金融行业中的CRM应用探讨

在金融业，银行、保险、证券、基金公司等都意识到了客户是企业至关重要的商业资源，客户关系的建立、维持和培育都应该是最需要重视的内容，实现客户资源的企业化是金融行业的首要目标。

1）金融业的CRM系统

（1）金融行业的特点

与其他行业不同，金融银行业有两个显著的本质特征：①整个金融银行服务过程可以数字化，即金融服务业属于数字密集型行业或“数字行业”。金融服务本身不涉及物流，只涉及数字和符号的储存、处理和传送。②金融银行的服务内容有极高的“时间价值”。由于利率、汇率和股价的频繁变动，有关金融产品特别是证券的信息与交易具有极强的时效性。由于有这两个本质特征，金融银行业是最适合发展电子商务的行业。

由于金融业数字密集的本质特征，数据仓库、OLAP 以及数据挖掘等知识发现技术大有用武之地。运用知识发现技术和金融学及管理学模型可以提供金融商务智能和支持一对一的客户关系管理。换言之，金融银行业最适合推行知识化管理，成为知识密集型行业。在金融行业，可以通过建立CRM系统来完成客户信息管理、银行营销管理、销售管理、服务管理与客户关怀等一系列基本应用。

（2）金融行业客户关系管理的应用重点

金融行业的客户关系管理要解决3 个基本问题，即如何得到客户、如何留住客户和如何极大化客户价值。一个有意义的发现是：只有活期存款的客户在一年内有一半可能走掉，同时有活期和定期存款的客户有三分之一的可能走掉，而有3 种或以上产品的客户离开的概率可能会下降到10%。也就是说，以客户为中心不仅可以在短期内增加产品销售，而且可以长期留住客户。客户关系管理的最高境界是：根据客户的整个生命周期，为客户创造一生的最大价值，并使企业得到最大的回报。例如，当一个人是青年学生时，可能最需要教育/留学贷款；毕业后需要汽车贷款和保险及投资管理；结婚后需要住房贷款和财产保险等。

金融银行客户关系管理全面贯彻“以客户为中心”的思想和一对一的大规模个性化服务的策略。它由操作型CRM、分析型CRM及协同型CRM组成。其中，操作型CRM提供全方位的营销管理功能，支持客户服务、销售管理及市场推广3 个部门。客户服务包括全面多渠道管理和基于Web的呼叫中心/联系中心。渠道管理可以处理和整合所有渠道的信息，包括ATM、分支机构、电话银行、呼叫中心、网上金融、移动金融和传真邮寄（DM）等。销售管理则支持基于角色的销售过程自动化。市场推广模块涵盖市场调研、产品（或品牌或形象）推广以及推广活动管理等。

分析性CRM以数据仓库、数据采掘技术及金融学模型为基础，它提供客户画像分类，可进行营业收入、风险和成本等的相关因素分析、预测及优化。一个简单而重要的应用是：将所有客户按价值分类；当呼叫中心的代理小姐接到客户的电话时，该客户的“价值”和“爱好”就会显示在她的计算机屏幕上，并因此受到不同的“接待”。

以SAP 金融解决方案为例：协同性CRM 基于mySAP 企业门户，建有员工门户（Employee Portal）、客户门户（Customer Portal）和伙伴门户（Partner Portal）。这3 个门户三位一体，相互协同，并与其他后台支持模块和业务应用模块相连接集成。SAP 提供银行核心业务-客户/账户（Bank/Customer Accounts，BCA）和AM（Account Management）、贷款管理（CoreBanking Mortgage Loan，CML）、保险费托收和支付（IS-CD，Collections and Disbursements）、佣金系统（Commission System，CS）及公司资金管理和理财（Corporate Finance Management，CFM）等。即SAP 提供前端CRM、中端核心业务和后端ERP 等3 个“操作型”系统。“分析型”系统SEM则将这3 个“操作型”系统统一起来，即集中客户、业务和财务等信息于数据仓库BW并加以分析。“协同型”系统，mySAP Portals，将这4 个系统统一于互联网平台上。

商业银行的CRM，是通过信息技术的应用，对商业银行的业务功能与产品重新进行设计，对业务流程进行重组、再造，从而为商业银行提供全方位的管理视角，使其获得更加完善的客户交流能力，实现最大客户收益率。让每位员工都能从思维和行为习惯上真正聚焦在客户身上，降低商业银行的经营成本，增加收入，寻求扩展业务所需要的新的市场渠道以及提高客户的价值、满意度、忠诚度和赢利水平。

2）银行的客户关系管理解决方案

（1）商业银行实施CRM的总体构想

①商业银行实施客户关系管理，要注重组织再造与业务流程重构。通过组织再造，整合内部资源，建立适应客户战略、职能完整、交流通畅、运行高效的组织机构；同时要以客户需求为中心，实行业务流程的重构，加强基于客户互动关系的营销和产品销售（服务）工作，统一客户联系渠道，针对客户的需求及时推出创新的金融产品和服务。

②商业银行实施客户关系管理，应当以管理信息系统（MIS）和商业智能（BI）、决策支持系统（DSS）的建设为突破口。

MIS建设的主要内容可以划分为银行柜台业务处理与自动服务系统、跨行业务与资金清算系统及决策支持系统3 个层面。前者将充分利用银行网点的柜员、自助设备和电话银行、家居银行、网上银行等为客户提供金融服务、信息和咨询，同时采集客户信息的第一手资料；中者主要完成跨行、跨区、跨国的客户间转账结算和资金清算业务，以各类金融数据传输和电子资金转账系统为主，如SWIFT、CHIPS 等及中国国家金融网CNFN 和金卡工程等；后者包括银行业务信息和决策管理系统，主要有经济环境信息系统、客户信息系统、统计报表系统、账户信息系统和决策模型、方法库、专家系统等，最终以形成客户关系管理系统支持的商业决策分析智能为目标。商业银行实施CRM，应当以MIS、BI系统的建设为突破口，提高MIS应用级别和BI的效用，以客户信息为管理工作和业务操作的主信息流进行收集、整理、挖掘、分析和利用。

③商业银行实施客户关系管理，应当以数据仓库、内部网络及客户信息、业务信息系统的建设为基础工作，带动客户管理子系统的建设。

④商业银行实施客户关系管理，应当以网络银行和客户服务中心的建设为龙头，完善与客户联系的统一渠道，增强自动化、电子化运营能力。

⑤网络银行是商业银行适应Internet和电子商务发展要求的产物，客户服务中心则是银行在传统呼叫中心基础上建设的统一渠道、集成功能的服务、支持和交互平台，商业银行实施CRM时应当以这两者的建设为龙头，带动企业朝电子化银行的方向转变。网络银行是“虚拟化、智能化和全球化”的银行，为网络用户提供基本储蓄账户、支票、信用卡、货币市场业务及网上支付等业务，具有方便、快捷、低廉等优势。客户服务中心建设中，商业银行可以就其原有的呼叫中心或电话银行进行功能扩充、集成和渠道统一，银行客户服务中心的集成方案可以自动或转接坐席员立即对客户的请求作出响应，及时办理如开设账户、转账、账单查询等金融业务，并可充当个人理财顾问、提供产品信息，甚至可与银行商业智能系统链接，为金融营销工作提供分析结果等。联络中心是客户关系管理的有机组件，它与银行Web 网站一起成为客户合作管理子系统的两大支柱。

（2）商业银行实施CRM的重点工作

①高层领导的支持和长期规划。CRM是面向管理决策层应用的，必须有系统自身的最终用户——企业决策层的参与。CRM的选择和实施是一项极为复杂的系统工程，将涉及整体规划（Strategy）、创意（Creative）、技术集成（Solution Integrated）、内容管理（Contents Management）等多个方面的工作。商业银行要建立一套高效的CRM 系统，必然会遇到来自业务流程重构和组织再造、企业资源配置等多方面的问题。因此，实施CRM系统要获得银行高层领导和银行发展战略的支持。

②专注于流程的优化和分步实施。银行实施CRM 更要专注于流程的研究、优化和重构，要从长期战略的角度推选分步骤实施的方法。商业银行CRM解决方案必须首先去研究现有的金融营销、服务策略和模式，审视流程，发现不足并找出改进方法，也便于未来对CRM的效果作出真实的评价。在项目开展之初，不应把大部分注意力放在技术上，要根据业务中存在的问题来选择合适的技术，而不是调整流程来适应技术要求。商业银行建设CRM系统采取分步骤实施的方案较为稳妥，一般而言，应当考虑以下步骤：

·确立业务计划。在准确把握和描述银行应用需求的基础上，制订高级别的业务计划，力争实现合理的技术解决方案与金融资源的有机结合。

·建立CRM团队。在高层管理者的支持下及时组建有力的团队，可从将要使用CRM系统的主要部门中抽选人员，为保证其工作能力，应当进行早期培训和CRM推广。

·评估金融营销、服务过程，分析客户需求、开展信息系统初建。CRM项目团队要深入了解不同客户的需求，了解银行与客户交互的主要环节等，并对原有业务处理流程进行分析、评估和重构。为此，需广泛地征求员工的意见，从各业务部门的角度出发，确定其所需的功能模块，要做好客户信息的收集工作和客户信息系统的初步建设。

·计划实施步骤、渐进推进。银行以渐进方式推进CRM方案，将允许银行根据其业务需求随时调整CRM系统，且不会打断当前用户对这一系统的使用。银行可以开发局部应用系统，在特定部门、区域内进行小规模试验或推广，进行局部实施的质量测试，评估阶段成果并加以调整和改进；然后不断向系统添加功能或向更多部门部署，最后实现与其他应用系统的集成。

·组织用户培训，实现应用系统的正常运转。银行要针对CRM 方案确立相应的培训计划，根据业务需求不断对员工进行新的培训，确保CRM系统成功运行。

③实施专业化、开放式的思路。实施CRM应当遵循专业化、开放式的运作思路。尽管商业银行都拥有比较强大的研发能力和智囊团，但自己从头进行分析、研究、规划和开发时，显然会遇到各方面的难题和困扰。如果与已有较成熟产品和成功案例的专业解决方案提供商深入合作，或是聘请专业咨询公司，然后从整体上提出CRM全面解决方案并协助实施，成功的可能性及实施速度会大大增加。

④重视人的因素，加强推广和培训工作，确保CRM的实施和成功运行。

（3）CRM在商业银行的3 大价值

从总体上看，商业银行实施CRM将整合自身拥有的金融资源体系、优化市场价值链条、打造银行的核心竞争能力。

①CRM系统将整合银行的资源体系。完整的CRM系统在银行资源配置体系中将发挥承前启后的作用。向前可以向银行与客户的全面联系的渠道伸展，综合传统的电话银行、自助设备、网点机构以及网络银行等，构架起动态的银行服务前端体系；向后能渗透到银行管理、产品设计、计划财务、人力资源等部门，整合MIS、DSS、ERP 等系统，使银行的信息流和资源流高效顺畅地运行，实现银行运营效率的全面提高，使全行范围内的信息共享、业务处理流程的自动化和员工工作能力的提升。

②CRM系统将优化银行市场价值链条。CRM系统将使商业银行更好地把握客户和市场需求，提高客户满意度和忠诚度，保留更多的老客户并不断吸引新客户。其次，CRM系统将全方位地扩大银行经营活动的范围，提供实时创新的金融产品、把握市场机会，提高市场占有率和效益深度。再次，CRM系统将使原本“各自为战”的银行服务、营销、管理人员等开始真正围绕市场协调合作，为满足“客户需求”组成强大团队；同时提供一个使银行各业务部门共享信息的自动化工作平台，降低了运营成本，帮助其规避经营风险，达到保留现有客户和发掘潜在客户并提高银行赢利能力的目的。

③CRM系统将打造银行的核心竞争力。CRM的实施将为商业银行带来先进的“以客户为中心”的发展战略和经营理念，将优化商业银行的组织体系和职能架构，将形成商业银行高效运行的管理系统和交流通畅的信息系统，将加强银行开发、创新和营销金融产品的能力，将提升银行的信息化、电子化建设水平和全员的知识、技术和工作能力，从而为培育和打造银行的核心竞争能力提供全面而有力的保障。

总之，CRM将为商业银行带来Internet时代生存和发展的管理制度和技术手段，为银行成功实现电子化转型提供基础和动力。

3）应用实例：恒丰银行——基于大数据的客户关系管理系统

（1）CRM实施背景

在互联网金融迅速发展的背景下，差异化营销和个性化服务成为银行维系长期客户越来越重要的方面。传统银行CRM主要关注内部数据，关注如何把银行内部各个业务环节中零散的客户信息搜集、汇聚起来。而在大数据时代，伴随社交和移动化的盛行，外部数据越来越丰富，促使银行不仅要关注内部数据，更要想办法把外部数据整合利用起来。通过多种渠道获取大量中、高价值潜在客户信息，获取更多的销售商机和线索，充分了解客户的个性需求并提供差异化的服务和解决方案；拓展传统销售渠道，利用新媒体、新渠道开展精准营销，提高营销环节的投入产出比。

基于上述背景，恒丰银行开始建设基于大数据的客户关系管理系统，为“大力发展企业金融业务，聚焦重点行业核心客户”服务，达到自上而下实现客户定位与营销指引的目标。

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。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。在英国《银行家》杂志发布的“2016 全球银行1 000 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。

①周期/节奏。

恒丰银行基于大数据的客户关系管理系统于2015 年10 月启动系统规划和系统设计，项目重要里程碑如下：

2015 年10 月，项目完成立项，开始需求分析；

2016 年1 月，系统1.0 版本上线，进入试运行阶段；

2016 年7 月，系统经过重点分行的试用和优化，正式推广使用；

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。

②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。

③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；(www.xing528.com)

系统需要具备处理海量半结构化、非结构化数据的能力，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。

（2）CRM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信，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地掌握企业经营动态，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。

图10.3　恒丰银行CRM系统架构

下面将详细介绍CRM系统在大数据方面的重点探索：

①多渠道、全方位的客户画像。

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。

图10.4　客户画像

为良好地分析客户，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。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。

②高价值潜在客户的获取。

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。

图10.5　智能获客

③基于关系网络的企业图谱。

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。

图10.6　基于关系网络的企业图谱

④实时智能化的工作提醒。

·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。

图10.7　实时交易提醒的处理流程

·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。

图10.8　影响性质的事件提醒

·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。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。

图10.9　客户风险监测

·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。

⑤产品推荐智能化。

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，千人千面地推荐产品；根据用户历史浏览记录，利用协同过滤、SCD等算法关联性地推荐产品；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。

图10.10　产品智能化推荐

⑥资讯信息定制化推荐。

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，从而针对客户的个性化需求，实现资讯的个性化定制与推荐。

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。

⑦多渠道定向化的精准营销。

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。

图10.11　多渠道精准营销

（3）CRM实施效果

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 月之间使用前后的对比。

图10.12　CRM系统投入使用前后客户指标对比

（资料来源：搜狐网，2017-06-20.）