邮政企业构建数据化客户管理体系探析

前言：想要写出一篇引人入胜的文章？我们特意为您整理了邮政企业构建数据化客户管理体系探析范文，希望能给你带来灵感和参考，敬请阅读。

摘要：简述数字化变革意义，分析了邮政数据化管理优势和短板，从顶层设计、案例实践剖析、体系建设、制度化保障等方面探讨了如何构建数据化客户管理体系和机制，推动邮政企业数字化转型发展，重构企业价值。

关键词：数据化；客户管理；高质量发展

移动互联网、云计算、物联网和大数据技术的广泛应用，对邮政传统业务产生巨大冲击，也为中国邮政的转型发展带来前所未有的机遇。数字化变革对企业创新发展和价值提升具有重要意义，能够提升企业核心竞争力，创新企业经营机制，为企业注入发展活力，助推企业转型升级。在新时代需求升级、人力短缺、成本激增、技术进步的挑战下，如何让数据化客户管理发挥更大的经营效能，让大数据更好地服务企业、解决更多问题、创造更大价值，基于数据化分析发现问题、探索规律、预测未来，从而赋能业务、协同创新、引领发展，通过数字经济实现邮政企业转型升级，走高质量第二发展曲线，打造行业“国家队”，值得邮政深入思考。

1邮政企业数据化管理的优势及短板

1.1管理优势

1.1.1数据获取渠道多样化。一是来源于各类系统录入。通过邮政网点、代办点前端系统、手持终端设备、后台管理系统等收集各类基础数据。二是来源于客户服务。通过企业公众号、电子渠道、客服中心呼叫台、PDA设备等，DOI：10.13955/j.yzyj.2021.02.13.04在日常客户售前订单、存款、寄送邮件以及售后客服、回访、理赔等过程收集到的信息。三是来源于社会机构。通过聘用零点公司等社会机构调查、购买或与商业合作伙伴资源互换等方式获取。1.1.2数据覆盖面广。首先，邮政企业作为现代服务业的重要组成部分，是连接供给侧和消费侧的重要桥梁，是促进网购发展、满足人民生产生活需求的基础支撑和重要媒介，全国5.4万个营业网点，最大优势就是网点多、覆盖广，基本有村落的地方就有邮政服务。其次，经过多年的发展，邮政各板块和系统都有大量的用户数据积累和历史沉淀，涵盖金融、寄递、电商、报刊、集邮等，这也是邮政混业经营带来的信息资源优势，是任何一家企业无法比拟的。1.1.3数据分类管理，职责明确。目前，邮政企业数据主要分为经营、运营、基础支撑三类。一是市场部门和各专业主要负责经营的数据，包括客户用邮信息、行业分析、量收等企业经营发展类数据。二是网运和服务质量部门负责管理运营的数据，包括邮路邮运组织、作业班次、车辆设备使用信息、终端数据、客户诉求、KPI等。三是人力、财务、信息技术局等职能部门负责管理的基础支撑类数据，主要包括企业人员信息、车辆信息、房屋信息、各类系统基础维护数据等。

1.2管理短板

1.2.1数据质量有待提高。一是数据碎片化。信息来源多，分散在各专业，零散并有一定的重复性。二是数据项简单。以客户关系管理系统为例，客户用邮基本信息主要包括公司名称、资质、法人、联系方式、地址、资费、合同期等，内容涵盖面相对简单。三是更新不及时。由于釆集手段老旧，部分数据时间久远，更新周期长，维护少，信息有效性较差。1.2.2数据化场景应用能力弱。数据本身并不创造价值，应用数据解决问题才能创造价值。当前，将邮政各专业数据应用到各场景，体现新价值的变现能力弱。一是对客户消费信息、喜好、社交关系、生活习惯等涉及较少，分析研究时无法摸清客户活动规律，获取更多有价值信息。二是动态信息少，无法反映市场和客户的颗粒度变化。三是省级层面的数据化成果，地市、县经营单位数据调取和应用能力参差不齐。1.2.3经营成果转化有待提升。数据化客户管理是要将大数据应用与客户管理融合，形成1+1>2的经营效果。目前，经营部门主要通过数据库营销方式指导源头获客和专项营销工作，偏重于由省下发给地市，省市互动较少；数据类别偏重于金融、电子商务、保险，寄递类较少，行业对标较少，也未形成一套标准化的管理机制和流程。1.2.4信息化、可视化程度不高。虽然客户价值提升系统及可视化工具对网点客户数、客户资产、包裹投递等情况可以实时跟踪，但是地市对可视化工具重视度不够，应用率低；同时，省级全局性类似于客户看板、热力图等综合性可视化工具上线晚，系统功能不全。1.2.5内部交叉融合不足。一是专业融合有待加强，比如金融与寄递，商务类汽车解抵押客户既是金融类借贷客户，又有寄递需求，数据资源未能充分交叉互用、共享融通。二是网业协同力度不够，如未将时限库应用于市场开发，未能针对优势线路提供个性化综合客户解决方案等。

2数据化客户管理探索与思考

2.1强化顶层设计，构筑数字化发展高地

数字化转型已成为中国社会发展新引擎，通过数字化转型引领，将传统企业和互联网优势强强联合，提升企业运营效率和与市场动态接轨的能力，而数字化带来了数据化，可通过数据来实践。数据化是将数字化的信息进行条理化，通过智能分析、多维分析、查询回溯，为决策提供有力的数据支撑，数字化转型的首要问题就是数据战略问题，只有加强顶层设计，合理规划，才能将资源和技术最大化地作用于业务发展。首先，可以通过建章立制，明确数字化发展方向，筑牢阵地，自上而下形成数字化转型发展的思想意识。其次，明确数字化发展的目标、任务、责任、方案和方法，全员普及并参与。再次，构建框架和工作体制，尤其是在集团公司和省级层面，需做好战略规划和顶层设计。

2.2做好数据分析是基础

2.2.1数据清洗。数据清洗的本质是对数据进行重新审查和校验，去掉残缺数据、错误数据、重复数据。邮政大数据库经过多年发展，积累了庞大的客户数据信息，在分析和使用数据前，通过技术手段进行清洗必不可少。2.2.2建模分析。一是通过数据清洗，形成用户数据主题集市。因为每个特征段的用户数据对应的权重不同，通过对清洗后的数据基础信息进行解析、离散化处理，可以建立不同的用户属性标签。二是通过细分用户标签属性，形成用户标签体系。2.2.3用户画像。用户画像可以指导企业精细化运营。一是挖掘潜在客户，对于用户的线上线下渠道行为特征、使用习惯等进行画像分析，研究人群特征，有针对性地开展广告宣传，引流获客，将潜在人群转化为新客户。二是维稳既得客户，对成熟客户或衰退客户的行为、线上线下用邮渠道、竞品等进行画像分析，以提升客户价值，实现产品交叉营销，促进客户二次用邮或购买邮品，增加客户忠诚度和黏性，延长成熟客户的生命周期。2.2.4价值挖掘。拥有用户属性和行为标签并不等于拥有全部数据价值，通过数据整合、建模，挖掘价值，实现价值最大化才是目标。比如，对于金融网点营业台席的设置，可以通过数据分析，科学减少高柜、增加低柜、合理布放自助设备，有效提升经营效能，降低运营成本，促使形成平时在低柜、忙时进高柜、闲时站大堂、兼职当外拓的合理化用人机制。又如，通过对进口快递包裹客户用邮分析，及时对比用邮变化情况，优化服务流程，进一步满足客户需要。针对进口包裹业务中的金融客户，从客户年龄、区域分布、客户用邮等多维度数据分析，挖掘潜在高价值金融客户，支撑寄递、金融业务的交叉营销。

2.3客户体系化管理是主体

2.3.1划分客户层级。盈利能力是评价客户价值的重要指标，按照经济学“二八原理”，大约20%的客户会创造80%的销售收入，以盈利能力大小对不同的客户群体进行分等分级差异化管理。对重要客群重点管理，安排不同层级的营销人员进行对接和维护，投入不同类别的服务。2.3.2规范管理流程。建立一套标准化的售前、售中、售后服务行为规范，是提高各项工作效率的关键，对邮政企业高质量发展至关重要，包括制定标准、过程监督、分析差异和问题、采取纠偏措施等管理工作。2.3.3建立考评体系要真正做到以客户为中心，需要建立一系列的组织、制度做保证。在双赢的原则下，以客户为中心建立考评标准，最大限度地实现企业成本和预期最大利润之间的平衡。有奖励、有考核、有评价，建立一套与服务内容和流程匹配的奖惩标准和机制。2.3.4建立支撑资源。支撑资源主要指人才队伍支撑建设和系统平台支撑建设。可以打造集数据采集、数据处理、数据应用、市场分析、运营服务、可视化平台于一体的大数据平台，提升企业信息化水平。也可以采用可视化交互分析、三维界面高度仿真等技术，实现图形化数据查询、关联分析等功能，形象刻画出全省各地区的客户发展情况，提高企业宏观管理决策水平。

2.4搭建数据化客户管理体系

客户是企业生存发展之本，客户资源是企业发展最重要、最有价值的资产之一。邮政企业的客户管理体系相对成熟，如何将数据化管理融入客户体系，提升客户管理价值，值得探讨和思考。2.4.1案例实践剖析。以湖北邮政政务市场“银行催收律师函”寄递类客户数据化应用为例，分析总结如何将数据化融入客户管理。基本情况：与某律师事务所合作取得新突破，成功开发银行催收律师函特快寄递业务，业务规模较大，预计年收入过千万元。应用效果：通过邮政数据库营销，多次对催收客户的名址信息进行匹配测试，涉及数据26.76万条，通过数据化分析和场景应用，实现当月妥投率70%，较数据应用前提升10个百分点，拉动客户增量50%以上。存在问题：关键KPI指标妥投率虽有提升，但与合同标准差距较大，主要原因是数据库名址数据精准度不高、监控依靠人工，营销和信息技术双方信息不对称，无法形成合力持续提升KPI。分析总结：第一，规范数据标准，提升数据质量。通过数据清洗和技术支撑，确保采集数据质量和效果。第二，拓宽数据内容及应用领域，充分整合网、业、财等资源，提高综合运用效率。第三，强化数据分析运用，深挖数据背后的价值信息，及时掌握市场动态，对标行业，实现增收。2.4.2数据化客户管理必须成体系。数据化客户管理不是简单的数据分析+客户管理+改善机制。数据分析是前提，提取有用信息和形成结论只能对问题作出解答，不能带来业绩和效率。只有将数据分析与客户体系化管理相结合，才能将正确的分析结果应用到业务层面产生效益。通过标准建立、过程管理和持续改进机制，不断产生效益，这才是数据化客户管理体系。2.4.3推广深度融合联动的协同模式。充分发挥邮政资源禀赋，整合邮政金融、保险、寄递、电商、仓储等各板块数据资源，形成合力，实现数据化客户管理体系健康发展。

2.5制度化是数据化客户管理的保障

2.5.1建立大数据管理机构。业务发展和数据化应用紧密不可分，应建立专门的大数据管理机构，集中业务数据、运营数据、基础类数据的综合分析应用管理，对经营发展进行专业分析研判，使分析结果能够有针对性地供各专业和部门使用。2.5.2建设数据分析团队。数据团队应具有高水平的收集和分析能力，熟悉先进的信息技术平台，既懂技术又懂经菅。集团和省级层面更应重视数据团队的打造和顶层设计能力，通过基础数据分析，策划营销应用方案。通过系统软件创新和升级，打通各部门、各专业目前使用的信息系统。2.5.3建立效果评估和改进机制数据的周期性分析旨在解决问题、改进措施、促进发展，不断提升企业管理水平，所以通过数据的应用效果产生的效益更值得关注。由数据化管理专业机构做好数据分析、应用反馈、效果评估等工作，并纳入绩效考评体系。2.5.4重视数据安全和保护。在应用推广时，需要以正确态度谨慎对待，有效评估数据应用可能带来的法律风险和个人隐私安全问题，加强信息安全风险防控。

3结语

大数据已成为现代企业发展的新“引擎”，网点多、信息广、协同资源是中国邮政的优势和核心竞争力，只有将数字化转型融入核心竞争力，以数据赋能为主线，以价值释放为核心，综合应用各种数据资源，充分发挥数据要素价值，坚持“融合+创新”驱动，才能实现中国邮政高质量发展。

参考文献

［1］国家信息中心信息化和产业发展部、京东数字科技研究院．中国产业数字化报告2020［R］．

［2］陆一鸣．浅析大数据在邮政企业的应用［J］．邮政研究，2014（3）

作者:白颖 单位:中国邮政集团有限公司湖北省寄递事业部