一、背景与起因

　　做好普惠金融，特别是小微企业金融，始终是银行业的一项难题，其主要难点在于：一是小微企业信息不对称，银行很难全面、真实地了解客户；二是银行管理成本高，及时了解客户的实际情况需要投入大量人力和物力；三是没有形成规模效应，传统模式客户转化率低，无法实现以“量、价”补损，综合效益不明显。

　　为解决上述问题，我行于2016年起以小微企业客户营销管理周期为主线，探索研究建立分阶段、分层级、分类别的“目录制”管理模式，在此基础上，将客户“目录制”管理方法与大数据分析相结合，通过“需求驱动、快速迭代、共同推进”的工作方式，基于我行现有数据分析挖掘平台，应用“大数据挖掘”和“机器学习”等金融科技手段，开展了“普惠金融大脑”项目的研究和开发工作。“普惠金融大脑”通过构建小微企业结算户转有贷户营销“机器学习”预测模型，自主学习历史小微企业贷款客户的转化特点，从存量结算客户中寻找生成有潜力的客户营销清单，并将结果在分行进行实际应用，有针对性的指导营销拓户工作，提高了营销效率。

　　二、举措和亮点

　　（一）小微企业客户营销管理方法的创新

　　开展小微企业金融业务，银行业面临信息不对称、管理成本高、难以形成规模效应、无法实现以“量、价”补损等难题。为解决上述问题，我行于2016年起以小微企业客户营销管理周期为主线，探索研究建立分阶段、分层级、分类别的“目录制”管理模式，并于2017年完成了《基于机器学习技术及生命周期管理的小微企业客户“目录制”营销方法研究》创新课题，提出了全新的小微企业客户营销管理方法：客户自开立银行账户起就纳入到我行营销管理中，将结算理财到信贷融资服务，形成一个闭合的营销管理周期。同时，将管理周期分为多个阶段，对应“各个精准营销管理环节，通过分类指标和模型计算将每个阶段客户按重要程度进行分类，辅助客户经理开展“差异化、精细化、批量化”的客户营销和管理。

　　（二）金融科技应用的创新

　　目前，银行业获客方式大多是基于简单的条件规则进行的筛选，比如“存款大于100万的客户”就可以作为一个规则模型，有效性很大程度依赖于人的主观认知和对业务的理解，且往往不能充分利用客户的各个维度的数据信息，难以找到海量数据之间的关联关系，结果通常不够稳定，也不适用于预测和获取重点目标客户。

　　随着人工智能技术的快速发展，以及计算机能力的不断提升，“大数据挖掘”和“机器学习”已成为辅助银行获客及客户管理的重要手段。区别于传统规则模型的配置方式，“机器学习”模型具有学习效率高、效果稳定等优势，可以实现对海量数据的自主学习，将银行客户经理的经验进行系统积累，结合数据形成对客户的自动甄别能力，用于对未来结果的预测，替代人工从存量客户中挑选出重要的营销目标，既解决了银行人员不足和营销效率低下的问题，又实现了专业化和专家化的营销决策支持。

　　三、成果与反响

　　（一）精准获取重点营销客户清单

　　“普惠金融大脑”通过构建“小微企业结算户转有贷户”机器学习模型，来预测每个结算客户未来3个月转化为贷款客户的概率。在前期“目录制”营销方法中总结出的小微客户特征指标基础上，结合业务专家和模型专家的经验，共同设计了129个特征，覆盖了客户基本信息、资产、交易等数据，选用机器学习模型，训练“普惠金融大脑”自主学习客户历史特征，逐步让模型具备了对潜在信贷客户营销的判断和预测能力，通过不断配置和调整参数，训练后模型精确率达到5％；最终，应用训练好的模型对多家分行二季度存量结算账户进行预测，生成了首批“小微企业结算户转有贷户”重点营销目录。

　　（二）高效转化小微企业结算户至有贷户

　　2018年9月初，我行将“结算户转有贷户”目录客户清单按归属下发多家分行各经营机构，开展为期2个月的试点营销工作。根据分行的反馈情况，下发的重点营销目录中符合我行贷款条件的客户占比为43％，符合我行贷款条件且客户具备贷款意愿的占比为21％，名单预测命中率符合最初设计目标。通过对目录中客户的营销情况进行跟踪，截至2019年1月31日，已放款客户数占目录客户数的10.8％，是同期五家试点分行小微企业结算户向有贷户自然转换比例（1.38％）的7.8倍。

　　“普惠金融大脑”产生的重点营销目录有针对性的辅助了拓户营销，帮助客户经理在存量结算户中发掘了大量有价值的客户，有效提升了营销效率，减轻了基层行负担。由于从客户营销到贷款发放有一定周期，目录中客户还在持续转换为我行有贷客户，充分体现了此项目的创新应用价值。目前，“普惠金融大脑”已在我行全行范围内进行了推广。