고객 수 850만명, 계좌 수 1200만개, 일일 평균 거래건수 400만~600만건. 제일은행의 각 지점과 콜센터, ATM기, 인터넷 등을 통해 발생하는 데이터 규모다.
제일은행 데이타웨어하우징(DW) 및 고객관계관리(CRM) 시스템은 이같은 고객 데이터를 분석, 고객별 특성에 맞춰 ‘일대일 타깃 영업’을 가능하게 했다. 예를 들어 종전에는 본점이 지시하면, 각 지점들이 수동적으로 신규고객 확보 등의 캠페인을 했다. 본점은 캠페인 기간을 지정할 뿐이고, 지점 직원들은 한시간 먼저 출근해 길거리에 서서 어깨띠 두르고 출근길의 시민들에게 전단을 나눠주는 것이 고작이었다. 그러나 주먹구구식 캠페인은 작년 10월 완성된 DW 및 CRM시스템으로 인해 사라졌다.
고객의 거래정보는 일단 제일은행의 통합DB에 저장된다. 이어 이 데이터는 매일 저녁 DW로 옮겨지고, 곧바로 데이터 마이닝 작업이 진행된다. 그리고 다음날 아침 본점에서 각 지점과 콜센터로 당일 섭외하거나 마케팅을 해야할 고객 이름과 연락처 등이 할당된다. DW와 CRM시스템은 은행 지점이나 콜센터 직원이 알 수 없는 ‘거래실적에 비해 신용카드 한도가 낮은 고객’같은 세세한 사항까지 놓치지 않고 챙겨준다.
‘으뜸 고객 활성화 캠페인’‘만기도래 고객 재유치 캠페인’‘거액거래 고객 크로스―셀링 캠페인’‘신용카드 활성화캠페인’‘신용카드 사전승인 안내 캠페인’‘신용카드 한도상향 안내 캠페인’ 등은 제일은행이 새로 구축한 DW와 CRM시스템을 활용해 수행한 캠페인이다. 영업점이나 콜센터 직원들은 만나거나 전화를 걸어야할 고객을 꼭 집어주는 DW가 미울 수도 있겠지만, 회사차원에선 효과만점이다.
캠페인관리시스템과 함께 제일은행의 수익성분석 시스템은 DW의 가공할 위력을 보여주고 있다. 제일은행 전 고객을 대상으로 각 고객의 은행거래 패턴을 파악, 고객마다 점수를 매기는데 걸리는 시간은 불과 2시간. 예를 들어 10만원 미만의 소액거래를 주로 하는 A고객이 영업점 창구를 이용하고, 1억원 이상의 고객거래를 주로 하는 B고객이 인터넷뱅킹을 이용한다면, 제일은행 입장에서 볼 때 인건비 부담이 없는 인터넷뱅킹을 통해 거액을 입·출금하는 B고객이 ‘좋은 고객’인 것. DW는 이처럼 한달동안 각 고객이 제일은행에 기여한 크기를 금액으로 환산해 산출할 수 있다. 고객별 평균 거래금액, 이자, 수수료, 신용카드 및 현금서비스 사용액과 함께 이 고객을 유지하는데 소요되는 업무원가를 계산함으로써 ‘A고객은 2002년 3월 한달동안 제일은행에 1만2675원어치의 이득을 안겨줬다’‘B고객은 6734원의 손해를 끼쳤다’는 식의 분석이 가능해진 것이다. 이는 고객분류 및 등급화를 통한 타깃마케팅의 자료가 될 뿐만 아니라 비용 및 수익요소를 고려해 상품 및 가격전략을 수립하는데 매우 유용하다. 아울러 관리회계의 근거자료이기도 하다.
제일은행의 수익성분석 시스템을 이용한 분석사례를 구체적으로 보면, 고객 계좌별 수익성 시계열분석, 고객상품별 수익성 시계열 분석, 총자산·신용공여·순이익·ROA·수입수수료·총수신 등에 따른 고객별 순위분석, 고객별 실적 증감분석, 고객별 원가거래분석, 신용카드 수익성 분석 등이 있다. 이와 관련, “수익성 분석에 적용하는 변수는 무려 3000여개”라고 제일은행 관계자는 설명했다.
‘매주 금요일 오후 1시~3시 서울 강남의 백화점에서 신용카드로 100만원 이상을 소비하는 40대 남자 의사를 찾아라’
DW를 통해 구현된 제일은행의 다차원 분석시스템은 이처럼 당혹스런 주문도 순식간에 해결해준다. 똑같은 데이터라도 이렇게 보고, 저렇게 보면서 다양한 용도로 분석할 수 있는 것. 예를 들어 올랩(OLAP) 툴을 이용해 ‘서울, 강남구, 40대, 남자, 신용카드, 100만원 이상, 의사’ 등으로 범위를 좁혀가면서 다차원 분석을 할 수 있는 것이다.
제일은행 데이타웨어하우징(DW) 및 고객관계관리(CRM) 시스템은 이같은 고객 데이터를 분석, 고객별 특성에 맞춰 ‘일대일 타깃 영업’을 가능하게 했다. 예를 들어 종전에는 본점이 지시하면, 각 지점들이 수동적으로 신규고객 확보 등의 캠페인을 했다. 본점은 캠페인 기간을 지정할 뿐이고, 지점 직원들은 한시간 먼저 출근해 길거리에 서서 어깨띠 두르고 출근길의 시민들에게 전단을 나눠주는 것이 고작이었다. 그러나 주먹구구식 캠페인은 작년 10월 완성된 DW 및 CRM시스템으로 인해 사라졌다.
고객의 거래정보는 일단 제일은행의 통합DB에 저장된다. 이어 이 데이터는 매일 저녁 DW로 옮겨지고, 곧바로 데이터 마이닝 작업이 진행된다. 그리고 다음날 아침 본점에서 각 지점과 콜센터로 당일 섭외하거나 마케팅을 해야할 고객 이름과 연락처 등이 할당된다. DW와 CRM시스템은 은행 지점이나 콜센터 직원이 알 수 없는 ‘거래실적에 비해 신용카드 한도가 낮은 고객’같은 세세한 사항까지 놓치지 않고 챙겨준다.
‘으뜸 고객 활성화 캠페인’‘만기도래 고객 재유치 캠페인’‘거액거래 고객 크로스―셀링 캠페인’‘신용카드 활성화캠페인’‘신용카드 사전승인 안내 캠페인’‘신용카드 한도상향 안내 캠페인’ 등은 제일은행이 새로 구축한 DW와 CRM시스템을 활용해 수행한 캠페인이다. 영업점이나 콜센터 직원들은 만나거나 전화를 걸어야할 고객을 꼭 집어주는 DW가 미울 수도 있겠지만, 회사차원에선 효과만점이다.
캠페인관리시스템과 함께 제일은행의 수익성분석 시스템은 DW의 가공할 위력을 보여주고 있다. 제일은행 전 고객을 대상으로 각 고객의 은행거래 패턴을 파악, 고객마다 점수를 매기는데 걸리는 시간은 불과 2시간. 예를 들어 10만원 미만의 소액거래를 주로 하는 A고객이 영업점 창구를 이용하고, 1억원 이상의 고객거래를 주로 하는 B고객이 인터넷뱅킹을 이용한다면, 제일은행 입장에서 볼 때 인건비 부담이 없는 인터넷뱅킹을 통해 거액을 입·출금하는 B고객이 ‘좋은 고객’인 것. DW는 이처럼 한달동안 각 고객이 제일은행에 기여한 크기를 금액으로 환산해 산출할 수 있다. 고객별 평균 거래금액, 이자, 수수료, 신용카드 및 현금서비스 사용액과 함께 이 고객을 유지하는데 소요되는 업무원가를 계산함으로써 ‘A고객은 2002년 3월 한달동안 제일은행에 1만2675원어치의 이득을 안겨줬다’‘B고객은 6734원의 손해를 끼쳤다’는 식의 분석이 가능해진 것이다. 이는 고객분류 및 등급화를 통한 타깃마케팅의 자료가 될 뿐만 아니라 비용 및 수익요소를 고려해 상품 및 가격전략을 수립하는데 매우 유용하다. 아울러 관리회계의 근거자료이기도 하다.
제일은행의 수익성분석 시스템을 이용한 분석사례를 구체적으로 보면, 고객 계좌별 수익성 시계열분석, 고객상품별 수익성 시계열 분석, 총자산·신용공여·순이익·ROA·수입수수료·총수신 등에 따른 고객별 순위분석, 고객별 실적 증감분석, 고객별 원가거래분석, 신용카드 수익성 분석 등이 있다. 이와 관련, “수익성 분석에 적용하는 변수는 무려 3000여개”라고 제일은행 관계자는 설명했다.
‘매주 금요일 오후 1시~3시 서울 강남의 백화점에서 신용카드로 100만원 이상을 소비하는 40대 남자 의사를 찾아라’
DW를 통해 구현된 제일은행의 다차원 분석시스템은 이처럼 당혹스런 주문도 순식간에 해결해준다. 똑같은 데이터라도 이렇게 보고, 저렇게 보면서 다양한 용도로 분석할 수 있는 것. 예를 들어 올랩(OLAP) 툴을 이용해 ‘서울, 강남구, 40대, 남자, 신용카드, 100만원 이상, 의사’ 등으로 범위를 좁혀가면서 다차원 분석을 할 수 있는 것이다.
