随着城市数字化智慧化转型的政策推进，银行数字化成为解决发展瓶颈、提高客户体验的重要转型方向。其中，数据驱动是不可或缺的核心变革之一，通过客户全画像、全渠道、全生命周期数据的关联分析挖掘，提高银行在服务、营销、风控等场景的决策精准度，推动业务发展。

2020年，银行业金融科技持续快速发展，智能技术应用日趋深入。银行业客服中心与远程银行的智能技术综合使用率上升至81%。其中，大型商业银行综合使用率达100%，股份制商业银行综合使用率达100%，城商行综合使用率达79%，农商行和农信社综合使用率达62%。同时，客服中心与远程银行积极搭建覆盖文字、图片、音频、视频、生物特征数据等多种类型的数据存储平台，着力提升数据收集与治理能力、模型开发能力和数据运算能力，落地应用于服务、经营、风控、流程等各类场景，以数据驱动远程银行运营更友好、更智慧、更谨慎。

客服中心与远程银行以数字化转型作为突破发展瓶颈、提升客户体验的重要手段。通过客户全画像、全渠道、全生命周期数据的关联分析挖掘，有效提升服务、经营、风控等场景的决策精准度。

数据业务化  驱动赋能更多应用

数据驱动业务体现在数据应用的多元化，银行业务已经不满足于仅对财务报表、经营情况的数据分析，需要能对业务开展的各个环节进行快捷的数据挖掘，为业务经营活动提供强有力的数据支撑与决策能力；业务线上化带来的伪冒、欺诈风险也需要数据前后融合打通来有效规避，让信息化的数据发挥最大价值。

客服中心与远程银行是客户接触银行业务的重要窗口，在受访的银行中，27.5%的客服中心与远程银行业务应用了大数据服务，覆盖服务、营销、风控、业务流程优化、客户体验提升等场景，驱动业务运行 “更友好”， “更智慧”， “更谨慎”。

客服中心与远程银行大数据应用场景

客服中心与远程银行大数据应用场景覆盖比例

客服中心与远程银行结合大数据应用，在服务营销、风险控制双向提升，据调研了解，2020年银行在如下2类应用场景有了更多成功实践：

（1）服销一体化：

服务前的预测：通过打通多渠道数据，结合历史交互信息预测进线客户意图，提高服务效率。

服务中的策略：在服务过程中通过客户画像标签与营销推荐，进行垂直类业务服销或交叉类业务协销，提升服务价值

服务后的挖掘：针对全网渠道客户断点轨迹、交易记录、意向属性进行综合分析，挖掘高潜力价值客户，提高营销转化。

杭州银行案例

【客服中心构建呼入画像标签提升服务策略】

杭州银行客服中心通过来电号码或客户号实时从大数据平台获取16种客户画像标签，在IVR场景、路由服务场景、人工服务策略全线贯穿，客服中心根据这16种客户标签制定了5个大层，7个小层的服务策略。

例一：信用卡客户在账单日后拨打客服电话，将根据账单客户标签实时推送账单信息及营销类型客户标签选择适合的营销方式如短信、IVR或人工、智能外呼、人工外呼等方式开展，并将某个渠道的营销结果共享至全部渠道，维护客户体验。

例二：贵宾卡客户在到期当月拨打客服电话，IVR实时判别并主动一键引导至延期交易菜单，节省70%的路径时间，真正为客户做到高效快捷处理。

例三：为老年客户增设了“快捷服务”绿色专属通道，只要拨通95398，智能识别客户年龄，60周岁以上的客户直接免除语音菜单操作，简化按键环节，优先接入老年客户来电，缩短等待时间。同时针对老年客户电话交流沟通特点，特别采取“温度+精度”的服务模式，制定适老化的服务话术及服务流程，强化员工的尊老意识，用“听得懂”的模式和语速进行交流。

交通银行案例

【完善客户标签体系】

交通银行以用带建，持续完善零售客户标签体系建设，实现客户画像管理。

一是实现零售业务板块内数据的打通归一，最大化发挥数据整合作用；

二是构建适用性更好的客户标签组织方式，以匹配各类灵活多变的业务应用需求。

零售客户标签体系下设11个二级类目，27个三级类目，涵盖客户各类静态属性信息及动态行为信息。在客户经营中，通过标签数据进行目标客户筛选，广泛应用于零售客群经营分析、客户画像、风险管控、交叉销售、经营评价等。

零售客户标签体系见下图：

 交通银行零售标签体系

（2）风控数据化

结合AI+大数据，历史标签+实时分析，在服务与营销过程中，挖掘数据背后特征，梳理客户关系线索，结合文本抽取业务信息，进行客户风险识别。

广发银行案例

【信用卡中心数据+AI防范风险】

在客户服务方面，广发银行信用卡中心通过大数据平台的客户来电数据，挖掘数据背后特征，梳理客户关系线索，结合文本抽取业务信息，进而识别代养卡、代投诉、代费调、代协商还款、代注销的中介团伙。2020年识别中介集团135个，梳理中介行为257组，每月新增中介人员黑名单声纹注册30余条，每月教育中介来电超1000通，助力营造健康用卡环境。

在员工发展方面，通过大数据平台的语音文本分析，从业务、时长、满意度、情绪等多维信息映射，实现员工能力评估。围绕“客服人员”能力视图，挖掘员工能力特点，促进在服务管理，在人员安排上能结合客服人员的能力特点发挥个体最大的优势，并针对客服人员能力短板优化培训策略，促使内生动力，优化客户体验。

业务数据化  中台建设加快有效沉淀

随着银行数字化能力的提升，客服中心与远程银行开始自建数据中心，存储覆盖文字、图片、音频、视频、生物特征数据等多种类型。

在构建数据中台过程中，数据收集、数据建模、数据运算是目前大部分银行遇到的核心挑战；为解决上述挑战，大数据平台需要持续优化3种能力，形成中台服务，支持行内不同业务场景：

一是数据收集与治理，杜绝数据孤岛，减少不同部门系统对接同步的门槛，构建基于大数据生态的套件平台，将所有的计算和存储引擎进行统一。

二是模型开发能力，让用户能够自助进行可视化模型开发。进行模型的离线训练与在线预测，并监控模型运行状态，评估模型运行效率。

三是数据运算能力，将大数据平台批量和实时运算的结果运用到业务交易的各个环节中，区分海量数据分析的大数据平台与实时数据平台，适配不同场景实现数据价值。

交通银行案例

【信用卡中心双平台推进大数据建设】

2020年交通银行信用卡中心搭建了数据管理开发平台与机器学习平台。

数据管理开发平台为业务人员提供了更加便捷的数据获取途径，更加多样的数据分析工具。利用数据管理开发平台的定时调度功能，实现了常规监控报表的自动化。

机器学习平台为模型开发工作提供了工具化、自动化支持，可以进行模型的离线训练与在线预测，并监控模型运行状态，评估模型运行效率。利用机器学习平台搭建了IVR个性化菜单推荐模型、电销名单推荐模型与主动服务推荐模型等模型，进一步推进精准服务与精准营销。个性化推荐模型的搭建还处在初期阶段，后续将继续进行模型的训练与优化，从而提升模型效率。

客服中心本次也是以自身的运营能力和年度经营目标为导向，以大数据平台能力为基础，打造16种客户标签，广泛应用于服务、经营和营销各个场景。

上述研究节选自《中国银行业客服中心与远程银行发展报告(2020)》，该报告由中国银行业协会发布，中小银行互联网金融（深圳）联盟等13家单位共同撰写，现各大平台均有销售。