神策数据张何津：构建银行数字化运营体系，赋能业态新发展

本文根据神策数据银行事业部业务咨询专家张何津关于《构建银行运营体系，赋能业态新发展》的直播整理，主要内容包括：

· 银行数字化趋势解读

· 银行数字化转型面临的问题和挑战

· 银行数字化运营体系构建路径规划建议

一、银行数字化趋势解读

在中国银行业协会发布的《2020 年中国银行业服务报告》中，从服务文化提升、服务渠道拓展、流程整合优化、服务实体经济、产品创新发展、消费者权益保护、发展挑战与机遇等方面，再现了 2020 年银行业金融机构的发展成果。其中，在银行业电子银行、网点数字化转型方面，有两大结论：

第一，电子银行移动化趋势明显。从 2018 年到 2020 年，银行业平均电子渠道分流率，即离柜率呈逐年上涨趋势，手机银行的交易笔数增长速度已经高于网上银行交易笔数。

第二，银行网点创新数字化转型加速。数据显示，银行网点的数量持续下降，伴随着整个互联网信息技术的变革，网点创新的自助设备在逐渐恢复增长。

起初，零售银行大多以营业网点为中心，直到 ATM 自助银行的出现，网点突破了营业时间的限制；网上银行的出现，又实现了空间限制的突破……如今，手机银行盛行，部分网点开始做 VTM 升级，来为客户提供移动化、线上化、自助化的金融服务。我们可以预见，未来随着物联网、5G 和边缘计算等技术能力的发展，银行的数字化能力将进一步增强，也可以说，未来的银行服务将是一个无处不在的开放的数字化金融服务。

从外部竞争环境来看，互联网巨头公司纷纷持牌布局金融市场，以当下银行的年轻长尾客群为核心目标客群，加速了负债、资产和支付三大场景的脱媒压力；从内部环境来看，银行金融服务模式已经从卖方市场转向买方市场，逐渐从传统银行向数字银行转变，加速了银行业对运营、流程、场景构建、产品迭代、精准风控等多方面展开深入思考。

基于对以上五大能力的思考和提升，许多银行依托金融科技的力量走上了数字化转型的道路。比如交通银行，它已经着手基于开放的生态进行平台化建设，首先通过客户标签画像体系建设将整个数据容量达到了 PB 级别，标签日调用量也达到了亿次级别，很大程度地推动了业务进程；然后通过构建用户成长体系，实现用户生命周期运营，基于事件式的个性化产品组合与精准营销场景，真正落地营销策略；最后，在开放生态方面，接轨外部互联网平台的服务场景，打造高频生活场景，赋能低频的金融服务模式。

整体来说，银行业的战略转型，其目标都是重塑经营模式和价值曲线，一方面减少业务开展对介质的依赖，通过线上线下融合打造金融场景生态，另一方面增强数据过程的价值支撑，以实现客户价值最大化。如下图所示：

通过深入洞察，我们可以将银行业务的发展趋势总结为 5 点：

需求碎片化。快速捕捉客户需求对于客户的心智培养，和快速触达是非常重要的。

营销精准化。提倡把营销做成服务，而不是打扰，尽可能地通过客户画像描述，让营销更精准。

服务智能化。基于对客户的行为预测，判断客户的潜在需求，这种主动、实时的甚至超预期的智能化服务能够有效提升客户满意度。

渠道产品化。打造极致的沟通体验，增加渠道触点，珍惜与客户的沟通契机，并通过连接客户及时获取客户的反应和反馈，把客户往更积极的方面去引导。

场景生态化。打造具有场景优势的服务壁垒，能够在未来跨平台和无界融合时的“银行服务无处不在”时，有自己的立足之地。

二、银行数字化转型面临的问题和挑战

基于以上银行趋势分析，我们可以发现，银行数字化转型过程中会面临以下 5 大问题：

1.数据治理方面

（1）数据源头质量堪忧，各平台数据采集无规范，客户数据冗余

（2）标签数据管理无序，多部门分散管理无统一标准

2. 客户运营方面

（1）客户成长路径不清晰，推动客户成长晋级的手段方法不丰富

（2）分层分群运营能力有待挖掘，交叉销售和策略协同有待加强

3.产品体验方面

（1）系统稳定性和流畅度不足，用户体验缺乏有效监测和优化

（2）流程断点环节漏损严重，场景化的金融输出能力不足

4.总分联动方面

（1）一体化营销新工具使用不足，中后台无法统一策略支持前端营销

（2）营销推广见短不见长，线上化营销手段无法适配分行经营

5.线上线下联动方面

（1）联动经营管理缺乏统筹，职能散落，权责缺乏统一，资源难以整合

（2）线上线下资源错配，人力财务管理资源主配线下，而客户行为向线上迁移

神策数据基于服务了 30 多家银行的经验，将银行数字化转型划分为三个重要阶段：

数据基础阶段：数据分散在各个系统里，烟囱式的架构居多，数据更独立，造成数据孤岛的现象，具体来说就是数据的口径不一、数据的质量不齐，包括数据的应用时效、提取时效、产生时效等较低，客户的行为数据有所缺失，且银行的组织架构上还没有专业的数据团队。

洞察分析阶段：该阶段已经完成了从“没有数”到“看到数”的转变，但对于业务侧的数据分析能力和深度的数据价值挖掘能力可能仍有欠缺，比如缺乏客户画像的体系化构建和应用能力等。

高效运营阶段：基于数据基础和数据分析洞察能力，银行的经营策略处于散点式触达，完整的业务运营体系还未形成。具体来讲，全行的客户成长体系、客户忠诚度计划还未构建，缺乏全行统一的经营策略，而且运营作业模式还处于人工或者半人工的配置上线经营状态，亟需全面提升数字化运营的效率和质量，将运营人员从重复、机械式的场景中解放出来，增加一些创造性的业务策略 A/B 测试等。

在以上三个阶段中，各银行的数字化进程存在一定差异，这就需要银行结合自身发展情况，针对性地开展项目建设。

三、银行数字化运营体系构建路径规划建议

现阶段，银行在数字化运营方面的目标，主要围绕金融资产和数据资产的双因子增长模式，构建客户的经营成长体系，提升银行存量客户规模、活跃度及价值，推动线上线下的生态化运营建设，并构建数据驱动的企业文化。

下图为银行以客户为中心的数字化运营体系： 

其落地构建的路径主要包括四步，接下来将详细介绍。

1. 夯实数据基础，构建全行指标看板体系

   
   

夯实数据基础主要包括以下三个部分：

（1）数据获取

对于大部分银行来说，他们都有着自己核心的业务数据和用户数据，把客户行为数据和行内业务多数据源融合，实现数据打通消除数据孤岛，是数据获取阶段的重要工作。

（2）数据处理

数据处理是指尽可能地提供可视化、自主化、自动化的开放数据分析能力，将数据可见、可操作、可预警的能力开放给业务侧运营人员，提升数据采集到应用的效率。

（3）数据应用

在数据应用层面，我们倡导基于数据流的企业运营框架 SDAF，感知客户及其行为需求，快速形成更高效、科学的决策，精准触达用户，然后完成全面、实时的数据回传反馈，驱动经营策略的调优。

2.细分经营客群，构建全行标签画像体系

构建全行级客户画像中心，通过标签系统和行为画像平台建设，统一管理维护全行客户，真正实现一个银行一个客户的目标。

现阶段，大部分银行都有自己的系统工具承载客户标签和画像类数据，形式多种多样，但缺乏体系化，这是因为客户标签的产生通常是基于银行的经营业务主体，比如银行某个业务部门做一场活动，会定向的跟 IT 同学提标签开发需求，定制化的开发成本较高，且往往有效期较短、复用性较差，也就形成了银行看似有很多标签，但大多是标签孤岛，各业务互相之间难以疏通，标签价值大打折扣。

此外，对于大部分银行来说，并不缺乏客户数据和业务数据，用户行为数据作为银行基础数据的一块重要拼图，目前已经逐渐受到银行重视，通过过程数据洞察客户偏好和真正的需求。举个例子，某个客户完成了一笔充值交易，在过去的业务分析场景中，银行通常会认为客户对充值场景有一定偏好；但当通过过程数据分析，我们发现该客户完成的充值交易使用了大额优惠券，所以某种程度上来说，该用户的偏好应该是优惠券，充值只是优惠券使用的一个场景。因此，我们可以认为，行为数据能将客户真实意愿更清晰地体现出来。

至于银行整个标签体系的构建过程，我们能够帮助银行实现自助式、可视化的高效的标签生产和标签提取的应用，大大缩减传统提数的流程时效，帮助银行快速落地业务运营策略。

3.沉淀业务策略，构建立体化的业务运营体系

这个阶段需要银行能够把整个经营体系真正地搭建起来，即搭建全行级运营中心，通过数字化营销策略平台的建设，实现立体化运营体系的构建，统一运营策略输出。主要表现在以下四方面：

（1）全渠道数字化线上引流，提升获客能力

通过神策数据的多渠道追踪能力，可以帮助银行准确识别客户来源，以及不同来源客户后续的行为表现和业务转化效果。此外，跨渠道的 One ID 映射能力，可以帮助银行识别不同渠道访问用户的信息匹配，确认同一客户属性，为实现无处不在的银行服务打好基础。

（2）全链路数字化活动运营，提升活客能力

基于数字化能力建设和输出，业务数据化、数据资产化、资产服务化，全流程提升客户活跃经营。在整个活动运营过程中，聚焦活动复盘，实现活动触达客户的实时响应，活动效果的实时复盘，以及活动策略的实时优化。

（3）全方位数字化客户运营，陪伴客户生命周期

结合不同客户的不同生命周期阶段制定经营策略，围绕未获客的他行户、新人用户、浅层用户、深度用户等维度进行阶段划分，构建客户成长体系；通过沉淀业务策略，快速落地创新策略想法，掌控营销计划效果，全局视角展现运营策略。

（4）全触点数字化产品运营，持续关注客户体验

基于客户体验的 HEART 模型，构建业务指标体系，回归服务客户的本源。

4.优化组织结构，建立企业级数据驱动文化

行内可以成立数据管理委员会，负责企业数据驱动文化和业务创新文化的构建，提升整体数据文化意识；通过培养数据类型人才，打造数据 + 业务的专业化数字团队。

在业务侧数据分析师人才引进和培养方面，建议从通识、技术、数据和业务四大方面，根据分析师培养目标及工作场景，制定分析师培养阶段及课程体系，为银行数字化运营转型提供强业务型、数据应用体系专业数据分析师人才培养方案。更重要的是，通过数字化转型项目的落地实践，可以结合主流行业的业务特点、业务场景及真实案例，锻炼队伍，培养数字化人才，为银行实现数据体系建设及最佳实践赋能。

最后，基于以上四步走战略和实践落地，我们希望能够帮助银行在产品服务层、活动运营层、用户经营层、场景层和生态层，实现全行数字化经营层级的跃升。