零售银行大数据规模化应用需从主营业务线出发，遵循价值驱动的原则进行大数据用例规划和开发。本文系统地介绍了零售银行端到端大数据用例开发和管理路线图，并分享了两个典型的零售银行案例，以期为行业有识之士提供参考。

绘制价值驱动的大数据用例图谱

金融大环境日新月异，对于零售银行而言，挖掘数据潜力、规模化大数据应用至关重要。大数据规模化应用可从提升营收、降低风险及提高管理效率三方面为零售银行业务创造价值（见图1）：

提升营收：大数据规模化应用在获取新客、存量客户交叉销售、提升客户体验等方面成效显著。具体而言，用例规划主要聚焦于以下四类。

■ 客户生命周期价值管理，涉及新客获取及提升，存量客户全方位画像搭建、交叉/ 向上销售策略制定、到期维护、流失客户挽回等;

■ 客户体验提升，如支行网点体验升级、App 定制化界面及功能展示等 ;

■ 产品相关主题，包括产品设计、组合优化、产品定价;

■ 营销活动管理及优化。

降低风险：银行可从以下两大维度出发设计符合自身发展诉求的大数据用例。

■ 信用风险相关主题，覆盖业务端到端全流程，包括贷前、贷中及贷后三大阶段，如自动化信用审批、信用额度管理优化、建立催收评分卡;

■ 监管风险相关主题，包括压力测试、建立和优化监管法规相关模型。

提高管理效率：随着零售银行相关运营管理数据的积累以及大数据能力的稳步提升，运营管理效率提升成为零售银行另一个值得深入探索的领域。涉及的主要用例包括以下三个方面。

■ 财务管理，通过数据驱动的精细化运营，更高效地管理绩效考核与财务管理全流程等；

■ 人力资源管理，通过智能人才招聘高效匹配空缺岗位，基于员工流失预测模型制定防流失策略等；

■ 运营成本管理，包括网点运营和 IT运营。

从实现速赢的角度出发，麦肯锡多年银行业实践经验显示，与存量客户生命周期相关的大数据用例更容易在短期内实现业绩提升，会带来年化15% ～ 20% 的收入提升，包括捆绑新客钩子产品、标准化新客登船流程、交叉/ 向上销售、高端客户防流失等用例能满足银行短期速赢诉求。同时，合理有效地配合使用交叉销售、向上销售用例以及事件驱动用例，能解决“客户与产品速配”“在正确时间”“正确渠道推送”三大难题，这些措施在具体实操过程中都取得了超出预期的效果。

大数据规模化应用先决条件：切合实际的大数据用例规划及优先级排序

一个行之有效的大数据用例规划方案需要满足三大核心要求：用例端到端覆盖全业务流程；在颗粒度上，聚焦客群、产品与渠道；基于试点或最小可行性产品的成效以及经营策略的调整，持续更新迭代。实践表明，支付结算、财富管理、零售贷款、信用卡和储蓄存款业务是零售银行大数据应用潜力较高的五类业务场景。

■ 支付结算 ：构建开放式生活服务缴费平台、提供跨境支付结算服务、开发基于指纹/ 二维码/ 人脸/ 声波/ 虹膜等生物识别技术的移动快捷支付功能；

■ 财富管理 ：利用大数据和高级分析，提供智能投顾服务、建立客户导向的智能精准营销服务、实现用户分层动态定价功能；

■ 零售贷款：依托电商、社交媒体等大数据，提供纯线上 /秒级审批 /实时出账的贷款业务、基于人工智能技术实现实时反欺诈预警；

■ 信用卡 ：依托信用卡消费以及还款数据，实现基于客户行为偏好的理财、基金、保险等财富类产品的交叉销售；

■ 储蓄存款 ：基于大数据细分客群，提供储蓄产品动态定价、到期定期产品续接、向上/ 交叉销售等以客群为中心的差异化营销功能，提升揽储能力。

大数据用例规划的优先级排序

针对众多大数据用例，银行应从战略重要性、潜在价值大小、可行性三个维度进行筛选和优先级排序。首先，银行应根据战略重要性做初步筛选：用例是否与全行的战略优先事项保持一致，能否促成战略发展目标的实现。在此之后，我们建议银行通过二维矩阵（见图2），优先挑选出潜在价值最大、可行度最高的用例，从而进行合理的资源调配。

用例的潜在价值可从定量和定性两方面进行评估，定量评估应衡量用例在规模、获客或收入利润方面所带来的潜在贡献；而定性评估通常更侧重于过程评价指标，比如客户体验与满意度等。用例可行性则可从数据可得性、实施难易度以及跨用例协同复杂度三大维度进行衡量：用例所需数据是否已具备，数据可得性如何？现有业务流程、技术完备度以及人员能力等能否支持用例的落地实施？用例之间的联合效应如何？通过回答这一系列问题，能够帮助银行有效分析用例可行性。

需要注意的是，用例筛选以及优先级排序也是一个动态迭代的过程。首先，相关业务部门基于全行年度规划目标，对用例需求进行汇总及排序。在实施过程中，应通过用例评价体系检视其运行情况，并针对各用例已实现的成效，定期（如每季度）更新用例规划，从而将资源有效投入到最优用例，最大限度地发挥大数据用例的价值。

确定用例规划以及优先级排序之后，如何去实施一个具体的大数据用例？如何实现用例开发和管理？

用例开发管理闭环

具体到每一个用例，用例开发需形成一个环环相扣的端到端闭环（见图3）：

■ 洞见挖掘：洞察经营痛点，明确目标。首先，就零售银行而言，通过客群、产品、渠道三个维度的关键经营指标，进行基础的面板统计结合时间序列分析，对经营情况全面扫描。结合业务视角以及经营战略，挖掘出经营中的真正痛点，以此明确用例目标。在明确用例目标之后需要从规模、获客、收入、成本四大角度阐明通过用例开发计划提升的核心业务指标。

■ 举措设计：结合模型洞见以及业务分析制定精细化营销策略。由业务部门主导，基于洞见挖掘中的客户画像等基础分析与模型结果，针对客群特定的产品以及渠道偏好，制定定制化的营销策略，形成营销线索。其内容包括目标客户360 度画像、推荐的产品以及权益、营销话术等。同时，需明确线索优先级，选择合适的下发频率以及下发时点，以精准触达客户。

■ 营销管理 ：对营销执行过程进行管控。在线索下发后，数据和业务部门需要持续跟踪试点，务必实现从线索到举措的真正落地，并根据反馈快速迭代优化模型与策略方案，制订全行推广方案。平台开发人员需要同时输出线索执行报表和销售管理报表，对执行过程、核心用例指标以及整体业务成效建立可视化的销售管理驾驶舱，实现实时督导和智能管理。

■ 反馈迭代 ：基于线索执行情况、转化率以及成效，结合对前线理财经理以及客户的调研，形成反馈信息。基于反馈信息形成对模型准确性、覆盖度、营销策略以及渠道有效性的检视并进行快速迭代。同时相关人员还需要定期开展分行成果检视、成果分享会议，确保用例顺畅执行，同时促进业务与科技充分融合，发挥出最佳效果。

下面，我们用一个具体的实例阐述用例开发管理闭环的实现过程：

———————————————————————————————

某银行对其约300 万代发客群整体经营中的痛点进行梳理，面临以下痛点：人均持有产品个数过低（人均仅持有1.2 个产品）、整体交叉销售率过低（约7%）、高端客户降级率高（超过35%）、单一持有储蓄存款产品占比过高（超过85%）等。针对上述业务痛点，零售条线业务部门协同数据银行部共同探讨针对代发客群的大数据用例开发方向，并制定出详细的用例目标以及项目实施时间表。基于客户基本信息及其行为特征，如代发工资留存度、资金流向、持有产品偏好、渠道偏好等，项目组将客户聚类形成细分子客群，并绘制出精准的客户画像。针对12 个细分子客群（如：小微企业主、金领人群、白领一族等）分别通过机器学习模型识别高潜客户，对其进行交叉销售潜力打分，按照打分结果排列生成线索的优先级。此外，与业务人员一起解读模型洞见，针对细分子客群制定差异化的经营策略，包括交叉销售的产品或产品组合、营销活动、权益、触达客户的渠道以及触达时机等，然后形成营销线索并投放至线上、线下各渠道。在用例执行过程中，持续跟踪用例试点情况，采集用例线索执行以及成效结果数据，通过对比分析执行组、对照组的交叉销售率等成效指标衡量线索的有效性，同时收集一线理财经理的反馈建议，迭代优化用例模型及相应策略，不断提高营销预测的精准性和及时性。该大数据用例实施近6 个月，各渠道累计投放线索约28 万条，人均持有产品数上升到1.8个、客户降级率降低到28%、资产管理规模（AUM）增加约28 亿元，成果显著。

———————————————————————————————

零售银行大数据用例规模化成功要素

基于全球项目经验和深入研究，我们归纳出零售银行大数据应用的“五大制胜法宝”：夯实数据基础、规划价值为导向的大数据用例图谱、搭建智能化大数据平台、建立与KPI 适配的用例评价体系、全面提升人员“数商”。

■ 夯实数据基础，建立与业务管理相适应的数据治理体系：提升数据采集能力，包括行内结构化数据（如客户人口数据、交易数据、渠道数据、产品数据等），以及非结构化数据（如外呼中心视频、音频数据，手机App 上埋点操作行为数据等）。提升业务导向的数据加工能力，以业务逻辑为导向，加工生成数据标签，逐步形成分主题的数据集市，为机器学习和人工智能技术的应用奠定良好的数据基础。推进数据治理工作，建立数据质量标准及管控流程，建设集中式数据管控平台，完善与业务管理相适应、自上而下的数据治理体系。

■ 规划价值导向的大数据用例图谱：基于经营现状，规划覆盖全客群、全产品、全渠道，贯穿客户全生命周期的大数据用例建设蓝图，聚焦关键业务举措，规划未来实施路径( 具体步骤参见上文)。

■ 搭建全流程、端到端营销闭环管理平台 ：搭建数字化营销管理平台，串联方案设计、客群规划、策略配置、客户触达以及反馈迭代等关键环节，打造全自动、线上运行的智能营销线索管理以及执行反馈闭环平台。

■ 建立与 KPI适配的用例评价体系：在大数据用例实施过程中，从模型表现、执行过程、业绩成效三个角度定义用例评价体系。通过建立与核心业务指标（如获客、收入、规模等）相匹配的评价体系，让一线营销人员充分感知用例带来的业绩提升效果，保障大数据用例成功落地并持续发挥价值。

■ 全面提升人员“数商”：全面提升人员的数据应用能力，提升业务人员以及数据人员的数据洞察力、数据应用能力以及用例实施推动能力，培养数据建模师、数据工程师以及业务翻译官。

麦肯锡在国内零售银行有丰富的大数据规划和规模化落地的项目经验，我们选取了2 家典型零售银行的大数据落地案例，以期为中国广大零售银行业务管理者提供参考和启迪。

案例一 ：某商业银行“两年三步走”大数据应用规模化战略

某商业银行从建立标准化数据治理体系、落地速赢用例、建设数字化营销闭环体系及提升人员能力四方面入手，实施了“两年三步走”大数据应用规模化战略（见图4）。

建立标准化数据治理体系，完善数据标签。在战略转型初期，由于该行现有数据质量较差，数据治理流程以及机制缺失，项目组首先设计并实施了数据治理流程以及规范，以此为切入点逐步建立起一套覆盖数据采集、数据加工（收集、清洗）和数据提取的标准及管控流程。在治理机制方面，项目组设计并实施了一套行之有效的数据治理考核办法，从业务角度推动治理工作落地，进一步建立全行级数据标准和管控流程，并制定了数据治理相关管理办法。此外，同步推进用户标签体系建设，以业务主题为导向，从客群、产品、渠道等多个维度逐步搭建一套完善的用户标签体系，为后续规模化实施数据用例奠定了良好基础。

打造速赢用例，实现业绩突破。在逐步落地数据治理机制以及客户标签体系的过程中，项目组从经营痛点出发，沿着客户生命周期，基于价值导向、可行性以及战略重要性三个维度，选择、排序并规划出2019—2020 全年大数据用例图谱的实施路径，规划了覆盖全行零售业务的50 多个大数据用例。该行已经于2019 年上半年已率先实施了十大优先级最高的大数据用例，如：交叉销售推荐系统、高端客户防流失、理财产品动态定价、手机App 促活、财富边界客户提升等速赢用例，力图在转型初期以速赢方式实现业绩突破。

建立智能化数字化营销闭环体系，规模化推广数据应用。大规模的数据驱动营销离不开系统层面有强有力的支撑，基于速赢用例实施中的实际痛点，诸如：封闭式建模环境、手工导入线索、线索众多且缺乏科学排序及统筹、用例效果难以追踪等，项目组用5 个月的时间，设计并实施了全行零售智能化、自动化、数字化营销闭环，其主要功能模块包含用例策略库、客户级别的特征集和标签库、大数据模型引擎、智能分发系统以及客户360 度全渠道投放等五大关键组件，实现了数据驱动营销的线上管理闭环，从系统层面打通总分支营销体系，显著提升了营销效能，从效果上看，整体营销线索有效性提升约三成。

提升全行数据应用能力。在从0 到1 建立数据治理机制、提升数据质量、建立标签体系、实施速赢用例并开发智能营销闭环平台之后，如何提升全行人员的整体“数商”成为项目组下一阶段的工作重点。要提升全员数据应用能力，首先得建立起一套公允的人员能力评价体系，项目组首先建立了一个人员能力矩阵以及数据应用成熟度模型，该模型综合了相关业务、科技及数据部门的员工情况。基于该能力模型，项目组为不同职能序列的人员设计出定制化的课程体系。同时，让业务以及科技数据人员在参与大数据用例的过程不断接受培训以及指导，在实战中提升数据应用能力。

项目成效：该银行已在全行落地了近10 个大数据用例，以数据驱动洞见，通过线上线下全渠道服务真正实现了业绩提升。截至本文付梓时, 该行已经生成约800 多个客户数据标签，建立了约20 多个大数据精准营销模型，通过数字化营销平台，每月自动下发约12 000 条大数据精准线索，实现辅助销售额约900 亿元，AUM提升约100 亿元。

案例二：某商业银行借助智能营销系统，端到端自动化客户管理

某商业银行以数据决策为导向，推动业务向数字化转型。该行以客户为中心，收集和加工多维度客户数据，打造精准而全面的客户画像，建立了360 度客户视图管理平台。基于客户和银行的交互行为和资产数据进行客户生命周期诊断(Digital Sprint)，识别重点客群及其经营痛点，设计有针对性的产品营销方案，通过Hercule 大数据平台进行名单制的定向营销（见图5）。

通过Digital Sprint 大数据诊断，产生客户经营洞见和自上而下的用例规划。Digital Sprint 是零售银行常用的围绕客户生命周期，结合客户和银行交互信息进行的一套标准化诊断工具。该行通过Digital Sprint，利用存量数据诊断客群经营痛点，找到业务提升的核心机会点。团队总共用了约6 周时间，围绕客户生命周期（获客、新客提升、经营提升、客户流失）和产品、渠道六大方面进行了26 项分析，并按照价值潜力和实现难度对用例进行了自上而下的整体落地规划。以获客阶段为例，在对获客增速、质量和渠道有效性等指标进行分析后，项目组发现该行新客留存率较低、转化效率低下，因而将重点放在个性化推荐和产品/ 服务旅程优化上，以加速二单销售。在存量客户方面，项目组经诊断发现，该行存在整体代发客群平均持有产品数低、高管代发人群资金流失率偏高以及活期资金15 天流失率较大等经营痛点。

打造Hercule 大数据智能营销系统，实现端到端的自动化线索及客户管理。通过6 个月的跨部门协作开发及快速迭代，该行从0 到1 建立了Hercule 智能营销系统（见图6），覆盖Hercule 数据环境、Hercule 用例库、Hercule 智能大脑以及Hercule 用户界面四大核心模块，实现了大数据用例销售线索的自动化生成、线索排序/ 分发、线索执行过程管理以及销售闭环反馈等端到端管理。通过Hercule 的落地，该行显著提升了销售线索执行效率、高价值客户覆盖度、销售转化率以及人均AUM 提升。

定制大数据用例方案，与一线联合推动落地：针对经营诊断中发现的五大客群痛点，团队为该行定制化开发出大数据用例，力求率先通过大数据结合机器学习技术，优化现有业务举措，实现经营效果的速赢。在6 个月的项目周期内，该行设计并实施了代发工资客户提升、活期客户经营、定期到期客户维护、休眠客户激活、理财到期客户维护等五大客群用例。为激发一线落地积极性，确保用例落地，大数据团队采用了三大抓手：开展用例落地会议，使一线销售充分理解大数据用例意义；将大数据用例使用纳入一线销售绩效考核体系；寻求银行高管协助，定期开展业绩追踪和反馈会议，敦促一线销售提高用例落地的优先级。

搭建大数据创新实验室、推动大数据用例的敏捷工作模式：在项目开展初期，该行面临科技创新能力不足、开发流程低效、IT 系统繁杂、高级分析人员能力缺失等挑战。为解决这些问题，项目组提出搭建大数据创新实验室，通过“集中和分散相结合”的方式，让大数据实验室集中力量建设大数据相关能力，之后在全行开放共享。对于简单用例，业务部门依托共享资源，灵活完成；对于复杂、需多部门协作的用例，业务部门将与大数据团队协作推进。此外，大数据实验室承接各业务用例和分析场景，调配资源成立专门联合项目组，迭代开发；针对开发用例，建立滚动开发计划和用例看板，动态跟踪、监测各用例进度和问题。

项目成效：经过6 个月，该行成功落地实施了五大客群用例（见图7），金融资产实现了60 亿～ 100 亿元的增长，覆盖了约85% 的零售客户。此外，在销售线索执行效率和效果提升方面，该行也成绩斐然，销售线索执行时间缩减50%、转化率提升6 倍（从试点前的6% 提升到试点后的35%）。