摘要：基于数据挖掘的客户关系管理有助于加强优质客户的培育，提高客户黏性和忠诚度。本文从大数据对农商行客户关系管理的意义入手，分析了农商行客户关系管理的现状以及大数据时代农商行客户关系管理的重点，提出了基于数据挖掘的农商行优质客户培育和维护的策略。
关键词：农商行;数据挖掘;客户关系管理
随着信息技术的快速发展，金融生态和金融格局不断变化，利用大数据技术分析挖掘客户资源成为金融机构竞争的重要手段之一。相比其他类型的金融机构，农商行因为其支农支小的市场定位、做小做散的客户路线，在优质客户的培育、服务和管理等方面还需要下更大功夫。大数据、云计算、人工智能等信息技术为农商行的发展提供了新的机遇，农商行客户关系管理（CRM）的理念和方法需要与时俱进。基于数据挖掘的农商行客户关系管理就是将数据挖掘技术应用到客户关系管理中，帮助农商行依据自身的业务、人员结构和客户数据，运用新的技术和平台，对客户海量而分散的信息进行分类、聚类、关联、预测和序列发现，进而创新营销模式，改善客户体验。在大数据时代，制定符合自身发展特色的客户关系管理战略，为客户管理提供周到、精细的服务，对农商行来说显得尤其重要。
一、大数据时代加强农商行客户关系管理的意义
（一）深入挖掘客户需求的需要
当前，农商行面临多元市场主体的竞争，各类银行都在加快“下乡”步伐，同业网点布局下沉，数字金融异军突起，金融线上线下融合发展进入新阶段，农商行点多面广的相对优势逐渐被弱化。因此，客户资源是农商行最重要的战略性资源，加强对优质客户的综合营销和维护，聚焦农副产品、个体商户、学费、农村房屋集中居住、拆迁等重点领域，通过客户关系管理进行精准数据分析，从而深度挖掘客户需求，特别是中高端客户的需求。
（二）精准判断客户价值的需要
农商行面向农村金融市场，在长期服务“三农”的进程中，客户相对固定，因此积累了丰富的客户资源、数据资料、管理经验和品牌资源。随着城镇化推进，农村人口大量转移，年轻客群逐步崛起，新一代客群的消费行为发生了颠覆性变化，靠“人熟地熟情况熟”和“双腿走出来”的传统服务模式已不能完全适应金融业发展的需要。通过客户关系管理进行数据分析，锁定目标客户群，进而深入了解客户需求，创新服务模式，判断客户价值，并根据存款贡献度制定差异化管理利率，从而精准化设计产品，以提升客户的忠诚度。
（三）有效实施精准营销的需要
利用数据挖掘分析获取客户的多样化数据信息，并借助网格化营销系统，做好资产业务分层营销。第一层：做实“塔基”业务，长期持续做好信贷工作，以信贷标准化、流程化、信息化、精准化为金融营销的重中之重，通过产品、渠道建设和服务的创新与开发，有效激发出普惠型信贷的新活力。第二层：做牢“塔干”业务，利用网格化营销深入推进，完善网格化营销系统，对个体工商户、种养殖大户、特定行业、公职人员等进行数据归集，完善相关数据信息，做好城区的金融服务，做到商户、居民、单位批量获客。第三层：做强“塔尖”业务，对金融市场存量业务存在的问题及时整改，科学配置资金，布局高收益产品，强化业务的联动营销和产品的交叉销售，提高综合营销效果。
二、大数据时代农商行客户关系管理面临的困难
（一）维护数据的成本持续上升
随着市场的不断细分，农商行的各类数据迅速增长，这一方面要求农商行的技术不断升级，另一方面对存放这些数据的专有硬件的性能和专用软件的要求也越来越高。同时，由于这些业务数据往往通过不同系统、由不同部门来进行处理，不同的系统之间又通过各种技术进行衔接，加之数据处理需要很多部门的配合，这些都会导致数据维护成本的上升。
（二）优质客户的黏性有待增强
农商行专注于本土企业，其客户绝大多数是小微企业和农民。近年来，其他金融机构也加大了对农村金融市场的开拓力度，相对于其他金融机构来说，农商行提供的金融产品和服务相对较少，面临优质客户流失的风险。因此，农商行应高度关注客户行为数据，以制定相应的客户服务策略。
（三）风险预警的能力有待提升
农商行风险预警基础有待进一步夯实，且其技术支撑较为不足，缺少独立的客户关系管理软件。随着业务和技术创新步伐的加快，亟待构建一个基于大数据的、能够渗透到各业务条线并整合内外资源的风险预警系统。近年来，网上银行、直销银行、手机银行等业务渠道需求增多，银行在日常业务中积累了海量数据，这为农商行利用数据进行风险预警提供了可能。
（四）难以提供差别化的金融服务
农商行面向“三农”，植根于县域农村金融市场，客户主要包括辖区内的农户、个体工商户、农业组织、农业龙头企业、小微企业和县域行政事业单位等，客户群体多样化，维护和管理难度大。另外，农商行经营的品种相对单一，创新产品少，难以为不同客户提供差别化的需求。
（五）客户基础数据缺乏整合和挖掘
受信息化技术水平和管理体制等因素限制，农商行通过日常业务的积淀，积累的大量清晰、完整的客户基础数据分散在各业务系统中，缺乏有机整合和深入挖掘，无法直接反映客户业务的全貌以及潜在的客户需求，因此并未形成一套规范、高效、可操作的优质客户群体管理机制。
三、大数据时代农商行客户关系管理的重点
近年来，农商行对于客户数据的深层次需求逐步显现，更为关注客户的动态数据、全面数据、多样化需求和个性化需要等，对大数据的挖掘应用将促使农商行运用新思维来开展客户关系管理。
（一）加强数据收集及处理能力，扩大客户信息范围
农商行网点覆盖面广，日常处理的数据信息主要涉及消费、存款、贷款、汇兑等领域。在大数据背景下，农商行应借助金融科技提升信息化水平，将数据应用到业务一线，培养一批具有一定数据处理和挖潜技能的专职人员，以满足客户的多层次需求。基于此，农商行的客户关系管理系统除了收集客户日常交易的有效数据外，还应该包括客户个性化需求、动态变化等相关数据。农商行通过农户建档、普惠金融、全员营销等方式，确保客户信息进入到系统，使得客户经理能及时进行识别和维护。
（二）优化非结构化数据，完善客户信息
随着大数据研究的深入，有效地获取数据和管理非结构化数据成为银行客户关系管理的重要内容。据统计，对于大部分金融机构而言，文本（报告、报表、图表等）、语音视频、音频、图像等非结构化信息占到银行信息的80%，农商行在满足数据安全需求及监管要求的前提下，可以运用信息技术进行辨识整理，通过对单一客户的持续跟踪，挖掘出具有一致性内容的数据信息，提升分析客户的能力，为银行实施精准营销提供依据。
（三）运用行为数据预测，满足客户多元化需求
大数据的优势主要是对未来趋势的预测，农商行通过对客户基础数据和衍生数据的分析来加深对客户的了解，运用不同方式从不同渠道和领域获取数据之间的关联性，深入挖掘潜在有价值的信息，进而预测客户的需求，提供精准优质的服务。通过大数据技术获取个人客户的消费能力、兴趣偏好、风险态度等行为数据和企业客户供应链、产业链等相关数据，进而预测新客户的获取率、老客户的流失率、客户价值、客户利润贡献度及客户风险等相关信息。通过对金融市场和大量的客户行为的建模分析，可以寻找相关行为的趋势变化特征，为农商行的业务决策和风险控制提供服务。
四、大数据在农商行客户关系管理中的应用
随着大数据、云计算、人工智能、移动互联网、区块链等信息技术的快速发展，农商行如何运用新技术提取有价值的数据，让大数据为运营服务显得尤为重要。
（一）整合数据，构建开放共享的大数据平台
农商行在农村金融市场获取了大量基础性客户资源，但业务营销与客户信息系统之间相对孤立，整合各业务部门对客户资源的需求至关重要。部分农商行和金融科技公司合作构建大数据平台，进行数字化升级转型，依靠科技引领，一方面对现有数据进行整合，提高自身数据资源服务和应用能力；另一方面对外部接入数据进行集中管控，统一数据标准，对接业务系统，促进数据与业务流程的融合。例如，青岛农商行与华为公司合作，借助后者在金融科技、区块链等领域的技术优势，将金融科技应用到普惠金融领域，进一步提升普惠金融服务水平。常熟农商行启动“瘦核心、大中台、敏捷前台”新一代分布式应用平台建设，将全行数据资产沉淀到业务中台，以客户为中心，打造全行客户数据全景视图；同时，打造移动优先的业务敏捷办理前端，突破时空局限，随时随地为客户提供个性化、全方位的普惠金融服务。
（二）挖掘数据，创新普惠小微产品和服务
随着金融市场化改革的深入推进，银行业运用新科技为普惠、小微发展赋能。农商行针对小微企业信贷需求的“短、小、急、频”的特点，充分挖掘数据，从规模经济转向范围经济，构建以信息化为基础的小微企业金融服务业态，依托大数据技术创新线上小额信用类融资产品，为小微企业客户提供“一次申请、一次授信、循环使用、多次提款、随借随还”的功能，助力小微普惠金融服务。例如，广州农商行提供普惠小微金融产品“太阳村民e贷”“太阳微e贷”，使用者通过手机即可完成申请、审批、签约及放款的全流程操作。江南农商行的“诚税贷”“快抵贷”等产品基于大数据技术在线上确定授信额度，并与网商银行合作发放线上联合贷款，基本能够覆盖各类企业不同发展阶段的多元化融资需求。
（三）运用数据，提升风险管理水平
风控是银行的生命线。各类新业务的开展对农商行的风控能力也提出了更高的要求。各农商行应深化数据应用，强化风险识别能力，建立业务风险智能预警系统。例如，重庆农商行与蚂蚁金服合作，引入蚁盾风险大脑智能风控系统，为重庆农商行手机银行APP、个人网银等多个渠道提供全链路风险防控，包括事前监控预警、事中识别决策以及事后分析，形成整个风险运营闭环；蚁盾风险大脑智能风控系统还融入了人脸识别、指纹验证等技术和AI智能算法，对用户进行多维度、多层次的实时风险识别，构建风险用户画像。常熟农商行上线的零售金融大数据风控平台，平均风控判别时间从原来的20多分钟下降为15秒左右；该行的金融“一图一报告”系统能够实现对信息的自动获取、实体发现、属性预测和关系挖掘，清晰地展示客户经营信息，最大限度地助力风险提示；该行针对客户潜在风险，建立智能预警体系和风险预警模型，对存量客户实施分层授信管理，优化风控模式。
五、基于数据挖掘的农商行客户关系管理策略
基于数据挖掘的农商行客户关系管理策略的核心在于通过对客户数据的系统化分析，识别客户价值，培育优质客户，预测潜在流失客户，并针对特定客户进行定点推送，进而实现精准营销。
（一）提高对客户价值的识别能力
农商行真正关心的是客户能否贡献价值以及贡献价值的大小，农商行应结合自身的业务需求对数据进行聚类分析，以客户价值为核心，依据分类结果对客户当前价值和潜在价值进行比较，划分客户群体。对重点的优质客户，创新出适合的产品和服务；对潜在价值高的客户要重点培育，通过回溯，分析出客户不满意的方面，适时对业务管理环节进行改造，找准其需求点进行精准营销，进而提高客户的满意度。
（二）运用数据资料，构建客户忠诚度评价体系
一般来说，要提高农商行优质客户的忠诚度就需要提高商品或者服务的品质与附加值。运用大数据关联、聚类分析构建客户忠诚度评价体系，对优质客户实施优质服务策略，提供有针对性的产品服务，形成固定的维护机制。基于客户特征和实际交易记录、单一业务的重复交易次数和多业务的交叉性等要素构建客户忠诚度评价体系。一是设立客户忠诚度评价的量化指标体系（见表1）。二是确定指标分界点和评分标准，构建客户忠诚度评价模型。通过对指标的监控和客户流失迹象的捕捉，指导和培训基层机构关注关键触点，提供指导意见，采取对应措施。三是了解客户所处的阶段，针对不同阶段采取不同的策略，让客户在体验中获得认同。农商行利用自身服务优势，采取固化措施，在不同时间阶段挽留客户，并在客户体验的关键触点提升服务质量，以提高客户忠诚度。
（三）建立客户流失预警机制
根据客户行为数据对客户的流失倾向进行预测，建立客户发现和流失预警机制是农商行提升客户关系管理的重要选择。一是收集整理客户信息记录、自身服务记录对客户进行分析，从多个方面判断客户流失的可能性。二是使用层次分析软件YAAHP对数据进行预处理，用量化的指标来判断客户流失的可能性。三是建立预测模型（如RFM模型），运用大数据常用的决策树、对数回归、神经网络等预测算法，判别客户响应营销的可能性有多高，是否有流失倾向。四是实施客户精准挽留策略。了解客户流失的主要原因，是外在的同业竞争还是内在的产品服务，了解客户价值及客户的生命周期，掌握挽留客户的技巧和时机，取得客户的信任，进而增加客户黏性。
（四）关注新领域，培育新的优质客户
跟踪农村电商、新型农业经营主体等农村新领域的发展情况，及时发现挖掘，努力争抢新市场、新业务和新客户，大力发展自助贷业务，全面打通双线双向服务通道，借助自助贷便捷、循环使用等优势特点，提升客户融资便利性。不断提高线上信贷业务比重，在坚持风险可控的前提下，积极推动线上业务产品，增强对新客户、年轻客户的吸引力。
作者:张华 彭习锋
