中新网7月24日电 扩张还是收缩、金融还是科技、对公还是零售，鲜花着锦的金融领域似乎陷入了一种集体迷茫，新的生产要素正在呼唤新的商业模式。从个体孤岛走向生态共享、从资产为王走向数据驱动、从封闭固化走向开放创新。金融业在内外因素的共振下，正在进行着痛苦与梦想交织的脱胎换骨。
伴随着金融业复杂性和颠覆性的升级，在中国有这样一个团队——同盾咨询，专注于金融咨询，在行业的不确定性中谨慎前行，充分挖掘并有效利用高维空间中的海量碎片化信息，力图为客户建立更加符合真实世界的数字化模型。
“好”的用户并非“对”的用户
同盾咨询是国内智能分析与决策服务商同盾科技旗下独立咨询服务品牌，业务范围涵盖七大领域，今天我们先来谈谈“营销”——同盾咨询发展出一套依靠数据驱动的方法论，经济学中有一个“经济理性”假设，在同盾咨询的理论体系中，相较于将人的理性理想化，更愿意相信“数据理性”。
数据驱动意识渗透到同盾咨询的每一寸肌理，一位在营销领域多年的同盾咨询专家认为，数据分析赋予了人们还原内心世界，量化出埋藏在深层需求的能力。在数据分析的客户坐标系中，没有“好”与“坏”之分，只有“对”与“错”之别。
大家应该都听过庖丁解牛的故事，数据分析就像是那把刀，它依照纹理、顺应经络，总能找到有空隙的地方，进刀的时候毫无障碍，所以能做到“游刃有余”、“莫不中音”。
金融营销也是如此，相对于“好”的客户，我们更需要“顺应经络”去找到“对”的客户。
以某全国性股份制商业银行为例，其旗下某款线上零售产品正值热销期，但是信贷规模余额低、客活量不高、睡眠户居多等问题十分“严峻”。
这与其庞大的零售存量客群显得格格不入，根据感性的认知，这些“沉默”客户不可谓不“好”，银行也尝试了多种手段进行客户的触达和唤醒，但收效甚微。
咨询专家对行方的零售业务进行了一次全面的“诊脉”，很快对行方的问题进行了精准定位，其症结有三：
一是该行尽管零售客群基础非常大，但客户的人均持有8大产品的数量仅为1.15，相比经营好的同业能达到3.87，差距较大。二是在营销手法上比较粗犷，策略的选择上也较为主观感性，他们一直在追求心目中那个“好”的用户，却与真正“对”的用户产生了很大偏差。三是营销黄金期正在快速流逝，无法在“对”的时间精准聚焦需求旺盛的客户并快速触达。
咨询团队建议从数据分析入手，用数据洞悉最优营销时点，改变大水漫灌的形式，通过浸入式营销的方式与客户建立连接。
通过数据分析、客户分群、模型排序的方式，咨询团队协助行方精准定位了目标客群，构建了信贷沉默客户激活分析模型，并提供了信贷客户全生命周期管理的精准营销方案。一套动作打完，该行对比了应用模型前后，放款转化提升了4.5倍。
“坏”客户中也有“对”客户
同盾咨询专家同样认为，那些被我们感性认知为“坏”的客户，也能过滤出“对”的客户。
再举一个例子，国内一些比较头部的股份制银行信用卡的客群，据分析机构统计，银行获得一个产生交易的信用卡新户成本至少在300至500元之间。而批核率比较低的可能只有30%，这意味着100个引流而来的客群其中有70个人的流量是浪费的。
汝之蜜糖，吾之砒霜。被银行拒绝的客户，在一些消费金融公司眼中可能还是不错的客户，加上一些技术手段是可以对这些流量进行再回收。
同盾咨询专家再度登场：专家首先通过反欺诈模型对客户进行高、中、低风险分层，其中低风险客户自动通过，中度风险客群再经由免照会模型和人工审核双重把关，这些都是银行等金融机构必备的程序。
重点在于高风险客群的处理上，首先基于反欺诈模型先把绝对高风险的客群拒掉。其余客群可以通过反欺诈回捞模型做拒绝回捞，由于同盾覆盖率是相当高的，可以这部分客群进行更精细地打分。从中挖掘出分数较高、风险较低的客群，予以“放行”，从而提高银行获客的效率。而且，这套流程是循环往复的，不断挖掘客群，直到风险快到设定目标，收益和风险达到了一个临界点为止。
通过这种模式，信审的效率大大提升，从核批率20%提升到30%、40%甚至50%，打破业务模式增长瓶颈。降低获客成本，100个群体里如果有50个人通过，那总的获客成本是在50个人来摊薄，相较于20人的通过总数，可以降低平均的获客成本。
同时，有一部分用户也可以做银行的中间业务。
相较最初，“米”也是同样的“米”，“锅”也是同样的“锅”，但是经过同盾咨询的妙手，原本要被废弃的食材，又重新加工出了一道佳肴。