《金融行业大数据精准营销及精细化管理》内训

课程内容：

一、互联网时代的“大数据、大机遇”：

1.概述

1)大数据概念和特点

2)大数据需要哪些技术支撑

3)大数据能够带来哪些新应用？

4）互联网时代产生的金融大数据内容

5）大数据如何改写金融行业？

2.大数据时代带来对传统营销的挑战

1)大数据如何成为资产？

2)大数据如何体现精确营销

3)大数据的价值

4）互联网大数据对于金融企业的价值

3.大数据时代的新营销模式

1)互联网的营销模式——微博营销、微信营销、网页营销等

2)CRM——“旧貌焕发新颜”

3)精确营销——装上了GPS，实现“精确打击”

4）金融行业的客户营销——喜好、产品、内容

【示例】淘宝支付宝大数据分析案例分享

4.如何在海量数据中整合线上、线下数据，形成你对消费者的独特洞察力

1)知道客户的各个属性——互联网时代不再“是否是狗”

2)客户的群体特征——“人以群分”

3）如何识别客户欺诈的潜在风险？

5.如何建立全渠道数据平台，拓展营销渠道，提高营销效率

1)客户接触渠道分类

2)电话、QQ、微博——全方位覆盖

3)如果进行广告的精确投放？

4)金融产品营销渠道的拓展

6.大数据的实现架构和体系

1)HADOOP技术了

2)MAP/REDUCE算法

3)非结构化数据分析的特点

4）数据仓库技术

5）数据的ETL过程描述

6）数据挖掘概述

【示例】腾讯“广点通”（精准广告）大数据应用案例

二、大数据下客户的“透视”：

1、客户是“上帝”，如何找到“上帝”？

1）上帝是什么样子？

上帝是什么视图？

2）客户是什么样子？

金融客户是什么视图？有什么样的客户标签？

3）提供哪些产品？

金融产品是什么视图？有什么产品标签？

4）如何建立客户和产品间的关系？

为合适的客户，找到合适的产品

2、我们对自己的客户（“上帝”）了解多少？

1）客户会有什么特点？

客户的基本特征（如：不同产品的年龄分布）

客户的群体特征（如：不同年龄群体关注点有哪些？）

【示例】客户细分模型案例

现代营销模式的基础，以现有产品为基础，寻找群体客户适合的产品和服务。

客户的交往圈子（如：股民圈子关注哪些金融产品？）

【示例】金融行业/电信行业客户交往圈分析案例

客户的内容消费特征（如：客户喜好哪些内容？喜欢那些金融产品？）

基于大数据，换个角度规划产品和服务。

2）大数据时代营销的方法

营销方法论和知识库（分析问题的知识库和方法树）

互联网时代的营销：“大数据、微营销”（细节营销）

营销的渠道规划：实时营销和事件营销

【示例】美剧《纸牌屋》的大数据营销；

3）企业管理方面的情况

及时发现企业真实的情况（哪些运营的关键指标KPI？）

像人体一样，如何及时发现病症？（关键指标KPI的波动范围？）

【示例】：电信企业的数码仪表盘，展示企业的KPI；如何**手机彩信及时展现KPI给领导。

【示例】百度大数据产品（司南、精算、预测等）应用介绍

3、如何“帮客户买产品，而不是推销其不需要的产品”

1）如何进行客户的“X光透视”？

（客户的统一视图包含哪些信息？哪些是关键属性？）

如何发现客户的真实需求？（服务与骚扰的区别）

【示例】：金融行业客户的内容标签展示

2）内部产品的科学选配

（如何提供讲师般量化的分析，为用户提供优的内部产品？

如：金融行业计算出适合用户模式的理财产品进行选择）

【示例】：为客户定制合适的资费：经过数据精算后，告诉客户，A产品比B产品更适合张三。

3）竞争对手产品的对比

与竞争对手间的产品差异化区隔

自己产品的优势和弱点（如何提供量化的分析结果？）

【示例】：竞争对手的“客户回归”分析案例

4）销售过程的处理

销售时机的把握销售语术的把握

4、大数据营销的作用和价值

1）数据和知识是人的本质特征

2）大脑是人与动物的差别

3）“事半功倍”是捷径

4）从“拼刺刀”到“信息战”；

【示例】：某人关系图

5、金融行业如何识别欺诈客户

1）客户的行为和内容数据

2）欺诈客户的行为特点

3）欺诈客户数据挖掘模型

4）发洗钱识别模型

5）实时识别、实时预防

【示例】金融行业欺诈客户识别案例（基于客户行为数据分析）

6、客户的征信模型

1)客户征信的内容

2)客户征信应用领域

3)央行与阿里的客户征信差异

4)客户征信计算模型

【示例】阿里的蚂蚁信用分案例

三、基础数据的收集和分析

1、数据的种类

1）客户数据内容（金融客户的基本资料）

2）产品数据内容（产品的编码）

3）营销数据内容（交易记录的保存）

4）服务数据内容（客户服务数据的保存）

5）金融数据的特点：（交易型数据少、价值密度高等）

2、数据的存放方法

1）数据的清洗、转换和加载

2）存放在数据库/数据仓库

3）数据的基本分析工具EXCEL等

4）数据仓库的基本原理

5）HADOOP数据中心的基本原理

3、数据的基本整理

1）数据的归类存放（建模型）

2）数据的基本加工

4、数据挖掘技术

1）数据的基本汇总

2）数据中的“金子”：从石头中淘金子

3）数据挖掘：“啤酒和尿布”的故事

4）数据挖掘过程

5）数据挖掘算法介绍

包括：关联分析、聚类分析、决策树分析、孤立点分析等算法

【示例】：客户挽留案例剖析（数据挖掘中分类算法）

6）高级的数据挖掘工具SAS和SPSS等

【示例】：**SAS工具识别客户欺诈案例

5、数据质量的基本保障

1）指标的口径描述和统一

2）后期补数据成本是前提收集数据成本的15倍

3）“差之毫厘谬以千里”

6、数据的安全管控

1）4A权限管控

2）数据的加密等多种技术

3）系统的“城防图”：

【示例】：某企业的数据仓库安全案例

四、客户的分析/认知

1、客户的定义和范畴

用户和客户的区别

客户是否要进行细分，如校园客户、家庭客户、集团客户、小微企业客户等

2、关于客户的基本“信息”（管中窥豹）

身份证信息行为爱好信息衍生信息

客户资料信息透露的内容分析

【示例】客户基本信息分析示例

3、客户的基本属性标签（如对儿童家庭投放儿童保险产品等）

增值服务等方面，让服务更加贴近客户

如何爬取客户的内容信息

【示例】互联网客户“内容爬取”示例

段方老师的其它课程