大數據時代已經降臨，它所帶來的龐大數據資源和信息風暴為信用卡產業的發展帶來了很多新的挑戰和契機。在大數據時代的背景之下，銀行機構如何對海量的客戶數據善加利用，為信用卡用戶提供差異化的服務，通過個性化的營銷活動實現客戶關系管理的最大價值，恐怕是眼下這個時代銀行信用卡產業所面臨的最大挑戰之一。
　　事實上，許多銀行在全方位了解自己的客戶并與客戶保持聯系方面存在困難。銀行積極地與客戶開展互動，希望通過這種互動為銀行帶來盈利，然而在營銷投資方面的回報卻往往不盡如人意。
　　要為客戶提供差異性的服務，銀行必須先基于客戶特性設定不同的策略，客戶細分是協助銀行將不同特性的客戶進行分類的方法。目前銀行通常會依據不同的業務目標產生不同的客戶細分，進而搭配不同的業務手段與客戶進行溝通，提供適當的產品服務以滿足其需求。基于不同的目的，在銀行中所建立的客戶細分會隨著時間而不斷增加，業務人員可以依據每次活動的目的而組合產生適當的目標客戶群。此外，不同的客戶輪廓，不同的偏好，不同的生命周期都會影響對待方式。
　　大數據具有4V的特點,Volume(巨量),Variety(多樣性),Vaule(價值),Velocity(處理速度快)。加上智能手機引領著網絡時代來臨,單純以銀行數據做好挖掘客戶或細分各種靜態或動態的客戶群還不足以使銀行在變化的市場中提高競爭力。一些先進的銀行除了客戶行為、產品持有等信息外，還會在分析的深度和廣度上做文章，加入客戶透過各渠道的查詢、投訴、線上/線下行為，服務周期水平或是獲取社交網絡/微博對話反應等數據挖掘出有價值的信息，再運用客戶需求分析方法論，精準地分析出客戶需求與個性化的最適銷售產品給客戶。即當客戶主動透過不同渠道作交易服務的同時,實時互動提供個性化最適產品推薦,不但降低營銷成本，也能化解客戶的防備心、提高成功率。如果能實現動態模型評分,以客戶當下行為的時點驅動模型評分,還考慮最近網路瀏覽行為，而不僅是以上個月的模型結果來判定，這樣才能真正了解客戶需求做到實時的最適產品推薦。在此基礎上輔以系統層面的強大支持，將分析結果推送至前臺各渠道,再接收客戶反饋信息，更精準的分析客戶下一次需求，協同整合所有客戶接觸的渠道都能得到一致的最適產品推薦信息……從而形成一個互動－分析－產品提供－產品使用的良性循環。只有便捷的分析工具與營銷管理無縫地整合,讓銀行分析巨量與多樣性數據，快速地反應對客戶360度真實行為的理解，進而預測客戶未來行為,洞見出全新營銷策略，才能贏得先機。
　　此外，績效評估體系也十分重要，應能夠在事前、事中、事后，了解結果。一般銀行機構僅重視業績、產品銷售達成效果，難以提供目前活動需要修正哪些環節方能繼續推廣等決策所需的效果評估報告。最主要原因是，沒有收集客戶透過各渠道反饋與聯系信息、渠道聯系溝通的結果，作為營銷活動修正優化的基礎。只有獲得渠道反饋信息，才能更進一步作出活動修正或取消決策，提高成功效率。
　　例如國內某股份制銀行信用卡中心面臨不活躍客戶較多的難題，同時需要更加合理的規劃市場活動的預算，提高投資回報率。在客戶智能解決方案的幫助下，該中心對客戶用卡行為、習慣等歷史數據及過往市場營銷活動的數據進行了分析，針對不同類別的客戶分別建立了自然活躍率模型和市場活動敏感度模型，并分別實施三組不同的市場活動：對自然活躍度高和對價格敏感的客戶采用高消費門檻去觸動；對自然活躍率低且對價格不敏感的客戶，則通過與刷卡次數綁定的禮品來進行激勵；對于反應居中的客戶則通過兩方面兼顧的市場活動來進行激勵。在項目進行過程中先根據建立的模型進行小規模驗證，在確認驗證結果與之前的預估基本吻合后，才按照預定方案進行大規模的市場營銷活動，并在活動過程中不斷根據實際反饋修正模型，再根據修正后的模型進行新一輪的活動，從而使整個營銷活動效果與之前的預估十分接近。最終項目獲得了極大的成功--在進行市場活動三個月以后不活躍客戶的激活率提升了40%，大大超出了20%的原定目標，是項目實施前激活率的四倍；市場營銷預算得到了優化，費用下降了7%。
　　綜上所述，企業級的客戶智能解決方案必須擁有靈活查詢分析與數據挖掘工具，協助洞察客戶需求，支持各種不同類型的營銷方式，才能幫助銀行打造具有競爭力的營銷管理平臺。