大数据分析邮政客户营销创新发展

摘要：文章介绍了国内外大数据应用案例及邮政大数据应用现状，分析了大数据分析在客户综合营销中的应用，并从体制机制、实施路线和保障措施等方面提出了邮政大数据战略的发展路线。

关键词：大数据；客户营销；创新；机制；生态圈

随着云计算、物联网的高速发展，世界正迈向崭新的大数据时代。中国邮政作为多主体、多领域经营的大型网络企业，如何利用大数据分析高效率地实现客户营销，实现各板块创新协同发展，是企业长远发展的重大课题。

1大数据驱动企业创新发展的调查研究

1.1国内外大数据应用案例分析

1.1.1阿里巴巴的企业核心数据战略2005年，阿里巴巴开发出淘数据供内部运营人员使用；2011年开发出数据魔方供外部淘宝商家使用；2012年公布三步走发展战略，即平台战略、金融战略、数据战略。以金融业务模式为例，阿里金融建立了一套网络数据模型和信用体系，贷款不需要抵押品和担保，仅依赖于海量的客户信用数据和行为数据，企业即可迅速获得贷款。阿里金融的大数据应用和业务创新，变革了传统的商业模式，给传统银行带来挑战。在数据战略中，阿里巴巴欲打造一个由数据生产者、消费者、加工者和服务应用供应商组成的生态系统。阿里云计算的开放数据处理服务产品平台是阿里巴巴唯一的大数据处理平台，小微金服、数据魔方、高德等业务都已上线，对内对外提供数据仓库、数据挖掘和其他数据应用服务。1.1.2平安集团以数据整合驱动板块联动平安集团建设了万里通数据平台，成立了融合业务与技术于一体的数据团队，打通了各个板块的系统，实现了以客户为中心的数据整合和精准营销，客户迁徙战略成功实现，以保险板块的优势拉动了银行、投资业务发展。在实施过程中，通过开放万里通注册用户在各个线上线下零售平台消费时产生的积分通折、通用，激活了医、食、住、行、玩的大量实时消费数据。在此基础上，成功实施了集团客户、银行小微客户等客户群的精准服务战略，将7000万左右的高质量保险个人客户成功吸引到平安金融和平安投资，实现了一个客户、一个账户、多个产品、一站式服务，为平安集团创造了新的增长极。1.1.3�亚马逊以大数据驱动业务发展亚马逊是首个将大数据从电子商务平台推广到电子商务物流平台的企业，各类业务已经完成了数据化，实现了从浏览、支付、仓储、配送和客户服务全链条的大数据应用。以数据驱动为基础，促进电子商务云、物流服务云、信息服务云、产品定制等各板块的全面业务联动，并由此不断融合创新服务模式。亚马逊云计算服务已发展为对外开放服务的盈利来源，由此产生的用户兴趣数据、需求数据、行为模式数据反过来对公司的其他业务给予了更大支持，其数据业务化的进程已经顺利起步。

1.2邮政大数据分析应用现状及存在问题

1.2.1邮政大数据分析的应用现状邮政大数据分析总体起步较晚，2010年邮政储蓄银行成立总行数据分析团队，2015年12月大数据平台一期工程上线，已接入行内28个重要业务系统的数据，同时积极引进行外非结构化数据，数据规模和计算能力都大幅度提高。邮政集团公司的大数据平台目前也在筹划建设中。邮政大数据在总体上处于各板块独立建设和应用初级阶段，对客户营销的关注和应用较少。1.2.2邮政大数据分析存在的问题目前邮政在各板块数据整合、共享使用等方面还存在许多问题。一是信息孤岛问题突出。各板块之间信息系统相对独立、相互隔离，数据管理分别由各板块科技部门负责，在技术、管理层面解决该问题的方法尚不清晰。二是缺乏数据统一规划，大数据整合存在困难。在系统建设时对客户分析所需的价值字段的规划意识和规划能力不强，数据要实现系统规划、质量标准、编码规则、系统接口、交换平台五个统一，任重而道远。三是数据资源有待完善，数据治理的任务艰巨。数据资源不丰富，不能全面描述客户行为和环境，不足以支撑真正意义上的大数据分析；同时客户数据质量不高，数据的时效性、完整性、一致性不足。四是数据分析方法亟需加强和完善。数据特征转换、分析假设合理性、模型适用性以及数据分析模型库等，有待时间检验。对客户行为分析的实时性、准确性等需求不能完全满足，对业务的支撑能力有限。五是大数据分析人才缺乏，人力资源不足。尤其是缺乏既掌握大数据技术又具有良好业务理解能力的复合型领军人才，缺乏融合管理、业务和技术于一体的专业数据分析团队，业务与技术之间的沟通成本较高，效率较低。六是大数据应用体制、运行机制不完善。跨板块、跨层级的客户营销数据应用困难，时效性差，省级机构数据分析能力对业务发展支撑不足。七是大数据安全风险防控与使用高效的矛盾有待妥善解决。科技风险和数据安全已经纳入全面风险管理体系，但在保护数据安全、满足行业监管要求的前提下，不断提高数据资源使用效率的能力不足。

2大数据分析在客户综合营销中的应用研究

当前邮政各级经营主体更多地看重单个营销活动及近期效果，各板块、各条线、各专业都主要以自我视角开展独立营销，数据在各板块基本没有整合应用，不能综合运用企业内部各种数据资源及分析结果，不能实现综合发力、精准发力，未体现以客户为中心的整体营销能力，造成营销成本高、效率低，客户体验差。现代企业集团的竞争，归根到底是整个系统和整体合力的竞争，亟待邮政各板块和条线充分整合利用大数据资源，转变营销和服务方式。

2.1客户画像分类

客户画像是根据用户社会属性、生活习惯和消费行为等信息数据抽象出的一个标签化的用户模型。构建用户画像的核心工作是通过整合用户数据，通过聚类分析等信息技术处理过程，高度精炼形成特征标识，细分出特征明显、规律一致的客群，即给用户贴标签，从而为客户行为预测打下基础。多样性客户信息的获取，除邮政自身拥有的客户人口特征数据、交易数据、多业务板块的交互数据外，需要在保证数据质量的前提下，适当引入社交媒体、电子商务平台、运营商和政府数据等外部数据，以获取更多的客户消费、社交和生活信息。根据客户分群目的和数量的不同，可按战略、策略、战术和个体进行多维度客户分群。战略分群以客户价值、客户生命周期，辅以地域维度进行划分。策略分群基于行业经验和业务分析经验划分，例如客群、信用卡客群等。战术分群基于聚类及客户标签库，针对特定的营销活动或具体业务场景专门划分，如沉默存款群、成熟高端投资群等。个体分群主要针对个人进行特征归集和标签化。

2.2客户行为预测

客户行为预测的核心是运用大数据模拟实境，将客户模型放在由其数据揭示的生产环境、生活环境、社交环境和竞争环境的动态中，得到客户行为和客户服务需求的概然性预测，为适时向客户进行精准营销、推荐和引导服务产品提供依据（见图1）。要做到较准确的预测，必须具备三个条件：高质量的大量活跃数据，多层面、全方位的用户画像，可验证的分析模型库。因此，必须补充相应的客户活动空间和时间、社会热点、社交网络、流行趋势、市场环境等大量鲜活的数据表述。

2.3客户服务产品定制

邮政企业一方面需要通过大数据认识和发现客户和需求，从而撮合现有产品和现有需求，达成交易；另一方面还需要通过大数据分析挖掘潜在客户和潜在需求，从而设计对客户感知价值更高的产品，甚至在客户认识到自己真实需求之前创造需求，创造产品，在客户需求外化之前做好服务准备。大数据能发现客户的兴趣偏好、渠道偏好等行为特征和价值，在规则引擎的实时触发作用下，相应的触点就能即时捕捉到机会，触发完成相应的动作，开展个性化的精准服务与营销，做到应时应景、正中客户下怀，对于提高营销效率和客户感知价值的意义巨大。同时，必须建立以客户为中心的服务模式，搭建起客户多层次需求与邮政丰富产品之间的桥梁，使得客户在各个服务界面均能获得流程标准化、内容定制化、服务精准化的高水平服务。

2.4客户服务风险评价

客户信用风险评价是金融企业健康持续经营的关键。在贷款前台营销风险控制中，利用大数据的历史数据模型和显著性分析，重点对企业违约特征信息进行有效筛选，指导前台营销。同时，在对借款企业授信的过程中，可以更有效地把控企业风险总额。在贷后风险监测与预警时，要利用大数据分析对借款企业账户信息、资金流向、关联方信息、网络信息、政府部门公开信息进行深度挖掘，尽量还原企业经营风险状态，前瞻性地动态监测借款企业的信用风险。在客户信用风险的系统控制中，必须依赖大数据分析处理借款企业的海量信息数据，整合多条线、多系统之间的碎片化信息，将原本分割的银行前中后台信息进行有效整合，将客户风险放在大数据表达的变化环境中予以考察分析。

2.5客户体验设计

根据大数据对客户的分析，通过定制客户敏感度高的服务策略和措施，设计良好的客户体验模式（见图2），提高客户的感知价值，从而以较低代价创造最大的客户满意度。在针对具体客群和具体客户的服务策略指导下，通过与客户的每一次接触，在售前传递服务价值的吸引力和目标信息，在售中和售后等各个阶段制定个性化服务措施，有目的地创造对企业品牌的正面体验，促进常规客户群向优质客户群转化。同时识别客户的异常行为，建立重点监控客户群，防止高价值客户流失，提升客户粘度。

2.6社会电子商务客群营销综合化服务案例研究

通过利用大数据对社会电子商务市场主体进行客户画像和战略分群，在原有市场主体中发现了新的潜在客户群体——互联网品牌商，如韩都衣舍、红领、三只松鼠等。他们的典型客户特征可以概括为：品牌通过互联网确立并实现发展；以产品设计与品牌管理、供应链控制作为企业的核心能力，大量服务外包；销售规模较大并全部或主要采用互联网渠道销售；形成有足够规模的粉丝群；对上下游企业有较强吸引力（详见图3）。这一客群的需求与邮政的优势产品相互匹配。在满足金融需求方面，邮政可以提供融资租赁、银行贷款及担保、供应链资金流转服务。在满足物流需求方面，邮政可以提供原材料转运、成品配发、零售寄递等服务。在满足技术需求方面，可以提供物流配送中心建设、仓储配发系统集成以及相应的技术装备等。通过大数据针对该客群内单一客户的关键时点与关键需求进行分析，可以制定客户在各自发展阶段更加敏感的服务策略，由金融、速递物流、物流科技的任意板块切入该客户，形成单点突破；在此基础上实现对内板块信息共享，对外服务产品推介，实现由单点突破到板块扩展，为客户提供综合化、一体化、低成本的服务，对客户形成接口统一的综合服务，在邮政内部形成金融、寄递、科技各板块创新协同发展的模式。由于品牌制造商在产业链中占据龙头位置，通过邮政的优质服务，可将其转化为行业示范客户，带动邮政在相应的原材料供应商、制造工厂群等整条产业链上的继续拓展，实现邮政在产业链两端的价值延伸。此外，通过对互联网品牌商的产业链环境数据进行分析，可以更加真实地掌握企业的经营状况，做出既贴近实际情况、又具有前瞻性的的风险评价。

3邮政大数据战略发展路线

3.1邮政大数据分析的战略目标

邮政大数据的战略目标，是以建设中国邮政大数据平台为契机，综合管理三大板块数据资源，适当引进外部数据资源，构建统一的数据模型和管理模式，形成大数据感知、管理、分析与应用服务的新一代信息技术架构和良性增益的闭环生态系统，逐步形成围绕中国邮政主营业务的大数据生态圈，对内对外提供数据服务，实现服务支持、风险管控、流程优化、交叉营销、产品创新、决策支持的创新发展，为邮政“一体两翼”的发展提供新的动力。

3.2邮政大数据分析的实施路线

根据邮政现状，借鉴其他企业大数据应用的经验，从目前各板块数据分散状态，到最终实现邮政集团大数据生态圈的目标，建议分以下三步走，如图4所示。第一步，在各板块内部进行大数据平台建设，实现板块内的数据分析使用；第二步，进行集团层面的大数据平台建设，逐步推进各板块间的数据整合，实现集团层面的数据分析；第三步，在集团数据整合分析的基础上，对数据运营方式进一步挖掘，推动一切数据业务化，最终实现数据的聚合分享，建立邮政集团大数据生态圈。

3.3邮政大数据战略的机制体制设计

在邮政大数据生态圈的建设过程中，需要建立完善的机制，保障系统建设的顺利实施和数据的有效使用。将大数据上升为集团战略，顶层设计、逐步推进。在邮政信息化建设规划方面，将大数据建设纳入顶层设计，信息化建设要遵循统一的数据规划和数据标准，以实现数据共享。构建跨接三大板块的集团级数据分析中心，负责集团大数据分析和大数据平台的管理工作，降低板块间沟通成本，提高大数据分析和应用效率，为业务发展提供数据支持。加强数据分析人才培养，培养既理解业务逻辑又懂数据分析技术的复合型领军人才，整合一批市场营销、业务运营、数据分析、系统开发的内部专才，聚合一批经验丰富的外部专家资源，构建一支强有力的数据分析人才梯队。完善集团各板块协同发展机制，建立起各板块数据共享、信息共享、利益共享的机制，为客户提供邮政综合产品服务，共同提升邮政品牌的核心竞争力。完善大数据管理流程，包括大数据平台的管理和数据分析、数据使用工作的管理，明确跨板块的数据接入流程、数据交换服务的申请审批流程，统筹总部基础性、平台性工作和各地个性化、差异化需求的关系，集团公司层面制定相应的制度规范和技术规范，各省层面做好数据质量保障工作，为业务部门提供便捷高效的数据分析结果。

3.4邮政大数据战略的保障措施

3.4.1技术保障建设集团层面统一的大数据平台，为集团内数据共享提供保证，以大数据平台贯穿联通各信息孤岛，激活历史数据价值。信息化系统建设需要统一规划，要围绕客户服务和客户分析所需的高价值字段进行有意识地设计。数据资源管理在量的方面要扩大数据来源，丰富数据类型，形成围绕客户的全面数据覆盖；在质的方面要建立邮政数据治理体系，保证数据的时效性、完整性、规范性和一致性。建设科学的数据特征归纳方法和分析模型库，数据特征转换、分析假设合理性、模型适用性等要通过实践和闭环反馈不断完善和补充。3.4.2数据安全数据安全是集团大数据平台运营中的一个重要保障，需建立起平台服务管理规范、数据安全管理规范和系统安全运维规范，要在物理层、数据接入层、数据资源层、平台服务层、用户接入层防止数据丢失和泄露，确保数据安全。3.4.3数据数据的数据伦理在数据权属与使用、个人或公众隐私方面愈发受到重视，必须提前规划，妥善掌控，牢牢把握数据分级管理这一关键。一是在数据挖掘时必须坚持目的先行，秉承善意性原则，既要有益又要有用。二是数据时必须坚持自主性原则，实现文责自负；三是坚持公正性原则，实现客观公平；四是坚持审慎性原则，实现传责自负。

4结论

中国邮政是一家集金融、物流、保险、证券、电子商务等业务于一体的多元化大型企业，构建中国邮政大数据生态圈，通过客户画像和客户数据行为预测，在邮政客户服务的产品定制、体验维护和风险评价领域综合应用，推动客户营销的创新发展，打造邮政创新发展的新动力，助力企业转型升级，全面落实“一体两翼”战略落地，不断提升企业核心竞争力。

作者：王志刚 罗亚平 谢峰 罗庆来 张晨 赵验昌