银行零售业务线及数据

本文主要是介绍银行零售业务线及数据，对大家解决编程问题具有一定的参考价值，需要的程序猿们随着小编来一起学习吧！

【业务产品】
银行业务主要有资产业务，负债业务，中间业务。零售银行业务主要从以下几个方面来了解：

产品：

资产业务：贷款产品，PIL, PIL-LI, PIL-rw,  Tax-loan, RCF, RCF-rw, 基于卡的load - BTI, CBT,   

　　　　　按揭Mortgage (GHOS, HML )， BLR/HIBOR定价，MIP/ refinance

　　　　　卡类产品 

个人财富管理：存款产品: CD / Structed Deposit/ 

　　理财投资: IPO / UT / Bond / Security / Liability /

保险产品：寿险life INS，财险 General INS

Banking账户服务产品：JADE / HP / ADV / MASS (主要是Jade的高净值人群的经营）

渠道：

线下是RTD网点

线上渠道产品是 PWS / PIB / Reward+ / Fast payment / MX /

【运营重点】

金融产品：产品客户画像分析、消费等行为分析、功能渗透率、客户参与度、利润费用，与功能特性分析。交叉销售

账户／客户运营产品proposition运营：综合集成账户的分别经营，高净值客户转化，拉新，流失率分析预警

线上渠道优化：1）体验类：用户网上交互流程、申请流程优化、

　　　　　       2）钱、利润类：拉新、获客

　　　　　　　3）Call center中心建设

线下RTD网点服务优化： 业务流程自动化， RM销售支持

数字化产品转型优化：电子产品app分析，使用率，产品迭代

活动运营：运营的中心。绝大多数运营， 在落地时，都是需要通过活动的形式，触达客户的，要落地到各个产品、账户、渠道。 

　　有trigger事件类营销，BAU生日等，卡类活动精细化运营

体现的数字化趋势：

（效率）名单营销：发现营销线索，定时批量发送，实现客户经营、获取的场景，高效，直接。

（场景）事件营销：实时及时侦测客户的行为，预测匹配相应产品。提供很多场景，要有能力选择正确的场景。双刃剑，挖掘消费场景
（个性化）：更加智能的个性化推荐，

【分析场景案例】

一般通用类型：
0）客户群体画像
1）获客拉新、流失率
2）提高资金存量，KPI提升研究
3）提高用户互动体验
4）活跃-产品运营

具体业务类型：

【数据模型】
1）结构化业务线数据
　　用户行为表：不能变，因此以增加为主，提供有限的删减功能
　　　从事件表：维度表：用户表：几个方面进行梳理
　　表格设计的时候，尽量不冲突，不join
2）RDL业务数据埋点理论，指标

3）CDL 以及建模数据理论

【Dashboard数据模型】

略。专门进行dashboard模型梳理

【model 精准营销技术】
Segmentation：RFM/聚类／
Take-up propensity精准营销

客户个性化推荐

这篇关于银行零售业务线及数据的文章就介绍到这儿，希望我们推荐的文章对大家有所帮助，也希望大家多多支持为之网！