金融或零售業 皆可透過大數據開創大商機

新創金融公司ZestCash活用大數據分析，得以跳脫銀行業慣用的FICO評分模式，藉由數千個線索有效評斷客戶風險等級，進而帶動貸款業務量激增。ZestCash

若以行業別而言，每逢談論大數據應用綜合價值潛力，舉凡金融保險、零售批發等垂直領域，都可謂名列前茅，也備受市場矚目；因此接下來的篇幅，就讓我們看看，這些產業如何靠大數據玩出大名堂。

多年前有一部名為「魔球」的影片，由知名影星布萊德彼特(Brad Pitt)擔綱演出，其靠著數據分析，顛覆傳統的球員佈局方式，成功帶領原本在美國西區聯盟墊底的奧克蘭運動家，搖身一變成為追平美國大聯盟(MLB) 20連勝紀錄的精銳部隊。

這套「魔球策略」，不僅是電影裡頭的虛幻情節，也是真實世界中的致勝法寶，例如波士頓紅襪隊，便運用此一策略，在2004年勇奪世界大賽冠軍。時至今日，MLB更進一步運用大數據分析，對於諸多球隊的決策動向，產生了顯而易見的影響。

比方說，有的球隊在球場內配置超過20個資料收集器，詳加記錄投手的投球速度、及打者的揮擊角度，一場球賽甚至可能產生高達7TB巨量資料；接著球隊運用諸如PITCHf/x、HITf/x等先進分析系統，試著從前述大量數據中挖掘珍貴線索，藉此追蹤球員表現、制定戰術，甚至作為球員交易的決策依據，更令人嘖嘖稱奇的，某些球員在特定場景下，經常出現異於平常的水準，例如有些投手不管當日狀況好壞，在客場主投時吞敗機率飆高，然而其餘有些投手卻呈現相反態勢，這些發現，對於球隊堪稱深具價值，足以據此提升戰績。

當然，大數據應用在運動場域，並非職棒的專利，職籃球團也開始比照辦理，藉以分析選手的出手位置，與投籃命中率之間的關聯性，嘗試找出如何提升球隊得分效率的方法。

善用大數據力量  實現Bank 3.0

綜上所述，足見以往側重於體力、技巧或天份的運動產業，都開始熱情追逐大數據分析，由此可見，競爭態勢更顯激烈的商業世界，自然也會將大數據視為決勝利器。

刻正遭受互聯網金融公司步步進逼的銀行業，便是頗需要倚靠大數據重振雄風的典型例子。20多年前，比爾蓋茲(Bill Gates)曾說過一句名言：「Banking is essential. Banks are not.」意指銀行業務的確不可或缺，但未必非得由銀行來執行不可，言下之意，銀行都需要認真思索未來經營模式；20多年過去了，Brett King在2012年出版一本名為「Bank 3.0」書籍，主張銀行不再是一個地方、而是一種行為，建議銀行應正視社群媒體、行動裝置、行動支付等新浪潮的崛起，連帶觸發了全球銀行產業的升級轉型趨勢。

影響所及，結合銀行傳統服務內容，及網路、行動等科技力量的「FinTech」，近年來猶如滾雪球般愈滾愈大，成為現今金融業界的頭號顯學，也對台灣銀行業生態造成愈趨顯著的影響，影響層面含括實體分行逐漸減少、紛紛設立數位金融部門，乃至於人才需求出現重大轉折，尤其嫻熟大數據分析的好手，更是銀行亟欲延攬的首要戰將。

究竟銀行業可以憑藉大數據，營造哪些競爭優勢？其實只需藉由網路搜尋，便可找到眾多相關素材。比方說，花旗銀行看上了曾在美國益智問答節目「Jeopardy」大放異采的IBM Watson(超級電腦)，決定予以引進，期望藉助其大數據處理能力，用以挖掘商機，而商機類型涵蓋多種面向，譬如降低欺詐或洗錢交易的發生機率，再者則是促使預測分析、消費者洞察等兩個重要的數據源進行對接，據此隨時變換行銷遊戲規則，創造最大的市場迴響。

此外，在美國有一家名為ZestCash的新創金融公司，其主要業務，乃是針對一些信用記錄不良、抑或沒有信用卡歷史的使用者，提供貸款服務。該公司與一般銀行之間的最大差異，在於對大數據倚賴程度極高，因而得以大幅超越銀行慣用的FICO評分模式(取決於15~20種變數)，根據多達數千個線索，來評斷顧客的風險等級，甚至連顧客在ZestCash網站的停留時間長短，都被列為觀察指標；所以一些其實不乏還款能力、但卻礙於某些因素被銀行拒於門外的人，便成為ZestCash的目標客戶，為其挹注可觀的營收。

結合地理資訊視覺化  探索金融業務成敗真因

至於台灣的銀行，是否也開始採用大數據分析？答案是肯定的。某家銀行，採用了一項能夠支援地理資訊視覺化的大數據分析工具，藉以進行ATM設置地點與銀聯卡刷卡交易量之間的關聯分析，探索該行為何積極簽了不少銀聯卡特約商店，但交易量始終不如預期的主因；後來發現，只要特約商店鄰近設有ATM提款機，則提款金額始終偏高，但銀聯卡刷卡金額卻逆勢走低，研判商家可能考量誘因不足，故而傾向引導上門消費的陸客支付現金，使得該銀行亟欲推展的銀聯卡刷卡業務淪於低檔盤旋。

於是乎，該銀行決定加強宣傳，並重新設計更具誘因的促銷方案，總算如願逐步提升了銀聯卡刷卡率。

無獨有偶，另一家台灣的銀行，也利用類似分析工具，旨在進行分行設立的分析，透過地理資訊找出所有金融機構交易最高的地區，藉以確認是否具備設點潛力，如果有，再接著分析是否與其他金融機構的據點接近；值得一提的，當地的人口增長狀況，乃至於薪資水平，都被納入設點潛力分析的重要環節。

在建立前述分析架構後，該銀行隨時針對業績排名居於倒數前十名的據點，深入檢討是否為地點因素所致，倘若經過確認的確如此，便採取諸如遷移等相對應舉措。

採取個性化行銷  助零售業創銷售高峰

另外不可諱言，亟欲朝向「以客戶為中心」目標進行業務轉型的零售批發產業，也開始積極採用大數據分析技術，據以掌握先機，實現最大商業價值；放眼全球，尤其是歐美世界，相關成功案例可謂不勝枚舉。

譬如美國頗具知名度的連鎖百貨公司梅西百貨(Macy's)，有鑑於大數據分析的重要性，決定於內部成立線上客戶洞察部門，運用大數據產出全通道的客戶洞察結果，據此改善個性化行銷方案與廣告策略，也一併深入分析線上行銷活動對於實體店面銷售的交互影響，終至成功帶動線上業務起飛，由傳統的線下經營模式，成功轉型為全通路經營格局。

在美國擁有超過千個據點的女裝零售商Chico's，幾年前開始感受到傳統經營模式逐漸陷入頹勢，於是決定善加利用多年累積的客戶資訊，藉以驅動有效的商業決策，進而扳回一城；惟該公司考量IT實力不足，所以遍尋能夠易於業務人員自助操作的預測分析和資料採集工具，最後決定引進行銷自動化系統，幫助業務人員快速整合眾多品牌的商品資訊。

在引進行銷自動化工具後，Chico's藉以規劃假日促銷活動，按客戶屬性進行細膩分類，從而分門別類適用不同推廣方案，結果立即產生綜效，單季盈餘從前一年度的負4,200萬美元，轉虧為盈至1,700萬美元，顯見成效驚人。

而在台灣，商業發展研究院也跟隨大數據分析潮流，發展SBI服務業雲端智慧商情決策支援系統，期望藉由大數據，幫助台灣零售業者釐清「地點。地點。地點」、「競爭對手是誰」、「產品怎麼賣」，及「通路怎麼選」等關鍵環節，再經由產業產品特質及通路商情分析過程，終至產生目標商圈市場匹配建議，避免盲目設立成效不彰的據點，也稱得上是可行之計。