我們正處在經濟下滑的環境中，這是顯而易見的。
銀行的問題總是循環往復地出現。打開任何一家新聞網站或者報紙，我們都能看到一篇又一篇關于銀行問題的報道。欺詐、英國退歐引發的不良影響、各式各樣的金融危機和違規行為、事實描寫中摻雜著謠言與暗諷……好像銀行總是在向公眾粉飾自己真正在做的事情。
這也就不難解釋雖然這個行業的發展十分強勁迅猛，也是過去幾百年間社會不可或缺的一部分，但人民群眾卻依然對銀行業界充滿了懷疑。銀行的客戶們更在意的是安全性違規、服務范圍沒有增加還有他們糟糕的服務質量；但有些銀行人士卻仰頭看天，對這種擔憂表示了蔑視。
贏回顧客的心
為了贏回客戶的信心，在數字化變革中維持自己的地位，各個銀行（以及整個銀行業）都必須認真考慮自己傳統的業務模式和運營方法。一些銀行已經開啟了自己的數字化轉型旅程，采用了新興技術并利用現有的數據源來開發出更好的產品和服務。大數據和分析技術是其中的關鍵，但這兩者的潛力都沒有被發揮到極致。銀行必須采取一些切實手段，改變客戶認知的障礙，獲取數據驅動的業務機會。
支付數據
首先從最被低估的一種數據集說起。支付數據能夠反映出每個客戶的大量信息，例如他們付了多少錢、購買了什么、收款方是誰、參與業務的銀行是哪家、交易的時間、地點等等信息。事實上，一個人的購買交易記錄比他/她在社交媒體上的表現更能說明這個人是誰。交易數據的獲取方式非常簡單，但卻可以精確描繪出一個人的生活方式、發現哪些公司參與到了商品的供應鏈中、并繪制出根據時間和地點而變化的消費曲線。與此同時，雖然客戶本身的數據并不像交易數據一樣多變，但在銀行系統中卻可以將客戶數據和其他資料進行結合，例如交易數據、信用卡歷史數據等，以此加強分析、推出成功的“次優選擇”。
了解金融技術
銀行只需要采取一些金融技術的思維，嘗試這些簡單而實用的技巧，在短期內就會獲得重大的改變。
利用推薦引擎相關的數據 – 可以采取針對少部分人進行試驗的方法進行。根據喜好對消費者進行分組、根據消費者對產品進行分組、再根據模式的相似程度對交易數據進行分組。每個人都想著要建立起獨一無二的“單一客戶視圖”，但你知道嗎，一個連接起2-3個產品組合的“局部客戶視圖”對于剛開始起步的企業開始就已經足夠用了。
更關注交易及行為數據 – 交易數據更能幫助銀行了解客戶流失前發生過哪些事情，它能揭示出銀行產品組合間相互的網絡關系，客戶對客戶、客戶對商戶、公司對公司、產品對產品……了解這些以后銀行下一步能做什么呢？
欺詐與合規 – 就像之前我提到的，銀行異常熟練于管理合規和避免欺詐，但這整個行業都需要開展更好的文本分析工作，利用網絡行為發現高風險的行為模式。例如“誰點擊了哪些網站后就出現了欺詐行為”等洞察有時非常具有啟發意義。現在，一些公司已經可以將網志數據和支行數據進行匹配，發現客戶在網上和實體銀行內的行為差異。
服務體驗 – 在實體經營的年代里最重要的是“位置、位置和位置”；而在現在這個數據化年代里最重要的卻變成了“客戶、客戶和客戶”。利用事件數據發現造成問題的流程，再為客戶們解決這些問題流程。呼叫中心記錄也是一個隱藏的數據洞察來源。要分析這些呼叫記錄的語義、發現重復出現的問題并不復雜，銀行可以從這些投訴記錄中獲取新產品開發的靈感，只要他們想這么做的話。
改善移動端體驗 – 很多銀行都有自己的移動端APP但這些應用的功能通常都集中局限于輔助交易、轉賬和賬戶管理上面。但如果可以把銀行的APP像Mint等其他APP那樣，為客戶提供更酷的預算管理、清晰地展現財務狀況甚至是提供更有幫助的建議呢？銀行可以針對移動運營商進行分析，發現數據中隱藏的模式（例如地點、客戶屬性、IP地址、移動上網等數據），了解帶來客戶滿意的“指跡”。
單純憑借以上五條建議其實并不能扭轉銀行與客戶之間充滿問題的關系，但它們卻可以成為銀行與客戶間關系緩和的第一步、也是試驗性的一步。
在“關系”和“信心”的圍墻被修復以后，加上銀行的企業級數字化轉型策略，他們就可以重新回到建立長期的且有意義的數據驅動的客戶關系中，而不是將就著建立不斷減弱的、只有在特定情況下才會發生的、一次性交互關系。
京公網安備 11010502049343號