数据分析驱动财富管理变革.docx

《数据分析驱动财富管理变革.docx》由会员分享，可在线阅读，更多相关《数据分析驱动财富管理变革.docx（11页珍藏版）》请在第一文库网上搜索。

1、数据分析驱动财富管理变革前言21 .高级分析商业论证21 . 1聚焦客户关系管理32 .2以客户为中心的模式效益显著41. 3案例-分析工具如何带来可持续成效52 .打造分析驱动型财管业务52. 1领导者设定愿景63. 2规划变革之旅64. 3技术为先打造坚实基础 75. 4案例-以客户为中心的数字化服务：86. 5构建必胜团队，优先变革管理87. 6推广全新工作方式108. 7案例-三家亚洲财管机构如何提升客户经理产能113 .总结11前言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

2、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。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。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。如今的客户都希望获得最前沿的客户体验。为满足这一需求，财富管理机构必须大举升级高级分析。满足当今客户需求的

3、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

4、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。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。1.1聚焦客户关系管理客户经理职能的现代化变革可能会改变整个行业格局。通过对业内人士的访谈，我们发现，在监管和合规义务不断增多的情况下，客户经理通常要将60%70%的时间花在非创收活动上（见图1）。其中一个原因在于，大部分人仍在使用老旧的IT系统甚至电子表格。随着客户希望与客户经理进行更多互动并更多通过远程渠道沟通，上述情况必须改变

5、。一些领先财管机构开始利用技术提升客户经理的服务效率和服务效果。有些采用零基方法重建技术堆栈，应用高级分析手段赋能更个性化的服务。通过提供有针对性的解决方案，这些公司能够增加收入并降低运营成本。图1客户经理将6o%7。的时间花在非咨询活动上咨询：30%40%非咨询：60%70%减少非咨询时间的主要障碍：预咨询服务和其他行政事务创收型咨询活动售后事物监管与合规&无统一平台提供咨询后支持（即客户信息访问和分析分散在多个系统中）数据处理需要大量人工投入，包括产品层面的文书工作、人工交易和系统录入缺乏综合研究平台，无法提供躇资产类别的建议无预咨询阶段的客户风险分析，导致后续的监管和合规问题（例如，社交

6、媒体筛选）McKinsey& Company资料来源：2021年麦肯锡对私银客户经理的访谈L2以客户为中心的模式效益显著数字化对大多数市场都有帮助，而在数字化程度较低地区，提升潜力尤其巨大。例如，在亚洲I,许多财管机构仍未全面采用数字化工作方式（见图2）。我们估计，IT转型可为服务亚洲高净值人士的财管机构带来400亿至450亿美元的价值提升，对于17万亿美元的财富池而言，这一增量大约占25个基点。图2亚洲财管行业的技术和分析采用率总体偏低采用率低 采用率高客户生命周期 采用率 典型的技术和分析工具线索生成及营销.客户关系管理系统与原有系统和产品目录的集成不够充分缺乏个性化；推荐是基于针对客群设

7、计的标准产品组合，个性化不强客户登船及交易执仅部分客户登船环节（如线上客户尽职调查）实现了数字行化，但许多文件仍需要手动签名大多数财富平台都有自助服务模式，客户可以执行部分交易，但不能进行关键的投资活动（如，通过电话下达交易订单I）报告及查阅信息报告系统能够使大部分理财经理随时访问估值和近期交易等详细信息提供服务、解决问 缺乏可标记潜在问题或利用沟通和服务历史来改善客户体询和沟通脸的预测性模型McKinsey1直通处理。& Company资料来源：麦肯得对行业专搴的访谈大数据和高级分析带来的潜在效益主要来自以下三个领域：获客及新客登船、存量客户经营及客户关系深化、为客户服务及留客。获客及新客登

8、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、反洗钱和客户尽耿调查及反欺诈。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、风险与合规领域，部署分析工具则有助于避免在投资决策、数据分析和交易执行方面的偏见。客户服务和留客。与客户相关的应用包括组合模拟和优化以

9、及交易的自助执行。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。1 . 3案例-分析工具如何带来可持续成效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婷40%。另一家财管机构设立了首席投资官职位，负责提供全行的资产类别和地域相关信息。首席投资官利用分析工具将产品选择与“机构视角”相挂钩，从而确保模型组合之间的一致性。2 .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。

10、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。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。13分析驱动型转型的五大关键要素领导者设定愿景描述期望的结果和成效展示来自组织高层的支持规划变革之旅设定适合组织业务模式的目标设置指标，对成效加以监控打造坚实

11、基础建立适应性强且有弹性的核心技术要件部署数据驱动型决策体系构建必胜团队构建以客户经理为中心的跨职能团队，为客户创造价值采用变革管理方式构建支撑体系推广全新方式采用敏捷方法推进转型采用灵活的学习方式，并通过与价值创造挂钩的奖励来强化学习McKinsey& Company2.1 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

12、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。2.2 规划变革之旅财管机构应用高级分析而实现的目标各有不同。一些机构发现，将高级分析应用在业务问题上，可带来巨大价值，能更快、更稳定地做出更好决策。还有一些机构则利用数据和高级分析来改善销售和营销，为投资决策提供依据，并提高客户经理产能。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。一个常见的推广障碍是缺乏统一的成效衡量指标，这让技术团队无法有效沟通转型带来的效

13、益。而针对这一问题，也有解决办法。选择关键财务绩效指标时，资管机构可侧重于重点委托任务或咨询业务量等指标，而不使用主要依靠执行的管理资产规模指标。非财务指标则可重点关注交叉销售率、客户留存率的提升、受训客户经理人数或解决方案的采用率等。其他有用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。2.3 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支持主干。强大的分析主干需要严格的数据管理标准，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

14、的重要信息，但这些信息通常只是以书面形式记录或存在于客户经理的记忆中。为充分挖掘这些信息，财管机构必须将之转化成结构化数据，以能被处理用于创建洞见和个性化服务的方式加以保存（参见底栏以客户为中心的数字化服务）。为此，财管机构需要部署各种系统，按照监管要求接入、存储并组织数据，同时确保数据准确、可用且可访问。技术方面，一些领先财管机构使用自然语言处理技术来分析文本和语音数据，识别个性化触发因素和相关洞见。还有一些机构打造跨渠道的反馈闭环来训练人工智能算法。技术还可被应用于一些工作流程中：例如，机器人流程自动化可取代监管合规、风险评估、报告和查询管理中的常规人工劳动和脑力处理部分。部署数据驱动的决策体系需要可扩展、适应性强且具备弹性的核心技术组件：要有能连接各种IT活动的统一数据和技术堆栈。这样，财管机构就能通过技术为先的方法来设计客户旅程。财管机构在构建数据和IT架构时，需要包含以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