银行客户用户画像_技术分享 | 基于数据中台的银行客户画像体系构建

背景

1、金融消费行为的改变，企业无法接触到客户

80后、90后总计3.4亿人口，日益成为金融企业主要的消费者，但是他们的金融消费习惯正在改变，他们不愿意到金融网点办理业务，不喜欢被动接受金融产品和服务。年轻人将主要的时间都消费在移动互联网，消费在智能手机上。平均每个人每天使用智能手机的时间超过了3小时，年轻人可能会超过4个小时。浏览手机已经成为工作和睡觉之后的人类第三大生活习惯，移动APP也成为所有金融企业的客户入口、服务入口、消费入口、数据入口。金融企业越来越难面对面接触到年轻人，无法像过去一样从对话中了解年轻人的想法，了解年轻人金融产品的需求。

2、消费者需求出现分化，需要寻找目标客户

客户群体正在出现分化，市场上很少有一种产品和一种金融服务可以满足所有用户的需求。金融产 品也需要进行细化，为不同客户提供不同产品。

金融企业面对的客户群体基数很大，有的客户高风险偏好高，希望高风险高收益；有的客户风险偏好低，希望稳健收益；有的客户金融理财意识低，只需服务较好即可；有的客户完全没有主意，你说是啥就是啥；有的客户注重体验，有的客户注重实惠，有的客户注重品牌，有的客户注重风险等等。不同年龄、不同收入、不同职业、不同资产的客户对金融产品的需求都不尽相同。金融企业需要为不同的客户定制产品，满足不同客户的需要。对于金融企业，理财和消费是主要的业务需求。

何为用户画像

用户画像是一种标签体系方法，标签是某一种用户特征的符号表示，标签体系主要包括2种方式一是化整为零其方法就是每个标签都规定了我们观察、认识和描述用户的一个角度，二是化零为整，主要实现方法是用户画像是一个整体，各个维度不独立，标签之间有联系最终实现用标签的集合来实现用户画像。

客户画像应用主要分为个人客户画像和企业客户画像。个人客户画像包括人口统计学特征、消费能力数据、兴趣数据、风险偏好等；企业客户画像包括企业的生产、流通、运营、财务、销售和客户数据、相关产业链上下游等数据。在创建客户画像时，一般会分成4个步骤：

1) 针对不同的底层数据类型设计特定算法，挖掘用户的行为特征等信息，形成底层；

2) 从底层标签开始，形成更上层的面向应用的用户标签；

3) 建立完善的客户画像标签体系结构，从不同维度、颗粒度对客户进行描述，搭建客户画像体系；

4) 定期对全量客户进行计算和挖掘，并不断完善客户标签，与时俱进，更好地描绘客户画像。

值得注意的是，银行拥有的客户信息并不全面，基于银行自身拥有的数据有时候难以得出理想的结果甚至可能得出错误的结论。比如，如果某位信用卡客户月均刷卡8次，平均每次刷卡金额800元，平均每年打4次客服电话，从未有过投诉，按照传统的数据分析，该客户是一位满意度较高流失风险较低的客户。但如果看到该客户的微博，得到的真实情况是：工资卡和信用卡不在同一家银行，还款不方便，好几次打客服电话没接通，客户多次在微博上抱怨，该客户流失风险较高。所以银行不仅仅要考虑银行自身业务所采集到的数据，更应考虑整合外部更多的数据。

基于数据中台的客户画像体系

数据中台是指通过企业内外部多源异构的数据采集、治理、建模、分析，应用，使数据对内优化管理提高业务，对外可以数据合作价值释放，成为企业数据资产管理中枢。数据中台建立后，会形成数据API，为企业和客户高效提供各种数据服务。它可以将企业内外割裂的数据进行汇聚、治理、建模加工，消除数据孤岛，实现数据资产化，为企业提供精准客户立体画像，助力企业实现数据驱动业务，银行数据中台架构图如下所示：

总结

结合数据中台目标和优势，建立基于中台的用户画像标签体系，分析赋能客户的精准营销和风险预警，根据客户需求、动机、收入和消费行为的多元化和差异化特征，创建个性化的客户标签，构建客户标签体系，搭建客户标签营销与分析平台，深度挖掘自身海量数据的潜在价值，通过客户细分、精准营销等手段，打造差异化、个性化的产品和服务，在客户洞察和客户响应上抢得先机。