案例：恒丰银行 保险和银行股票的关系图

2017年4月，系统进入深度优化阶段，2.0版本于2017年4月上线。

客户名称/所属分类

恒丰银行/客户管理

任务目标

数据方面：

分析整合大量的行内外数据，综合运用知识图谱、机器学习、智能推理引擎、自动规划等智能技术，充分挖掘行内外结构化与非结构化数据信息价值，减少客户数据采集成本，实现更全面清晰的客户视图，并通过自动化工作提醒、优化组合产品解决方案、智能客户推荐等多种业务功能，提升一线业务团队的工作效率。

功能方面：

为客户经理可随时随地通过手机获取客户实时业务动态、客户风险预警信息，了解最新行业资讯和市场动态，极大限度地提高了实时协作、商机发掘的效率；为各级管理人员提供绩效排名、客户现场签到记录、拜访记录等辅助管理功能，为自动化管理、绩效驱动管理模式打下坚实基础。

体验方面：

系统提供清晰整洁的用户界面和简洁有效的功能，打造易用性、可用性、舒适性、安全性高度统一的优质系统。

效率与成本：

采取原型设计驱动的方式，组织精干的需求分析团队，通过直观的原型设计快速进行设计方案迭代；采用敏捷开发技术，提高开发和沟通效率，迅速完成项目里程碑目标。

挑战与机遇

面对银行业整体的业务发展和业务团队对客户营销方面的高要求，此项目立项伊始就面对来自业务和技术方面的巨大挑战。

业务方面，CRM系统要打破以往传统业务和数据模式，实现传统CRM不能提供或不能实时处理的信息和功能：

360客户视图需要整合打通内外部数据，提供更完善的客户全景视图，实现客户的深度洞察；

需要根据大量交易数据实施加工并提供可靠的交易、产品、风险预警等多种信息提醒，使业务人员能够及时预判客户的资产变化和风险趋势；

为营销人员提供智能的客户推荐与产品推荐，提高获客率和产品持有率；

结合地理信息，为营销人员经常性的外勤任务提供方便的签到、拜访记录管理等功能，实现任务记录的移动化。

技术方面，CRM系统要同时具有高实时性、高并发、高可用、可扩展性强和便于维护等要求，又要考虑由处理结构化数据向处理半结构、非结构化数据转变的要求：

系统需要支持移动设备、PC、PAD等多种方式访问，能够提供可适配、客户体验度高的用户操作界面；

系统可以支持高性能、高并发的用户请求和高性能的数据处理能力，并通过实时处理海量数据获取高价值的业务信息和风险信息；

系统可以支持分布式容器化部署，支持横向扩展和纵向扩展两种维度扩展系统性能和数据吞吐能力；

系统需要具备处理海量半结构化、非结构化的数据的能力，运用机器学习及智能推理引擎获取有价值的营销线索及推荐信息。

实施过程/解决方案

恒丰银行CRM系统采用MVVM+微服务的技术架构，前端集成了Bootstrap、AngluarJS、Echarts 、Websocket 等技术，使用scala语言的xitrum框架搭建RESTful API，解耦客户端和服务端接口，使系统易于扩展和维护。服务端使用akka框架处理系统复杂逻辑及异步通讯，提高系统的容错性和可扩展性，使系统能够支持大量用户高并发、高流量的服务请求。部署方式采用两地三中心的OpenStack云环境，可以支持弹性部署与集群部署模式，提供实现弹性扩容和差异化的硬件资源配置，以降低运维人力成本。

CRM系统依托行内大数据平台尝试进行业务创新，致力于向业务人员提供准确、及时、智能的营销信息和营销机会，主要方面如下：

一是恒丰银行CRM系统基于数据挖掘、文本处理、关系网络分析、实时流处理等大数据技术，通过对客户行内外数据的实时采集和智能分析，为业务人员提供客户行为类、到期类、预测类及生命周期类的营销响应信息。

二是系统创建了智能获客与产品推荐模型，为客户经理正确评估客户价值、获取潜在价值客户、开发集团客户、实现精准营销提供信息支撑。

三是CRM系统借助于行内大数据平台，全面整合工商、企业舆情、互联网行为等外部公开信息，构建了更为清晰全面的客户视图，使客户经理能够敏锐的掌握企业经营动态，及时发现客户在重大技改、兼并重组、IPO等重大经济活动中蕴藏的客户需求和金融服务机会。

下面将详细介绍CRM系统在大数据方面的重点探索：

客户画像是对客户个体形象的全貌描述，它从大量的客户基础数据、触点轨迹数据等信息中提炼模型，细致刻画客户的社会角色、行为偏好、信用风险、客户价值等深层次特征，大大提升了企业对客户隐性需求的洞察力。

为良好的分析客户，构建全面、立体的客户画像，突破固有思维，将数据采集的着眼点从行内交易和维护数据，构建出立体的多维用户画像标签体系。主要的设计思路如下：

从多个角度出发进行分析，通过对客户的分析，定义客户的贡献度、忠诚度，刻画客户生命价值特征，为定位客户需求做好基础。

深度挖掘各类客户数据，实现用户人生阶段及大事件智能分析；利用特定用户群进行精准的客户画像，提取各个维度特征的语义标签，分析出用户群适合的服务和产品。

客户画像

CRM系统提供潜在客户获取、潜在客户营销、潜在客户转化的潜客周期管理的功能，能够精准识别与行内客户关联的高价值潜在客户进行营销和管理，根据客户类型不同，分为以下两个类别：

企业客户：微观以客户交易链、资金流向为主，外部工商数据为辅进行客户定位和获取，结合宏观市场、产业链、金融市场等方面进行推荐；

零售客户：以渠道交易信息为主，公开的工商注册信息、信用信息、公共社交网络如微博等信息为辅，结合于本行客户的关联关系进行推荐。

智能获客

企业图谱主要为业务人员实时掌握客户动态并准确预测客户行为，提供决策、投研、风控等方面的服务。CRM系统采用机器学习方式，采用关系网络分析技术和基于MPI（Message-Passing Interface）的图模型算法的并行化分布式计算对海量数据进行数据挖掘利用，整合工商信息、司法信息、资讯信息、交易信息，提取体现在上下游供应链、股东、投资、高管、抵押担保等企业间关系，通过整合企业及企业关联信息，挖掘客户在互联网上的信息，结合多维交叉分析及智能算法，形成统一的企业图谱。

基于实时流处理的交易提醒

CRM系统提供基于kafka、zookeeper、redis、storm等流处理组件的实时客户交易提醒功能，将交易数据加工汇总提醒到业务人员/管理人员的相关设备。核心交易系统实时交易数据通过kafka推送至CRM系统，CRM将数据存储于redis数据库并通过消息推送平台推送到手机APP及PC端；使用storm分析生成客户实时交易链和客户、机构、交易渠道、交易频率等分析数据，为管理人员监控日常业务运营情况提供了强有力的数据支撑。

基于影响性质的事件提醒

构建外部数据爬虫智能网络，整合互联网信息采集技术及信息智能处理技术，通过对互联网海量信息自动抓取、自动分类聚类、主题检测、专题聚焦，实现客户的网络舆情监测和新闻专题追踪，为全面掌握客户动态，对客户做出正确评估提供分析依据。

客户风险信号的智能分析

客户行内的交易行为暴露的风险信号仅仅是很小的一部分。我们在此基础上借助行内大数据平台的数据优势、计算优势，运用多种信息渠道和分析方法，根据银行的风险战略和偏好确定预警指标，并以这些指标为出发点，及时识别、分析、衡量客户和资产的信用风险状况或潜在风险，及时采取适当的措施，对信用风险进行汇报、防范、控制和化解。

风险监测范围包括：客户信息基本信息变动、经营资格变化、负面事件、经营管理者异常情况、公司经营内外部异常情况、银企关系、履约能力、关联风险以及宏观政策、行业政策、产品风险、监管风险等。

客户流失预警与客户挽留

客户流失预警是客户关系管理的重要组成部分，也是银行进行事前营销的重要环节。提前预测到客户在未来具有流失的倾向，可以对这部分客户提前采取相应的营销手段挽留住这部分高价值客户，为银行保留高价值客户争取了宝贵的时间。

系统综合现有活跃客户和已流失客户的历史行为，包括在行内的产品签约和持有情况、各渠道交易的业务类型和频度、同名账户交易情况等，利用组合决策树模型学习流失客户流失期间的行为特征和活跃客户行为特征。由于组合树模型预测效果好，并可以解释不同价值客户流失的相关原因，训练出来的模型可以预测客户下一阶段流失概率，便于对不同价值、不同流失概率客户进行分组管理，设计出不同的客户挽回及管理方案。系统预警后，客户经理可以通过电话营销、客户拜访、特定产品及活动等挽留措施，实现对潜在的客户流失未雨绸缪，巩固客户的忠诚度。

提供丰富的推荐策略，全方位满足用户的不同推荐需求，包含：

基于每位客户的不同喜好，千人千面的推荐产品；

根据用户历史浏览记录，利用协同过滤、SCD等算法关联性的推荐产品；

紧跟热点，推送当下最热产品，以满足大部分用户的兴趣与需求。

针对金融新闻网站上的金融财经领域热点资讯，实现内容聚合分析及个性化推荐，系统实时进行采集及热点聚合分析，对热点内容进行内容语义分析提取语义标签，比如资讯分类、行业、机构品牌、人物、地点、主题关键词、语义短语等，结合情感分析技术分析客户的喜好，从而针对客户的个性化需求，实现资讯的个性化订制与推荐。

此外，利用网络爬虫及流处理技术，针对互联网上各种突发或者正在爆发的热点信息，进行实时的监测，结合语义分析技术实现对文本内容关键信息的提取和分析，及时向客户经理进行推送，及时规避风险或挖掘潜在获客机会。

客户关系管理系统提供了基于客户画像和客户行为的精准营销功能，可以通过多渠道、定向化地为不同客户提供针对性的服务和产品推荐，为营销活动智能划定客户群，降低了银行和客户总成本，并提高了客户总价值。主要体现在：

一是线上为主（包括行内线上资源和行外线上资源，如：门户网站、社交渠道（微信、微博）、个性化论坛等），更强调多波段、跨渠道、线下线上有机协同营销。

二是通过流处理组件和drools规则引擎的运用，通过预定义事件筛选目标客群，结合营销场景，实现了事件式营销体系，提升了营销成功率。

结果/效果总结

1.技术方面：

采用最新的开源技术实现了高性价比可弹性扩展的数据应用服务架构。

基于微服务技术，通过自主研发高性能大数据应用服务架构，以较低成本实现了更强的数据处理能力，满足了移动互联场景的高并发低延迟应用服务需求，实现了可弹性部署和动态扩容的软件服务技术架构。

智能技术的大量运用，提升了数据价值的挖掘和利用水平。

整合大量的行内外数据，通过大量运用知识图谱、机器学习、智能推理引擎等智能技术，充分挖掘行内外结构化与非结构化数据信息价值，减少客户数据采集成本，实现更全面清晰的客户视图，并通过自动化工作提醒、优化组合产品方案、智能客户推荐等多种业务功能，提升一线业务团队的工作效率。

实时流处理技术实现了全信息流高效整合利用。

通过实时流处理技术实现全渠道信息的实时高效整合，充分运用智能技术实现客户营销机会预测、客户风险预警，提升客户服务体验，实现快速的客户风险应对能力。

大数据可视化技术运用提高了系统的易用性和数据信息提取效率。

2.业务方面：

客户经理通过产品分析生成的流失客户预警进行客户挽留，降低了客户流失率，同时通过产品推荐和智能获客，提高了新客户增长率和产品持有率，新客户增长率、价值客户增加率和重点产品持有率明显提升，以下是客户指标在2016年2月至2017年4月之间的使用前后对比。

企业介绍：

恒丰银行股份有限公司是12家全国性股份制商业银行之一，注册地烟台。

近年来，恒丰银行稳健快速发展。截至2016年末，恒丰银行资产规模已突破1.2万亿元，是2013年末的1.6倍；各项存款余额7682亿元，各项贷款余额4252亿元，均比2013年末翻了一番。2014年至2016年累计利润总额312.17亿元，这三年的累计利润总额为以往26年的累计利润总额；服务组织架构不断完善，分支机构数306家，是2013年末的两倍。

近年来，恒丰银行屡获荣誉。在英国《银行家》杂志发布的“2016全球银行1000强”榜单中排名第143位；在香港中文大学发布的《亚洲银行竞争力研究报告》中位列亚洲银行业第5位；在中国银行业协会发布的“商业银行稳健发展能力‘陀螺（GYROSCOPE）评价体系’”中，综合能力排名位列全国性商业银行第7位，全国性股份制商业银行前三；荣获“2016老百姓最喜欢的股份制商业银行”第二名、“2016年互联网金融创新银行奖”、“2016年最佳网上银行安全奖”、“2016年度创新中国特别奖”等多项荣誉。

作为一家肇始于孔孟之乡山东的全国性股份制商业银行，恒丰银行秉承“恒必成 德致丰”的核心价值观，践行“1112·5556”工程，即：一个愿景（打造“精品银行、全能银行、百年银行”）、一个文化（打造“开放、创新、竞争、协同、守规、执行”的“狼兔文化”）、一个目标（五年目标是以客户为中心，以创新为驱动，高效协同，弯道超车，五年内进入全国性股份制商业银行第二方阵；十年目标是要打造一个国际金融控股集团）、两个策略（“植根鲁苏，深耕成渝，拓展中部六省和海西，进军京沪广深”的区域策略和“四轮驱动、两翼齐飞”的经营策略）、“五化”强行战略（国际化、信息化、精细化、科技化、人才化）、“五力”工作方针（忠诚力、执行力、目标力、风险经营力、恒久发展力）、五个引领（人才引领、科技引领、创新引领、效率引领、效益引领）、六大综合能力（价值分析能力、风险鉴别能力、定价能力、创新能力、调研能力、学习能力）；大力实施“12345”行动纲领，即:“1”是做金融综合解决方案的提供商，“2”是金融云平台和大数据平台，“3”是数字银行、交易银行、银行的银行，“4”是龙头金融、平台金融、家庭金融、O2O金融等四大金融创新业务模式，“5”是投行、资管、平台、人才盘点和以“One Bank”为核心的绩效评价体系等五大战略落地工具，致力于做“知识和科技的传播者、渠道和平台的建设者、金融综合解决方案的提供者”，力求打造令人瞩目、受人尊敬的商业银行，为客户和社会提供效率最高、体验最佳的综合金融服务。

欢迎