大数据背景下商业银行客户价值管理研究

文/刘田

一、引言：

我国资本市场快速发展，伴随着间接融资所占比重开始增加，互联网金融企业借助大数据和人工智能算法，快速挤占商业银行市场。商业银行基于客户全生命周期在客户价值的管理上出现了一定的阻力。本文希望通过对大数据在商业银行中的作用，分析商业银行内部管理机制中应当如何利用大数据维护客户价值，以应对互联网金融的冲击和影响，提升商业银行客户价值管理能力。

二、商业银行客户价值管理现状。

（一）多方压力制约商业银行客户价值挖掘。首先，近年来资本市场多层次的发展对商业银行客户经营产生了较大的压力。个人客户的资金被保险、基金等理财产品分流，给商业银行带来了负债端吸引力下降的压力；企业客户在自身融资结构中加大了直接融资的比重，商业银行传统业务经营受到挑战。其次，商业银行在我国传统的资本密集型投资领域如房地产、基础设施建设等的信贷资产投入趋于饱和，且疫情暴发，总体经济不振，各地方政府财政压力较大，商业银行依靠信贷扩张增加盈利的模式难以维系。最后，第三方支付的强势崛起对商业银行传统的中介支付职能形成了巨大的挑战，2019年中国第三方移动支付平台份额中，支付宝占比54.4%，财付通占比39.4%，而云闪付，银联商务等银行业移动支付系统占比十分有限。互联网金融公司以此缺口为据点，不断抢占商业银行的客户份额。（二）传统业务数字化程度低带来限制。一方面，商业银行客户分层管理机制不完善。商业银行客户数据冗杂，质量参差不齐，对客户进行评价分层的效率较低，客户评级体系智能化程度不高，仍需要较大的人力成本投入；客户分层后的营销工作尚未形成精细化的智慧营销，利用数据对客户资源的整合开发应用尚欠。另一方面，商业银行传统业务流程对人力依赖过大。如在贷款业务中，贷款业务的调查审批仍然需要客户经理进行现场调查，提交大量纸质材料，对大数据信贷风险防控机制的应用不足。尤其是在中小企业贷款项目中，对中小企业自身数据及相关数据挖掘不到位，更多延续传统的贷后管理模式，难以形成有效的差别化管理。（三）疫情暴发引致更多经营挑战。新冠疫情的爆发给商业银行带来了巨大的挑战。第一，疫情激化了商业银行的信用风险。根据银监会披露的数据，2020年二季度末，商业银行不良贷款余额2.74万亿元，较上季末增加1243亿元；商业银行不良贷款率1.94%，较上季末增加0.03个百分点。比2019年年底上升了0.08个百分点。且目前疫情仍有较大不确定性，所带来的金融风险也存在一定时滞，预计有相当规模贷款的风险会延后暴露。第二，疫情冲击商业银行传统线下网点经营模式。据工商银行统计显示，和疫情前相比个人中高端客户到店占比下降约2.05%；35岁以下年轻客户到店占比下降约0.77。银行业务“离柜化”“离行化”趋势愈发明显，商业银行必须尽快适应“非接触”营销方式，开辟新的客户价值挖掘渠道。

三、商业银行客户全生命周期管理理念。

客户生命周期是指一个客户从企业的潜在客户，到成为企业正式客户，最终结束与企业的客户关系的一个周期。按照客户生命周期理论，客户与商业银行的关系可划分为四个阶段——拓展期、成长期、稳定期以及退出期，不同阶段客户价值表现各有差异。拓展期：该阶段客户与商业银行关系尚不稳固，当期价值贡献较低甚至不满足底线标准，但具有良好的发展潜力，能够通过营销等手段实现客户价值的快速提升。成长期：该阶段客户与商业银行关系逐步稳固，客户金融需求快速增长，价值贡献规模及回报率水平均实现显著提升。稳定期：该阶段客户与商业银行建立了稳定的合作关系，同时对于客户的产品渗透已经基本到位，价值贡献好于前两个阶段。在客户管理中，应当尽量延长客户该阶段的时间。退出期：商业银行逐步减少对该阶段客户的服务或直接终止服务。客户价值贡献减少，回报率较稳定期出现明显下降甚至为负。企业在实践中运用客户生命周期理论的基础在于对客户所处合作阶段的判断，只有判断清楚客户所属的阶段，企业才能针对性的做出相适应的选择，实现为企业的增值。本文认为数字化的普及，大数据的应用能有效帮助商业银行客户全生命周期管理中从成长期到稳定期的过渡，以及尽可能使客户在稳定期停留。

四、大数据技术下商业银行客户价值挖掘应用。

（一）大数据技术整体应用布局。首先确认大数据技术应服务的客户价值管理思想。商业银行一般从现有价值和未来价值两个方面对客户价值进行分类。对于两种价值都较低的客户，管理的目标就是尽快运用大数据的分析结果决定是否要放弃培养该客户；对于当前价值较低而未来价值较高的客户，应实时追踪其在本商业银行的业务行为，根据其投融资的实际需求变动适时推出相应的金融产品与服务，变潜在客户为实际客户；对于当前价值较高而未来价值有下滑趋势的客户，商业银行首先要稳固其当前价值的发挥，积极与其开展合作，在合作中确认是否能够帮助客户改变未来价值的下降；对于两种价值都较高的客户，商业银行需要加大维持客户关系的力度，力争与客户进行更深层次的合作，实现双方的共赢。在具体布局中，首要的是利用大数据技术建立客户关系一对一营销模式。商业银行经过数据的搜集整理，分别建立企业客户和个人客户独立完善的客户信息数据库，进而根据不同客户各自的特性初步划分客户群。比如企业客户依据经营行业、经营规模等进行划分；个人客户依据其职业和薪资水平等进行划分，提升商业银行的营销效率；接着运用大数据分析技术对客户群进行细致化分析。对于企业客户把握其历史融资需求和特点进而对未来业务发展有一定推断；对于个人客户对其消费行为进行细致挖掘，掌握其消费模式，助力营销人员把握未来对客户的需求把握；之后再根据不同客户群的特点，掌握客户个性化的需求，提供更符合客户需求的选择，逐步提升客户粘性，不断巩固客户群，挖掘客户的潜在价值。（二）大数据技术优化传统信贷现有应用。银行要改变前文提到的人力成本过高，效率较低的局面必须加大对大数据技术的应用。传统的信贷管理模式要做出改变，就要在原有信用评级机制的基础上，充分发挥数据的作用，不断深入挖掘数据，综合分析自有数据库的数据和外部数据，建立信贷管理数据模型。在建立模型时可以应用银行内部原有贷款案例进行模拟，将原有数据进行综合分析，建立模型并与原有案例进程进行对比，不断提高模型预测的准确性和效率。在实际运用中，商业银行可以先选择一些价值不高的贷款项目进行模型的试运行。首先，确认用户所属信用等级，确认客户风险点所在并且据此判断该笔贷款的未来价值，决策是否能够发放贷款；其次，在贷款业务中要持续搜集客户数据，对比其与期初模型预测的偏离，判断这种偏离是否会影响这笔贷款的质量，同时决策是否修正该偏离及用何方式修正偏离；最后，在贷款业务结束后，对整个贷款流程进行评价，发现模型在实际运用中的缺陷，设立关键预警节点，不断优化模型的普适性，提高商业银行信贷业务整体流程的效率和质量。疫情的到来，商业银行作为有社会责任的企业必须支持社会实体企业度过难关，但这也使得商业银行不得不警惕风险延后保留所带来的信贷不良资产增加。截至2020年4月30日，金融机构对超1.2万亿受疫情影响的中小微企业贷款本息进行了延期；中国人民银行在2020年6月2日发布《金融支持稳企业保就业新闻发布会文字实录》，指出按照测算，符合“应延尽延”要求的普惠小微企业贷款约为7万亿。中小微企业信贷业务对商业银行来说情况复杂，管理难度大。面对如此庞大业务量，商业银行要承担起其应有的社会责任，更应该加强大数据技术的应用，用数字化的金融科技手段分析中小企业特点，设计差异化的中小企业信贷产品。切实提高中小微企业贷款的效率和质量，优化风险防控，调整自身信贷结构，在迎接新挑战的过程中提升自身客户价值管理能力，增强竞争力。（三）大数据技术精准营销现有应用。大数据技术助力商业银行精准描绘用户画像。商业银行基于大数据技术驱动的智慧营销系统，通过整合多渠道的数据，综合分析用户交易信息、用户社交情况、用户财务状况等多维度数据信息，挖掘、分析用户日常行为习惯及特征，精准识别用户需求，丰富客户标签，实现对用户的精准画像，提升基于网络与场景的获客、活客能力。用户画像的形成，一方面实现了商业银行对客户的精细化管理，切实找到客户的需求点，提升客户体验；另一方面，客户在业务流程中新的交易行为形成的反馈数据，能够对后续完善用户画像、优化产品设计形成有效的信息流通闭环。目前商业银行对于用户画像的使用多集中信用卡领域，它能有效地帮助商业银行在信用卡信息的精准推送、挖掘潜在分期客户价值、预警识别客户风险、缩短客户授信审批等多方面建立智能化管理体系。用户画像的应用能使得商业银行利用客户搜索内容、行动轨迹等进行有效的信息推送；根据客户以往消费习惯、授信额度等挖掘潜在分期用户；依照客户以往透支额度、逾期次数预警识别客户风险；由客户原有的征信记录、收入层级等信息缩短客户授信审批的程序。这一方式在信用卡业务深入应用的同时，也应推广至其他业务。

疫情所带来的不确定性仍然较大的当下，商业银行线下业务的开展是有限的。各大银行有必要加大数字化的应用，充分利用大数据技术挖掘客户潜在价值。现在各大银行基本都有自己的银行网上应用软件，可以根据商业银行以往对客户信息的搜集形成一个综合的用户画像，在开展具体业务时，关注用户画像的不同层面确认用户的需求点和自己业务的风险点；在业务进行中，不断搜集数据并进行标准化的整合从而方便日后的分析对比；在业务完成后，对客户的用户画像进行补充，精化原有画像中的模糊层面，方便日后继续为客户提供差异化的服务，提升客户粘性。

五、大数据应用的当前挑战

（一）数据共享和信息挖掘深度。一方面，商业银行自身具有海量数据的积累，但是数据冗余现象仍比较严重，数据利用效率不高，尤其是各部门之间数据割裂，沟通不畅；另一方面，商业银行客户价值管理所需的数据不能只限于自身数据的运用，需要有外部数据的支持才能在对客户进行数据分析时尽可能的全面，但是数据作为新型生产要素，其重要的战略地位使得和各电商集团、社交网站进行数据共享具有主观上的排斥性。因而，商业银行要加强自身内部数据的统一整合，商业银行应该在自身的分布式数据库系统基础上，加强各部门机构之间的数据沟通协作，活泛数据的内部流动，最终形成部门间共享的，标准化数据口径客户数据库；同时，商业银行要克服数据共享主观上的排斥性。商业银行和各数据集中企业之间不仅仅是竞争关系，更应该是相互促进发展的关系。商业银行应建立与各电商集团、社交网站的数据共享，加强双方战略纵深合作。整合各方数据，让数据形成流动的大循环，加强商业银行自身客户价值管理的同时也帮助其他企业的成长，实现共赢。（二）银行自身高层次人才培养。疫情的发展虽然制约了商业银行线下业务的开展，但也促进了其线上业务的迅速成长。随着线上业务占比的加重，商业银行原有的各部门重要性的比重也会被迫发生变化。商业银行原有的线下经营人员要和线上业务部门进行业务对接，沟通问题的出现在所难免。同时，线上业务比重的增加也使得商业银行对复合型高层次人才的需求越来越强。尤其是要用好大数据技术，技术部人才不能只管技术，还要让技术的应用切合实际的需求，这是商业银行做好客户价值管理必须要面对的。

在这样的形势下，商业银行必须尽快做好各部门之间的业务沟通，加强各部门之间的沟通，强化交流渠道，提升交流效率；同时，一方面加强对高层次复合型人才的招聘，另一方面还需加强自身人才的培养，在现阶段，要做到最基本的需求沟通，反映解决渠道的顺畅，把商业银行线上业务的发展中遇到的技术难题切实可行地解决，并为以后进一步构建客户数据库的应用做好铺垫。（三）大数据应用下的合规风险。一方面，大数据合规使用范围的确认较为模糊。客户信息包含了大量的客户隐私，数据的不善使用可能会触犯监管红线，导致商业银行大数据技术应用的滞碍甚至是断裂；另一方面，我国商业银行数据存储终端的核心设备和技术尚未实现自主研发，对于国外技术的依赖性较强。若第三方服务器将数据泄露，将会使得银行和客户的信息安全遭受极大威胁。为解决合规风险，商业银行在进行数据收集时就要尽可能的确保数据的真实性，合规性，从而保证后续应用中不会出现合规风险。商业银行应首先强化员工合规意识，避免因为员工无意识的数据搜集触发合规底线，将保护客户隐私的理念深入到基层工作当中；其次在于建立机构间实现大数据共享的标准和底线，各机构自我监督先行，减少各机构在更长期的合作中因数据安全问题而产生摩擦；另外，商业银行应主动加强与金融监管机构的合作，主动“排雷”，规避大数据应用的合规风险。

六、结论：

商业银行面临互联网金融冲击，应当审时度势，发展并完善大数据建设。通过加强数据共享和信息挖掘深度、加强银行自身部门间协作培养高层次人才等方式提高经营效用和维护客户价值的能力。但是，也必须注意在发展大数据需注意合规风险，避免由于数据泄露而导致的客户财产出现损失。在稳健经营的前提下，发展大数据建设，提升商业银行客户价值管理能力。