细致的轨迹分析，通透全代理银行「以客为尊」的应用和分析

Splunk资深技术谘询顾问陈哲闳。

银行全代理的客户使用轨迹非常多样化，包括ATM系统、各式网络服务、移动APP、电话客服中心、分行、理专及各种动态行销等，想要「一网打尽」实时收集客户的使用轨迹，也变得更加困难。但Splunk资深技术谘询顾问陈哲闳指出，初期其实可从金融服务的服务器端所蒐集的信息来做轨迹分析，未来甚至可直接从客户端终端设备来收集并加以分析。

事实上，透过Splunk的服务战情中心，已经可以掌握各种金融服务信息，如实时全代理使用量、最近30分钟交易失败笔数、最近30分钟超过3秒的笔数、待修的代理数量等。

如透过实时监控及使用分析，一旦发现系统负担过重(如缴学费的使用高峰期)，系统除了会提前警告并协助了解阻塞的原因(可能跟设备或联网服务有关)外，还可调配资源，解决系统负担过重的问题。

除了服务器端外，从Gateway或EAI也可以进行监控，而且许多金融服务能否顺利提供，还是跟硬件资源效能有关，掌握大型主机服务器CPU、存储器及硬盘的运作状况，仍有相当必要。

陈哲闳指出，实时数据收集要加以分析，才能做好实时风险管理。包括实时数据收集分析、「异常登入」活动实时监控、防诈欺管理(Ana-Fraud)、实时金融风险管理、转帐、汇款追踪分析、信用卡盗刷分析(个人、店家)、行员个人、高端主管及重要干部的行为分析，都可进行轨迹分析。

如输入客户信息后，只要选择分析时间范围(实时或历史)，除了基本数据外，客户拥有的总资产、商品数、最近交易笔数、使用手机型号、使用浏览器、ATM平均提款金额、信用卡平均帐单金额等信息，都可以一目了然。

透过行为轨迹分析，不仅可以做到实时风险管理，根据信用卡帐单、eDM、移动App等信息，还可以执行行销活动客户点选行为分析。陈哲闳表示，透过Splunk实时轨迹分析，和现有行销平台机制整合，不只可以做到精准行销，还可以更加实时，也因此可以提供更精准、更个人化的精准行销。

即使是未登入的客户，也可以使用Cookie、APP代号等信息进行分析，如发现客户利用手机浏览器看到网站促销活动时，因为不易浏览，改为下载手机APP后点选「结婚篇贷款」广告，就可提供无息分期信用卡行销活动，并根据所在地，告知最近的银行分行地址及电话。

如果是既有客户登入，还可以参考历史记录。如客户本身爱吃美食，在登入ATM选择在线申请贷款时，就可以提供美食优惠券，透过点选行为、使用装置、所在地等信息分析，提供相关精准行销，增加拥有商品数或转换率，不但可提升用户体验，也可增加银行营收。

如果受限于法令限制，部分金融商品无法在在线销售，也可以透过分析转给理专处理。陈哲闳指出，很多金控之所以无法提供整合服务，有可能是因为不同的金融商品数据，并没有做好整合，因此只要好好利用科技，就可以提升金融商品的销售效率。

但要能够分析客户行为轨迹，必须要有能力处理巨量数据。陈哲闳表示，Splunk最大的客户每天的数据量已经用到1.2+PB，Splunk绝对有信心可以将蒐集来的数据，转换成企业营运智能，并且可以因应不同的需求，以对应到不同的应用。

因为Splunk的处理数据的方式，不同于传统的结构性数据库，主要是利用查找引擎的原理，不用事先定义数据栏位，不用数据库，不需要事先过滤，因此可以处理非结构性数据，限制也因此变得比较少，也可以更实时收集所有的轨迹，进行问题追踪、主动监控和商业分析。

Splunk的巨量数据处理分析能力，已经有超过1,000种数据分析知识库和应用套件，还可提供包括IT维运管理、信息安全与内部稽核等一鱼多吃的数据分析，不管是使用者行为商业分析、信息安全个资防护防诈欺、金融应用各式服务使用分析、IT维运不中断及确保服务品质，都可针对金融业提供商务应用及价值。