信用卡行業對商業銀行的啟示范文

本站小編為你精心準備了信用卡行業對商業銀行的啟示參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

《國際金融雜志》2016年第10期

摘要：

我國互聯網行業巨頭憑借海量客戶資源，建立了以大數據應用為中心的商業模式，并迅速向金融領域擴張。大數據已經成為重塑我國銀行業競爭格局的重要力量。近年來，國內外信用卡行業對大數據的使用包括發卡審批、商戶營銷推廣、改善客戶體驗、風險控制等幾個方面。鑒此，對我國商業銀行提出如下建議：（1）提升發卡業務自動化審批比例和審批速度；（2）加快發展電商平臺；（3）全方位提升客戶體驗；（4）利用大數據開展多項業務的交叉銷售。

關鍵詞：

信用卡；大數據；互聯網；營銷創新；風險控制

大數據是依賴于有更強決策力、洞察發現力和流程優化力的新處理模式的海量信息資產，其本質是對大容量數據的高速捕捉、發現和分析，獲取對未來趨勢發展的判斷和推測。我國互聯網行業巨頭和商業銀行在使用大數據方面，取得了快速的發展,大數據的使用將為信用卡業務發展帶來巨大的契機。

一、互聯網巨頭對大數據的使用情況

阿里巴巴、騰訊、京東商城擁有數據資產的類型基本相同，他們的數據應用場景有共同的體系。該體系一共分為七層：數據基礎平臺、業務運營監控、客戶體驗優化、精細化運營和營銷、數據對外服務及輔助市場傳播、業務經營分析、戰略分析。在具體的業務發展場景和大數據使用方面，各互聯網巨頭又各有特點。

（一）阿里巴巴

在過去的10年里，阿里巴巴快速成長。2005年，其每日交易量尚不足1萬筆；而2015年11月11日的交易額，已達到912億元。2015年底，阿里巴巴在其淘寶和天貓網站上有3.5億多注冊用戶和3700萬小企業用戶。2007年阿里巴巴與建設銀行合作開發了阿里貸款，由建設銀行運營，阿里巴巴將電子商務的信息提供給建設銀行，以使建行可以更好地進行貸款決策。2011年起，由于阿里巴巴向建設銀行索要高額的數據報酬，雙方合作終止。此后，阿里巴巴開始使用阿里金融網站發放貸款。截至2014年2月底，阿里巴巴向70萬家中小企業發放了1700億元貸款，每筆貸款的平均成本為0.3元人民幣，是傳統貸款成本的千分之一，而壞賬率卻小于1%。2014年4月，阿里巴巴開啟了招財寶平臺，小企業和個人可以在招財寶上申請貸款，當月貸款規模即達到140億元人民幣。2014年7月，阿里巴巴啟動了開放數據處理服務（ODPS），這個項目使用100多個模型，每天處理800億條數據，對借款人的信用進行評估。而該平臺只有70名員工，所有的貸款都是通過機器自動審批，沒有人工干預。2015年，阿里巴巴成立了芝麻信用公司，提供消費者和小企業的信用評估，幫助評估借款人的信用情況，并提供貸款和小額融資等服務。2015年6月，阿里巴巴旗下的浙江網商銀行成立。這是一家云端的互聯網銀行，主要服務對象是農村客戶。網商銀行的數據來自于芝麻信用。螞蟻金服計劃向小企業和消費者發放500萬元以下的貸款，網商銀行計劃在未來的5年里向1000萬中小企業發放貸款。為適應交易筆數以幾何級數的增長，數據計算、處理和存儲也必須不斷升級換代。2009年，阿里巴巴使用的是RAC平臺，后來使用了GP和Hadoop平臺，現在轉變為使用ODPS平臺；數據處理模式也從原來的T+1處理模式轉變為實時處理模式，每筆交易的欺詐檢測可以在萬分之一秒內完成。阿里巴巴的數據來自于淘寶、天貓、支付寶、高德地圖和其他來源。這一系統保障所有的買家和賣家可以快速和安全地進行交易。市場營銷、金融部門和商戶使用這些數據進行精準營銷，并提供個性化的客戶服務。阿里巴巴的大數據風險管理體系包括以下幾個方面。一是以新的機制和算法搭建的風險防范框架（見圖1）。支付寶使用的多層次風險防范架構，可以從以下五個層次對每一筆交易進行欺詐防范：（1）賬戶檢查，（2）設備檢查，（3）活動檢查，（4）風險策略，（5）手工復審。二是實時欺詐監控系統CTU，追蹤和分析賬戶和用戶的行為，使用人工智能技術識別可疑的活動并采取不同層級的應對措施；同時，關注大額交易、可疑的退款交易、反洗錢、市場欺詐、丟失卡、被盜卡和賬戶交易。三是欺詐風險模型和RAIN評分。四是社交網絡分析，使用平行圖形算法和特殊圖儲存來處理大量的網絡聯系圖，找出不同主體之間的聯系。

（二）騰訊

截至2015年第三季度末，QQ活躍用戶數達到了8.6億人，微信已經擁有6.5億活躍用戶，微信和QQ已經綁定了2億張銀行卡。2015年初，騰訊成立了微眾銀行，所有的業務都是通過網上進行。微眾銀行的一個主要的創新是使用了大數據，主要策略是向微信用戶提供信用貸款，鼓勵他們在指定商戶消費。騰訊還將推出會員計劃和積分計劃，以鼓勵用戶使用微信支付。騰訊大數據平臺有以下核心模塊：第一，TDW。用來做批量的離線計算，支持百PB級數據的離線存儲和計算，提供大數據平臺支撐和決策支持。第二，TRC。其是騰訊的實時計算平臺，負責做流式的實時計算，對時間敏感的業務提供海量數據實時處理服務。第三，TDBank。其是數據實時收集與分發平臺，作為統一的數據采集入口，為離線計算TDW和在線計算TRC平臺提供數據支持。第四，Gaia。其是統一資源調度平臺，負責整個集群的資源調度和管理，讓應用開發者像使用一臺超級計算機一樣使用整個集群，簡化了開發者的資源管理邏輯。騰訊基于以上幾大基礎平臺的組合聯動，打造出了多種數據產品及服務，如廣點通、實時多維分析、秒級監控、騰訊分析、信鴿等。對于廣點通廣告推薦而言，用戶在互聯網上的行為能實時地影響其廣告推送內容，在用戶下一次刷新頁面時，就提供給用戶精準的廣告；對于在線視頻和新聞而言，用戶的每一次收藏、點擊、瀏覽行為，都能被快速地歸入他的個人模型中，立刻修正視頻和新聞推薦。此外，騰訊還通過TOD（TencentOpenData）產品，將其大數據平臺的各種能力及服務開放給外部第三方開發者。

（三）京東

截至2015年底，京東商城已經擁有1億名活躍用戶，年收入達到200億美元。2015年6月，京東與美國大數據分析公司ZestFinance合作，推出了中國消費者信用數據系統。由這家公司評估用戶的風險，并向京東商城的用戶提供購物分期貸款，還向公司客戶提供征信分析服務。京東商城以大數據為基礎提供京東白條貸款，并輸出大數據征信，將征信數據變現為信用資產。京東金融經常性地發行基于京東白條的ABS產品。針對業務數據的快速增長，京東在2012年啟動了大數據平臺的搭建。京東的大數據平臺基于分布式的技術，支持異構數據集市，實現了分布式架構與傳統BI工具的有機融合。京東的IT包括三層結構：技術層、服務層、應用層，建立了四個平臺：技術平臺、大數據平臺、電商API平臺、應用平臺。其中的大數據平臺包括：（1）調度平臺，將任務在不同的服務器之間進行調度。（2）數據集成開發平臺，為數據分析師和業務部門數據需求人員提取數據提供方便。（3）數據知識管理平臺。（4）京東分析師，提供對數據的可視化處理和分析能力。（5）數據挖掘平臺，在基礎的機器學習算法之上，可以根據實際業務開發定制算法，滿足算法應用場景。（6）數據質量監控平臺。京東對大數據的應用體現在如下幾個方面：第一，提供精準營銷。京東將其擁有的電子商務全過程價值鏈的所有數據引入用戶畫像的建模過程，以更精準地描繪客戶的全方位特征，使推薦、廣告和搜索更加智能化地服務于用戶。第二，優化供應鏈中庫存、配送的管理。第三，提供個性化的智能服務。通過對海量用戶評論數據進行挖掘，嘗試了解客戶意圖，為商品打上不同的標簽，對個人重復購買的商品，主動到期向其進行推介。第四，提供賣方信用貸款和供應鏈融資服務。根據用戶交易記錄和行為習慣，給出客戶相應的貸款額度。

（四）信而富

2009年，信而富完成了100多萬信貸客戶的風險篩選，與銀聯、建行、光大、興業、萬事達等銀行及機構合作，成為國內主要的風險管理服務商。2015年2月，信而富與騰訊合作，宣布已經向5000萬客戶預批了每人500元人民幣的貸款。這些客戶來自于QQ，這些貸款的批核是基于對這些用戶社交以及線上和線下財務信息的分析。信而富已經成為中國最大的線上貸款商，其預測，中國有5億潛在的借款人。2015年7月，信而富平臺借款交易筆數已突破250萬筆。這家公司的目標，是使用從多種渠道獲得的數據，對潛在的客戶進行信用評分，并通過手機應用平臺向他們推廣貸款。信而富采用了三大核心技術，分別是事先批準、自動決策及風險定價技術。信而富在對客戶進行信用評估時，將使用的數據來源分為三塊：第一，人民銀行的征信報告；第二，合作的第三方征信數據，采集客戶的行為數據；第三，自己的數據采集，對平臺服務的客戶進行實地數據采集。信而富通過自動決策評分技術，從大量的數據中識別出優質客戶群，并提供相關驗證機制完善的評分系統。

二、國外信用卡行業對大數據的使用

（一）在發卡審批中的應用

紐約的大數據評分公司開發的大數據評分系統，能夠提高銀行客戶信用卡的審批通過率，同時降低信貸損失的風險。該系統對每位客戶可以從社交媒體、博客、隨機網站等多種渠道搜集數萬個外部數據，其來源包括網站搜索、線上行為、地址調查等，并在此基礎上評估客戶的信貸風險。當客戶提交信用卡申請的時候，銀行會查詢同一社區客戶的交易數據、客戶的網上行為和交易信息、當地商戶的交易信息以及這一IP地址的相關信息，并進行評分。2014年，該系統使被評估客戶的信用評分準確性提升了22%，銀行信用卡壞賬率從原來的7.5%下降到4.9%。一些銀行為了提高信用評分的準確性，從征信公司購買價格較為昂貴的正面信貸信息，作為授信評估的依據。大數據評分公司的這一方法，目前主要應用于信用記錄歷史較差的客戶，其評分的準確性甚至高于昂貴的正面信貸數據，從而給銀行帶來了更多的客戶和更好的貸款質量，減少了信貸風險，增加了利息和手續費收入。

（二）在營銷推廣中的應用

英國的ERN公司開發的Looop系統，將卡支付與商戶數據實時連接起來，實時捕捉和分析交易數據，幫發卡行和商戶創造更大的價值。商戶和銀行可以分析客戶的消費模式，并即時向客戶發送定制化的營銷推廣，增加客戶到訪量和運營效率。商戶可以在Looop平臺頁面上定制推廣，設定推廣的名稱、描述、優惠代碼、條形碼或二維碼、宣傳圖片和文字，定制開展推廣的分店和目標客戶群和他們的地理范圍。客戶登入手機上的Looop應用，可以看到在附近的不同商戶發來的交易優惠券和二維碼，客戶在結賬時出示這個優惠券即可享有優惠。商戶和銀行還能查看相關的卡交易和統計分析，幫助商戶實現銷售目標。

（三）改善客戶體驗方面的應用

美國的Adobe公司開發的Adobe營銷云系統，將客戶的多項體驗有機整合在一起，幫助銀行測試和改善客戶體驗。Adobe營銷云使用實時的互聯網、社交網絡和移動終端的數據，對客戶的行為進行實時分析，改善客戶在營銷活動中的體驗。客戶在銀行的網頁提交信用卡的申請之后，銀行在審批信用卡后會通過電子郵箱發送歡迎信，介紹信用卡的優惠和優點。客戶之后會通過電子郵箱收到高度互動性的對賬單，有各種信息的統計圖表及個性化的分析和營銷推廣資料，客戶可以即時在手機月結單的界面上申請辦理各種分期業務。這些界面全部是高度個性化和形象化的。銀行的后臺可以對客戶申請的圖表、網頁的架構、對賬單的布局進行分析和實時的修改，提高了客戶的個性化感受。

三、國內外銀行信用卡業務使用大數據的對比分析

（一）國內與國外銀行信用卡行業使用大數據的共同之處

借鑒國外銀行的經驗，國內銀行近年來在發卡、精準營銷、風險控制方面對大數據也有了較多的應用。

1.在發卡業務中的使用

大數據在發卡業務中的應用有兩種方式：一是多維度數據評分模型。即在信用卡審批中將多種渠道獲取的客戶數據作為發卡依據，擴大潛在客戶的范圍。例如，中信銀行建立了包括客戶個人信息、交易數據、客戶屬性、居住信息和線上交易、風險偏好、社交網絡活動的數據庫，根據多維數據評分來判斷是否發卡，擴大了潛在客戶的范圍。二是社交關系圈產品推薦。通過分析客戶公開的行業、職務等線下信息和論壇、版主、群主等線上信息，對新客戶和存量客戶的社會關系繪出相關社交關系圈圖譜，找出熱點客戶，向熱點客戶及其社交關系圈進行卡產品的推薦。

2.在實施精準營銷方面

的應用國內發卡行開展的大數據精準營銷，具體有三種方式：一是優惠實時推送。按照客戶的行為特點向不同客戶提供更具針對性的營銷活動，可以在客戶剛好滿足事先設定的金額、筆數條件的那次刷卡后馬上獲得，實現秒級營銷。二是基于地點的營銷。通過持卡人的交易信息分析，實時定位客戶交易所在商圈，由此推薦商圈內現有的營銷活動。三是差異化營銷活動。通過大數據分析，向具有不同交易行為特征的持卡人推薦差異化的優惠和服務。在客戶用卡過程中針對客戶的行為特點向客戶推介有針對性的商戶優惠活動。

3.在客戶服務中的應用

大數據在客戶服務中的使用主要包括兩種形式：一是價值評分模型決定的差異化服務。商業銀行利用客戶大量線上以及線下的數據，建立起客戶潛在價值評分模型，再根據模型評分，決定給客戶提供何種附加價值的服務。對于不同評分客戶的查詢來電接聽也有不同優先級的順序設置，有些銀行還針對客戶的不同評分等級提供不同的送卡服務。二是客戶挽留。通過數據挖掘進行流失分析，找出客戶流失的原因，再有的放矢地實施挽留策略。

4.在風險控制中的應用

大數據在風險管理中的應用主要有三種方式：一是開展欺詐風險監測。如中國銀行依托技術工具，提高風險決策的規范化與科學化，不斷優化和動態調整欺詐偵測規則參數，不斷優化風險計量模型。二是開展動態額度管理。如中國銀行利用大數據實施客戶的動態額度管理，用客戶過去的行為數據和規律，來判斷客戶未來信用好壞的概率，并對信用好的客戶調高信用額。三是實時精確的授信管理。利用大數據驅動技術挖掘行內客戶數據,以存量數據作參照，準確定位目標客戶并主動授信；同時，挖掘有效的風險識別因子，預測客戶交易所需授信額度。

（二）國內與國外信用卡行業使用大數據的差距

相比之下，國外銀行信用卡行業對大數據的使用更為精細化和深入。國外銀行除開展一般性的精準營銷和客戶維護外，還開展了以下應用。

1.注重口碑傳播

客戶的行為有時像多米諾骨牌一樣互相影響，據此，Ford公司在推出新產品之前，會挑選100名最有影響力的博主，邀請他們參加相關的活動。這一做法減少了營銷成本，提高了營銷效果。T-mobile公司還制定了客戶的影響力評分，用來識別最有影響力的客戶，了解他們的用卡行為趨勢。

2.優化定價策略

五三銀行（FifthThirdBank）使用產品定價分析引擎招募新客戶。該行運用大數據，分析測算在不同的定價水平下客戶的招募可能性和用卡消費水平，了解每個客戶分層愿意為一項產品和服務付出多少費用，從中找出不同客戶分層的差別化定價策略，并采取有競爭力的迎新策略。這一策略在航空售票業取得了豐碩的成果。

3.識別客戶流失臨界點

對客戶將來的行為進行預測，在合適的時間點采取必要的挽留措施，以減少重新激活客戶的成本。美國運通使用復雜的模型找出預測客戶流失的115個變量。2014年，該公司能夠準確地識別24%在未來四個月中流失的客戶，并及時采取措施防止客戶流失。客戶取消自動還款，或者在社交媒體、電話熱線上發出抱怨之后不久，就會取消賬戶。2012年，Tatra銀行使用預測客戶流失臨界點的方法，減少了30%的客戶流失。

4.渠道跟蹤

識別客戶在各渠道上的行為和切換動作，識別出能夠導致成功銷售的行為模式，為各渠道商提供關聯性更強的營銷信息，以提高客戶營銷的有效性。Vodafone將客戶在線上和移動客戶端的Cookie連接起來，使客戶在不同渠道上的購買行為能夠順暢連續，使客戶中斷購買行為大幅降低；GECapital公司使客戶在跨渠道的交易流程中更加順暢；而Moneymarket公司，在通過整合多渠道信息偵測到客戶旅游消費傾銷后，向客戶傳送旅游相關產品，使相關產品收入大幅度提升。

四、對我國商業銀行信用卡業務使用大數據的建議

（一）提升發卡業務自動化審批比例和審批速度

充分利用大數據提升發卡審批自動化。一是豐富審批數據來源。充分利用銀行內部的多種信息，整合全部產品線信息，并與人行、公安、銀聯、互聯網公司等外部機構合作，借助外部機構捕獲新鮮數據，作為客戶信用評估的依據。二是拓展線上申請渠道，開展快速審批，以提升各商業銀行目前的審批時間和線上的自動審批率（見表1、表2）；應優化網銀、移動互聯網終端申請業務處理流程，拓展外部合作，增加互聯網獲客的數量；要開展快速審批，提升信用卡授信準確性。三是開展預授信和場景營銷發卡。在商戶中拓展消費分期和信用卡申請審批業務，擴大商家消費額和卡量。

（二）全方位提升客戶體驗

一是培養一支既熟悉業務管理又精通數理分析的大數據人才隊伍，積累大數據使用經驗，對授信發卡、服務定價、客戶服務、優惠營銷、客戶挽留、風險管理的流程進行梳理，提升大數據的應用水平。二是開展客戶情緒分析、客戶流失臨界點預測、客戶跨渠道行為分析、客戶精準定價、監控客戶評論、識別下一購買產品、識別熱點客戶等大數據的高階應用。三是提供個性化互動式的服務。利用大數據和云計算的技術，為銀行客戶提供線上和線下相結合的O2O服務渠道。線上服務模式包括網銀、手機銀行、微信服務平臺等多種電子化服務渠道，線下服務模式包括存取款機、自助服務終端、物理網點等。要將線上電子化渠道和線下物理網點渠道結合起來，打造綜合金融服務體系，提供互動式、個性化、高度相關的營銷與服務。

（三）加快發展電商平臺

目前工行、建行等為積累商戶和客戶數據，均大力發展電子商務平臺。工商銀行的電商平臺的交易量已經在全國排名第三，僅次于天貓和京東商城。商業銀行應面向未來，實現電商平臺的跨越式發展，并以此積累商戶和客戶數據。一是增加商戶和客戶數量。通過提供汽車、食品、家電、數碼、家具用品等門類齊全的商品，擴大電商平臺上的商戶數量和客戶數量，積累商戶和客戶行為數據；同時擴大分期交易額，增加業務收入。二是推出金融服務產品和金融產品搜索平臺，打造跨機構的金融產品搜索平臺，吸引客流，積累客戶行為數據，擴大客戶基礎。

（四）利用大數據開展多項業務的交叉銷售

開展個金業務交叉銷售與精準營銷。一是設計符合客戶特點的產品組合。創新理財產品，研究理財產品、客戶存款額度、使用信用卡的規律，設計符合其理財偏好的理財產品；創新信貸產品，針對不同地域，研究不同資產狀況、不同特點客戶的差異化產品需求，向客戶提供更加豐富、個性化的產品組合。二是與證券、保險、信托、電子商務、互聯網公司等合作伙伴實現產品與服務的跨界融合，共享客戶資源，建立起數字化生態系統，提供有針對性的服務。

參考文獻：

[1]何開宇.國外個人金融業務創新.北京,中國金融出版社：2013

[2]肖承杭、劉君.大數據在商業銀行信用卡交叉營銷中的應用研究.中國金融電腦,2015（8)

[3]孫良瑜.大數據時代下的信用卡業務營銷.現代商業,2015（7)

作者:何開宇 單位:中國銀行總行銀行卡中心