1. 前言
    近几年来，在世界范围内，随着CRM理念的认同程度扩大和行业产品系统的日趋成熟，CRM在金融和银行领域的应用实施也被一些大型银行和新型银行列入工作日程安排中。商业银行必须树立长期可持续发展的战略，着手整合内外资源，增强收益与成本并重的经营观念，巩固市场地位，为中国现代化建设提供优质高效的金融服务。
    面对商业银行面临着棘手的难题，CRM理论与应用方案出现后，西方发达国家的一些银行和金融企业，应用CRM的热情十分高涨，尤其是分析型CRM的成功，极大的提高了企业竞争力，同时带来可观的利润回报（IDC最新研究报告“CRM的财务影响”，根据受访企业的反应，CRM投资回报率最高达到1,000%）。以美国花旗银行为例，它不仅以其卓越的声誉和优质的服务成为世界银行业当之无愧的领头羊，而且在世界范围内投入巨额资金，有目的的实施和应用CRM系统，增强竞争力方面也走在前列。

2. 商业银行CRM概述
    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。总的来说，通过实施CRM系统将使得银行在以下几个方面获取极大的收益：

  正确评估客户的价值并提供相应的服务（包括：产品、服务和价格） 

  预测和提升客户的长期忠诚度 

  通过交叉销售提升客户的长远价值 

  保留优质客户 

  辨别高风险的客户并调整相应的经营策略 

  使得银行能够满足客户个性化的需求 

  在市场营销活动中大幅提升客户的响应率

分析系统功能的实现将紧密围绕以上几个方面，协助商业银行全面了解和掌握自己的客户，最大程度上挖掘客户价值，提升企业竞争力。

3. 系统功能简介
3.1. 客户分析Profiling
客户的基本分析首先是提供一个客户的单一和全面的视图，即能够提供一个统一的关系客户在本行的所有信息，又能从各种评价指标衡量单一客户基本信息分析。协助业务和决策人员全面理解和掌握客户的基本信息。 

   客户的统一视图分析

客户的统一视图分析，它既存放客户的静态数据和行为数据（包括交易行为数据和非交易行为数据），也存放与客户的所有接触模式和渠道。其中： 

1. 客户的静态数据包括：客户的年龄、收入、婚姻状况、教育程度、所处行业、住房类型、联系方式等个人背景资料，以及客户拥有的银行产品、资产和产生的坏账等； 

2. 客户的交易行为数据包括：现金交易、转账、消费、还款、透支/借贷、缴费及其相关的渠道、时间、银行机构、金额等等； 

3. 客户的非交易行为数据包括：购买银行产品/资产、服务需求、投诉、更改地址、销户、参加营销活动等等；

4. 客户的接触模式或渠道包括：柜台、ATM、POS、电话银行、网络银行、代理等。 

   客户的单一视图分析

客户单一视图基本信息分析主要是从各种和业务紧密相关的各种业务指标分析单一客户的基本信息，包括： 

1. 效益指标：当前余额、平均发生额/笔、利息收入、平均存款余额、银行卡消费金额、各项手续费收入； 

2. 忠诚度指标：在帐时间、存款余额、交易频度、购买产品数量、最近购买产品时间； 

3. 风险指标：透支余额、延滞金额、延滞时间、坏账损失金额； 

4. 成本指标：资金成本、运作成本；

3.2. 客户盈利能力分析
客户盈利能力分析能够帮助商业银行识别最有价值的客户、他们的购买偏好、以及这些客户过去的状态变迁。 

  客户贡献度分析

计算客户贡献度，考虑的因素包括：存款贡献、贷款贡献、中间业务贡献、其他贡献，客户成本以及客户带来的坏账；并对其贡献度按照业务种类进行结构分析，使得银行清楚了解能够帮助客户为银行创造效益的业务产品； 

  客户评级

根据客户贡献度给客户评级，使得银行能够根据客户的不同级别提供差异化的服务和定价，并按照评估指标完成对重要客户（VIP客户）的识别与标识；同时，系统还将监控并显示级别发生变化的客户，帮助银行及早采取措施预防客户的流失，或提升客户忠诚度； 

  客户排名

可以分别根据客户的存款、贷款、信用卡消费或透支状况单项进行排名，也可以根据贡献度指标进行综合排名。系统还提供不同级别客户的计算贡献占比，如：前10%的客户贡献占比等。

3.3. 客户信用风险控制
国外银行市场多年发展的经验证明，信用记分卡技术Credit Scorecard是遏制个人信用风险的有力手段。信用计分卡实际上是一种用于个人信用风险控制的数学模型。它是利用数据挖掘技术对银行积累的大量客户历史数据进行分析，寻找出有关客户信用风险的特征值和规律，建立相应的数学模型，为新的贷款申请者或已有的客户评估风险。所以客户信用风险分析主要从预测模型和风险监控两个方面。

预测模型包括，信用计分模型和欺诈检测模型；信用计分模型有三种类型：申请信用计分模型、行为信用计分模型和催收信用计分模型结合欺诈检测模型，实现对信用卡业务提供事前、事中和事后的信用风险控制。

风险监控是从不同角度，通过监控当前客户的风险状况以及预测模型的策略执行的风险状况，实现辅助业务执行和风险决策的功能。

3.3.1. 客户信用风险预测模型
n 信用申请评分Application Scorecard

申请计分模型专门用于对新申请客户的信用评估，它通过申请人填写的有关身份资料，即可以有效、快速地辨别和划分好/坏客户，帮助发卡行建立第一道事前的信用风险防火墙。 

  行为评分Behavior Scorecard

行为记分模型是通过对客户的行为进行监控和预测，从而达到评估客户信用风险的目的。行为计分模型可用于信用额度的自动监控和调整、授权以及对坏账的预测。例如，信用卡客户想增加信用卡的限额，那么这位客户的以前的消费及信用模式，就要通过使用行为记分模型进行分析以便获得认可。类似地，这个记分模型可被扩展到银行的其他个人信贷产品。 

  坏账催收评分Collection Scorecard

催收记分模型是申请记分和行为记分模型的补充，特别是在客户产生了逾期贷款或坏帐的情况下建立的。催收记分模型被用于预测和评估对某一笔坏账所采取的措施的有效性，诸如客户对警告信件反应的可能性。这样，银行就可以根据模型的预测，对不同状况的逾期贷款采取不同的有效措施进行处理。 

  欺诈检测模型

通过加载完整的源数据，然后依靠应用软件分析整理，追踪行为异常的用户，预测和发觉可能存在的欺诈账户，然后采取防范措施。在此过程中完成近实时侦测、客户特征分析、案例管理、OLAP报表、欺诈分析模型等功能等。

3.3.2. 客户风险监控
信用计分模型为银行信用风险，尤其是个人信用风险的控制提供了一个客观、准确的评估和控制机制。风险监控是从不同角度，通过监控当前客户的风险状况以及预测模型的策略执行的风险状况，结合信用风险模型，实现辅助业务执行和风险决策的功能。其中包括：

客户风险-根据人口统计信息；

客户风险-根据心理学信息；

客户风险-根据收入分段；

客户风险-信用申请评分风险模型监控；

客户风险-信用行为评分风险模型监控；

客户风险-信用坏账催收评分风险模型监控；

客户风险-欺诈发现风险模型监控；

3.4. 客户群体分析
通过客户群体分析，从宏观的角度，掌握和理解客户群体的基本情况。客户群体分析有两个基本分析组成： 

1. 静态群体分析------通过分析一些静态的指标，如客户背景资料，业务组成，不同机构的客户群体分布情况。 

2. 动态群体分析------也称之为目的性群体分析，根据业务需求，制定具有一定综合性的指标，如好/坏客户，等级客户等，分析其相应客户群体分布情况。 

  静态群体分析 

1. 背景分布

以客户的数量、级别或贡献度指标分析银行客户在不同背景特征上的分布，包括在收入、教育程度、所处行业、地区等，从而使得银行能够掌握不同客户群体的基本特征； 

2. 业务分布

以客户的数量、级别或贡献度指标分析银行客户在各种业务产品上的分布，从而使得银行能够掌握不同客户群体对银行产品的偏好，以及由此带来的效益高低； 

3. 机构分布

以客户的数量、级别或贡献度指标分析银行客户在银行分支机构上的分布，从而使得银行能够了解各分支机构的客户状况及其贡献。 

  动态群体分析 

1. 分析好/坏客户的特征分布

从行业、年龄、收入、教育程度等不同的角度； 

2. 分析不同等级客户的均值

从户数、存款总额、贷款总额、平均存款余额、平均贷款余额、平均交易笔数、平均收益、各项占比等不同角度；

3.5. 市场营销分析
3.5.1. 客户细分Segmentation
通过客户细分，能够充分掌握客户的状况和行为，并针对不同特点的客户群体，可以实施差异性的、高效率的营销策略和客户服务。最终，在有效控制风险的前提下，提高客户的忠诚度，提高银行的收入。

客户细分和市场营销策略的制定是密切相关的，所以，无论是做市场推广还是新产品设计，银行首先关注的问题就类似于： 

1. 按照消费行为客户可以分为哪几群体？ 

2. 给我们带来最大效益的客户都是些什么客户？ 

3. 这些客户具有哪些共同的背景特征？ 

4. 高消费客户有哪些共同的特征？主要在哪些地方消费？ 

5. 每一个客户群体的“商业生命周期和价值”？ 

6. 对于每一个客户群体的而言，银行的潜在风险有多大？

客户细分不同于客户分群，主要包括两大类，一类是直接以数据挖掘技术对大量的客户行为数据（包括消费、金融等交易数据）进行分析和探索，从而发现某些具有相同行为特征的客户群，这种细分又称为数据驱动的客户细分；另一类是根据市场部门制定明确的商业目标，寻找具有该类性质的客户群及其背景和行为偏好，进而有效地开展市场营销，准确地进行产品定位。例如，经常使用银行产品A的客户同时又经常使用产品B，利用分类技术是别这样的客户具有什么样的特征，银行就可以针对这样的特定客户群实施交叉销售。

3.5.2. 交叉销售 Cross Selling 
  交叉销售预测模型

交叉销售是一种发现顾客多种需求，并满足其多种需求的营销方式，从横向角度开发产品市场。例如，一个高尔夫俱乐部会员卡的购买者，可能也是一个轿车购买者，并且是一位健康服务购买者。如果了解这个顾客的消费属性和兴趣爱好，我们就可以有更多的客观参考因素来判断这样一个事实。客户分类和客户群分析将带动交叉销售的机会，而交叉销售对提高银行利润率具有重要作用。

对客户进行针对性的交叉销售将拓宽商业银行的盈利渠道。例如，消费者账户产品，包括支票与储蓄、信用卡（与常旅客飞行里程项目相连）、投资服务（资产管理、股票市场）、贷款（房屋按揭、汽车贷款、教育贷款）、保险服务，甚至向顶级客户提供VIP服务，即私人理财、财务规划等。

深入分析客户分类，将帮助业务人员识别这样客户的特征：它既有消费者账户产品，有同时使用投资服务产品。通过分析，业务人员可以向具有这样特征的客户销售相关产品。 

  交叉销售分析与监控

交叉销售分析与监控是从不同角度，通过监控当前客户的交叉销售状况以及交叉销售预测模型的策略执行的状况，结合预测模型，实现业务决策的功能。 

 1. 客户分群-根据产品 

 2. 客户分群概况 

 3. 收入与交易趋势-根据客户分群 

 4. 每月客户分群概况趋势