大数据在零售银行的应用始于“长尾客户”，而在被誉为“皇冠上的明珠”的私人银行领域，大数据应用的探索可以算是刚刚起步。在商业银行里，私人银行客户最多达到十万量级，相比起动辄接近亿级的信用卡客户与远超亿级的一般个人客户，数据量远远称不上“大”。另一方面，每个金融资产成百上千万的客户都有着自己“不同于他人”的需求。这两个特点使得大数据在私人银行经营中不能照搬大众客户的套路。好在随着大数据技术逐渐渗入银行个人客户经营的方方面面，私人银行对大数据的兴趣也日益高涨了起来。笔者认为，使用数据与人工结合的方式，使大数据分析成果融入到私人银行服务流程中，与客户经理的日常工作深度结合以提升效率，是大数据与私人银行业务未来一段时间较为可行的结合点。

对潜力客户名单的分层与优化

私人银行客户有一定的金融资产标准，而金融资产稍稍低于标准线的临界客户一直是重要的私人银行潜力客户目标客群。部分临界客户确实没有进一步提升的潜力，而有些临界客户有潜力而没有意愿，而临界客户之外还有很多可以提升的客户，需要客户经理逐个找寻。这时，对潜力客户名单的分层优化就显得尤为必要了。一方面，可针对临界客户建模，评估其提升的可能性，提升潜力客户提升成功率；另一方面，可通过挖掘低资产客户的行为数据，判断其提升为私人银行客户的可能性，找到隐藏在沙海中的黄金。一直以来，客户的大额资金变动、CTS账户转入转出、购买第三方理财产品等行为都或多或少的引来客户经理的关注，但从单纯的交易行为上升为对客户的认知，需要运用大数据技术进行建模。运用已知规律，分析存量私人银行客户提升路径，建立预测模型，扩充潜力客户名单，实施精准营销，是第二种可以尝试的效率提升方案。

利用资金流向挖掘关系网

通过关系网拓展客户一向是私人银行获客的重要方式，而资金流分析是大数据在金融领域经典的应用之一，二者的结合是一种令人期待的应用方式。依托对资金流向的监测，以及适当的外部数据补充，可以找寻到与私人银行客户、家庭成员、所有企业有较强关联的潜在营销对象名单。利用可视化技术可以较为清晰的展现客户与潜在客户之间的联系，例如家族成员、商业伙伴、娱乐搭档等，从而制定有针对性的营销服务方案，实施精准营销。

客户维护始于客户画像

大众客户经营中较为重视对客户群体的画像，而私人银行经营中，除了群体画像，个体画像也要精确的描绘出来，方能开展有针对性的客户维护工作。首先应对存量客户的价值进行分析与分层。不同于简单的金融资产分层，对客户未来潜力的判断、客户关系网是否广泛、家庭复杂程度、所在行业与职业等等，都应当成为客户价值判断中的变量。在客户价值分层的基础上，建立存量私人银行客户图谱，为不同层级的客户合理地分配产品、人力、财务等资源，将有限的资源聚焦在潜力客户身上。

在客户画像的各个领域，如人口统计特征、家庭画像、产品偏好、风险偏好、渠道偏好等各个方面，都可以逐一建立基于业务规则的评判标准。通过对画像结果的固化，客户经理可以在短时间内完成对客户的认知，了解私人银行客户的需求偏好、交易习惯与服务特性。

产品与客户的智能匹配

产品体系智能化听起来是游离在客户维护体系之外的另一个领域，但产品终究不能脱离客户而存在，此处要解决的是产品如何与客户结合的问题。从客户画像结果和客户标签体系向下延伸，私人银行可以将已有的产品服务与客户特征相结合，得到一个静态的解决方案。而利用自然语言处理技术开展非结构化数据分析，如客户经理的访谈记录、客服通话记录、智能在线客服记录等，随着技术的发展也将逐渐成熟，客户互动数据的加入使动态的解决方案成为可能。

大数据技术在私人银行的应用并不仅限于以上4个领域，找到合适的切入点十分重要，但大数据技术的应用促进效率的提升是可以预见的未来。