金融业妙用Big Data　从数据中找黄金

有人曾经形容，推动巨量数据应用，就好比先铲下一大把沙子，再从沙砾中挖掘黄金；由于沙子含金量不见得高，所以挖掘过程难免辛苦，但一旦真能找到价值不菲的黄金，一切辛苦代价都很值得。

经营百货、量贩零售、连锁加盟店或电子商务的企业，不时需要面对为数庞大、但忠诚度未必很高的顾客群，如何让广大顾客愿意在自己的场域里消费，甚至愿意扩大消费规模，无疑是一门不得不做、却又不容易做的苦功，所以推动巨量数据加值应用的迫切性很高。

同样的道理，以消金(消费型金融)为首的金融事业，一样面对为数庞大、但忠诚度未必很高的顾客群，一样企盼顾客多加关照自己、不做他想，一样希望从口袋掏出更多钱，选用更多商品与服务；在此前提下，金融业投入巨量数据淘金热潮，自然也是合情合理；唯一不同之处在于，金融业是一个必须接受政府高度管制的行业，有许多法令规章亟待遵循，比方说，即使同一金控集团旗下，拥有从事不同业别的个体，然不同个体间意欲交互运用个别客户数据，是受到法令限制的，所以金融业推动巨量数据应用，或许没办法像零售业那般大开大阖，或许需要融入更多精巧的设计。

以银行而论，能够靠着巨量数据分析，做到哪些事情？若将守势、攻势予以区隔，关于守势部分，被需要优先被满足的，即是遏止诈骗或非法洗钱等不当行径，以避免银行蒙受不必要的钱财或商誉损失。

透过Big Data　信用卡诈骗无所遁形
例如墨西哥的Banco银行，长期饱受层出不穷的信用卡侧录盗刷事件困扰，亟欲追溯并捣毁犯罪集团的源头，无奈迟迟找不出正确的章法，倘若运用传统数据分析技术，难免旷日费时，完全跟不上犯罪集团的蔓延速度，几经苦思，决定采用巨量数据分析技术，并找来大批统计专家助阵，再根据盗刷时间、盗刷地区等复杂数据维度进行抽丝剥茧，终能利用短短不到一天的分析时间，从看似庞杂的事件中理出头绪，成功将不宵份子一网成擒，让该银行得以迅速止血，此一案例，无疑为巨量数据分析应用，做了非常漂亮的诠释。

无独有偶，身为全球业务量排名第一的信用卡发卡组织VISA，也凭藉巨量数据分析技术，巧妙化解了信用卡诈骗、盗领等事件的侵扰。VISA何以必须仰赖巨量数据分析技术？只因为其握有全球规模最大的付费网络系统VisaNet，藉以执行信用卡的支付验证，每天需要处理逾1亿次的授权交易，并与数以百万计的ATM进行连线存取，所以每天皆会新增上亿笔交易记录，一年累积下来，数据量少说数十TB，要在如此庞大的数据中分析数亿个帐户之间的关联，运用传统数据分析技术，并非做不到，但是必须花上至少一个月时间。

此一分析与防制速度，能够实时应付此起彼落的伪卡交易？答案显然是否定的，缘于此故，VISA在4年前决定导入Hadoop，运用分散式运算架构处理并分析大量数据，结果硬是将原本得历时一个月的分析时间，大幅缩短到15分钟内完成，终至能以最快速度洞悉各地的可疑交易，旋即对银行提出预警，竭尽所能遏阻诈骗交易。

举例来说，当某一使用者在英国伦敦刷卡消费，结果此后不到几分钟，又在香港进行刷卡，这种明显悖逆常理的交易行为，看似容易防制，但若仅倚靠过往技术，其实仍有极高难度；如今VISA运用巨量数据分析技术，即可在第一时间察觉异状，力阻相同事件在各地扩散之势。

另一方面，以个资法为例，无庸置疑的，金融业肯定是最容易触法的重点产业之一，台湾即有若干寿险业者，为了避免自己沦为泄露个资的疑犯而不自知，遂由IT部门设计了「爬虫」，随时针对各个公开媒体进行查找，一旦收集到疑似个资外泄的结果，再加以分类整理，进一步研判这些泄露在外的个资，究竟是否为自己所流出，以便于实时采取因应对策。

而这些数据蒐集与过滤的历程，并非一蹴可几，而是历经了浩大工程，确实得来不易，考量及此，该寿险业者也正在认真思索，如何从这个数据洪流里挖掘个中价值，进而对业务部门产生助益，由此开启了无限的想像空间。

藉由精准推荐　实现以客为尊
至于攻势部分，则一如零售等其他产业的应用情境，意即从大量顾客的行为记录中，找出值得耕耘的商业契机。例如位在西班牙的Santander银行，利用巨量数据分析技术挖掘顾客的近期需求，进而在每周发送给顾客的信息中，个别巧妙置入该顾客可能深感兴趣的商品暨相关优惠信息，借此带动顾客采购频度与数量的提高，终至为该行创造可观利润。

新加坡花旗银行则是将巨量数据应用触角予以延伸，不仅用以带动自家商品或服务的销售业绩，也将与之合作的外部商家、餐厅纳入整条应用价值链，利用消费者的信用卡交易记录加以分析研判，继而适时提供相关商家或餐厅的优惠信息。举例来说，某一消费者采纳了新加坡花旗银行所提供的此项推荐服务，后端系统便会根据他的所有刷卡交易历程，包含消费时间或地点等等，分析其购物与饮食习惯，譬如偏好吃泰国菜；某天傍晚时刻，该名消费者在一地刷卡购物后，银行便随即传送信息，告知他身处的周遭，有关于邻近泰式餐厅的优惠信息。

值得一提的，新加坡花旗银行所运用的巨量数据分析系统，还具备了自我学习、进步的功能，也就是说，银行为消费者提供商品推荐信息后，当然有的会获得采纳，有的则不获青睐，所以系统会根据采纳推荐的比例，持续提高后续推荐的精准度，期许带给消费者更大的贴心与便利。

可以而知，假设你身为银行业的业务主管，身处在百家争鸣的激烈竞局中，你做到精准推荐，而同业或许做不到、或许不如你做得到位，如此一来，你在消费者眼里，就多了一份别人所不具备的附加价值，那麽你在竞局中脱颖而出的胜算，自然比同业高出一大截，由此可见巨量数据分析，确实魅力无穷。

即便后起之秀　亦能扭转市场游戏规则
另外，巨量数据亦是改变金融产业竞争格局的触媒，为一些新兴业者，提供了切入市场的契机。例如保险业界有部分后起之秀，便运用巨量数据开启了有别传统的商业模式，透过诸如刹车频率、行车速度等驾驶行为进行分析比对，据此研判该名驾驶出现意外事故的机率，再根据机率大小弹性收受不同等级的保费，换言之，驾驶行为者，即可适用于较低的保费，然而习惯性采取危险驾驶的族群，保费则急遽升高，终至能站在保险业者的经营角度，于利润、风险两端天平之间，巧妙找出最佳的平衡点。

从事小额贷款服务的新兴业者ZestCash，一向标榜「让人人都能贷款」，让人不禁好奇，何以有业者愿意甘冒高风险，承作一些已遭金融机构拒于门外的贷款业务，其中的奥妙就在巨量数据分析。一般银行通常取决FICO信用卡记录评分，来决定是否放款，但此一评分机制仅考量不到20种变量，难免失之偏颇，而ZestCash则是利用巨量数据分析技术探测数千个变量，所以能够巧妙挖掘出更多真相，一些被银行认定为高风险的贷款案件，到了ZestCash手中，可能变成偿债能力无虞的贷款案件，一来一往之间，后者做到更多生意，却未必承担更大风险，得以在市场中杀出重围，全都归功于巨量数据。