CRM系統:商業銀行客戶關系管理系統(CRM) 發展問題的研究

(五) 有利于防范銀行的信貸風險 在銀行信貸業務中, 銀行與客戶是處于動態博弈的 過程。信息不對稱使該動態博弈過程中銀行處于信息劣 勢地位, 由此引起的銀行的逆向選擇和客戶的道德風險 是銀行信貸風險產生的重要原因。長期以來, 我國銀行 面臨著存款的硬約束和貸款的軟約束, 不良貸款的比例 逐年遞增, 這其中既有體制上的原因, 也有不了解貸款 企業狀況的原因。實施CRM后, 通過觀察和分析客戶 行為, 及時了解客戶信息并進行動態動監測, 從而緩解 博弈過程中銀行的劣勢地位, 降低信貸風險, 同時通過 與客戶建立長期合作關系, 修改博弈條件, 建立新的合 作博弈模型以尋求新的納什均衡點, 提高博弈過程中的 銀行收益, 并減少銀行經營的風險。 (六) 拓寬銀行的業務品種 銀行經營業務大體上可分為存貸業務、中間業務 及表外業務三大類。良好的CRM 系統不僅可以拓展 銀行傳統的負債、信貸、租賃、清算、承兌等業務的 服務范圍和深度, 還可以靈活、快捷地開發新型的中 間業務。由于中間業務不需要占用銀行的資金, 而且 風險小、利潤高, 因此, 中間業務必將是外資銀行與 我國銀行未來競爭的重點。然而, 我國商業銀行中間 業務由于發展起步較晚, 在產品品種上僅僅限于結 算、代理收費等勞動密集型產品。而技術含量高的資 信調查、資產評估、個人理財、期貨期權以及衍生工 具類在我國才剛剛起步, 有的基本沒有開展, 與外資 銀行豐富的業務品種還存在較大差距。因此, 我國銀 行業必須盡快建立CRM 系統, 了解客戶當前的和潛 在的需求, 才能進行金融產品和服務的創新, 才能拓 寬業務品種和經營范圍, 才能提升銀行的市場份額和 競爭力。 三、我國商業銀行實施ECRM可采用的系統構架 由于目前商業銀行在各地都建有大量的分支機 構, 因此, 商業銀行的ECRM ( Electronic Customer Re2 lationship Management) 系統可采用集約式數據倉庫環 境, 即所有分行均擁有自己的信息系統, 并與本地綜 合業務系統及電子銀行客戶服務中心連接。在總行建 有中心信息數據倉庫, 提供面向全行的分析決策功 能, 并為網上銀行業務提供數據查詢支持。 銀行ECRM系統一般由業務處理、客戶聯系和客 戶關系分析中心三部分組成。業務處理部分指銀行的 綜合業務處理系統, 包括柜面業務系統、信用卡系 統、網上交易系統、POS 機和ATM 機等; 客戶聯系 部分由電話銀行、手機銀行、企業銀行、網上銀行等 與客戶聯系的各類電子銀行渠道組成; 客戶關系分析 中心則以ECRM中心數據倉庫為核心, 通過數據集成 系統與業務處理部分連接, 同時為銀行的管理層和業 務分析人員提供客戶分析系統。銀行ECRM系統主要 提供客戶基本信息的管理和分析、信用分析及風險監 控、效益和商機分析及個性化服務等功能, 同時具有 連接電話銀行、網上銀行等電子銀行的業務處理流程 控制、綜合業務處理流程控制、銀行卡業務處理流程 控制、國際業務處理流程控制、中間業務處理流程控 制和會計統計報表等系統的接口。銀行ECRM系統的 實施主要體現在ECRM 數據集成系統、ECRM 數據倉 庫、ECRM決策分析環境、基本信息服務接口等四大 部分。 在ECRM數據倉庫中, 實際數據分為操作數據和 分析模型。操作數據包括客戶基本信息、客戶賬務信 息和操作控制(客戶個性化服務信息) 。分析模型包 括客戶關系管理的所有分析模型、市場分析、客戶信 用度分析、客戶滿意度分析和銷售行為分析。因此, ECRM的主體部分即客戶關系分析中心將通過數據集 成系統與業務處理部分(綜合業務處理系統等) 和客 戶聯系部分(電話銀行等) 連接起來。 從數據的流向看, 業務處理部分的數據由客戶關 系分析中心的數據集成系統抽取到ECRM 數據倉庫 中。客戶聯系部分與客戶關系分析中心的數據流向則 是雙向的, 電話銀行、手機銀行等各客戶聯系渠道在 為客戶服務時將充分利用ECRM數據倉庫的信息, 同 時, 這些客戶聯系部分為客戶的服務過程又被ECRM 數據倉庫所記錄。客戶聯系部分與業務處理部分的數 據流向也是雙向的, 客戶聯系部分需要實時查詢業務 系統的當前數據, 客戶聯系部分也可能需要為客戶實 施業務流程。最后, ECRM的決策分析環境將結果反 饋到客戶聯系部分。 四、我國商業銀行建立ECRM的模型分析 數據模型的建立對商業銀行客戶關系管理的實施 是至關重要的。其中, 統計方法最為基礎, 利用各種 統計分析方法, 可以進行客戶概況分析、客戶忠誠度 分析、客戶貢獻度分析、客戶行為分析、客戶趨勢分 析、客戶產品分析、客戶促銷手段分析等。并在此基 礎上, 進一步根據商業銀行關于客戶管理日常經營分 析主題, 建立起以下客戶分析模型。 (一) 客戶分類模型 該模型可以按照主成分分析、因子分析、聚類分 析建立。銀行各類業務人員可根據此模型的運行結 果, 按照客戶類型進行特征分析, 有針對性地確定各 類產品和服務的目標群體, 進行交叉營銷, 推銷適宜 的金融產品。如可以對消費信貸還款狀況良好的客戶 進行特征分析, 了解此類客戶的年齡特征、收入情 況、工作狀況等, 以確定消費信貸業務進一步推廣的 目標群體, 同時針對這些信用和收入狀況良好的客戶 推銷商業銀行的銀行卡業務、個人理財業務、消費信 貸業務等, 充分發揮銀行的整體功能, 以最小的投入 取得最大的收益。 (二) 客戶價值分析模型 該模型可以按照回歸分析、判別分析、聚類分 析、時間序列分析、人工神經網絡等來建立。培育和 穩固重點客戶的基礎就是要對客戶價值進行準確的分 析, 確定哪些屬于重點客戶, 哪些屬于一般客戶, 根 據不同的價值和貢獻度, 提供差異化服務。對客戶價 值的分析模型, 主要可以從以下三個方面進行: 一是 考察客戶一定時期內的平均存款余額, 這是傳統生 產、積累型社會最重要的客戶價值指標; 二是考察客 戶使用商業銀行消費信貸產品的情況, 這是現代消費 型社會衡量客戶價值最重要的客戶價值指標; 三是考 察客戶使用商業銀行新型金融產品的情況, 由此可以 預測客戶未來的價值。 (三) 客戶信用評估模型 該模型可以按照時間序列分析、人工神經網絡分 析建立。這是在客戶信息分析系統中一個很重要的模 型。模型可根據采集到的客戶資料, 按照一定的數學 模型進行分析計算, 得出客戶信用度, 以此作為向客 戶發放各類信用卡、審批消費信貸及提供各類金融產 品的依據, 減少客戶資信審查的環節, 降低運營成 本, 提高信貸產品的競爭力。以個人客戶信息為例, 個人客戶信用評估模型可以根據客戶的年齡、婚姻狀 況、工作情況、收入情況、住房情況、賬戶存貸款情 況、信用卡申請使用情況等綜合加權評分, 最后得出 較為客觀、準確的結果。各項情況的權重可根據各 地、各時期不同情況在實際應用中逐步磨合調整, 力 求使分析結果與實際情況較為貼近。 (四) 風險預警模型 該模型可以按照回歸分析、判別分析、時間序列 分析、人工神經網絡來建立。客戶信息分析系統不僅 要對客戶“善”的一面進行分析評估, 而且對不良客 戶或風險操作“惡”的一面也可以進行有效監控。風 險預警模型可以實現對一些不良客戶的不良行為進行 事先的預警功能。如將風險信用卡持卡人的特征設定 為透支余額超過5 000 元人民幣、透支時間大于60 天, 一旦這類持卡人發生付款交易, 系統通過該模型 審核時就可以進行自動鎖定, 并自動向發卡銀行風險 管理人員提出持卡人的個人資料及近期所有交易信 息, 使風險管理人員在第一時間掌握持卡人情況。同 時, 該模型還可以根據持卡人以往的交易情況, 確定 其交易臨界點, 一旦持卡人交易金額超過臨界點金 額, 即可提示業務人員主動調查了解, 防止信用卡冒 用風險和偽卡風險的發生, 增強商業銀行的風險控制 能力。 (五) 客戶關系營銷模型 該模型可以按照回歸分析、判別分析、排隊論、 聚類分析、時間序列分析、人工神經網絡來建立。實 施忠誠客戶管理的商業銀行需要制定一套合理的建立 和保持客戶關系的格式或結構。簡單地說, 商業銀行 要像建立雇員的提升計劃一樣, 建立一套把新客戶提 升為老客戶的計劃和方法。客戶關系營銷模型可以進 行此類計劃的設計和運行。例如, 香港匯豐銀行的銀 行卡消費積累計劃, 客戶的銀行卡消費一定的金額, 便可以獲得相應的免費透支利息, 或根據客戶要求提 升消費卡的等級等。商業銀行零售業務通常可采用點 數(Points) 或購買量決定客戶的提升程度。這種計 劃看上去會提高成本、降低收益, 但由于生意主要來 自老客戶和慕名而來的新客戶, 銀行不需要花大本錢 做廣告。而給老客戶寄發提醒通知、提供優惠卡等, 比通過廣告來吸引新客戶花費少得多。因此, 這種格 式或結構實際上是劃算的。這種格式或結構建立了一 套吸引客戶多次消費和提高購買量的計劃。它不僅是 給予客戶享受特殊待遇和服務的依據, 也有效地吸引 客戶為獲得較高級別的待遇和服務而反復購買。 (六) 忠誠客戶識別模型 該模型可以按照回歸分析、判別分析、聚類分 析、人工神經網絡來建立。及時識別忠誠客戶是十分 重要的。在每次客戶交易時, 給予老客戶區別于一般 客戶的服務, 會使老客戶保持滿意, 加強他們的忠誠 度。該模型的一個重要作用是在客戶發生交易行為 時, 能及時地識別客戶的特殊身份, 從而給予相應的 產品和服務。例如, 現在多數商業銀行都成立了“個 人理財室”和“大戶室”。對于商業銀行的常客, 基 于該識別模型, 業務人員在客戶辦理業務(如存款業 務) 時可以及時檢查客戶已經積累的存款數額, 從而 根據客戶的級別主動地給予客戶等級提升, 或給予特 殊服務和贈送禮品等忠誠客戶應該享受的服務。 (七) 客戶流失警示模型 該模型可以按照回歸分析、判別分析、排隊論、 生存分析、人工神經網絡來建立。商業銀行通過對客 戶歷史交易行為的觀察和分析, 建立客戶流失警示模 型, 從而賦予商業銀行具有警示客戶異常交易行為的 功能。系統通過客戶流失警示模型, 自動監視客戶的 交易資料, 對客戶的潛在流失做出及時的警示。 (八) 客戶購買行為參考模型