一、项目背景及目标

在数字化浪潮下，零售客户行为和市场环境都发生了根本性变化，银行的客户经营从经营“产品”到经营“用户价值”转变。围绕“客户价值”经营，以客户为中心，以数据要素为驱动，北京银行借助金融科技，加速推进数字化转型发展。为了以数据驱动经营，做好零售业务转型的发动机，我行不断加强数字化转型建设，提高数字化运营能力，通过应用数据前沿技术，实现零售金融业务经营全周期的数字化、智能化和自动化。通过应用大数据分析，可以更好进行客户洞察、个性化经营、提高运行效率、挖掘潜在客户，驱动北京银行零售业务高速增长。

本项目以数字化方式，促进数字化拓客和经营能力的提升。一是行为数据覆盖手机银行、网上银行、微信生态等8个渠道，完成基金、理财、保险等场景客户信息等8大场景数据接入，为产品优化、个性化推荐、客户体验提升提供数据支持；二是依托交易行为、基本属性、客户价值、产品持有、风险行为以及线上行为等数据，构建多维度标签体系，实现对客户需求以及特性的深度洞察，同时可对灵活圈选不同层级客群，赋能客群精细化运营；三是依托基础数据制定多场景经营策略并对策略目标进行自动化监控，通过大数据分析，可以根据历史数据和历史趋势，为策略制定合理的目标值，并进行自动化采集处理，实时查看目标值达成情况，针对各策略，支持设定多个维度的目标值，对客群的经营效果进行全面的评估。

二、创新点

（1）数据采集与存储

“智策”体系目前有两种数据采集方式，一是埋点数据采集，通过产品自带的数据采集工具，进行全埋点数据与自定义埋点数据采集，实时上报至“智策”体系。二是源端后台获取数据。通过行内的DPL准实时工具，从源端后台获取数据，通过数据湖加工后导入“智策”体系进行落库。

“智策”体系利用Kudu存储实时数据，HDFS存储历史数据。HDFS作为一种分布式文件系统，能够将大规模的数据分布存储在多台机器上，其中存储了Event、User和Item表及相应的数据，实现了多实体数据存储。用户的埋点数据均通过kafka先存储在Kudu中，通过每日跑批生成文件存入HDFS。服务端接到SDK 发来的埋点数据后，会对数据做一些预处理并将数据写入到消息队列 Kafka对应的topic下，供下游各类计算模块使用，profile_topic是订阅所有users表的数据，event_topic则是订阅所有events表的数据。SKV用于缓存输出，区分于Redis使用内存存储数据，SKV将利用SSD进行数据缓存，用于提升系统的响应效率。

（2）数据分析

“智策”体系使用方可以通过系统内置的十大分析模型对上报的数据用户进行分析，其中事件分析可以实现对用户行为分析，属性分析可以实现对用户属性分析，漏斗分析可以对用户行为转化进行分析，还可以通过自定义查询对全量数据进行SQL查询，实现结果的可视化。

（3）可视化报表

“智策”体系使用方可以通过系统内置的分析模型和SQL将上报的数据灵活建成报表，并支持依据饼图、折线图、柱状图等15种可视化方式进行展示。

（4）数据输出

开放受众圈选、计划画布、数据集市等能力接口，帮助业务系统实时掌握客户动态，进行个性化营销，对客户进行实时分层圈选及触达，及时把握运营商机，提升运营成效。 

（5）营销触达

“智策”体系可以建立定时式或触发式的运营策略对某类客群用户进行营销活动推送，并收取回执消息，统计营销效果；同时也可以进行A/B对照式营销下发，便于验证该次营销的有效性。当前已对接消息中心、手机银行、营销平台、智能外呼、任务中心等多个通道，实现短信、push、弹窗、权益等多种触达方式。流程画布是由一系列策略器串联而成的用户旅程（一个策略器类比一个运营计划），将复杂运营场景下的连贯的用户运营策略自动化执行，并提供运营效果量化追踪的可视化展示能力，以实现高阶的运营需求。

三、项目技术方案

在业务架构方面，“智策”体系改变传统数据复杂的使用场景，围绕客户旅程提供一站式数据服务。

“智策”体系在行内数据底座、建模中台等基础数据能力之上构建了四大数据系统，通过多维数据计算系统KE打通数据源，整合用户交易和行为数据。其中用户行为分析SA内包含多个分析模型，可对用户行为、用户属性及用户行为转化进行分析，并通过自定义SQL查询对结果做可视化展示，SPS主要是在SA的基础上进行标签管理与用户分群。智能策略SF基于营销画布、客群查询、标签计算等多种策略引擎，对SDH数界平台进行数据查询及订阅，实现客群筛选、策略生成、商机生成等功能，当前已对接消息中心、手机银行app、微信小程序、个人网银等多个通道，实现短信、push、弹窗、权益等多种触达方式。这几个部分通过交互工作支撑系统的平稳运行，为精细化运营提供全面的数据支撑。

图1. “智策”体系业务架构

“智策”体系中使用了大量的开源技术，其主要以Spark/Flink技术为架构原理，使用kudu列式存储和HDFS文件系统存储，使用impala、Hubble、Nebula等引擎，使用nginx、kafka完成数据采集，并应用prometheus进行系统监控和报警。在此基础上，建立了适用于大数据分析的技术架构，并进行了产品化改造。系统底层构建了不同的功能模块，模块间依赖性较小，一个模块的升级迭代不影响其他模块的正常使用。行内引入此套系统，并根据现实业务场景进行了部分定制化开发，与行内多系统实现对接，从而便于使用者能够更加全面地了解客户情况，实现智能化运营。

数据采集主要是通过前后端SDK两种方式进行埋点数据采集，后为适应行内的数据交互规则，增加使用准实时工具dpl，通过数据湖实时区获取用户行为事件与交易数据，经kafka导入“智策”体系中。

数据存储主要利用Kudu存储实时数据，HDFS存储历史数据。用户的埋点数据均通过kafka先存储在Kudu中，通过每日跑批生成文件存入HDFS。Kudu采用列式存储结构，能够将同一列的数据存储在一起，HDFS能够将大规模的数据分布存储在多台机器上，并提供高可靠性和容错性。Kafka用于处理大规模的实时数据流，具有高吞吐量、持久性等特点，同时，idmapping、系统配置等元数据会存储在MariaDB与MySQL中。

数据查询主要依赖impala组件，对数据进行查询统计，是支撑整个系统运行的重要组件。Impala被设计为高性能的查询引擎，能够在秒级或亚秒级返回查询结果，它使用了内存计算和并行处理等技术，能够有效地处理大规模数据。

数据展示前端，除正常的前端分析界面，Hue组件支持使用SQL语句进行自定义查询。它为用户提供了一个直观的用户界面，用于访问和操作Hadoop、Spark、Impala等大数据技术栈中的各种组件和服务。

“智策”体系搭建了自主可控的技术平台，具有存算分离、弹性扩缩等特性，支撑大规模高通量数据加工、高并发低延时查询分析和实时流式数据处理。其整体架构包含客户端SDK、数据接入引擎、数据分析引擎、营销触达引擎、前端业务系统5部分。

客户端SDK主要用于客户行为采集和上报、营销弹窗触达检测和推送、支持APP唤起等。支持包含Android、iOS、Web JS、C#等语言。数据接入引擎主要用于接收多端数据，执行数据清洗操作屏蔽无效数据和异常数据，根据业务逻辑进行数据加工转换，根据IDM规则进行用户关联。

数据分析引擎采用HDFS进行数据存储，使用MPP的高性能查询引擎，能够在秒级或亚秒级返回查询结果，它使用了内存计算和并行处理等技术，能够有效地处理大规模数据。

营销触达引擎采用Flink + key-value数据库架构，在Flink的大数据实时处理能力基础上，通过key-value数据库进行结果数据存储和查询支持，支持实时进行营销受众判定和触发。

前端业务系统采用vue框架，提供动态菜单、数据分析模型、数据加工、业务集市、指标管理、智能运营、权限认证、单点登录、多语言等功能。

图2. “智策”体系技术架构

四、项目过程管理

项目启动与规划阶段（2022年12月-2023年1月）：

组建项目团队，确定数据采集和上报内容，明确项目排期和里程碑。

需求分析与设计阶段（2023年1月-2023年3月）：

分析用户需求，明确系统功能模块，确定数据导入及应用流程，设计指标体系。

开发与技术测试阶段（2023年3月——2023年8月）：

完成行内开发及部署，对系统进行性能测试和技术测试，确保功能完备、性能稳定。

业务测试与试运行阶段（2023年8月——2023年11月）：

进行业务测试并将系统部署到生产环境，小范围试运行，确保数据正确，系统能够平稳运行。

上线投产正式应用（2023年11月至今）

系统正式投产开放给行内员工使用，进行数据分析和策略营销。

五、运营情况

北京银行2023年以来，为了更好的进行零售业务的经营，探索零售服务新模式，支撑零售业务转型发展，依托行内的一体化数据系统建设，满足零售策略运营全生命周期的支持，进行数据驱动经营的实验和探索。

目前“智策”体系能力已覆盖我行零售条线业务各重要场景。同时，依托“智策”体系，持续提升APP数字化运营能力，累计开展各类营销活动百余次，结合APP推广和经营单位需要，持续开展促进APP客户拉新、促活与留存的各类精品活动。

进行数据驱动经营探索以来，对全行零售业务转型起到了基础性支撑作用；2023年通过大数据分析方法共计进行了AUM提升策略、养老金策略、风评策略以及分行个性化策略等不同类型策略的客群摸底和客群圈选，通过手机银行消息、短信、AI外呼等渠道进行自动化触客；依托于行内数据和策略系统，真正做到了零售客户全覆盖、零售经营的个性化和敏捷化，深度践行了北京银行“以客户为中心”的经营理念。

通过“智策”体系的数据分析能力以及A/B测试等数字化能力，不断进行经营策略效果的检视，针对效果不理想客群进行整体分析、对比分析，问题下钻和原因挖掘，找出策略经营和客群圈选的调整点，不段调整、优化和新增策略用例；2023年全年对全行零售AUM提升、养老金协同开户、风评签约等零售客群经营场景中起到了重要作用。

六、项目成效

广泛应用“智策”体系进行数字化运营给我行零售业务带来了显著的经济效益和社会效益。

经济效益方面：

（1）促进用户活跃，提升用户价值。通过“智策”体系的自动化触达，能够大幅提升营销活动、权益的触达广度，增加触达渠道，带动用户对手机银行的访问频率与使用时长大幅提升；同时，通过建立用户分层体系，细分用户需求，了解用户业务偏好与消费习惯，对业务流程进行诊断，有效提升业务各环节转化。

（2）优化用户体验。通过诊断产品可用性与易用性，改善产品感官体验与交互体验，提升用户满意度、忠诚度。

（3）实现自动化与人力节约，提高运营效率。通过“智策”体系，能够自动围绕用户的全生命周期，向不同的客户精准推荐最为匹配的产品、活动与服务，实现更少运营人员投入、更低获客/活客成本和更高的产品销售效率。

社会效益方面：让金融服务更加便捷可及，通过数字化运营，有效解决了线下客户经理服务覆盖度不足等问题，让全行客户均可享受到定制化，个性化的服务，充分践行我行“以客户为中心”的服务理念。

七、经验总结

“智策”体系以坚实的底层数据为依托，实现了运营全流程线上化、自动化与智能化，形成了“数据驱动、策略引领、灵活触达、精准服务”的数字化运营新模式，加速运营工作从人工决策到数据决策再到自动化、智能决策的进程，实现了数据赋能的跨越式发展。同时，“智策”体系也进一步密切了用户与银行间的连接，为用户打造了良好的数字服务体验。

随着北京银行数字化转型的火热进行，坚持以数字化转型统领“五大转型”，我行始终秉承“以客户为中心”的理念，持续推动“智策”体系升级迭代，全面赋能零售业务转型发展，不断探索数据驱动经营、数据支撑经营的零售业务经营发展方式，提高零售业务经营的敏捷化、个性化，不断提高零售业务服务及管理的数字化水平，推动零售转型的建设和发展。