近年来，互联网金融行业创新与变革越演越烈，各种概念纷至沓来，对于传统银行业的各领域产生不同程度的冲击，甚至一度引发“银行将会成为二十一世纪的恐龙”的恐慌。为规范互联网金融市场并控制风险，监管机构于近年出台一系列措施，限制互联网金融的野蛮生长，也给予了中小银行金融科技转型之路的机遇。
一、 世界很复杂，AI套路深
（一）AI改变生活，变化起于微末
“2016年，在杭州市政府的牵头下，阿里云ET城市大脑以杭州萧山区为试点，通过智能调节城市全局红绿灯状况，实现区域内通行速度提升15%，对于特种车辆更是实现120救护车到达现场时间缩短一半。”
“近期在国内，人工智能技术则率先实现养殖业的新突破。阿里云与特驱集团、德康集团正式达成AI养猪合作，人工智能技术将协助养殖产业实现疾病识别、生育能力预测、进食分析等方面的智能管理，在前期理论验证阶段，ET大脑可以让母猪每年多产3头小猪仔，且猪仔死淘率降低3%左右。”
“智慧城市”、“智能农业”只是AI技术应用的一部分，包括大数据、区块链、云计算、机器学习等底层技术应用，其核心目的始终是服务于经济、服务于社会、服务于民众。湖北银行作为传统金融行的一员业，进行金融科技转型已是必然趋势，要以数据驱动业务，利用金融科技技术提升银行业服务、挖掘客户需求、服务实体经济，驱动全行健康发展，实现五年上市目标。
（二）金融科技（fintech）时代，与AI“抢饭碗”
“银行业地震，刷脸取款来临”、“银行业巨变，无人银行诞生”等等一系列消息纷纷刷爆朋友圈，初闻时感觉又是渲染噱头，以吸引眼球的话题，博取流量关注。但在深入了解研究后，危机意识陡然剧增——“不仅仅要面对同行之间的竞争，还要面对计算能力超越千万倍的机器人‘抢饭碗’”，这些影视作品中的场景真正出现，人工操作在业务流程中的作用越来越微末，越来越多的岗位被无情的淘汰。
（三）以数据驱动业务，探索金融科技时代新机遇
在畏惧于被AI替换的恐惧中，我们只能主动求变。在金融科技变革中，积极探索新的业务发展模式，以数据说话，请模型描绘，小心求证、大胆践行，发现新的机遇，拓展新的岗位。例如：引入第三方平台担保科技开发公司，提供科技开发公司融资需求，利用平台强劲的获客、活客能力，扩充湖北银行客户群体；借助科技开发公司技术优势，在推进我行科技金融实力进步的同时，提供科技开发企业资金融通需求，提升企业活力；利用大数据技术挖掘客户潜在活力，针对性创新我行金融产品。
二、 地方性银行冗余沉淀数据
（一）数据冗杂，利用率不高
金融业一向是数据聚焦地，通过收集客户的种种信息，来确认客户是否符合我们的资质，包括个人信息、社会关系
、相关经历，以及交易报价、业绩报告和研究报告等等专业性、针对性很强的信息，来确认客户的准入资格与后续业务动作。但是地方性银行对于自身数据的挖掘力度反而不如人意，存在许多冗余沉淀数据，只能凭借我们经验丰富的员工个人挖掘与总结，留住客户靠的是个别员工，而不是银行的服务与金融产品，客户随着员工转移，客户忠诚度得不到有效保障。
（二）客户信息零散，无统一分析渠道
大规模数据在金融领域的分析和应用依赖于对大数据的分析，如高频交易和风险管理、客户行为分析、客户关系管理。互联网的结构趋势和发展模式及发展趋势。例如，信用卡可用于互联网金融，记录消费支出时的位置信息。但目前地方性银行系统还未整合，同一名客户的各类数据信息不能统合分析，不能及时有效了解客户意向，给客户提供“意向性”产品，有效提升营销成果。
（三）柜面沟通成本高，无辅助推介工具
柜面员工每天都会面对大量的客户，做不到了解每位客户的情况，千篇一律规程式推广，起不到吸引客户的效用。利用数据挖掘分析技术，可以在客户进入网点时，及时了解客户信息，选择有效推介金融产品，更好地与客户互动，提升客户体验度，以服务与产品留住客户，让企业品牌做大做强。
三、 数据的挖掘与应用
（一）客户数据收集重组
客户信息的收集，是以客户基本信息和客户行为分析为基础，采用适合期限的方法建立数学模型，准确分析客户行为和商业标准的计算。数据的价值不是数字，不是大小，而是可以根据数据中有价值的信息量提取出来的。
自我国90年代银行业电算化发展以来，金融的概念慢慢通过互联网传播与发展，金融产品与模式日新月异，海量的金融数据累积，单个银行每日数据量从Mb级别突破Pb级别，海量的数据积累，要求不断提高能力以及数据处理能力，从而推动金融行业信息科技的快速发展。
一是，以客户为中心。推广和部署到金融机构、渠道服务对象和各种金融产品和服务在线，为特设、实体经济、精准发展提供有效支持。多层次系统为小企业、农业、农村和农民等企业建立投资和金融服务，提供更灵活的服务规模、成本和效率。
二是，推进与同业及第三方平台等合作。在金融业与第三方平台积累了大量的数据，采用合作等方式共享信息，深入挖掘客户需求，形成独有的的金融模式和服务。深入分析我们的服务和客户，重点通过全面的客户服务满足不同客户的个性化服务和各种需求。
（二）客户细分，多样性组合
银行业需要做好客户细分，不同类型的产品是根据不同的客户需求创造的。
一是，为了适应客户的多样性。根据顾客细分需求的不同特点和顾客群体的分类，以及区分同一个顾客群体中商业交易行为的性别和收入特征，从而在制定合适的销售策略与金融产品，提高客户满意度，获得更大的利润。例如，在确定可分为顾客价值和低价值代理的因素的分类时，我们具有为数据处理的分类规则选择和提取适当算法的特性。通过聚类技术，在收集数据之后总结出结果的类似性。同一属性作为客户在每一组不同类别的客户中识别出的不同属性，消费者的消费习惯和消费趋势以及消费品的需求，以及消费者组织和个人区分某一特定群体或个人利益之前的消费行为。核裂变用户可以查看数据库中的数据，总体水平相对较高，我行针对不同的客户群体采用不同的营销策略，有效利用有限的资源。它是合理划分客户、实现客户关系管理的基础。
二是，要做好客户行为分析。分析大规模数据中的客户行为，定制客户服务，协助我行更接近业务模式创新，深入了解和判断客户需求，提高管理水平和运营效率。在客户行为分析的情况下，建立数学模型，收集客户行为信息并对个别客户进行分析，设置适当的参数，并对客户行为进行准确分析。
（三）数据应用与银行业发展战略
为了提升我行形象与客户忠诚度，可以采取保护功能的可持续发展战略。
一是，银行与客户之间关系的持续性与成长性。在建立了面向客户和银行的业务关系之后，通过有效数据挖掘掌握客户需求，及时提供金融服务，保持相互沟通，尝试获得更多的利润，为每一个其他的接触。现有客户的新产品和服务等交叉销售工具。
二是，在销售活动的实践中，采用大规模的数据分析技术。银行获取的客户信息，作为原始金融行为依据，是决定客户金融偏好的，使用预测模型来衡量客户的未来习惯，对每种金融产品组合进行分析和评价，利用所选的模型分析来确定销售方法的交叉类型。一方面是对于购买频率较高的产品组合，找出那些购买了组合中大部分商品的顾客，向他们推销“遗漏的”金融产品;另一方面是对每个顾客找出比较适用的相关规律，向他们推销对应的金融产品。
暂无评论内容