大数据行业变局？ 看零售银行如何“玩转”大数据

数月以来，大数据行业的从业者（尤其是第三方数据公司）恐怕难得睡上几回安稳觉。行业龙头“停摆”，数据交易行为被严查，监管介入整顿爬虫技术，以及央行排查银行与第三方数据公司合作情况……大数据，这个不久前还被认为“正值风口”的行业，竟如此之快地走到了变局的路口。

从业者们的焦虑一方面来自监管收紧，另一方面则是源于数据科学与近年来“野蛮生长”的互联网金融的深度绑定，以致一损俱损。不过近年来，一些金融科技企业通过“品牌升级”试水转型（最具代表性的便是京东金融更名为“京东数科”），也为数据科学带来了全新的想象空间：

离开单一的风控信贷场景，数据科学完全可以在数字营销、精准营销等应用场景下，为现代商业问题提供解决方案。

他山之石：汇丰银行的CRM应用

据中国软件网联合海比研究发布的调研报告显示，我国在2012年的CRM（客户关系管理）市场规模约为14.25亿元，2017年为43.48亿元，年复合增长率接近25%。预计在2020年，这一数据将达到95.52亿元。

CRM市场规模的增长，既得益于CRM系统、软件产业的高速发展，也反映了企业对数字营销、精准营销等商业解决方案的强烈需求。SalesForce，Oracle等行业巨头已掌控了CRM系统的市场格局，但精准营销所仰仗的数据分析领域，却鲜见“掘金者”入场。

借助数据分析服务企业CRM并不是新鲜的概念。上世纪90年代，零售行业已将数据分析广泛应用于交叉销售、客户分群以及客户流失分析等方面。然而有趣的是，如今与数据分析紧密捆绑的金融行业，在当时对数据科学似乎不太感冒。一位从事金融科技相关工作多年的分析人士认为，彼时的金融业以零售银行为代表，因产品细分程度高，客群复杂，以致于交叉销售难以通过传统手段建模分析。而在严谨的金融从业者们看来，过程“无法清晰解释”的“自我学习算法”（即神经网络）似乎意味着风险，以致于这一更高效的数据分析预测模型迟迟无法敲开零售银行的大门。

直到1999年，香港的汇丰银行率先破局，在时任美国SAS公司香港区顾问张新昌的统筹下，引入神经网络算法，建立金融产品交叉销售预测模型。据悉，当时用于算法学习的数据仅是汇丰银行在港的一线销售数据，维度远不及今日大数据行业这般全面、准确。

尽管如此，这个历时不到半年搭建起的模型，让汇丰银行交叉销售的效率提升近40%。

大数据与精准营销的“融合艺术”

据张新昌介绍，他为汇丰银行设计的交叉销售预测模型，基础逻辑便是采集尽可能多的用户行为数据和产品销售数据，量化不同类型的客户对各类型产品的兴趣程度，通过模型模拟出“最优匹配”，并根据实际销售数据继续优化模型，不断提升效率。

举例而言，通过模拟得出的解决方案，银行发现销售效率提升空间最大的场景存在于客户等待柜台叫号期间，而在这个场景下，客户接受度最高的产品是一些门槛较低、规则简单的理财产品。再经过对旗下三十多款产品以对应维度进行打分，汇丰银行提炼出更优的销售策略。

“这事实上就是借助数据分析，实现今天各家都在追求的精准营销。”

张新昌认为，当今精准营销的决策，多来自于营销者对市场的“观察”和“认知”，缺乏数据支撑。而在统计学专业出身，获英国皇家统计学会认证的张新昌看来，精准营销既需要发挥营销的想象力、创造力，也同样需要数学模型、数据分析提供的精准。“这是一门融合的艺术。”

值得一提的是，张新昌在汇丰银行应用神经网络数据分析系统，是亚洲范围内的零售银行领域尚属首例；而在2007年，张新昌在深圳成立了一家大数据分析与应用企业，华策数科（全名华策辉弘科技有限公司），为各行业提供大数据分析和应用服务，并将运用数据分析赋能CRM的理念引荐给招商银行、平安银行等大陆零售银行。

而直到十多年后，汇丰银行依然在沿用这套模型分析并验证其交叉销售的策略。

第三方数据公司的转型之路

今天的零售银行，无论从产品的多元程度，面向客群的复杂程度，还是其拥有的用户数据丰富程度而言，都已非昔日可比。由此可见，零售银行的精准营销需求将远大于以往，这或许也将成为第三方数据公司的转型机遇。

举例而言，当一位用户的旅游消费占比提升，对银行而言就意味着旅游分期产品的销售机会；而当更多用户产生同类需求时，银行更可以引入与旅行社、保险机构、零售品牌的合作，为用户打造旅游场景下“一站式消费”体验，增加用户黏性并提升交叉销售效率。

而在这之中，数据分析指导下的营销决策将扮演至关重要的角色。

如华策数科这样的大数据分析公司，正越来越多地探索跨行业、多场景的数据分析和商业解决方案，甚至在AI、云计算的“加持”下，开始构筑起覆盖零售、通信、物流等领域的“全行业数据分析与解决方案”版图。

由此看来，大数据应用的未来依旧是一片光明。