大宅配~ 生活美學

物流寄情44：大數據在金融領域

的應用

楊惟雯

以下，就幾個實例來跟大家分享目前《Big data》在金融領域的應用:

一、數據挖掘構築消金業務競爭優勢

商業消費信息來自市場中的各種渠道。
例如，每當我們用信用卡消費時，商業企業就可以在信用卡結算過程收集商業消費信息，記錄下我們進行消費的時間、地點、感興趣的商品或服務、願意接收的價格水平和支付能力等數據；當我們在申辦信用卡、辦理汽車駕駛執照、填寫商品保修單等其他需要填寫表格的場合時，我們的個人信息就存入了相應的業務資料庫。

這些來自各種渠道的數據信息被組合，應用超級電腦、並行處理、神經元網路、模型化演算法和其他信息處理技術手段進行處理，從中得到商家用於向特定消費群體或個體進行定向營銷的決策信息。

這種數據信息是如何應用的呢？舉一個簡單的例子，當銀行通過對業務數據進行挖掘後，發現一個銀行帳戶持有者突然要求申請雙人聯合帳戶時，並且確認該消費者是第一次申請聯合帳戶，銀行會推斷該用戶可能要結婚了，它就會向該用戶定向推銷用於購買房屋、支付子女學費等長期投資業務，銀行甚至可能將該信息賣給專營婚慶商品和服務的公司。

二、花旗銀行聘請IBM Watson 發掘客戶商機

IBM的超級電腦Watson 2011年在美國著名電視問答節目《Jeopardy》上擊敗節目歷史上最厲害的兩位選手後，便一舉成名。它能夠以極快的速度處理數百萬份以人類文字語言書寫的文件。且Waston的絕招在於同樣可以閱讀非結構性文件，即那些電子郵件、新聞報告、網站中的資訊。

目前，花旗銀行花大價錢聘請了Watson，要借用它對大數據的處理能力，來幫助決定應該對一個客戶提供哪些新的産品和服務。它的第一份工作很可能是降低欺詐案件概率，以及搜尋哪些客戶有信用度降低的跡象，這是大數據時代的一個應用故事。

所以，如果能將消費者洞察和預測分析這兩個數據源進行對接，並且能夠保持即時更新，行銷的遊戲規則將會隨之而變：消費者洞察和預測分析這兩個行銷最重要的領域，也將獲得前所未有的價值發掘。

花旗銀行聘請了I B M的“Watson”事件，就是金融界對大數據處理能力渴求的一個側面表現。

除花旗外，一些全球信用卡組織也開始利用大數據分析技術了。
在美國，Visa就和Gap合作，來給在Gap店附近進行刷卡的消費者提供折扣優惠。

三、大數據分析在預防欺詐、洗錢交易等方面應用

金融業對數據分析的需求，以及數據能力建設，都在大多數行業之上。
在大多數金融機構裏面，對大數據的應用多集中在預防欺詐、制裁洗錢交易等方面。在這些業務中，哪怕是看起來非常簡單的一個任務，在實際執行層面，也是一項非常複雜的數據任務：比如對查驗顧客姓名是否在制裁黑名單之上這件事，因為任一家銀行可能會有數千位顧客和這些制裁黑名單上的顧客姓名相同，如果稍有不慎，就可能毀掉一份顧客關係。

因此，處理這類事情，銀行業需要從各種不同數據源獲取資訊的，通過蒐集顧客的國籍、地址、家庭成員的姓名，以及他們是否曾經在某些國家旅遊或者從這些地方收到過匯款等記錄，來確定這個顧客是否正是制裁黑名單上的那位。

因此，更不用提目前很多支付已從電腦轉向移動終端等變革，給銀行的數據處理能力帶來更高度的挑戰，此時，大數據的分析技術可以説是銀行應對這些挑戰的利器。

四、大數據分析可提供個人化促銷應用

而除了預防欺詐…等功能外，銀行也正在發現，顧客數據分析能給他們創建更多的行銷價值。比如，西班牙國際銀行Santander就利用數據研究，每週給顧客發送資訊，裏面有顧客可能感興趣的産品和優惠。

也有些銀行，所嘗試的領域已經開始超越自身的産品和服務。
比如新加坡花旗銀行，會基於消費者的信用卡交易歷史記錄，給客戶提供個人化的商家和餐館消費優惠資訊建議。

如果消費者訂閱了這項服務，當他刷了卡之後，花旗銀行資訊系統將會根據此次刷卡的時間、地點和消費者之前的購物、飲食習慣，為其進行推薦建議。

比如此時接近午餐時間，而消費者喜歡義大利菜，花旗銀行就會發來周邊一家義大利餐廳的優惠資訊，更重要的是，這個系統還會根據消費者採納推薦的比率，來不斷學習，從而提升推薦的品質。

花旗在亞洲有超過250名的數據分析人員，去年它在新加坡新開了一個“創新實驗室”。

五、大數據分析可改變企業競爭的方式

大數據甚至能夠改變企業的競爭格局，使得市場一些後進者找到自己的機會，殺入市場。

在美國，不論是要貸款、要租屋、要申請信用卡，都會被查你的信用分數(FICO Score)，所以，對於剛抵達美國工作或求學的人、或者只用現金消費的人，會因為完全沒有信用記錄而被拒。

信用分數從350分開始、一直到850分，多數人分數介於650-799之間，中間點約730分 (730以上就算信用好)，分數當然是越高越好，有些時候貸款利率和信用分數有成反比的情況，信用分數越高，貸款利率越低。

而創業公司ZestCash，它的主要業務是給那些信用記錄不好或者沒有信用卡歷史的人提供貸款服務，它的創辦人Douglas Merrill是Google前首席資訊官。

ZestCash和一般銀行最大的不同，在於其依賴的數據數量。
大多數美國銀行依靠FICO信用卡記錄得分來做出貸款與否的決策，這個FICO信用卡記錄得分大概只有15到20個變數，諸如信用卡的使用比率、是否有沒還款的情形…等，而ZestCash考察的卻是數千個資訊線索，這造就了它獨特的競爭力。

比如，如果一個顧客打電話過來説，他可能無法完成一次還款，大多數銀行會把他視為高風險貸款對象，但是ZestCash經過研究，發現這種顧客其實更有可能全額付款；ZestCash甚至還會考察顧客在提出貸款之前，在ZestCash網站上停留的時間。

“單看一個數據可能是個無用的噪音，但是當你以非常聰明的方式把它們聚合到一起的時候，你能將垃圾變成黃金。”