课程背景：
银行的信息化程度很高，数据质量基础较好，很多银行已经实现90%以上的业务电子化、数字化，银行的数据“大集中”基本完成。银行二十多年的信息化道路主要关注业务流程的自动化和风险控制，目的是提高内部效率，提升电子化水平，达到数字化运营银行的目的。
银行的数据主要来源于渠道系统，CRM，总账系统，产品系统等。并不是所有的数据都称之为数据资产，必须对这些数据进行整合和处理，结合外部采集的用户行为数据，进行标签化管理、资产化管理、场景化管理。当这些数据进行管理之后，能够形成商业应用的数据，就将成为数据资产，才可以进行管理和数据应用。
要将银行数据变成数据资产，并利用到业务经营管理中，需要打破数据安全“枷锁”，允许进行数据分析，打破部门考核思维，从业务经营视角来应用数据，强化数据应用团队的组建，在实战中累计经验，构建数据模型、客户行为画像、精准营销名单、客户分层分级管理等。
本课程采用“100%真实数据案例教学”，以真实银行应用的场景进行授课，课程内容包含：银行数据应用现状、银行业务经营本质、银行数据应用场景。
课程收益：
认识银行数据应用价值与重要性
改变考核式思维，理解业务经营本质
提升银行数据应用思维，让数据变成数据资产
授课对象：银行高层：董/理事长、行长/主任、副行长/副主任
银行中层：业务部门经理、副经理、支行行长
授课方式：互动式教学+数据应用流程与逻辑讲解、案例推演
授课时长：2天
课程大纲：
第一部分：“数说”银行数据应用现状
1.银保监会明确数据治理的重要性
2.银行数据治理框架与流程
3.银行数字化转型的关键与误区
4.银行的“大数据”与“小数据”
5.银行客户类数据的“三不用”现状
Ÿ不会用 不想用 没有用
6.束缚银行数据应用的“枷锁”
7.用数据事实代替感性观点
案例：该做的都做了，说明什么？
Ÿ全行信贷业务覆盖率
Ÿ全行到期客户续贷压力测算
第二部分：“数说”银行业务经营本质
一、银行经营的三个关键词
二、什么是“提质增效”？
三、什么是“结构化调整”？
四、手机银行活跃度的经营本质与数据应用逻辑
1.不同考核办法下的员工思维和关注点
2.案例：某银行手机银行考核的不同阶段
3.手机银行活跃度客户结构
4.手机银行活跃度客户类数据标签
5.如何应用系统数据进行分级管理、精准引导，避免资源浪费
6.手机银行活跃度的不同对活期存款的影响
7.手机银行活跃度的直接贡献与间接贡献
8.如何优化手机银行考核项来进行客户培育
1）积分提升法
2）结构提升法
五、经营者与管理者的区别
六、经营者与管理者的业务视角
七、如何用好考核“指挥棒”
八、案例：对公账户开户考核指标的执行策略与三种结果
九、案例：某银行收单商户考核办法
1.数据呈现：客户构成说明了什么？
2.数据模型：通过交易规律找出疑似人为操控清单
3.大力发展低价值收单商户的成本测算
4.三个银行收单商户贡献度数据分析
十、银行中高层真的了解考核指标间的关系？
十一、银行考核指标与目标制定流程与优化办法
十二、综合考核的意义
十三、考核指标变化的原因
十四、为什么要进行存款结构化调整
1.近4年银行成本收入比走势
2.54家上市银行关键指标分析
1)存款成本率
2)贷款收益率
3)净利差
3.案例：省行成本收入比
4.案例：XX银行定期存款客户结构
5.案例：XX银行近10年财务支出结构变化
6.案例：XX银行近3年存款付息率季度走势
7.优化存款结构化的达成路径与指标设置
8.存款结构化调整的关键举措
9.案例：存款结构化调整目标设置方法
10.存款结构化考核下活期存款净增策略与任务模型
11.案例：利用数据监控存款结构变化
12.案例：客户储蓄习惯与阶梯存期法应用
第三部分：“数说”银行数据应用场景
一、银行数据的价值与7个应用场景
场景一：数据辅助经营决策
场景二：数据辅助目标制定
场景三：数据支撑客户管理
场景四：数据支撑精准营销
场景五：数据预防客户流失
场景六：数据支撑产品创新
场景七：数据支撑岗位评级
二、数据在经营决策中的案例
1.描述型分析：季度存款走势，确定峰值判定“开门红”时机
2.描述型分析：同业存款走势，判定业务节奏与竞争关键期
3.描述型分析：存款到期视图，明确宣传部署与人员排班等
4.描述型分析：自动转存率，对存款结构化调整的重要性
5.诊断型分析：根据不良贷款与关注类贷款交叉诊断高风险网点
6.预测型分析：资本利润率走势与考核要求，明确改进办法
7.预测型分析：存款结构化走势，预测存款付息率与成本收入比
8.……
三、如何建立目标制定模型
1.银行目标制定的三个原则
2.银行任务分解数据模型
3.实例：目标分解工具
四、如何通过数据实施客户分级与管理
1.客户管理与营销现状
2.交易营销与关系营销的差异
3.客户关系管理的基本内容
4.银行客户利润贡献度结构
5.银行的客户获得—客户保留—客户叛离
6.工具：优质客户数据库
7.增量乏力，如何突破？
8.案例：收单商户分层分级管理
9.案例：存款客户分层分级管理
五、如何利用数据输出精准分层营销名单
1.案例：信贷营销白名单的分层分级营销
1)客户营销优先级模型
2)数据分析流程
3)内外部数据交叉应用
4)数据应用成效
2.产能突破的基本逻辑
3.客户经营理念
4.小组研讨：触点营销场景与交叉营销成功率
5.输出精准营销名单的操作流程
1）数据收集
2）数据清洗与整合
3）业务发展现状与潜力分析
4）确定ABC类精准营销名单
6.不同客群的精准营销名单判断标准
1）收单无贷客户
2）无贷收单客户
3）按揭信贷交叉营销客户
4）……
六、如何利用数据来预防客户流失
1.贷款客户流失率分析方法
2.定期存款流失率分析方法
3.收单商户流失预警模型
[本大纲版权归老师所有，仅供合作伙伴与本机构业务合作使用，未经书面授权及同意，任何机构及个人不得向第三方透露]
