张鲲 - 数据标签与指标在金融行业的应用

指标与标签在金融行业的应用

01 指标与标签的区别

• 内容区别：指标描述客观事实，多为数值型抽象概念，通过不同口径展现事实（如GDP、不良率）；标签为抽象实体的特征而人为划分，可定位具体实体（如长尾客户、高风险产品）。
• 分类和场景区别：指标分类基于事实统计和维度，用于监测和评价业务；标签分类基于规则和模型，用于刻画群体特征，指导经营策略。

02 如何建立指标体系

• 指标分类：包括原子指标（如客户数）、派生指标（如AUM余额净增）、衍生指标（如客均AUM）。
• 指标维度：包括产品、机构、渠道等，用于分析业务。
• 指标体系设计框架：自上而下（价值树分解）与自下而上（经营分析）结合，构建多维多层框架。
• 指标体系建立方法：
  • 自上而下：基于银行发展战略，通过价值树分解关键价值驱动因素，逐层拆解指标，形成指标库。
  • 自下而上：梳理现有经营分析指标，形成指标库。
• 营销指标体系框架：多维度、多层级、全场景覆盖，包括扩大客户数量、提升客户留存和活跃度、提升客户贡献、提升渠道销售能力等。

03 如何建立标签体系

• 标签体系建立：以业务场景及商业目标出发，建设标签体系。
• 标签分类和口径：围绕客户，从个人属性、家庭属性、社会属性等维度细化标签。
• 标签数据补充：基于原始数据，从统计类、规则类、挖掘类三方面补充完善标签体系。

04 如何用好标签与指标

• 指标应用：追踪经营业绩，提升经营利润，通过可视化指标应用，帮助各层级找到问题，科学决策。
• 标签应用：为多种营销和经营场景提供客群精准定向服务，包括精准营销、客户画像、人群圈选等。
• 标签管理：建立标签运营机制，包括标签监控体系、标签体系优化、标签管理系统、标签运营机制。
• 指标分析：建立归因分析库，明确影响KPI的因素，构建多维度的指标归因拆解，提供决策辅助。