近日，中国金融认证中心（CFCA）携手成员银行举办的第十三届中国电子银行年度盛典在北京举行，近百家银行电子银行部、网络金融部和科技部相关负责人，以及金融科技公司、学术界的大咖参会。TalkingData首席布道师、清华大学大数据产业联合会专家组成员鲍忠铁，受邀在会上进行演讲，针对“数据赋能，智慧金融”的主题，分享了银行业该如何深入发掘数据价值。
智慧金融时代的挑战
鲍忠铁首先对智慧金融进行了分析：智慧金融的外延，是智能技术在金融行业的应用，包括生物识别、智能客服、智能顾投、智能推荐等；而智慧金融的内涵，则是利用金融科技来解决具体业务问题，包括提升客户体验、降低服务成本、提升服务效率、提升客户活跃。
目前，银行面临着沉睡客户比例高、网点服务客户年龄高、数据应用成本高、客户活跃率低、数据营销效率低等诸多挑战。解决这些具体业务问题才是智慧金融的价值所在，鲍忠铁强调：“无论数据也好、科技也好、智能也好，最终目的是帮助企业提升业务。”
那么，该如何解决金融业务问题？又该如何让数据赋能智慧金融呢？鲍忠铁也给出了建议——借助数据分析和应用。
数据赋能智慧金融的五个步骤
1、利用指标去分析指导业务运营
彼得·德鲁克曾说过，没有度量的管理是无效的。鲍忠铁认为，要提高金融行业的效率，首先要了解产品、渠道、用户、活动、运营等各项指标。这些指标可以实时化、可视化、定制化地展现银行业务运营各环节的数据，让银行及时了解业务过程中出现的问题，从而及时决策、提升效率、降低成本。”
2、App行为数据的分析和应用
鲍忠铁指出，App行为数据在很多场景下可以帮助银行有效地营销，例如通过客户体验热点图、购买路径的分析，把产品放在客户喜欢的路径上来提升销售率，也可以针对转化漏斗中漏损的客户做二次营销。
3、建立业务运营需要的场景标签
描绘用户画像、建立场景标签，是移动互联网时代数据运营的特点和优势。银行可以通过建立产品复购、App行为、机器学习、关联销售、特征分析、客户价值、营销相应、账户属性这八大类标签，从数据中发现潜在的商机。
4、实现数据应用的营销闭环
金融行业的营销效率经常不高，原因就是没有实现数据的闭环。在数据赋能的过程中，闭环必不可缺，它是数据应用的基础，帮助提升转化率和降低营销成本。银行应有实现闭环的思路和工具，分析营销活动哪些地方做得好、哪些地方做得不好，实时分析和指导运营。
5、基于数据科学平台的模型应用
前四步完成了对强相关数据的分析，此外，还有很多像LBS数据、社交心理数据这样的弱相关数据。想让这些数据发挥价值，就需要通过数据科学平台，运用机器学习技术，实现流失客户、高价值客户等方面的预测。
挖掘银行业数据金矿
在数据的赋能下，金融行业能解决哪些问题、实现怎样的业务提升呢？鲍忠铁分享了几个TalkingData所服务银行的实际案例。
针对漏损客户的二次营销：很多客户在营销转化中漏损了，比如下载未绑卡、点击未购买、点击未申请、申请未完成，但这些客户仍有很大潜在价值。某家银行通过数据发现这些潜客，针对下载未绑卡的客户，二次营销转化率达10%；针对点击理财和贷款但未申请的客户，二次营销转化率在5%－15%；针对申请过程中放弃的客户，二次营销转化率在10%左右。
从App行为数据发现商机：通常，银行的营销集中在App用户最为活跃的白天工作时段。但通过App行为数据发现，晚间也有30%-40%的用户打开App，并长时间停留在理财页面。某家银行针对性进行理财产品推荐，一周以后实现20%的转化。
利用机器学习发现潜客：根据TalkingData的洞察，某银行3%的客户拥有73%的资产。借助TalkingData的机器学习Lookalike算法，银行得以挖掘出更多潜在的高价值客户和理财产品购买客户，在三个月中销售出40亿元的理财产品。
鲍忠铁指出，互联网企业数据资产变现有一个秘诀，就是不停地、主动地、精准地营销。要想更好提升业务，银行需要更加主动地挖掘客户需求、精准营销客户。
连接不同的数据视野
以往，数据应用工具都会有两面性，技术人员在一面，业务人员在另外一面；技术人员关注元数据、数据流、数据算法、数据模型；业务人员关注业务场景、业务指标、营销人群、转化率。这就像一面透明的墙，给数据价值转化为业务价值带来了很大阻碍。
鲍忠铁表示，TalkingData现在有一个重要的目标，就是降低数据应用的门槛和成本，让数据科学“平民化”。而实现这一目标的核心，就是TalkingData智能数据平台（SmartDP）。智能数据平台融合技术与业务，打通两个不同的数据世界，让银行业务人员也能便捷的运用数据科学的能力和工具。
现在，TalkingData进行全球化布局，在国内外多地设立分支机构，着力引入最先进的金融科技技术，特别是包括数据处理、数据加工、数据标签在内的数据科学技术，帮助更多企业低成本、高效地挖掘数据的价值，用数据赋能金融。
