大數畫像是智慧投顧的五大基礎支柱之一。獲取客戶、瞭解客戶、然後尋找客戶、再進行服務，並找到觸達客戶的方式，在正確的時間、使用正確的產品、用正確定的方式送達客戶，是移動網際網路時代客戶全息畫像的目的。進入移動網際網路後，瀏覽手機已經成為工作和睡覺之後的，人類第三大生活習慣，我們的客戶消費行為也出現了分化，而且移動APP已經成為所有金融企業的客戶入口、服務入口、消費入口、資料入口。

(一) 利用內部資料+外部資料瞭解客戶、服務客戶和觸達客戶

建立完善的標籤體系，便於篩選客戶，實施精細化服務。為了深入瞭解客戶群體分化和他們需求多樣化，需要利用當前大資料收集與分析技術，蒐集客戶外部位置資料、消費資料、信用資料、終端資料、興趣愛好、人口屬性等資料，再加上公司內部客戶交易資料、客戶留存資料，對客戶進行深入挖掘，建立完善的標籤體系。

(二) 和傳統BI比較，大資料畫像速度快、維度全

基於大資料平臺的分析型應用，速度快，成本低。大資料畫像屬於分析型基礎應用。與傳統BI相比，券商大資料畫像選擇大資料技術有四大理由。

 資料儲存量大，輕鬆處理PB級資料

 大資料外部非結構化資料用於客戶畫像，需要用大資料技術處理

 資料量大，演算法選擇性多，增加畫像精準度

 分散式計算，分析速度遠非傳統BI可比
 

圖1：大資料畫像技術比較

與傳統BI系統相比，新型大資料平臺可以提高几十倍查詢速度。當資料量達到一定程度，例如TB級以上，傳統資料庫處理起來就比較費時，影響業務開展效率；當資料量達到PB級以上時，選擇新型資料庫，搭建大資料平臺就勢在必行。

(三) 基於大資料畫像的應用

1、新客戶獲取

大資料畫像，輔以第三方資料，可以擴充客戶獲取方式，方法和手段都遠比傳統獲客方式更便捷，更有效。

圖2：利用大資料獲客

大資料獲客方式之一是利用大資料深入刻畫線下蒐集客戶名單。證券公司經常會舉辦投資研討化、各種慈善贊助會、行業峰會等等，業務人員都會從中搜集大量名單（或名片），但除了簡單的公司名稱、職位和電話外，所知資訊非常有限，對客戶財力、興趣愛好、職業習慣等等一無所知，與客戶溝通時不知如何展開，或不能達到預期效果。但利用大資料，將新蒐集名單與第三方資料關聯進行分析，獲取客戶全方位畫像之後，再進行獲客溝通，將產生極大效果。
 

圖3：利用大資料對線下客戶名單畫像

大資料獲客方式之二是基於現有客戶內部畫像，找出第三方資料中類似客戶群，然後有針對性地進行客戶開發。例如，可根據高忠誠度客戶、價值客戶等內部資料畫像而形成的特徵，再與第三方資料結合，開發高價價值客戶。而且，還可以直接將特徵傳送給第三方資料公司，由其直接提供相應的客戶群名單及聯絡方式，然後開展新客戶開發。

圖4：內部畫像與外部資料結合開發新客戶

2、精準營銷

精準營銷是目前深度挖掘客戶潛力的最重要步驟，客戶通過搜尋引擎及公司網站瀏覽路徑留下龐大的有關興趣、偏好等資訊資料，公司通過大資料分析，可以快速視覺化客戶的個性、特徵等內容，進而有針對性的提供解決方案。
 

圖5：根據客戶軟體或網頁操作行為優化軟體開改進投顧產品

精準營銷主要包括實進營銷、交叉銷售、個性化推薦與客戶生命期管理等四方面。

（1） 實時營銷。券商根據客戶的實時狀態來進行營銷。

圖6：實時營銷

（2） 交叉營銷。即不同業務或產品的交叉推薦

例如，資料檢測發現某客戶的資金經常在保證金賬戶和銀行託管賬戶間轉換，同時炒股和購買銀行理財，則券商可以加大資管產品的營銷力度，實現交叉銷售，甚至可以把客戶更多的資金從銀行端吸入進來。

（3） 個性化推薦

券商根據某型別客戶的獨特偏好進行服務或者提供個性化推薦。如根據客戶的年齡、資產規模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務需求，進而有針對性的營銷推廣。

（4） 客戶生命週期管理

♦新客戶獲取

♦客戶防流失——預警模型

♦客戶贏回

3、渠道、產品或服務方面的運營優化

運營優化，包含市場和渠道優化、產品和服務優化、以及輿情監控在對客戶的全流程服務中，大資料系統將能夠實時分析並提供解決方案，以保證券商運營效率最大化。

（1） 市場和渠道端優化

通過大資料分析，券商可以監控不同地區、不同形態市場的推廣渠道，尤其是網路渠道推廣的質量，目前大部分上市券商均能夠同時覆蓋全國經濟發達地區和某些傳統優勢省份，同時網際網路券商又為券商提供了多一層次的市場空間。

（2） 產品和服務端優化

券商可以將客戶行為及時轉化為資訊流，分析客戶群體性的特徵和風險偏好，瞭解客戶當前的習慣，並結合過往案例和模型預測客戶需求，從產品服務的優化升級再到未來產品創新。

（3） 輿情監控

通過爬蟲技術和資訊處理技術，可以及時掌握市場情緒及市場熱點正負面資訊，並將相關資訊推送至客戶手裡。

圖7：客戶輿情監控

（4） 客戶流失預警。

產品、服務的價格和質量，客戶的互動情況，客戶經理的穩定性，管理的平衡性，以及行業的變遷都將影響客戶的流失率。建立流失預警模型後能通過大資料分析歸納出過往客戶中具有高度流失傾向的客戶普遍特徵。然後從現有客戶中比對找出類似特徵客戶群，形成客戶流失可能性預測，對潛在流失客戶制定挽留方案。迄今為止，大部分的客戶流失管理仍然停留在經驗識別的階段，大資料將大大促進這一塊業務水平的發展。

圖8：客戶流失預警方案圖

（四）畫像目的是建立客戶標籤體系、為投資客戶提供精準服務

1、對客戶進行大資料使用者畫像，建立標籤體系

利用大資料技術對用客群體進行畫像描摹，通過樣貌、性格、愛好、工作、資產等“標籤”歸類，呈現出每一位客戶的“個性畫像”，進而更好的抓住已有客戶並且有效獲取潛在客戶。相比傳統線下使用者管理、問卷調查，使用者畫像可以獲取客戶更為精準的反饋資訊，更及時瞭解客戶差異化特徵，進而提供營銷策略、運營方向、推廣支援。

圖9：大資料畫像標籤體系

2、畫像步驟：

第一步、資料整合與清洗。主要是將可能需要內外部資料整到大資料平臺。其中，人口屬性資料主要來源於CRM系統；終端屬性和位置屬性主要來源於第三方資料，例如TalkingData統計分析平臺。

第二步、選擇業務強相關資料。在這一步資料選取中，主要依據業務經驗或業務知識對資料進行初步篩選，並以篩選內部資料為主。

第三步、根據業務及覆蓋率選擇外部資料。為了豐富資料分析維度進行360度畫像，需要引入和業務強相關的外部資料。可引入的資料主要有位置資料、消費偏好資料、終端資料、興趣愛好資料、銀聯資料、電商資料、社交資料（微信、微博、論壇等）、外部廠商資料、資料交易平臺數據等。但在引入外部資料時，為了提高外部資料的使用價值，需要考慮資料覆蓋率是否高於30%（可產生商業價值）、與內部資訊匹配度、業務相關度、資料熱度、資料合規性等。

第四步、對資料分類並標籤化。本部分涉及資料探勘及挖掘結果處理，主要目標是將資料從定量向定性資訊轉化，以標註成為人類容易理解的標籤資訊。從某種意義上來說，其實就是對資料進行欄位劃分，或進行資料條塊分割。例如按年齡將客戶分為學生、青年、中年、老年；按開戶時間長短，將客戶分為開發階段客戶、成長階段客戶、成熟階段客戶和衰退期客戶等等。

第五步、根據業務需求，利用客戶標籤篩選客戶。即，對客戶進行分類分級，並根據客戶分類分群設計產品，或根據客戶評級與分群分類結果，建立三維客戶服務矩陣，並設計相應的服務策略。

圖10：大資料畫像流程

（五）大資料畫像技術架構

吉貝克大資料事業部經驗豐富。其中，業務分析師與資料探勘團隊全部由金融及相關專業碩士組成，多數擁有或通過CFA、證券從業資格、會計從業資格和理財規劃師等考試，可以向外提供大資料平臺技術服務、資料爬取服務、資料探勘服務和業務方案諮詢服務等。當前已搭建了自有的Hadoop大資料平臺，並基於該平臺運營自行設計的大資料產品，包括黑名單、風險管理移動應用產品。

下圖是吉貝克團隊基於國內某Hadoop產品而為券商設計的大資料畫像架構圖。

圖-11：用於客戶畫像的大資料技術架構

吉貝克團隊除了可以基於SAS、SPSS等商用資料探勘為客戶服務之外，也可以提供基於Hadoop平臺的R語言語資料分析和高階資料探勘。下圖為基於國內某知名Hadoop產品的資料探勘架構圖。

圖12：用於大資料架構的資料探勘方案

時間：2016年12月15日