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

1. 指标与标签的区别

• 指标：描述客观事实，通常为数值型，抽象概念，如GDP、AUM、MAU等。
• 标签：人为划分实体特征，难以量化具体实体，如长尾客户、高净值客户、高风险、低风险等。

2. 如何建立指标体系

• 分类原则：多维度、多层次构建。
• 步骤：
  • 自上而下：价值树分解，自下而上：经营分析指标梳理。
  • 业务发展战略解读、企业价值树分解、指标整合与归类。
  • 包括：活跃客户数、产品使用率、新增客户数、新增交易额等。

3. 如何建立标签体系

• 类别/口径：围绕客户，从各维度细化标签，如个人属性、业务基本特征、家庭属性、社会属性等。
• 数据补充：统计类、规则类、挖掘类三方面补充完善。

4. 如何用好标签与指标

• 标签管理：标签准确性、使用率、生命周期快速迭代、业务参与度。
• 优化手段：标签聚合、名称优化、描述修正。
• 运营机制：建立标签监控体系、标签体系优化、标签管理系统。
• 应用实例：客户基本信息、历史交易信息、持有产品、客户行为、客户营销、客户风险等。

关键数据

• 宏观指标：GDP、CPI、PPI。
• 经营指标：不良率、AUM、MAU、DAU、LTV。
• 运营指标：高净值客户迁移率。
• 标签示例：长尾客户、高净值客户、高风险、低风险。
• 指标体系：活跃客户数、产品使用率、新增客户数、新增交易额。
• 标签类别：个人属性、业务基本特征、家庭属性、社会属性。
• 标签优化：聚合标签、名称优化、描述修正。
• 标签管理系统：标签生命周期管理、灵活组合、即时预览。