财富管理的数据分析变革之道

人们通常认为财富管理行业基于老式价值观、为客户提供各自独立的定制化服务。这些属性在财富管理行业依然具有价值，但对许多客户来说，只有这些已然不够。在这个高度互联的世界中，人们想要更快捷、方便地获得产品和服务以及最前沿的数字化体验。在日益激烈的竞争中，老牌财富管理机构在保留独特价值观的同时，还需跟上趋势、推陈出新，为客户提供新的产品和服务。 用，即根据客户的投资价值协商一个固定费用。为确保该模式能带来稳定营收，财管机构还需挖掘新的效率来源，提升客户经理产能，即让他们有更多时间面向客户。 —根据客户所处的不同生命阶段及目标，提供个性化产品和服务。如今的客户不满足于“一刀切”式的服务模式，因此财管机构应考虑基于客户需求提供个性化服务。这要求客户经理熟练掌握更广泛的解决方案，既熟悉最简单的产品，面对更复杂的较高收益投资（私募市场、风险资本、上市前投资以及结构化产品）时也游刃有余。此外，客户经理必须具备帮助客户做出复杂投资决策的能力，而这需要分析的支持。 而离开数字化的运营模式，财管机构很难为当今客户提供有效服务。数字化模式可为咨询和非咨询活动提供支持，还能适应投资者不断变化的投资偏好。一些领先财管机构正在构建模块化的数据和IT架构，以实现智能决策、大规模个性化服务以及更广泛的产品覆盖¹。这些转变还有助于它们履行监管义务，提高客户经理产能并提升不断收窄的利润率。 在当今环境下，只有通过大数据和高级分析才能实现上述目标，尤其是在客户关系管理领域。 聚焦客户关系管理 对此感兴趣的财管机构可以从本文了解到部署高级分析解决方案的潜力，同时本文还提供了战术手册，列举出财管机构应考虑的具体数字化转型措施。 满足当今客户需求的商业模式既要高效，又要能适应每个客户的具体情况。为此财管机构探索出以下两种成功方法： —以固定费用为各类资产规模的客户提供财富管理相关咨询服务。不同于目前仍然流行的以产品为中心的模式，财管机构需根据客户在不同生命阶段的需求，构建相应灵活的价格体系。有一种定价模式越来越普遍被采 !!""##$$%%&&''(())**++,,-- 以客户为中心的模式效益显著 理、风险和合规方面也有多种应用，包括社媒资料调查、反洗钱和客户尽职调查及反欺诈。 存量客户经营及客户关系深化。以客户为中心的应用包括个性化研究、组合管理及通知。客户经理和投资团队可应用客户聚类模型、客户偏好模型、产品推荐引擎和数字化绩效管理等工具（参见底栏《分析工具如何带来可持续成效：来自亚洲的两个实例》）。在投资管理、风险与 大数据和高级分析带来的潜在效益主要来自以合规领域，部署分析工具则有助于避免在投资下三个领域：获客及新客登船、存量客户经营决策、数据分析和交易执行方面的偏见。 及客户关系深化、为客户服务及留客。 获客及新客登船。基本的获客和新客登船应用包括客户发掘、风险分析、开户和登船。客户 客户经理可采用流失预测和工作规划等应用，而投资管理、风险与合规团队则可在更大范围内加强组合规划和交易监控。 经理和投资团队可利用数据分析生成潜客线索、进行钱包份额模拟并自动生成建议。在投资管 亚洲某领先财管机构部署了一个分析主导项目，该项目旨在提供详细的客户洞见，使之能为细分子客群提供快速、及时和个性化的服务。这家银行利用规模化的个性化手段，在6到8个月内将客均管理资产规模提升了 30%~40%。 并以结果为导向，则业务便能摆脱根深蒂固的运营模式，实现结构性转变。有鉴于此，高管团队应设定转型愿景，自上而下在公司内部进行充分沟通。他们还应打造安全环境或沙盒环境，以便业务部门在大规模推广之前可以先开展试验。 战术手册：打造分析驱动型财管业务 早期的成功故事令人鼓舞，但成功者只是少数。 更普遍的情况是，公司踏上了转型之旅，但却在途中败下阵来。常见原因包括缺乏高层支持、预算或战略上有所局限，这些导致项目团队无法有效落地执行。 规划变革之旅 服务模式转型的挑战非常大，但并非不可克服。 事实上，随着分析用例越来越普遍，大规模实施落地已变得更易实现。我们在下文中介绍了基于分析的转型项目所需具备的五大要素（见图3）。实现这些要素需要强大的领导力、坚持结果导向且员工愿意接受新工作方式。机构若能有效执行，则有望从竞争中脱颖而出，提升满足客户需求的能力。 任何数据驱动型变革规划都必须与企业的业 务模式相匹配。而实施落地则会因技术可行性、数据准确性和可访问性、成效产生时间、可扩展性和资金可用性不同而有所差异。最初几个用例将决定士气和方向， 因此财管机构务必要在行动之前认真权衡。 领导者设定愿景 在向分析驱动型业务转型时，企业往往会失于偏颇，转型交流仅在少数专家范围内进行。这会导致应用无法大规模推广，从而不能真正改善绩效。相反，若变革项目能够得到高层支持 益。而针对这一问题，也有解决办法。选择关键构必须将之转化成结构化数据，以能被处理用财务绩效指标时，资管机构可侧重于重点委托于创建洞见和个性化服务的方式加以保存（参任务或咨询业务量等指标，而不使用主要依靠见底栏《以客户为中心的数字化服务》）。为此，执行的管理资产规模指标。非财务指标则可重财管机构需要部署各种系统，按照监管要求接点关注交叉销售率、客户留存率的提升、受训客入、存储并组织数据，同时确保数据准确、可用户经理人数或解决方案的采用率等。其他有用且可访问。 的评估指标包括客户满意度评分、基于信任的新客户关系、产品及服务面市时间和文化改变情况等。在这些方面的进展将增强组织对于转型益处的信念。 技术为先，打造坚实基础 数据和技术共同构成了分析驱动型业务转型的动化可取代监管合规、风险评估、报告和查询支持主干。强大的分析主干需要严格的数据管管理中的常规人工劳动和脑力处理部分。 理标准，还需在IT应用和系统采用方面做出明智决策。 财管机构会定期在线下联系客户。这些互动带来大量客户偏好和需求方面的重要信息，但这 以客户为中心的数字化服务 这样，财管机构就能通过技术为先的方法来设同时，资管机构还必须整合来自不同地区和业计客户旅程。务部门的数据。这样，分析师才能从尽可能多财管机构在构建数据和IT架构时，需要包含以 的信息中获取洞见。一些领先业者会先在沙盒环境中进行试验，同时与外部合作，在获得必要技能后再逐步扩大规模。 下四大组件的基本工具包： 1.合理的IT堆栈以构建前台和后台使用的工作平台；以及适用于移动和Web网络应用的统一资源。 构建必胜团队，优先变革管理 2.具备模块化数据管道、基于API的微服务可扩展数据平台，用于大规模构建并部署高级分析解决方案。 3.半自主实验室环境，可支持实验试点；及用于批量创建分析解决方案的规模化工厂环境。 团队构建。创建由多类型人才组成的跨职能敏捷小队是一个富有成效的团队构建方法（见图 4）。产品负责人和设计师应确保团队能满足客户（客户经理或最终客户）的需求，并始终专注 4.用于满足各种数据存储和处理需求的高度可扩展云端分布式网络。 于价值交付。数据科学家和数据工程师负责用 获取人才的最佳方法是小步快跑：先确保一个 例实施，检查接入数据后是否生成了洞见，即最团队获得成功，提高客户经理的采用率，然后小可行产品 (MVP)方式。IT架构师和软件工程师随着用例的增多和规模扩大，再逐步扩展能力。 变革的一个核心目标应该是探索可提高客户经 理产能的数据分析和AI用例（参见底栏《三家变革管理。财管机构应鼓励客户经理积极采纳亚洲财管机构如何提升客户经理产能》）。为此，分析法，相信新应用会带来更好的服务和更高变革团队应入驻业务和渠道管理团队，确保其的绩效。各种变革管理策略会有所帮助，包括想法与客户经理的客户服务目标一致。多家机创建“影响者”团队、召开能力建设会议、开发激构发现，让客户经理与其他领域的专家加入变励各方的变革故事、重新定义角色/职责以及将革团队可以显著改善数据解读和建模。绩效与财务或非财务奖励挂钩等。 在许多情况下，组建高效团队需要新型人才。具推广全新工作方式体而言，银行需要数据科学家负责构建分析软 件，还需要数据工程师来确定并构建数据管道和数据架构。而转译员作为业务与技术团队之间的桥梁，对于确保各敏捷小队了解真正的业 务需求至关重要。最后，各小队都需要IT技能才的一部分。两周的冲刺通常足以让试点项目启动能确保分析和数字解决方案与核心数据和技并运行，而每次冲刺都应以产生一个最小可行产术堆栈相兼容。品为目标。