯網金融企業借助大數據和人工智能算法，快速擠占商業銀行市場。商業銀行基于客戶全生命周期在客戶價值的管理上出現了一定的阻力。本文希望通過對大數據在商業銀行中的作用，分析商業銀行內部管理機制中應當如何利用大數據維護客戶價值，以應對互聯網金融的沖擊和影響，提升商業銀行客戶價值管理能力。

二、商業銀行客戶價值管理現狀。

（一）多方壓力制約商業銀行客戶價值挖掘。首先，近年來資本市場多層次的發展對商業銀行客戶經營產生了較大的壓力。個人客戶的資金被保險、基金等理財產品分流，給商業銀行帶來了負債端吸引力下降的壓力；企業客戶在自身融資結構中加大了直接融資的比重，商業銀行傳統業務經營受到挑戰。其次，商業銀行在我國傳統的資本密集型投資領域如房地產、基礎設施建設等的信貸資產投入趨于飽和，且疫情暴發，總體經濟不振，各地方政府財政壓力較大，商業銀行依靠信貸擴張增加盈利的模式難以維系。最后，第三方支付的強勢崛起對商業銀行傳統的中介支付職能形成了巨大的挑戰，2019年中國第三方移動支付平臺份額中，支付寶占比54.4%，財付通占比39.4%，而云閃付，銀聯商務等銀行業移動支付系統占比十分有限?；ヂ摼W金融公司以此缺口為據點，不斷搶占商業銀行的客戶份額。（二）傳統業務數字化程度低帶來限制。一方面，商業銀行客戶分層管理機制不完善。商業銀行客戶數據冗雜，質量參差不齊，對客戶進行評價分層的效率較低，客戶評級體系智能化程度不高，仍需要較大的人力成本投入；客戶分層后的營銷工作尚未形成精細化的智慧營銷，利用數據對客戶資源的整合開發應用尚欠。另一方面，商業銀行傳統業務流程對人力依賴過大。如在貸款業務中，貸款業務的調查審批仍然需要客戶經理進行現場調查，提交大量紙質材料，對大數據信貸風險防控機制的應用不足。尤其是在中小企業貸款項目中，對中小企業自身數據及相關數據挖掘不到位，更多延續傳統的貸后管理模式，難以形成有效的差別化管理。（三）疫情暴發引致更多經營挑戰。新冠疫情的爆發給商業銀行帶來了巨大的挑戰。第一，疫情激化了商業銀行的信用風險。根據銀監會披露的數據，2020年二季度末，商業銀行不良貸款余額2.74萬億元，較上季末增加1243億元；商業銀行不良貸款率1.94%，較上季末增加0.03個百分點。比2019年年底上升了0.08個百分點。且目前疫情仍有較大不確定性，所帶來的金融風險也存在一定時滯，預計有相當規模貸款的風險會延后暴露。第二，疫情沖擊商業銀行傳統線下網點經營模式。據工商銀行統計顯示，和疫情前相比個人中高端客戶到店占比下降約2.05%；35歲以下年輕客戶到店占比下降約0.77。銀行業務“離柜化”“離行化”趨勢愈發明顯，商業銀行必須盡快適應“非接觸”營銷方式，開辟新的客戶價值挖掘渠道。

三、商業銀行客戶全生命周期管理理念。

客戶生命周期是指一個客戶從企業的潛在客戶，到成為企業正式客戶，最終結束與企業的客戶關系的一個周期。按照客戶生命周期理論，客戶與商業銀行的關系可劃分為四個階段——拓展期、成長期、穩定期以及退出期，不同階段客戶價值表現各有差異。拓展期：該階段客戶與商業銀行關系尚不穩固，當期價值貢獻較低甚至不滿足底線標準，但具有良好的發展潛力，能夠通過營銷等手段實現客戶價值的快速提升。成長期：該階段客戶與商業銀行關系逐步穩固，客戶金融需求快速增長，價值貢獻規模及回報率水平均實現顯著提升。穩定期：該階段客戶與商業銀行建立了穩定的合作關系，同時對于客戶的產品滲透已經基本到位，價值貢獻好于前兩個階段。在客戶管理中，應當盡量延長客戶該階段的時間。退出期：商業銀行逐步減少對該階段客戶的服務或直接終止服務?？蛻魞r值貢獻減少，回報率較穩定期出現明顯下降甚至為負。企業在實踐中運用客戶生命周期理論的基礎在于對客戶所處合作階段的判斷，只有判斷清楚客戶所屬的階段，企業才能針對性的做出相適應的選擇，實現為企業的增值。本文認為數字化的普及，大數據的應用能有效幫助商業銀行客戶全生命周期管理中從成長期到穩定期的過渡，以及盡可能使客戶在穩定期停留。

四、大數據技術下商業銀行客戶價值挖掘應用。

（一）大數據技術整體應用布局。首先確認大數據技術應服務的客戶價值管理思想。商業銀行一般從現有價值和未來價值兩個方面對客戶價值進行分類。對于兩種價值都較低的客戶，管理的目標就是盡快運用大數據的分析結果決定是否要放棄培養該客戶；對于當前價值較低而未來價值較高的客戶，應實時追蹤其在本商業銀行的業務行為，根據其投融資的實際需求變動適時推出相應的金融產品與服務，變潛在客戶為實際客戶；對于當前價值較高而未來價值有下滑趨勢的客戶，商業銀行首先要穩固其當前價值的發揮，積極與其開展合作，在合作中確認是否能夠幫助客戶改變未來價值的下降；對于兩種價值都較高的客戶，商業銀行需要加大維持客戶關系的力度，力爭與客戶進行更深層次的合作，實現雙方的共贏。在具體布局中，首要的是利用大數據技術建立客戶關系一對一營銷模式。商業銀行經過數據的搜集整理，分別建立企業客戶和個人客戶獨立完善的客戶信息數據庫，進而根據不同客戶各自的特性初步劃分客戶群。比如企業客戶依據經營行業、經營規模等進行劃分；個人客戶依據其職業和薪資水平等進行劃分，提升商業銀行的營銷效率；接著運用大數據分析技術對客戶群進行細致化分析。對于企業客戶把握其歷史融資需求和特點進而對未來業務發展有一定推斷；對于個人客戶對其消費行為進行細致挖掘，掌握其消費模式，助力營銷人員把握未來對客戶的需求把握；之后再根據不同客戶群的特點，掌握客戶個性化的需求，提供更符合客戶需求的選擇，逐步提升客戶粘性，不斷鞏固客戶群，挖掘客戶的潛在價值。（二）大數據技術優化傳統信貸現有應用。銀行要改變前文提到的人力成本過高，效率較低的局面必須加大對大數據技術的應用。傳統的信貸管理模式要做出改變，就要在原有信用評級機制的基礎上，充分發揮數據的作用，不斷深入挖掘數據，綜合分析自有數據庫的數據和外部數據，建立信貸管理數據模型。在建立模型時可以應用銀行內部原有貸款案例進行模擬，將原有數據進行綜合分析，建立模型并與原有案例進程進行對比，不斷提高模型預測的準確性和效率。在實際運用中，商業銀行可以先選擇一些價值不高的貸款項目進行模型的試運行。首先，確認用戶所屬信用等級，確認客戶風險點所在并且據此判斷該筆貸款的未來價值，決策是否能夠發放貸款；其次，在貸款業務中要持續搜集客戶數據，對比其與期初模型預測的偏離，判斷這種偏離是否會影響這筆貸款的質量，同時決策是否修正該偏離及用何方式修正偏離；最后，在貸款業務結束后，對整個貸款流程進行評價，發現模型在實際運用中的缺陷，設立關鍵預警節點，不斷優化模型的普適性，提高商業銀行信貸業務整體流程的效率和質量。疫情的到來，商業銀行作為有社會責任的企業必須支持社會實體企業度過難關，但這也使得商業銀行不得不警惕風險延后保留所帶來的信貸不良資產增加。截至2020年4月30日，金融機構對超1.2萬億受疫情影響的中小微企業貸款本息進行了延期；中國人民銀行在2020年6月2日發布《金融支持穩企業保就業新聞發布會文字實錄》，指出按照測算，符合“應延盡延”要求的普惠小微企業貸款約為7萬億。中小微企業信貸業務對商業銀行來說情況復雜，管理難度大。面對如此龐大業務量，商業銀行要承擔起其應有的社會責任，更應該加強大數據技術的應用，用數字化的金融科技手段分析中小企業特點，設計差異化的中小企業信貸產品。切實提高中小微企業貸款的效率和質量，優化風險防控，調整自身信貸結構，在迎接新挑戰的過程中提升自身客戶價值管理能力，增強競爭力。（三）大數據技術精準營銷現有應用。大數據技術助力商業銀行精準描繪用戶畫像。商業銀行基于大數據技術驅動的智慧營銷系統，通過整合多渠道的數據，綜合分析用戶交易信息、用戶社交情況、用戶財務狀況等多維度數據信息，挖掘、分析用戶日常行為習慣及特征，精準識別用戶需求，豐富客戶標簽，實現對用戶的精準畫像，提升基于網絡與場景的獲客、活客能力。用戶畫像的形成，一方面實現了商業銀行對客戶的精細化管理，切實找到客戶的需求點，提升客戶體驗；另一方面，客戶在業務流程中新的交易行為形成的反饋數據，能夠對后續完善用戶畫像、優化產品設計形成有效的信息流通閉環。目前商業銀行對于用戶畫像的使用多集中信用卡領域，它能有效地幫助商業銀行在信用卡信息的精準推送、挖掘潛在分期客戶價值、預警識別客戶風險、縮短客戶授信審批等多方面建立智能化管理體系。用戶畫像的應用能使得商業銀行利用客戶搜索內容、行動軌跡等進行有效的信息推送；根據客戶以往消費習慣、授信額度等挖掘潛在分期用戶；依照客戶以往透支額度、逾期次數預警識別客戶風險；由客戶原有的征信記錄、收入層級等信息縮短客戶授信審批的程序。這一方式在信用卡業務深入應用的同時，也應推廣至其他業務。

疫情所帶來的不確定性仍然較大的當下，商業銀行線下業務的開展是有限的。各大銀行有必要加大數字化的應用，充分利用大數據技術挖掘客戶潛在價值。現在各大銀行基本都有自己的銀行網上應用軟件，可以根據商業銀行以往對客戶信息的搜集形成一個綜合的用戶畫像，在開展具體業務時，關注用戶畫像的不同層面確認用戶的需求點和自己業務的風險點；在業務進行中，不斷搜集數據并進行標準化的整合從而方便日后的分析對比；在業務完成后，對客戶的用戶畫像進行補充，精化原有畫像中的模糊層面，方便日后繼續為客戶提供差異化的服務，提升客戶粘性。

五、大數據應用的當前挑戰

（一）數據共享和信息挖掘深度。一方面，商業銀行自身具有海量數據的積累，但是數據冗余現象仍比較嚴重，數據利用效率不高，尤其是各部門之間數據割裂，溝通不暢；另一方面，商業銀行客戶價值管理所需的數據不能只限于自身數據的運用，需要有外部數據的支持才能在對客戶進行數據分析時盡可能的全面，但是數據作為新型生產要素，其重要的戰略地位使得和各電商集團、社交網站進行數據共享具有主觀上的排斥性。因而，商業銀行要加強自身內部數據的統一整合，商業銀行應該在自身的分布式數據庫系統基礎上，加強各部門機構之間的數據溝通協作，活泛數據的內部流動，最終形成部門間共享的，標準化數據口徑客戶數據庫；同時，商業銀行要克服數據共享主觀上的排斥性。商業銀行和各數據集中企業之間不僅僅是競爭關系，更應該是相互促進發展的關系。商業銀行應建立與各電商集團、社交網站的數據共享，加強雙方戰略縱深合作。整合各方數據，讓數據形成流動的大循環，加強商業銀行自身客戶價值管理的同時也幫助其他企業的成長，實現共贏。（二）銀行自身高層次人才培養。疫情的發展雖然制約了商業銀行線下業務的開展，但也促進了其線上業務的迅速成長。隨著線上業務占比的加重，商業銀行原有的各部門重要性的比重也會被迫發生變化。商業銀行原有的線下經營人員要和線上業務部門進行業務對接，溝通問題的出現在所難免。同時，線上業務比重的增加也使得商業銀行對復合型高層次人才的需求越來越強。尤其是要用好大數據技術，技術部人才不能只管技術，還要讓技術的應用切合實際的需求，這是商業銀行做好客戶價值管理必須要面對的。

在這樣的形勢下，商業銀行必須盡快做好各部門之間的業務溝通，加強各部門之間的溝通，強化交流渠道，提升交流效率；同時，一方面加強對高層次復合型人才的招聘，另一方面還需加強自身人才的培養，在現階段，要做到最基本的需求溝通，反映解決渠道的順暢，把商業銀行線上業務的發展中遇到的技術難題切實可行地解決，并為以后進一步構建客戶數據庫的應用做好鋪墊。（三）大數據應用下的合規風險。一方面，大數據合規使用范圍的確認較為模糊。客戶信息包含了大量的客戶隱私，數據的不善使用可能會觸犯監管紅線，導致商業銀行大數據技術應用的滯礙甚至是斷裂；另一方面，我國商業銀行數據存儲終端的核心設備和技術尚未實現自主研發，對于國外技術的依賴性較強。若第三方服務器將數據泄露，將會使得銀行和客戶的信息安全遭受極大威脅。為解決合規風險，商業銀行在進行數據收集時就要盡可能的確保數據的真實性，合規性，從而保證后續應用中不會出現合規風險。商業銀行應首先強化員工合規意識，避免因為員工無意識的數據搜集觸發合規底線，將保護客戶隱私的理念深入到基層工作當中；其次在于建立機構間實現大數據共享的標準和底線，各機構自我監督先行，減少各機構在更長期的合作中因數據安全問題而產生摩擦；另外，商業銀行應主動加強與金融監管機構的合作，主動“排雷”，規避大數據應用的合規風險。

六、結論：

商業銀行面臨互聯網金融沖擊，應當審時度勢，發展并完善大數據建設。通過加強數據共享和信息挖掘深度、加強銀行自身部門間協作培養高層次人才等方式提高經營效用和維護客戶價值的能力。但是，也必須注意在發展大數據需注意合規風險，避免由于數據泄露而導致的客戶財產出現損失。在穩健經營的前提下，發展大數據建設，提升商業銀行客戶價值管理能力。