信用卡行业对商业银行的启示范文

《国际金融杂志》2016年第10期

摘要：

我国互联网行业巨头凭借海量客户资源，建立了以大数据应用为中心的商业模式，并迅速向金融领域扩张。大数据已经成为重塑我国银行业竞争格局的重要力量。近年来，国内外信用卡行业对大数据的使用包括发卡审批、商户营销推广、改善客户体验、风险控制等几个方面。鉴此，对我国商业银行提出如下建议：（1）提升发卡业务自动化审批比例和审批速度；（2）加快发展电商平台；（3）全方位提升客户体验；（4）利用大数据开展多项业务的交叉销售。

关键词：

信用卡；大数据；互联网；营销创新；风险控制

大数据是依赖于有更强决策力、洞察发现力和流程优化力的新处理模式的海量信息资产，其本质是对大容量数据的高速捕捉、发现和分析，获取对未来趋势发展的判断和推测。我国互联网行业巨头和商业银行在使用大数据方面，取得了快速的发展,大数据的使用将为信用卡业务发展带来巨大的契机。

一、互联网巨头对大数据的使用情况

阿里巴巴、腾讯、京东商城拥有数据资产的类型基本相同，他们的数据应用场景有共同的体系。该体系一共分为七层：数据基础平台、业务运营监控、客户体验优化、精细化运营和营销、数据对外服务及辅助市场传播、业务经营分析、战略分析。在具体的业务发展场景和大数据使用方面，各互联网巨头又各有特点。

（一）阿里巴巴

在过去的10年里，阿里巴巴快速成长。2005年，其每日交易量尚不足1万笔；而2015年11月11日的交易额，已达到912亿元。2015年底，阿里巴巴在其淘宝和天猫网站上有3.5亿多注册用户和3700万小企业用户。2007年阿里巴巴与建设银行合作开发了阿里贷款，由建设银行运营，阿里巴巴将电子商务的信息提供给建设银行，以使建行可以更好地进行贷款决策。2011年起，由于阿里巴巴向建设银行索要高额的数据报酬，双方合作终止。此后，阿里巴巴开始使用阿里金融网站发放贷款。截至2014年2月底，阿里巴巴向70万家中小企业发放了1700亿元贷款，每笔贷款的平均成本为0.3元人民币，是传统贷款成本的千分之一，而坏账率却小于1%。2014年4月，阿里巴巴开启了招财宝平台，小企业和个人可以在招财宝上申请贷款，当月贷款规模即达到140亿元人民币。2014年7月，阿里巴巴启动了开放数据处理服务（ODPS），这个项目使用100多个模型，每天处理800亿条数据，对借款人的信用进行评估。而该平台只有70名员工，所有的贷款都是通过机器自动审批，没有人工干预。2015年，阿里巴巴成立了芝麻信用公司，提供消费者和小企业的信用评估，帮助评估借款人的信用情况，并提供贷款和小额融资等服务。2015年6月，阿里巴巴旗下的浙江网商银行成立。这是一家云端的互联网银行，主要服务对象是农村客户。网商银行的数据来自于芝麻信用。蚂蚁金服计划向小企业和消费者发放500万元以下的贷款，网商银行计划在未来的5年里向1000万中小企业发放贷款。为适应交易笔数以几何级数的增长，数据计算、处理和存储也必须不断升级换代。2009年，阿里巴巴使用的是RAC平台，后来使用了GP和Hadoop平台，现在转变为使用ODPS平台；数据处理模式也从原来的T+1处理模式转变为实时处理模式，每笔交易的欺诈检测可以在万分之一秒内完成。阿里巴巴的数据来自于淘宝、天猫、支付宝、高德地图和其他来源。这一系统保障所有的买家和卖家可以快速和安全地进行交易。市场营销、金融部门和商户使用这些数据进行精准营销，并提供个性化的客户服务。阿里巴巴的大数据风险管理体系包括以下几个方面。一是以新的机制和算法搭建的风险防范框架（见图1）。支付宝使用的多层次风险防范架构，可以从以下五个层次对每一笔交易进行欺诈防范：（1）账户检查，（2）设备检查，（3）活动检查，（4）风险策略，（5）手工复审。二是实时欺诈监控系统CTU，追踪和分析账户和用户的行为，使用人工智能技术识别可疑的活动并采取不同层级的应对措施；同时，关注大额交易、可疑的退款交易、反洗钱、市场欺诈、丢失卡、被盗卡和账户交易。三是欺诈风险模型和RAIN评分。四是社交网络分析，使用平行图形算法和特殊图储存来处理大量的网络联系图，找出不同主体之间的联系。

（二）腾讯

截至2015年第三季度末，QQ活跃用户数达到了8.6亿人，微信已经拥有6.5亿活跃用户，微信和QQ已经绑定了2亿张银行卡。2015年初，腾讯成立了微众银行，所有的业务都是通过网上进行。微众银行的一个主要的创新是使用了大数据，主要策略是向微信用户提供信用贷款，鼓励他们在指定商户消费。腾讯还将推出会员计划和积分计划，以鼓励用户使用微信支付。腾讯大数据平台有以下核心模块：第一，TDW。用来做批量的离线计算，支持百PB级数据的离线存储和计算，提供大数据平台支撑和决策支持。第二，TRC。其是腾讯的实时计算平台，负责做流式的实时计算，对时间敏感的业务提供海量数据实时处理服务。第三，TDBank。其是数据实时收集与分发平台，作为统一的数据采集入口，为离线计算TDW和在线计算TRC平台提供数据支持。第四，Gaia。其是统一资源调度平台，负责整个集群的资源调度和管理，让应用开发者像使用一台超级计算机一样使用整个集群，简化了开发者的资源管理逻辑。腾讯基于以上几大基础平台的组合联动，打造出了多种数据产品及服务，如广点通、实时多维分析、秒级监控、腾讯分析、信鸽等。对于广点通广告推荐而言，用户在互联网上的行为能实时地影响其广告推送内容，在用户下一次刷新页面时，就提供给用户精准的广告；对于在线视频和新闻而言，用户的每一次收藏、点击、浏览行为，都能被快速地归入他的个人模型中，立刻修正视频和新闻推荐。此外，腾讯还通过TOD（TencentOpenData）产品，将其大数据平台的各种能力及服务开放给外部第三方开发者。

（三）京东

截至2015年底，京东商城已经拥有1亿名活跃用户，年收入达到200亿美元。2015年6月，京东与美国大数据分析公司ZestFinance合作，推出了中国消费者信用数据系统。由这家公司评估用户的风险，并向京东商城的用户提供购物分期贷款，还向公司客户提供征信分析服务。京东商城以大数据为基础提供京东白条贷款，并输出大数据征信，将征信数据变现为信用资产。京东金融经常性地发行基于京东白条的ABS产品。针对业务数据的快速增长，京东在2012年启动了大数据平台的搭建。京东的大数据平台基于分布式的技术，支持异构数据集市，实现了分布式架构与传统BI工具的有机融合。京东的IT包括三层结构：技术层、服务层、应用层，建立了四个平台：技术平台、大数据平台、电商API平台、应用平台。其中的大数据平台包括：（1）调度平台，将任务在不同的服务器之间进行调度。（2）数据集成开发平台，为数据分析师和业务部门数据需求人员提取数据提供方便。（3）数据知识管理平台。（4）京东分析师，提供对数据的可视化处理和分析能力。（5）数据挖掘平台，在基础的机器学习算法之上，可以根据实际业务开发定制算法，满足算法应用场景。（6）数据质量监控平台。京东对大数据的应用体现在如下几个方面：第一，提供精准营销。京东将其拥有的电子商务全过程价值链的所有数据引入用户画像的建模过程，以更精准地描绘客户的全方位特征，使推荐、广告和搜索更加智能化地服务于用户。第二，优化供应链中库存、配送的管理。第三，提供个性化的智能服务。通过对海量用户评论数据进行挖掘，尝试了解客户意图，为商品打上不同的标签，对个人重复购买的商品，主动到期向其进行推介。第四，提供卖方信用贷款和供应链融资服务。根据用户交易记录和行为习惯，给出客户相应的贷款额度。

（四）信而富

2009年，信而富完成了100多万信贷客户的风险筛选，与银联、建行、光大、兴业、万事达等银行及机构合作，成为国内主要的风险管理服务商。2015年2月，信而富与腾讯合作，宣布已经向5000万客户预批了每人500元人民币的贷款。这些客户来自于QQ，这些贷款的批核是基于对这些用户社交以及线上和线下财务信息的分析。信而富已经成为中国最大的线上贷款商，其预测，中国有5亿潜在的借款人。2015年7月，信而富平台借款交易笔数已突破250万笔。这家公司的目标，是使用从多种渠道获得的数据，对潜在的客户进行信用评分，并通过手机应用平台向他们推广贷款。信而富采用了三大核心技术，分别是事先批准、自动决策及风险定价技术。信而富在对客户进行信用评估时，将使用的数据来源分为三块：第一，人民银行的征信报告；第二，合作的第三方征信数据，采集客户的行为数据；第三，自己的数据采集，对平台服务的客户进行实地数据采集。信而富通过自动决策评分技术，从大量的数据中识别出优质客户群，并提供相关验证机制完善的评分系统。

二、国外信用卡行业对大数据的使用

（一）在发卡审批中的应用

纽约的大数据评分公司开发的大数据评分系统，能够提高银行客户信用卡的审批通过率，同时降低信贷损失的风险。该系统对每位客户可以从社交媒体、博客、随机网站等多种渠道搜集数万个外部数据，其来源包括网站搜索、线上行为、地址调查等，并在此基础上评估客户的信贷风险。当客户提交信用卡申请的时候，银行会查询同一社区客户的交易数据、客户的网上行为和交易信息、当地商户的交易信息以及这一IP地址的相关信息，并进行评分。2014年，该系统使被评估客户的信用评分准确性提升了22%，银行信用卡坏账率从原来的7.5%下降到4.9%。一些银行为了提高信用评分的准确性，从征信公司购买价格较为昂贵的正面信贷信息，作为授信评估的依据。大数据评分公司的这一方法，目前主要应用于信用记录历史较差的客户，其评分的准确性甚至高于昂贵的正面信贷数据，从而给银行带来了更多的客户和更好的贷款质量，减少了信贷风险，增加了利息和手续费收入。

（二）在营销推广中的应用

英国的ERN公司开发的Looop系统，将卡支付与商户数据实时连接起来，实时捕捉和分析交易数据，帮发卡行和商户创造更大的价值。商户和银行可以分析客户的消费模式，并即时向客户发送定制化的营销推广，增加客户到访量和运营效率。商户可以在Looop平台页面上定制推广，设定推广的名称、描述、优惠代码、条形码或二维码、宣传图片和文字，定制开展推广的分店和目标客户群和他们的地理范围。客户登入手机上的Looop应用，可以看到在附近的不同商户发来的交易优惠券和二维码，客户在结账时出示这个优惠券即可享有优惠。商户和银行还能查看相关的卡交易和统计分析，帮助商户实现销售目标。

（三）改善客户体验方面的应用

美国的Adobe公司开发的Adobe营销云系统，将客户的多项体验有机整合在一起，帮助银行测试和改善客户体验。Adobe营销云使用实时的互联网、社交网络和移动终端的数据，对客户的行为进行实时分析，改善客户在营销活动中的体验。客户在银行的网页提交信用卡的申请之后，银行在审批信用卡后会通过电子邮箱发送欢迎信，介绍信用卡的优惠和优点。客户之后会通过电子邮箱收到高度互动性的对账单，有各种信息的统计图表及个性化的分析和营销推广资料，客户可以即时在手机月结单的界面上申请办理各种分期业务。这些界面全部是高度个性化和形象化的。银行的后台可以对客户申请的图表、网页的架构、对账单的布局进行分析和实时的修改，提高了客户的个性化感受。

三、国内外银行信用卡业务使用大数据的对比分析

（一）国内与国外银行信用卡行业使用大数据的共同之处

借鉴国外银行的经验，国内银行近年来在发卡、精准营销、风险控制方面对大数据也有了较多的应用。

1.在发卡业务中的使用

大数据在发卡业务中的应用有两种方式：一是多维度数据评分模型。即在信用卡审批中将多种渠道获取的客户数据作为发卡依据，扩大潜在客户的范围。例如，中信银行建立了包括客户个人信息、交易数据、客户属性、居住信息和线上交易、风险偏好、社交网络活动的数据库，根据多维数据评分来判断是否发卡，扩大了潜在客户的范围。二是社交关系圈产品推荐。通过分析客户公开的行业、职务等线下信息和论坛、版主、群主等线上信息，对新客户和存量客户的社会关系绘出相关社交关系圈图谱，找出热点客户，向热点客户及其社交关系圈进行卡产品的推荐。

2.在实施精准营销方面

的应用国内发卡行开展的大数据精准营销，具体有三种方式：一是优惠实时推送。按照客户的行为特点向不同客户提供更具针对性的营销活动，可以在客户刚好满足事先设定的金额、笔数条件的那次刷卡后马上获得，实现秒级营销。二是基于地点的营销。通过持卡人的交易信息分析，实时定位客户交易所在商圈，由此推荐商圈内现有的营销活动。三是差异化营销活动。通过大数据分析，向具有不同交易行为特征的持卡人推荐差异化的优惠和服务。在客户用卡过程中针对客户的行为特点向客户推介有针对性的商户优惠活动。

3.在客户服务中的应用

大数据在客户服务中的使用主要包括两种形式：一是价值评分模型决定的差异化服务。商业银行利用客户大量线上以及线下的数据，建立起客户潜在价值评分模型，再根据模型评分，决定给客户提供何种附加价值的服务。对于不同评分客户的查询来电接听也有不同优先级的顺序设置，有些银行还针对客户的不同评分等级提供不同的送卡服务。二是客户挽留。通过数据挖掘进行流失分析，找出客户流失的原因，再有的放矢地实施挽留策略。

4.在风险控制中的应用

大数据在风险管理中的应用主要有三种方式：一是开展欺诈风险监测。如中国银行依托技术工具，提高风险决策的规范化与科学化，不断优化和动态调整欺诈侦测规则参数，不断优化风险计量模型。二是开展动态额度管理。如中国银行利用大数据实施客户的动态额度管理，用客户过去的行为数据和规律，来判断客户未来信用好坏的概率，并对信用好的客户调高信用额。三是实时精确的授信管理。利用大数据驱动技术挖掘行内客户数据,以存量数据作参照，准确定位目标客户并主动授信；同时，挖掘有效的风险识别因子，预测客户交易所需授信额度。

（二）国内与国外信用卡行业使用大数据的差距

相比之下，国外银行信用卡行业对大数据的使用更为精细化和深入。国外银行除开展一般性的精准营销和客户维护外，还开展了以下应用。

1.注重口碑传播

客户的行为有时像多米诺骨牌一样互相影响，据此，Ford公司在推出新产品之前，会挑选100名最有影响力的博主，邀请他们参加相关的活动。这一做法减少了营销成本，提高了营销效果。T-mobile公司还制定了客户的影响力评分，用来识别最有影响力的客户，了解他们的用卡行为趋势。

2.优化定价策略

五三银行（FifthThirdBank）使用产品定价分析引擎招募新客户。该行运用大数据，分析测算在不同的定价水平下客户的招募可能性和用卡消费水平，了解每个客户分层愿意为一项产品和服务付出多少费用，从中找出不同客户分层的差别化定价策略，并采取有竞争力的迎新策略。这一策略在航空售票业取得了丰硕的成果。

3.识别客户流失临界点

对客户将来的行为进行预测，在合适的时间点采取必要的挽留措施，以减少重新激活客户的成本。美国运通使用复杂的模型找出预测客户流失的115个变量。2014年，该公司能够准确地识别24%在未来四个月中流失的客户，并及时采取措施防止客户流失。客户取消自动还款，或者在社交媒体、电话热线上发出抱怨之后不久，就会取消账户。2012年，Tatra银行使用预测客户流失临界点的方法，减少了30%的客户流失。

4.渠道跟踪

识别客户在各渠道上的行为和切换动作，识别出能够导致成功销售的行为模式，为各渠道商提供关联性更强的营销信息，以提高客户营销的有效性。Vodafone将客户在线上和移动客户端的Cookie连接起来，使客户在不同渠道上的购买行为能够顺畅连续，使客户中断购买行为大幅降低；GECapital公司使客户在跨渠道的交易流程中更加顺畅；而Moneymarket公司，在通过整合多渠道信息侦测到客户旅游消费倾销后，向客户传送旅游相关产品，使相关产品收入大幅度提升。

四、对我国商业银行信用卡业务使用大数据的建议

（一）提升发卡业务自动化审批比例和审批速度

充分利用大数据提升发卡审批自动化。一是丰富审批数据来源。充分利用银行内部的多种信息，整合全部产品线信息，并与人行、公安、银联、互联网公司等外部机构合作，借助外部机构捕获新鲜数据，作为客户信用评估的依据。二是拓展线上申请渠道，开展快速审批，以提升各商业银行目前的审批时间和线上的自动审批率（见表1、表2）；应优化网银、移动互联网终端申请业务处理流程，拓展外部合作，增加互联网获客的数量；要开展快速审批，提升信用卡授信准确性。三是开展预授信和场景营销发卡。在商户中拓展消费分期和信用卡申请审批业务，扩大商家消费额和卡量。

（二）全方位提升客户体验

一是培养一支既熟悉业务管理又精通数理分析的大数据人才队伍，积累大数据使用经验，对授信发卡、服务定价、客户服务、优惠营销、客户挽留、风险管理的流程进行梳理，提升大数据的应用水平。二是开展客户情绪分析、客户流失临界点预测、客户跨渠道行为分析、客户精准定价、监控客户评论、识别下一购买产品、识别热点客户等大数据的高阶应用。三是提供个性化互动式的服务。利用大数据和云计算的技术，为银行客户提供线上和线下相结合的O2O服务渠道。线上服务模式包括网银、手机银行、微信服务平台等多种电子化服务渠道，线下服务模式包括存取款机、自助服务终端、物理网点等。要将线上电子化渠道和线下物理网点渠道结合起来，打造综合金融服务体系，提供互动式、个性化、高度相关的营销与服务。

（三）加快发展电商平台

目前工行、建行等为积累商户和客户数据，均大力发展电子商务平台。工商银行的电商平台的交易量已经在全国排名第三，仅次于天猫和京东商城。商业银行应面向未来，实现电商平台的跨越式发展，并以此积累商户和客户数据。一是增加商户和客户数量。通过提供汽车、食品、家电、数码、家具用品等门类齐全的商品，扩大电商平台上的商户数量和客户数量，积累商户和客户行为数据；同时扩大分期交易额，增加业务收入。二是推出金融服务产品和金融产品搜索平台，打造跨机构的金融产品搜索平台，吸引客流，积累客户行为数据，扩大客户基础。

（四）利用大数据开展多项业务的交叉销售

开展个金业务交叉销售与精准营销。一是设计符合客户特点的产品组合。创新理财产品，研究理财产品、客户存款额度、使用信用卡的规律，设计符合其理财偏好的理财产品；创新信贷产品，针对不同地域，研究不同资产状况、不同特点客户的差异化产品需求，向客户提供更加丰富、个性化的产品组合。二是与证券、保险、信托、电子商务、互联网公司等合作伙伴实现产品与服务的跨界融合，共享客户资源，建立起数字化生态系统，提供有针对性的服务。

参考文献：

[1]何开宇.国外个人金融业务创新.北京,中国金融出版社：2013

[2]肖承杭、刘君.大数据在商业银行信用卡交叉营销中的应用研究.中国金融电脑,2015（8)

[3]孙良瑜.大数据时代下的信用卡业务营销.现代商业,2015（7)

作者:何开宇 单位:中国银行总行银行卡中心