金融業妙用Big Data　從資料中找黃金

有人曾經形容，推動巨量資料應用，就好比先剷下一大把沙子，再從沙礫中挖掘黃金；由於沙子含金量不見得高，所以挖掘過程難免辛苦，但一旦真能找到價值不菲的黃金，一切辛苦代價都很值得。

經營百貨、量販零售、連鎖加盟店或電子商務的企業，不時需要面對為數龐大、但忠誠度未必很高的顧客群，如何讓廣大顧客願意在自己的場域裡消費，甚至願意擴大消費規模，無疑是一門不得不做、卻又不容易做的苦功，所以推動巨量資料加值應用的迫切性很高。

同樣的道理，以消金(消費型金融)為首的金融事業，一樣面對為數龐大、但忠誠度未必很高的顧客群，一樣企盼顧客多加關照自己、不做他想，一樣希望從口袋掏出更多錢，選用更多商品與服務；在此前提下，金融業投入巨量資料淘金熱潮，自然也是合情合理；唯一不同之處在於，金融業是一個必須接受政府高度管制的行業，有許多法令規章亟待遵循，比方說，即使同一金控集團旗下，擁有從事不同業別的個體，然不同個體間意欲交互運用個別客戶資料，是受到法令限制的，所以金融業推動巨量資料應用，或許沒辦法像零售業那般大開大闔，或許需要融入更多精巧的設計。

以銀行而論，能夠靠著巨量資料分析，做到哪些事情？若將守勢、攻勢予以區隔，關於守勢部分，被需要優先被滿足的，即是遏止詐騙或非法洗錢等不當行徑，以避免銀行蒙受不必要的錢財或商譽損失。

透過Big Data　信用卡詐騙無所遁形
例如墨西哥的Banco銀行，長期飽受層出不窮的信用卡側錄盜刷事件困擾，亟欲追溯並搗毀犯罪集團的源頭，無奈遲遲找不出正確的章法，倘若運用傳統資料分析技術，難免曠日費時，完全跟不上犯罪集團的蔓延速度，幾經苦思，決定採用巨量資料分析技術，並找來大批統計專家助陣，再根據盜刷時間、盜刷地區等複雜資料維度進行抽絲剝繭，終能利用短短不到一天的分析時間，從看似龐雜的事件中理出頭緒，成功將不宵份子一網成擒，讓該銀行得以迅速止血，此一案例，無疑為巨量資料分析應用，做了非常漂亮的詮釋。

無獨有偶，身為全球業務量排名第一的信用卡發卡組織VISA，也憑藉巨量資料分析技術，巧妙化解了信用卡詐騙、盜領等事件的侵擾。VISA何以必須仰賴巨量資料分析技術？只因為其握有全球規模最大的付費網路系統VisaNet，藉以執行信用卡的支付驗證，每天需要處理逾1億次的授權交易，並與數以百萬計的ATM進行連線存取，所以每天皆會新增上億筆交易記錄，一年累積下來，資料量少說數十TB，要在如此龐大的資料中分析數億個帳戶之間的關聯，運用傳統資料分析技術，並非做不到，但是必須花上至少一個月時間。

此一分析與防制速度，能夠即時應付此起彼落的偽卡交易？答案顯然是否定的，緣於此故，VISA在4年前決定導入Hadoop，運用分散式運算架構處理並分析大量數據，結果硬是將原本得歷時一個月的分析時間，大幅縮短到15分鐘內完成，終至能以最快速度洞悉各地的可疑交易，旋即對銀行提出預警，竭盡所能遏阻詐騙交易。

舉例來說，當某一使用者在英國倫敦刷卡消費，結果此後不到幾分鐘，又在香港進行刷卡，這種明顯悖逆常理的交易行為，看似容易防制，但若僅倚靠過往技術，其實仍有極高難度；如今VISA運用巨量資料分析技術，即可在第一時間察覺異狀，力阻相同事件在各地擴散之勢。

另一方面，以個資法為例，無庸置疑的，金融業肯定是最容易觸法的重點產業之一，台灣即有若干壽險業者，為了避免自己淪為洩露個資的疑犯而不自知，遂由IT部門設計了「爬蟲」，隨時針對各個公開媒體進行搜尋，一旦收集到疑似個資外洩的結果，再加以分類整理，進一步研判這些洩露在外的個資，究竟是否為自己所流出，以便於即時採取因應對策。

而這些資料蒐集與過濾的歷程，並非一蹴可幾，而是歷經了浩大工程，確實得來不易，考量及此，該壽險業者也正在認真思索，如何從這個資料洪流裡挖掘箇中價值，進而對業務部門產生助益，由此開啟了無限的想像空間。

藉由精準推薦　實現以客為尊
至於攻勢部分，則一如零售等其他產業的應用情境，意即從大量顧客的行為記錄中，找出值得耕耘的商業契機。例如位在西班牙的Santander銀行，利用巨量資料分析技術挖掘顧客的近期需求，進而在每週發送給顧客的訊息中，個別巧妙置入該顧客可能深感興趣的商品暨相關優惠資訊，藉此帶動顧客採購頻度與數量的提高，終至為該行創造可觀利潤。

新加坡花旗銀行則是將巨量資料應用觸角予以延伸，不僅用以帶動自家商品或服務的銷售業績，也將與之合作的外部商家、餐廳納入整條應用價值鏈，利用消費者的信用卡交易記錄加以分析研判，繼而適時提供相關商家或餐廳的優惠訊息。舉例來說，某一消費者採納了新加坡花旗銀行所提供的此項推薦服務，後端系統便會根據他的所有刷卡交易歷程，包含消費時間或地點等等，分析其購物與飲食習慣，譬如偏好吃泰國菜；某天傍晚時刻，該名消費者在一地刷卡購物後，銀行便隨即傳送訊息，告知他身處的週遭，有關於鄰近泰式餐廳的優惠資訊。

值得一提的，新加坡花旗銀行所運用的巨量資料分析系統，還具備了自我學習、進步的功能，也就是說，銀行為消費者提供商品推薦訊息後，當然有的會獲得採納，有的則不獲青睞，所以系統會根據採納推薦的比例，持續提高後續推薦的精準度，期許帶給消費者更大的貼心與便利。

可以而知，假設你身為銀行業的業務主管，身處在百家爭鳴的激烈競局中，你做到精準推薦，而同業或許做不到、或許不如你做得到位，如此一來，你在消費者眼裡，就多了一份別人所不具備的附加價值，那麼你在競局中脫穎而出的勝算，自然比同業高出一大截，由此可見巨量資料分析，確實魅力無窮。

即便後起之秀　亦能扭轉市場遊戲規則
另外，巨量資料亦是改變金融產業競爭格局的觸媒，為一些新興業者，提供了切入市場的契機。例如保險業界有部分後起之秀，便運用巨量資料開啟了有別傳統的商業模式，透過諸如剎車頻率、行車速度等駕駛行為進行分析比對，據此研判該名駕駛出現意外事故的機率，再根據機率大小彈性收受不同等級的保費，換言之，駕駛行為者，即可適用於較低的保費，然而習慣性採取危險駕駛的族群，保費則急遽升高，終至能站在保險業者的經營角度，於利潤、風險兩端天平之間，巧妙找出最佳的平衡點。

從事小額貸款服務的新興業者ZestCash，一向標榜「讓人人都能貸款」，讓人不禁好奇，何以有業者願意甘冒高風險，承作一些已遭金融機構拒於門外的貸款業務，其中的奧妙就在巨量資料分析。一般銀行通常取決FICO信用卡記錄評分，來決定是否放款，但此一評分機制僅考量不到20種變數，難免失之偏頗，而ZestCash則是利用巨量資料分析技術探測數千個變數，所以能夠巧妙挖掘出更多真相，一些被銀行認定為高風險的貸款案件，到了ZestCash手中，可能變成償債能力無虞的貸款案件，一來一往之間，後者做到更多生意，卻未必承擔更大風險，得以在市場中殺出重圍，全都歸功於巨量資料。