数据管理“精细化”无止境

基于云计算平台上的企业，如亚马逊、京东商城、阿里巴巴等公司，之所以能取得成功，其中很重要的一个原因在于拥有海量的数据，并建立了较为详细的分析、预判、应用制度。其实，较之于电子商务公司，农业银行并不缺少数据，关键是如何整理应用数据，并根据拥有的数据，了解客户资金使用规律与偏好，从而制定更有针对性的营销措施。

        加强数据建设的基础是建立完善的客户数据库。虽然农业银行现在已建立了个人客户PCRM、CFE系统、对公客户关系管理系统CCRM、信息共享平台等诸多数据平台，但这些数据基本都来自于农业银行内部业务处理数据，有一定的局限性，这就需要补充来自于外部的、更充分的数据。因此，在高效、完善的数据库基础上建立分析、预判制度，是一项长期的、基础性、系统性的工作，需要各个岗位、各个层面的积极配合。对此，笔者提出以下几点建议：

        一是要深入做好数据采集工作。客户数据的存在方式是多样性的，并不单纯以列、行、报表及结算记录等方式存在。客户数据不仅来自于客户日常存、取款、结算、汇兑、网银、理财记录，而且更多的是来源于图像、视频、微博、网贴及电子邮件等非结构化数据源。因此，要全员发动，利用一切可能收集到的有关重点客户的信息，嵌入到农业银行内部相关客户分析系统，并定期进行更新。同时各个部门也可以就相关信息进行辅助收集、整理，最大限度地进行数据收集工作。

        二是要有针对性地进行数据分析。在对各部门提供基础数据的基础上，要指定专门的负责部门，如客户部门或产品研发推广部门等进行数据分析，主要是利用“大平台”收集起来的数据来挖掘客户的需求。这就需要进行“智慧分析”，即通过软件、系统和业务战略组成的完整系统来回答“客户到底需要什么”，并提出相应的分析、解决方案。

        三是以数据分析为依据进行科学决策。在数据分析方案的基础上，决策部门，如市场营销委员会等可利用“智慧分析”，及时发现客户最有可能选择的业务品种，预测客户的需求，根据实际情况决定开展推广哪些营销活动。

        四是要加强技术支持。科技部门要与各部门进行密切配合，围绕“促进农行业务发展”这个核心，进行硬件配备与相关软件开发，为数据收集、整理、分析提供专业化的支持，并积极开发所需的技术和工具，以提高工作效率，为完善大数据平台提供充足的技术支持。

（文章来源：中国城乡金融报）
 

扫码即可手机
阅读转发此文