華夏銀行：大數據技術服務業務需求，實現銷售高速增長
截至2017年6月末，華夏銀行共設立40家一級分行（含2家籌備）、56家二級分行、925家營業機構（含社區、小微支行198家），員工人數超過3.9萬人，形成了「立足經濟發達城市，輻射全國」的機構體系。要驅動如此龐大體量的企業進行數據化運營，從而實現精益化管理並實現業務增長，絕非易事。2017年華夏銀行實現高速增長，年增幅23%，那麼華夏銀行是如何實現高速增長的呢？對此，本次永洪採訪了華夏銀行信息科技部門數據平台及數據應用負責人，他向我們講述了華夏銀行在大數據時代下應對新變化的探索與實踐，為大家揭秘華夏銀行在大數驅動業務增長的實踐經驗。
大數據聚焦華夏銀行業務，挖掘金融市場價值
「提起銀行，人們第一反應就是存款、貸款這些前端基礎業務內容，對於金融行業，還有很多業務，是普通人看不到的。」據數據平台項目經理張工介紹，他所在的部門，負責的是華夏銀行整體的業務數據分析，涵蓋了包括全國各地分行、業務部門的業務數據分析職責。
2016年，華夏銀行入選《財富》雜誌評選的中國企業500強。 華夏銀行作為一家商業銀行領域佼佼者，擁有遍布全國的營業機構以及包括風險管理部、資產管理部、國際業務部等多個業務部門。龐大的企業體量，帶來了大量金融業務數據，加之各個分行、業務部門之間的數據存在流程關聯與交叉，數據體系龐大而且複雜。
「早期，銀行對數據的應用基本上是做報表，統計報表、財務報表、會計報表等，每年要做好幾百個報表，由於數據散落於各個分行以及各個業務部門，不便於快速統計，只能通過人工篩查分析，出報表的速度不夠及時且費時費力，導致決策滯後；而且由於當時的報表系統複雜，操作繁瑣，做出來的報表效果並不是很理想，報表數據不夠準確，無法實現準確有效的全局觀察與分析。除此之外，數據分析人員既要懂技術，又要懂業務，壓力大。」據張工介紹。
如何在人力有限的條件下，搭建行之有效的數據分析系統，實現對各個分行、各個業務部門產生的業務數據進行高效管控與分析，輔助管理層和業務人員及時、準確的進行業務決策，成為華夏銀行亟待解決的問題。
「隨著業務的發展，沒有及時、準確的數據反饋，僅僅靠數據分析人員，而不是新技術，是無法和同行進行競爭的，更無法保障銀行的高速發展以及獲取更多的客戶。因此，在『數據驅動』要求下，我們根據新技術條件搭建了自己的大數據平台。」張工解釋到。
說到大數據平台，不得不提華夏銀行的數據服務系統。張工介紹說：「在華夏內部，我們將為用戶提供數據應用服務的平台稱為數據服務系統，其服務對象是全行所有人員。我們建立了體系化的指標，不同部門關注的指標不同，高管層主要關心的指標包括行業重要戰略性的指標，例如存款、貸款的業務規模與概況，行業業務重大異常變動。業務部門，如各事業部主要關心的指標有業務量統計，包括存款餘額、存款筆數、存款狀態等，重點客戶分析等。風險管理部主要關心的指標如逾期不良還款等。資產管理部關注業務流程的分析，如貸款申請、審批等。」
如此多的指標，華夏銀行又是如何管理和利用的呢？對此，張工解釋到：「我們的數據分析人員基於華夏銀行各個分行以及風險管理部、資產管理部等業務部門所產生出來的數據，通過可視化拖拽的方式即可完成實際業務數據分析的需求，並建立了數據看板，通過可視化圖表將他們關心的指標直觀的展示出來，從而可以清晰看到各自關心的指標變化，做到及時、準確的決策，指導業務」。
在談到對數據分析流程和效果時，張工介紹到：「銀行業，數據種類非常多，而且雜，我們華夏銀行建立了『獲取->組織->分析->決策』這樣一套完整的數據分析流程。『獲取』指的是數據的採集，我們將採集到的數據根據業務需求按照客戶數據、帳戶數據、交易數據、科目數據、非結構化數據以及外部數據進行了分類。『組織』涵蓋了兩層，其一指的是對數據的管控能力，包括數據質量、數據安全、數據生命周期管理（用於管理信息系統的數據在整個生命周期內的流動：從創建和初始存儲，到它過時被刪除），其二是對數據的整合能力，包括對數據的篩選、清洗，之後對這些數據進行相應的加工處理。『分析』是指在加工處理完以後，通過決策樹、邏輯回歸、聚類等演算法模型再做相應的數據分析，挖掘、分析隱藏在數據背後的價值。前期我們做了那麼多的工作——獲取、組織、分析，數據價值也挖掘出來了，最終都是在為決策層發揮作用。『決策』是指將分析的結果進行輸出，通過建立數據看板以及製作數據分析報告，準確、及時的呈現給領導以及各個業務部門，從而為業務發展戰略規劃、精準營銷、大數據風控等應用場景做關鍵性的決策支持。我們通過這樣一套完善的數據分析流程，從對數據的採集、清洗、到上層的數據應用規劃，以及構建數據驅動業務增長方式，實現了用數據驅動整個華夏銀行的運營。」
那究竟如何用大數據分析幫助業務提升呢？張工分享了2個應用場景：
案例1：優化產品流程，提升一倍轉化率
我們上線過一款金融產品，投放市場推廣後，發現交易額一直上不去，後來通過「插點埋碼」的方式，採集到了用戶通過網銀/手機銀行訪問該款產品關鍵頁面的行為數據，發現訪問率只有20.89%，交易成功率只有15.31%。通過用戶回訪，客戶反映產品訪問速度比較慢，通過分析我們得知由於訪問速度過慢這一原因導致了用戶等待時間過長，大量的用戶訪問途中直接離開。除此之外，還收到了用戶反饋「基金購買」的下單步驟過多。我們將優化建議提交給了產品部門，之後對該產品進行了改版優化，將原來的購買流程從之前的五步優化到了三步，重新上線推廣。之後我們通過對每日的關鍵數據進行追蹤和分析，購買基金的轉化率從原來的15.31%提升到了現在的31.17%，提升了一倍多，客戶好評率也有了極大的提升。
案例2：助力精準營銷，提升八倍客戶購買轉化率
2017年，華夏銀行為手機銀行客戶推出了一款預期年化收益率表現良好的「夜市理財」產品。主要面向於朝九晚五的白領人群、宅男宅女、中老年客戶群體。我們基於地理位置特徵、交易行為偏好、金融產品的購買偏好、訪問特徵偏好、營銷特徵等數據，對客戶進行分類，打上標籤。通過客戶信息的標籤化，抽象出一個客戶的信息全貌，基於精確的用戶畫像，對客戶進行差異化、個性化的產品推送。將精準的內容，通過精準的渠道推送給精準的客戶，商品推薦成功的幾率就會非常大。推送之後，客戶購買「夜市理財」產品的轉化率提高了八倍。
選擇合作夥伴，華夏銀行的標準和遠見
談及和永洪的合作，張工分享了華夏銀行在產品選型上的思考，「早期，由於金融業務數據種類多、報表需求旺盛，而當時的技術平台過於複雜，業務人員不僅需要懂業務，還需要會技術，最終導致數據分析過程耗時過長，數據分析人員流失率較高。因此這次選型，我們的基本訴求是：業務人員通過自助分析進行自我驅動，找出業務價值。而Yonghong Z-Suite，它的易用性、實用性都非常好，能滿足我們的業務人員完成數據準備後，基於可視化拖拽的方式，完成實際業務數據分析的需求；其次，永洪具備多維數據源對接能力，滿足了我們對多類數據可視化分析的需求。通過永洪的分析平台可以打通華夏銀行內、外部的數據，通過內外結合，實現數據價值最大化，這一點也是永洪做的非常出色的一點；最後一點也是最重要的，我們當時調研了Tableau和Yonghong等廠商，最後選擇永洪，也基於我們對供應商服務能力的要求——能夠快速響應我們定製化開發的需求，後期對我們在產品報表上線過程中的一些小問題也能夠做到專人來解決。基於以上幾點，我們選擇永洪科技作為我們的大數據技術合作夥伴。」
智慧金融，數字華夏
與永洪的合作解決了華夏銀行大數據分析的技術難題，而要建立以數據驅動增長的企業文化，華夏銀行信息技術部門負責數據運營的領導認為，「還需要培養員工的數據分析思維，實現企業員工完成自主業務數據分析的目標，提升企業的整體運營能力。」在2017年永洪舉辦的深圳大數據峰會上，華夏銀行數據運營負責人介紹了相關的經驗：數據服務中心保障體系——「1231」，「1」是每周會對業務人員進行數據分析知識培訓，提升業務人員數據分析思維和業務能力；「2」是華夏銀行針對銀行員工創建了大數據主題雜誌，每兩個月會推薦一些成功的經典數據分析應用案例供大家學習；「3」是每個季度會在全行開視頻會議，以交流數據分析應用以及實踐案例為主，給大家帶來更多的啟發和思考；最後一個「1」是每年會給業務部門做專業的業務能力培訓，提升業務人員的專業能力。
華夏銀行將大數據技術平台（數據服務系統）與業務（數據服務中心保障體系）進行了完美的融合，從而真正的做到了降低人員成本，提升銷售運營效率，實現企業價值的高速增長。
參考資料：
http://www.cebnet.com.cn/20170817/102417415.html
TAG:永洪科技 |