從大數據中挖金礦:銀行的五種關鍵應用服務
發佈日期:2017/10/29 | 類別:創新應用與智慧服務 | 點閱次數:99

銀行業擁有豐富而真實的客戶資料,較其他產業具備即時、真實及更新的特性。銀行業因蒐集法人客戶或個人資料,納入大數據母體,這些數據╱資料可用以分析客戶的信用、資產、收入或負債;透過身分認證所獲取的客戶資料,即是銀行業大數據的基礎。銀行運用大數據挖金礦,可分為五種關鍵應用暨服務,包括:市場行銷、信用管理、產品設計、交叉銷售、客戶服務等。

銀行業擁有豐富而真實的客戶資料,較其他產業具備即時、真實及更新的特性。銀行業因蒐集法人客戶或個人資料,納入大數據母體,這些數據╱資料可用以分析客戶的信用、資產、收入或負債;透過身分認證所獲取的客戶資料,即是銀行業大數據的基礎。銀行運用大數據挖金礦,可分為五種關鍵應用暨服務,包括:市場行銷、信用管理、產品設計、交叉銷售、客戶服務等。

從目標客群的選定就可開始運用。從既有客戶的交易數據,找出對銀行貢獻較高的客群,或是未來較有開發潛力的客群。針對這兩種客群分析其基本屬性,例如年齡、居住區域等,找出一些共同特性。將這些特性轉化成「用一句話就可以描述完的特徵」,讓銷售單位或人員了解。當銷售人員推廣產品時,較能鎖定客群,或碰到符合的客戶時,可積極銷售產品,對於銷售成果與銷售時碰到的不同狀況,必須再回饋到分析及決策團隊修正。

實體通路(例如分行)會直接面對客戶,可以採用;在虛擬通路(例如網路銀行)一樣可進行基本數據比對,了解是否為鎖定的目標客群,然後給予不同的銷售訊息。

例如當客戶到銀行申請某項產品時,銀行給予不同顏色的筆,請其填寫申請書,再根據對顏色的選擇將客戶分群,並觀察不同客群後來各自與銀行互動的狀況。累積一段時間的觀察與追蹤數據╱資料,就可將分析結果再應用到客戶選擇不同顏色的當下,就給予不同的對待,或是後續產品審核時差異化。

一般客戶的信用狀況,最重要的判斷基準是收入高低,以及收入的穩定性,甚至客戶過去與銀行在貸款產品的往來狀況。銀行運用這些數據╱資料決定是否要核准貸款,或是給予多少信用額度,以及給予何種收費標準與利率區間、還款年限等。

這些主要是所謂的貸前管理;而在貸款或給予信用的期間稱為貸中管理,就要運用客戶還款是否準時、金額是否正確,以及是否有信用擴張情形,從而決定是否要求客戶提前清償或是改變價格(利率)。許多國家在信用卡或現金卡產品實施的風險差別訂價,就是貸中管理的一部分。

貸後管理是指貸款期間結束,可是客戶尚有未還完的款項,包含在貸款期間已有遲繳情形。銀行此時會運用分群的數據╱資料,將客戶分為暫時性遲繳、慣性遲繳,或是惡意遲繳。再區分不同的催收方法,如簡訊通知、電話提醒、信函催收、到戶拜訪、採用法律途徑等。催收時段與話術也有講究,一切都是先從數據╱資料的分析開始。

新產品的推出,不論是產品功能╱利潤、定價、通路、促銷,任何設計與包裝還是要回到客戶的需求。要掌握客戶需求,就要瞭解客戶。其實客戶與銀行互動時會透露出很多訊息,包含偏好的通路、可接受的價格、喜歡產品的特色,以及如何使用該項產品。這些可從銀行累積的數據╱資料中抽絲剝繭得出。

觀察金融產品使用狀況時,常使用一種消費行為分析方法為RFM。R是指近因,可想成客戶的交易活動,距離分析時點最短的那一次時間;F是指頻率,是指在一段特定期間內客戶的消費次數;M是指貨幣(Monetary),是指交易金額的大小。將此三個維度定好間距後再進行交叉比對,就能做出適度的客戶微分群,然後針對目標為分群,進行產品推薦的行銷活動。

除運用數據╱資料進行很多不同的客戶分群,也會透過分析產生銷售的目標名單。在交叉銷售中,更常用到資料採擷,也就是建立統計模型,包括預測模型與回應模型。

(本文刊登於2017/10/29 經濟日報 A12版 由MIC外稿作者劉心翰共同撰寫)

本文作者

童啟晟  資深產業分析師兼組長
領域:雲端服務、巨量資料
簡歷:
專業於雲端服務暨巨量資料、數位金融等相關產品服務、市場發展和產業競爭趨勢等研究。具十年以上實務與產業研究經驗。 曾負責企業應用軟體產業、金流服務系統(Payment System)、金融業及中小企業IT應用等研究;參與我國資訊產業產銷、自由軟體、雲端服務、資料倉儲、巨量資料等產業應用需求調查研究專案,編撰多本ITIS專書。美國奧克拉荷馬中央大學商業教育碩士。
熱門點選
  1.   2017年IoT相關sensor發展趨勢
  2.   從營運模式看蝦皮購物之影響
  3.   從大數據x人工智慧看未來零售的新定位
  4.   評零售業數位轉型之挑戰
  5.   深層學習商用化發展趨勢
相關研究