Visão Geral

Curso Analytics for Retail Banks. "O Analytics para bancos de varejo", fornece conhecimento aprofundado sobre o ciclo de vida analítico, infraestrutura de dados, ciclo de vida do cliente e tendências digitais. Os participantes, compreenderão as aplicações analíticas em um banco de varejo. Os participantes compreenderão como os canais de entrada, saída e interativos ajudam os programas baseados em dados. Os participantes também compreenderão como gerir estes desafios e como utilizar a análise para enfrentá-los.

Objetivo

Após realizar este Curso Analytics for Retail Banks, você será capaz de:

• Compreender a infraestrutura de dados e a configuração de treinamento em análise para banco de varejo necessária para realizar marketing baseado em dados
• Obtenha uma visão geral das melhores práticas de análise em bancos de varejo
• Entenda as nuances de como os canais de entrada, saída e interativos impactam os programas baseados em dados
• Compreender e projetar programas de marketing baseados em eventos e campanhas contextuais em bancos de varejo
• Compreender as questões práticas que serão encontradas ao implementar programas de marketing baseados em dados em bancos de varejo

Publico Alvo

Este Curso Analytics for Retail Banks é destinado a todos que desejam compreender a aplicação da análise, especialmente no contexto do banco de varejo. Os profissionais abaixo podem participar deste treinamento:

• Gerentes de análise que são especialistas no assunto, liderando uma equipe de analistas
• Profissionais seniores em bancos de varejo que desejam melhorar suas perspectivas de carreira migrando para análise
• Chefes de negócios e CXOs para ajudar a compreender as aplicações de análise

Pre-Requisitos

• Os participantes deverão ter conhecimentos básicos de processos de marketing, domínio bancário e matemática do ensino secundário.

Materiais

Conteúdo Programatico

Analytics scope at a retail bank

1. Introduction to Analytics objectives
2. Analytics data stack
3. Analytics lifecycle
4. Analytics process cycles
5. Analytics algorithms stack
6. Data visualisation
7. Context awareness
8. Analytics best practices
9. About CRISP-DM methodology

Marketing challenges across the retail banking customer lifecycle

1. Retail banking objectives
2. Customer lifecycle
3. Analytics applications across the customer lifecycle
4. Levers
5. Introduction to Analytics objectives and trade-offs
6. Segment marketing
7. Partner agencies
8. About ROI models

Data related Infrastructure at a retail bank

1. About the challenges of big data
2. Different types of data
3. Data lifecycle Logical data models
4. Data cleansing
5. Unstructured data processing
6. Single view of the customer
7. Single row per customer
8. Platform components required to process data
9. Requisite processes

Channel implications on data driven marketing at retail banks

1. Channel purposes
2. Types of channels
3. Channel infrastructure
4. Channel throughput
5. Campaign execution challenges
6. Omni-channel perspective
7. Use of social media channels

Data-driven customer acquisition at retail banks

1. Prospecting
2. Onboarding
3. Analytics capabilities for prospect analytics
4. Response models
5. Activation strategies
6. Digital activation best and worst practices

Data-driven usage management at retail banks

1. Analytics capabilities required
2. Sample usage increase programs
3. Offer glut
4. Offer fulfillment and tracking

Data-driven customer experience management at retail banks

1. Customer journey and analytics
2. Customer experience processes
3. Customer trust principles
4. Analytics capabilities required for customer experience and satisfaction
5. Analytics for the end customer
6. Personal financial management
7. Technology shifts
8. Design thinking
9. Testing options
10. Digital customer experience sensors and actuators

Data-driven upselling and Cross-selling at retail banks

1. Upselling and cross-selling processes
2. Tactics to increase customer penetration
3. Incoming call is your best bet

Next best offer analytics,

1. Case study Card upgrade program,
2. Case study Cross selling credit cards to savings accounts
3. Case study Cross Selling mutual funds to savings account customers
4. Cross-sell between corporate and individual accounts
5. Bancassurance approaches

 Data driven retention and loyalty management at retail banks

1. Retention and loyalty processes
2. Factors affecting
3. Customer loyalty
4. Analytics capability for loyalty analytics
5. Attrition types and retention strategies
6. Case Study Attrition model
7. Advocacy analytics
8. Social Media Marketing

Practical Implementation challenges for the data-driven market

1. McKinsey core beliefs on big data
2. Data privacy
3. IT principles for digital banking
4. Architecture blocks for digital banking,Know your business
5. Data preparation groundwork
6. Analytics is more art than science
7. Common improvement areas at banks