关注微信公众号
下载APP

您是个人用户,您可以认领企业号

财富机构如何实现数据价值变现?

搜狐财经 2019-08-14 01:44 抢发第一评

原标题:财富机构如何实现数据价值变现?

大数据将用户需求和财富产品进行匹配。有些金融场景,例如银行、证券和保险,都有应用大数据来优化内部营运和用户体验。

作者:潘之花 | 来源:财富科技范儿

金融场景的大数据应用

对财富管理机构而言,大数据服务能够帮助机构从已有的海量信息中挖掘到有价值的内容,让业务更明确用户需求和风险承担能力,洞悉他们的投资趋向,进而明确自己的战略目标,帮助机构做出更准确的资产推荐及交易决策。总的来说,“没有最好的资产,只有最合适的资产”,大数据就是撮合用户需求和财富产品完成匹配的链条。

根据国际知名咨询公司麦肯锡的报告显示:在大数据应用综合价值潜力方面,信息技术、金融保险、政府及批发贸易四大行业潜力最高高。具体到行业内每家公司的数据量来看,无论是投资规模和应用潜力,信息行业(互联网和电信)和金融行业都是大数据应用的重点行业。

从投资结构上来看,银行将会成为金融类企业中的重要部分,证券和保险分列第二和第三位

银行大数据应用场景

比较典型的银行的大数据应用场景集中在数据库营销、用户经营、数据风控、产品设计和决策支持等。

目前来讲,大数据在银行的商业应用还是以其自身的交易数据和客户数据为主,外部数据为辅以描述性数据分析为主,预测性数据建模为辅,以经营客户为主,经营产品为辅。按类型可以分为交易数据、客户数据、信用数据、资产数据等 4 大类。

国内不少银行已经开始尝试通过搭建DMP(数据管理平台)来驱动业务运营,如中信银行信用卡中心利用大数据实现了实时营销,光大银行建立了社交网络信息数据库,招商银行则利用大数据发展小微贷款。

证券行业数据应用场景

证券行业的主要收入来源于经纪业务、资产管理、投融资服务和自由资金投资等。外部数据的分析,特别是行业数据的分析有助于其投融资服务和投资业务。

证券行业拥有的数据类型有个人属性信息(如用户名称、手机号码、家庭地址、邮件地址等)、交易用户的资产和交易纪录、用户收益数据。证券公司可以利用这些数据和外部数据来建立业务场景,筛选目标客户,为用户提供适合的产品,提高单个客户收入。

证券行业需要通过数据挖掘和分析找到高频交易客户、资产较高的客户和理财客户。借助于数据分析的结果,证券公司就可以根据客户的特点进行精准营销,推荐针对性服务。

保险行业数据应用场景

目前国内保险行业的销售渠道主要有三种:大的主体公司依赖于代理人渠道,如平安,太平洋,友邦等;还有一些公司依赖于互联网渠道,主要是新兴保险公司,如安心财险等;还有一些依赖于第三方流量渠道。因此保险业的数据管理极端依赖外部渠道。

保险行业的数据业务场景是围绕保险产品和保险客户进行的,典型的数据应用有,利用用户行为数据来制定车险价格,利用客户外部行为数据来了解客户需求,向目标用户推荐产品等。

例如,依据个人属性和外部养车 App 的活跃情况,为保险公司找到车险客户;依据个人属性和移动设备位置信息,为保险企业找到商旅人群,推销意外险和保障险等;依据家人数据和人生阶段信息,为用户推荐理财保险,寿险,保障保险,养老险,教育险等;依据自身数据和外部数据,为高端人士提供财产险和寿险等;利用外部数据,提升保险产品的精算水平,提高利润水平和投资收益。

(Tips:内地保险的流程数字化程度远远领先于香港及其他海外保险,内地保险公司专注于打造数字化交易系统,自动化流程压缩繁琐了投保复杂程度,提高了工作效率,利用大数据优化定价、进行承保和索赔管理、调整盈利能力,并能主动管理机构的有效业务,以达到最佳利润率,基本已全面实现无纸化质交易。而目前大部分港险交易流程依赖邮件往来和纸质签约,海外保险数字化交易系统的搭建迫在眉睫。)

回到大数据来说,保险公司也需要同外部渠道进行大数据整合,以开发出适合不同业务场景的保险产品,如航班延误险、旅游天气险、手机被盗险等新的险种。目的不仅仅是靠这些险种盈利,还是找到潜在客户,为客户提供其他保险产品。另外,保险公司应该借助于移动互联网连接客户,利用数据分析来了解客户需求,提高服务能力,降低对外部渠道的依赖,降低保险营销费用,提高直销渠道投入和直销销售比。

如何实现数据价值变现

通常有两种方法。一是对内改善运营绩效,二是对外开放部分数据,与客户或渠道合作伙伴共同开发新业务

那么,若想实现数据价值变现,具体应该如何操作呢?

来源麻省理工商学院

如何利用自身数据增加盈利?

加数据的价值

并非所有原数据都是有价值的或可变现的,许多数据要在与其他数据源整合后才能迸发应有的价值

举个例子:比如刚才提到大数据银行场景的应用。

其实即使拥有海量的客户数据,银行收集的客户信息纬度也并不全面,基于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12次,平均每次刷卡金额1000元,平均每年打3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信朋友圈,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,客户多次在朋友圈上抱怨,那么,该客户流失风险就是比较高的。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,以扩展对客户的了解。

包括:

(1)客户在社交媒体上的行为数据(如光大银行建立了社交网络信息数据库)。通过打通银行内部数据和外部社会化的数据可以获得更为完整的客户拼图,从而进行更为精准的营销和管理;

(2)客户在电商网站的交易数据,如建设银行则将自己的电子商务平台和信贷业务结合起来,蚂蚁金服为阿里巴巴用户提供无抵押贷款,用户只需要凭借过去的信用即可;

(3)其他有利于扩展银行对客户兴趣爱好的数据,如网络广告界目前正在兴起的DMP数据平台的互联网用户行为数据。

综上所述,鉴于不同的数据服务场景,只有在保证隐私的前提下,打破行业壁垒,充分和跨行业机构合作,拓展数据池的宽度,才能实现整合数据价值+。

充分理解内部数据的意义

例如,财富管理机构内部某一业务部门可能会利用另一个部门的数据,以便更好地服务外部客户。

经济高速成长带动了财富管理市场的扩张(预计到2024年我国财富管理市场的总规模有望达到270万亿人民币左右),尽管整个市场已进入充分竞争阶段,却没有一家类似于Bloomberg的内部管理服务商出现。

因此财富管理机构内部项目量大、信息不透明、数据庞杂、销售战略同质化,管理机制不规范等痛点的整改需求亟待解决。

瞄准这一需求,如何利用大数据服务有效改善机构内部管理显得尤为重要。

财富机构的内部大数据服务是一种立足于业务根本,多维度数据融合以提升管理效率、开拓价值的企业管理服务。它虽然不能直接带来短期经济价值,却能实现内部信息共享,使部门边界、层级边界被紧密的业务联系和广泛的社交联系所弱化,酝酿降本增效的内部驱动力,实现真正的长期价值。

价值潜力最大化

一家公司的数据值多少钱?答案取决于市场需求、数据时效、竞品、数据使用方式等多方面因素。要想最大限度地利用数据,财富管理机构最好能够在独家数据的基础上,利用高级数据分析工具或商务智能软件生成数据洞察。

举个例子:借助大数据分析工具,保险业可以利用已有数据直接锁定客户需求。

以淘宝运费退货险为例,据统计,淘宝用户运费险索赔率在50%以上,该产品给保险公司带来的利润只有5%左右。但是客户购买运费险后,保险公司就可以获得该客户的个人基本信息,包括手机号和银行账户信息等,并能够获得该客户购买的产品信息。

借助分析工具,保险公司可以在多维数据中实现准确标签整理和用户分层,最终实现产品的精准推送。假设该客户购买并退货的是婴儿奶粉,我们就可以估计该客户家里有小孩,可以向其推荐儿童疾病险、教育险等利润率更高的产品。

如何实现数据价值的直接变现

数据变现主要有三种途径:

数据即服务

最基础也是最简单的,说白了,卖数据。当然,是经过匿名化和整合的数据。卖给中介公司或者终端用户,都有可能。

还是拿保险公司举例:一方面,保险公司利用大数据数据优化内部运营管理和客户服务水平;另一方面,通过对数据进行匿名化和整合,结合各种不同的用户案例,提供给他们的客户和合作伙伴,获取直接利润:

为零售业提供中高净值客户消费领域占比及购买力数据;

为旅游业提供结合地理位置的服务;

为广告公司,政府机构,公共交通公司,城市规划师,卫生保健组织提供更高效的交通流量管理系统,如建设智慧城市;

为品牌和数字广告主提供智能定向和点击转化洞察;

为各类房地产公司提供不动产持有状况;

为部分公司提供物联网相关应用。

洞察即服务

结合内部和外部数据,进行深度分析并形成专业洞察报告。

例如近期,贝恩公司和招商银行联合发布《2019中国私人财富报告》。

双方自2009年首开中国私人财富研究之先河,持续追踪中国私人财富市场十余年,此为双方第六次就该领域发布的权威研究报告。这样的报告为财富管理行业归纳了高净值人群群体细分、投资行为及心态,这对财富管理机构来说是最完整的年度回顾与未来决策启示,也是日前财富机构运行“境内外一体化服务生态”策略的有力动因。

平台即服务

支持分析的平台即服务,是最复杂也最有价值的。

基于云端的自服务平台,使用复杂的专有算法,生成丰富的,高度转化的,定制化实时数据交付用户。这种模式有时相当于建立一个全新的业务。

比如通过数据分析加快贷款、降低风险的服务业务。

据平安证券估计:中国征信行业未来市场规模将达千亿元,其中企业征信市场规模有百亿元,个人征信市场规模有千亿元。有着国企背景的中诚征信则更加progressive,给出了未来市场过万亿的预期。

举个例子:传统征信机构以全球最大的个人征信机构Experian、全球第二大征信机构Equifax、征信数据挖掘公司FICO为代表,基于掌握的消费者和支付数据提供征信服务。

商业信息服务机构Dun & Bradstreet以庞大的全球商业数据库-全世界最大的企业信用数据库知名,基于其全球化的发展战略,主推风险管理服务(贡献营收62.7%)和销售及市场拓展(37.3%),利用征信业务的规模经济获取高毛利率。

转载文章仅代表作者个人观点,不代表本公众号观点

返回搜狐,查看更多

责任编辑:

所属栏目: 大数据
声明:本文由搜狐财经企业号发布,依据企业号用户协议,该企业号为文章的真实性和准确性负责。创头条作为品牌传播平台,只为传播效果负责,在文章不存在违反法律规定的情况下,不继续承担甄别文章内容和观点的义务。
喜欢这篇
评论一下
评论
登录后发表评论
×

客服咨询

关注微信公众号

下载APP