CRM系统:商业银行客户关系管理系统(CRM) 发展问题的研究

(五) 有利于防范银行的信贷风险在银行信贷业务中, 银行与客户是处于动态博弈的过程。信息不对称使该动态博弈过程中银行处于信息劣势地位, 由此引起的银行的逆向选择和客户的道德风险是银行信贷风险产生的重要原因。长期以来, 我国银行面临着存款的硬约束和贷款的软约束, 不良贷款的比例逐年递增, 这其中既有体制上的原因, 也有不了解贷款企业状况的原因。实施CRM后, 通过观察和分析客户行为, 及时了解客户信息并进行动态动监测, 从而缓解博弈过程中银行的劣势地位, 降低信贷风险, 同时通过与客户建立长期合作关系, 修改博弈条件, 建立新的合作博弈模型以寻求新的纳什均衡点, 提高博弈过程中的银行收益, 并减少银行经营的风险。 (六) 拓宽银行的业务品种银行经营业务大体上可分为存贷业务、中间业务及表外业务三大类。良好的CRM 系统不仅可以拓展银行传统的负债、信贷、租赁、清算、承兑等业务的服务范围和深度, 还可以灵活、快捷地开发新型的中间业务。由于中间业务不需要占用银行的资金, 而且风险小、利润高, 因此, 中间业务必将是外资银行与我国银行未来竞争的重点。然而, 我国商业银行中间业务由于发展起步较晚, 在产品品种上仅仅限于结算、代理收费等劳动密集型产品。而技术含量高的资信调查、资产评估、个人理财、期货期权以及衍生工具类在我国才刚刚起步, 有的基本没有开展, 与外资银行丰富的业务品种还存在较大差距。因此, 我国银行业必须尽快建立CRM 系统, 了解客户当前的和潜在的需求, 才能进行金融产品和服务的创新, 才能拓宽业务品种和经营范围, 才能提升银行的市场份额和竞争力。三、我国商业银行实施ECRM可采用的系统构架由于目前商业银行在各地都建有大量的分支机构, 因此, 商业银行的ECRM ( Electronic Customer Re2 lationship Management) 系统可采用集约式数据仓库环境, 即所有分行均拥有自己的信息系统, 并与本地综合业务系统及电子银行客户服务中心连接。在总行建有中心信息数据仓库, 提供面向全行的分析决策功能, 并为网上银行业务提供数据查询支持。银行ECRM系统一般由业务处理、客户联系和客户关系分析中心三部分组成。业务处理部分指银行的综合业务处理系统, 包括柜面业务系统、信用卡系统、网上交易系统、POS 机和ATM 机等; 客户联系部分由电话银行、手机银行、企业银行、网上银行等与客户联系的各类电子银行渠道组成; 客户关系分析中心则以ECRM中心数据仓库为核心, 通过数据集成系统与业务处理部分连接, 同时为银行的管理层和业务分析人员提供客户分析系统。银行ECRM系统主要提供客户基本信息的管理和分析、信用分析及风险监控、效益和商机分析及个性化服务等功能, 同时具有连接电话银行、网上银行等电子银行的业务处理流程控制、综合业务处理流程控制、银行卡业务处理流程控制、国际业务处理流程控制、中间业务处理流程控制和会计统计报表等系统的接口。银行ECRM系统的实施主要体现在ECRM 数据集成系统、ECRM 数据仓库、ECRM决策分析环境、基本信息服务接口等四大部分。在ECRM数据仓库中, 实际数据分为操作数据和分析模型。操作数据包括客户基本信息、客户账务信息和操作控制(客户个性化服务信息) 。分析模型包括客户关系管理的所有分析模型、市场分析、客户信用度分析、客户满意度分析和销售行为分析。因此, ECRM的主体部分即客户关系分析中心将通过数据集成系统与业务处理部分(综合业务处理系统等) 和客户联系部分(电话银行等) 连接起来。从数据的流向看, 业务处理部分的数据由客户关系分析中心的数据集成系统抽取到ECRM 数据仓库中。客户联系部分与客户关系分析中心的数据流向则是双向的, 电话银行、手机银行等各客户联系渠道在为客户服务时将充分利用ECRM数据仓库的信息, 同时, 这些客户联系部分为客户的服务过程又被ECRM 数据仓库所记录。客户联系部分与业务处理部分的数据流向也是双向的, 客户联系部分需要实时查询业务系统的当前数据, 客户联系部分也可能需要为客户实施业务流程。最后, ECRM的决策分析环境将结果反馈到客户联系部分。四、我国商业银行建立ECRM的模型分析数据模型的建立对商业银行客户关系管理的实施是至关重要的。其中, 统计方法最为基础, 利用各种统计分析方法, 可以进行客户概况分析、客户忠诚度分析、客户贡献度分析、客户行为分析、客户趋势分析、客户产品分析、客户促销手段分析等。并在此基础上, 进一步根据商业银行关于客户管理日常经营分析主题, 建立起以下客户分析模型。 (一) 客户分类模型该模型可以按照主成分分析、因子分析、聚类分析建立。银行各类业务人员可根据此模型的运行结果, 按照客户类型进行特征分析, 有针对性地确定各类产品和服务的目标群体, 进行交叉营销, 推销适宜的金融产品。如可以对消费信贷还款状况良好的客户进行特征分析, 了解此类客户的年龄特征、收入情况、工作状况等, 以确定消费信贷业务进一步推广的目标群体, 同时针对这些信用和收入状况良好的客户推销商业银行的银行卡业务、个人理财业务、消费信贷业务等, 充分发挥银行的整体功能, 以最小的投入取得最大的收益。 (二) 客户价值分析模型该模型可以按照回归分析、判别分析、聚类分析、时间序列分析、人工神经网络等来建立。培育和稳固重点客户的基础就是要对客户价值进行准确的分析, 确定哪些属于重点客户, 哪些属于一般客户, 根据不同的价值和贡献度, 提供差异化服务。对客户价值的分析模型, 主要可以从以下三个方面进行: 一是考察客户一定时期内的平均存款余额, 这是传统生产、积累型社会最重要的客户价值指标; 二是考察客户使用商业银行消费信贷产品的情况, 这是现代消费型社会衡量客户价值最重要的客户价值指标; 三是考察客户使用商业银行新型金融产品的情况, 由此可以预测客户未来的价值。 (三) 客户信用评估模型该模型可以按照时间序列分析、人工神经网络分析建立。这是在客户信息分析系统中一个很重要的模型。模型可根据采集到的客户资料, 按照一定的数学模型进行分析计算, 得出客户信用度, 以此作为向客户发放各类信用卡、审批消费信贷及提供各类金融产品的依据, 减少客户资信审查的环节, 降低运营成本, 提高信贷产品的竞争力。以个人客户信息为例, 个人客户信用评估模型可以根据客户的年龄、婚姻状况、工作情况、收入情况、住房情况、账户存贷款情况、信用卡申请使用情况等综合加权评分, 最后得出较为客观、准确的结果。各项情况的权重可根据各地、各时期不同情况在实际应用中逐步磨合调整, 力求使分析结果与实际情况较为贴近。 (四) 风险预警模型该模型可以按照回归分析、判别分析、时间序列分析、人工神经网络来建立。客户信息分析系统不仅要对客户“善”的一面进行分析评估, 而且对不良客户或风险操作“恶”的一面也可以进行有效监控。风险预警模型可以实现对一些不良客户的不良行为进行事先的预警功能。如将风险信用卡持卡人的特征设定为透支余额超过5 000 元人民币、透支时间大于60 天, 一旦这类持卡人发生付款交易, 系统通过该模型审核时就可以进行自动锁定, 并自动向发卡银行风险管理人员提出持卡人的个人资料及近期所有交易信息, 使风险管理人员在第一时间掌握持卡人情况。同时, 该模型还可以根据持卡人以往的交易情况, 确定其交易临界点, 一旦持卡人交易金额超过临界点金额, 即可提示业务人员主动调查了解, 防止信用卡冒用风险和伪卡风险的发生, 增强商业银行的风险控制能力。 (五) 客户关系营销模型该模型可以按照回归分析、判别分析、排队论、聚类分析、时间序列分析、人工神经网络来建立。实施忠诚客户管理的商业银行需要制定一套合理的建立和保持客户关系的格式或结构。简单地说, 商业银行要像建立雇员的提升计划一样, 建立一套把新客户提升为老客户的计划和方法。客户关系营销模型可以进行此类计划的设计和运行。例如, 香港汇丰银行的银行卡消费积累计划, 客户的银行卡消费一定的金额, 便可以获得相应的免费透支利息, 或根据客户要求提升消费卡的等级等。商业银行零售业务通常可采用点数(Points) 或购买量决定客户的提升程度。这种计划看上去会提高成本、降低收益, 但由于生意主要来自老客户和慕名而来的新客户, 银行不需要花大本钱做广告。而给老客户寄发提醒通知、提供优惠卡等, 比通过广告来吸引新客户花费少得多。因此, 这种格式或结构实际上是划算的。这种格式或结构建立了一套吸引客户多次消费和提高购买量的计划。它不仅是给予客户享受特殊待遇和服务的依据, 也有效地吸引客户为获得较高级别的待遇和服务而反复购买。 (六) 忠诚客户识别模型该模型可以按照回归分析、判别分析、聚类分析、人工神经网络来建立。及时识别忠诚客户是十分重要的。在每次客户交易时, 给予老客户区别于一般客户的服务, 会使老客户保持满意, 加强他们的忠诚度。该模型的一个重要作用是在客户发生交易行为时, 能及时地识别客户的特殊身份, 从而给予相应的产品和服务。例如, 现在多数商业银行都成立了“个人理财室”和“大户室”。对于商业银行的常客, 基于该识别模型, 业务人员在客户办理业务(如存款业务) 时可以及时检查客户已经积累的存款数额, 从而根据客户的级别主动地给予客户等级提升, 或给予特殊服务和赠送礼品等忠诚客户应该享受的服务。 (七) 客户流失警示模型该模型可以按照回归分析、判别分析、排队论、生存分析、人工神经网络来建立。商业银行通过对客户历史交易行为的观察和分析, 建立客户流失警示模型, 从而赋予商业银行具有警示客户异常交易行为的功能。系统通过客户流失警示模型, 自动监视客户的交易资料, 对客户的潜在流失做出及时的警示。 (八) 客户购买行为参考模型