激活銀行數(shù)據(jù)

“您的通話可能會被錄音！”這絕不是銀行一句簡單的提醒，當(dāng)客戶撥通銀行的客服電話時，客戶說話的語氣緩急、音量大小以及說話時的感情等都有可能被銀行后臺的數(shù)據(jù)收集系統(tǒng)撲捉到，如果加以分析，這些數(shù)據(jù)對于銀行來說可能就會產(chǎn)生巨大的價值。

除此之外，銀行在與客戶的交易過程中也會產(chǎn)生大量的數(shù)據(jù)，包括客戶的交易記錄、信用記錄、客戶自身的信息等，但是很少有銀行充分挖掘這些數(shù)據(jù)的價值，某些銀行數(shù)據(jù)仍然處在睡眠狀態(tài)。

但費埃哲公司（FICO）和Nice Systems等銀行數(shù)據(jù)分析公司正在“窺視”這些數(shù)據(jù)的價值，對于這些以數(shù)據(jù)分析見長的公司來說，只要銀行提供給他們真實可靠的數(shù)據(jù)，他們就能給銀行一個可靠的結(jié)果。

他們的優(yōu)勢在于，通過科學(xué)嚴(yán)格的數(shù)據(jù)分析系統(tǒng)將銀行在交易過程中產(chǎn)生的數(shù)據(jù)收集起來然后按需分類，這些數(shù)據(jù)包括已經(jīng)結(jié)構(gòu)性的數(shù)據(jù)（比如文檔、交易的流水等），最重要的是，銀行產(chǎn)生的非結(jié)構(gòu)型數(shù)據(jù)（比如聲音、圖像、視頻等）也能被有效分析。

喚醒信用卡

費埃哲公司是一家總部位于美國的數(shù)據(jù)分析公司，該公司由美國斯坦福大學(xué)數(shù)學(xué)系教授菲爾（Bill Fair）和計算機教授愛瑟爾 （Earl Isaa）于上世紀(jì)50年代創(chuàng)立的，費埃哲在美國的名字其實并非如此，他的全稱為美國個人消費信用評估公司，費埃哲的專長在于通過對銀行數(shù)據(jù)的分析給每個客戶打分，然后告訴銀行達到多少分?jǐn)?shù)的客戶有更大的利用價值，哪些存在違約的可能。

“費埃哲就像一個面包商，我們所擁有的是一整套面包加工的精細化技術(shù)程序，但不同的客戶需要用這套技術(shù)做出不同的面包。”費埃哲中國區(qū)總裁陳建說，費埃哲風(fēng)險管理系統(tǒng)可以把銀行原有的數(shù)據(jù)梳理出來，然后通過模型進行分析得出結(jié)果，但具體如何操作由銀行決定。

費埃哲提供的產(chǎn)品包括咨詢、軟件、信用評分的模型，貫穿零售銀行整個生命周期的各個階段，2007年進入中國就吸引了大量中國客戶，先后為中國工商銀行、中國建設(shè)銀行、中國銀行、交通銀行、招商銀行、光大銀行、中信銀行等中國前10大銀行中的7家都在使用費埃哲提供的技術(shù)、咨詢和分析服務(wù)。

費埃哲耳熟能詳?shù)姆?wù)被用于中國快速增長的信用卡市場上，和其他國家的信用用卡市場不同，中國的市場發(fā)卡量龐大而使用率不高，如何激活睡眠卡成為很多銀行面臨的問題。據(jù)官方數(shù)據(jù)顯示，截至2011年末，全國累計發(fā)行信用卡2.85億張，但只有62%的卡片被激活，40%的卡片被使用，對很多銀行來說，這是一座未被挖掘的金礦。

此外，發(fā)行信用卡銀行需承擔(dān)多項成本與損失，包括資金成本、營銷成本以及風(fēng)險損失等，有分析指出，如果銀行發(fā)卡不超過300萬張將很難實現(xiàn)盈利。因此，如果銀行在完成信用卡市場的“跑馬圈地”之后不能提高信用卡的使用率對于銀行來說就是一種巨大的負(fù)擔(dān)。

樂觀的是，現(xiàn)在很多銀行已經(jīng)開始注意到對客戶和業(yè)務(wù)“打分”的重要性，尤其是一些處于睡眠中的客戶，銀行只要將已經(jīng)積累的客戶數(shù)據(jù)以及中國人民銀行個人征信系統(tǒng)里輸入費埃哲提供的模型就能喚醒這些沉睡的客戶。

交通銀行很早就嘗到了甜頭， 2007年，交通銀行太平洋信用卡中心累計發(fā)卡已超過500萬張，激增的信用卡用戶給各大銀行信用卡中心在信貸審批、賬戶管理等信用卡生命周期的各個階段帶來了艱巨的挑戰(zhàn)。

該中心每天收到大批量的信用卡申請件，這給審批工作造成了巨大的作業(yè)壓力，面對海量客戶信息，如何把大規(guī)模信用卡資產(chǎn)組合，挖掘規(guī)模經(jīng)濟的收益；如何有效地貫徹實施行為評分模型及統(tǒng)計化決策策略等先進的風(fēng)險管理手段成為交通銀行信用卡中心急需解決的難題。

如果靠人工逐個審查每個客戶的貸款申請，工作量將大得難以想象，最好有一個全自動化的模型能處理這些問題，當(dāng)把所有的用戶數(shù)據(jù)導(dǎo)入這個系統(tǒng)后。系統(tǒng)能按照預(yù)先設(shè)定的參數(shù)輸出不同的結(jié)果供審查人員參考。比如，在500萬個客戶中，能一次獲得10萬元透支額度的客戶都有哪些。

費埃哲提供的FICO TRIAD Customer Manager客戶管理系統(tǒng)幫了交通銀行的大忙。該系統(tǒng)主要用來分析客戶的消費習(xí)慣和消費行為，從而實現(xiàn)智能化的客戶管理策略。當(dāng)信用授予者將數(shù)據(jù)輸入TRIAD 系統(tǒng)后，系統(tǒng)會根據(jù)這些數(shù)據(jù)計算出評分，用以估計賬戶或客戶風(fēng)險。

同時，分析人員可以用策略平臺事先制訂不同的模塊，預(yù)置在整個的模板當(dāng)中的數(shù)據(jù)結(jié)果可以隨時調(diào)用，使整個實施和開發(fā)具有很強的實效性。

通過采用該系統(tǒng)，交通銀行太平洋信用卡中心信貸審批流程充分實現(xiàn)了自動化，可以充分利用銀行的數(shù)據(jù)，以及相關(guān)模型和策略。根據(jù)費埃哲經(jīng)驗，使用TRIAD后，很多銀行拖欠率減少了25%，銷售額增加了30%，利息收入增加了25%。

比如一個客戶為別的業(yè)務(wù)給某銀行的呼叫中心打電話，這時客服代表面前的電腦突然跳出一個頁面，提醒該客戶還有一張未激活的信用卡。受到提示后，客服代表在處理完問題時只要友好地提示一句“您還有一張未激活的信用卡”，這張信用卡可能會被激活。

有效的利用資金

未激活的信用卡對于銀行來說就像一座待挖掘的金礦，但銀行又該如何用好現(xiàn)在的資金呢？當(dāng)銀行有100億元可貸資金，面對1萬個客戶時，銀行該貸給誰？每個客戶的分配比例又該是多少？這些難題也是很多銀行面臨的挑戰(zhàn)。

如果站在費埃哲的立場，這就是一個風(fēng)險定價的問題，和評分模型類似，如果風(fēng)險過高，銀行就會選擇少貸或不貸，而對于風(fēng)險較低的客戶，銀行可以把更多地資金給他們。這個難題對于一位經(jīng)驗豐富的信貸審批員來說可能并不存在問題，但問題是，一個信貸審批員一天的工作量可能不及數(shù)據(jù)分析模型幾分鐘的工作量。

更重要的是，銀行每一筆資金都是存在成本的，除利息外，在發(fā)生信貸的整個過程中，銀行可能需要信貸員尋找客戶然后填寫申請表格、然后拿回來一一比對客戶的信息，最后才決定是否要給客戶放款。可以預(yù)見的成本可能還包括市場營銷、電視廣告、網(wǎng)點運營、租金等。

面對這種費時又費力的信貸管理模式，很多銀行的信貸員和貸款審批人員已經(jīng)被搞得筋疲力盡。全自動而且準(zhǔn)確的信貸審批系統(tǒng)對這些人來說就是一種福音，最關(guān)鍵的是，對于整個銀行來說，這種高效的系統(tǒng)能夠提高經(jīng)營業(yè)績。

按照銀行的貸款原則，假如貸給一個客戶一筆貸款，預(yù)期一年后獲得的利息收入為20元，但考慮到該客戶可能會帶來10元的風(fēng)險，那么銀行在放出這筆貸款時就需要多收10元以彌補可能帶來的損失，但關(guān)鍵是，并不是所有的客戶都存在10元的風(fēng)險，如果對全部的客戶都提取10元的風(fēng)險金，有些資質(zhì)好的客戶可能會被嚇跑。

解決這些問題的第一步就是數(shù)據(jù)，只要銀行把所有的和備選客戶既往交易的數(shù)據(jù)提供給費埃哲，費埃哲就會給出一個準(zhǔn)確的結(jié)果給銀行作參考。費埃哲大中華區(qū)總裁陳建說，連續(xù)性數(shù)據(jù)對銀行來說才是核心競爭力，因為銀行能從這些數(shù)據(jù)中源源不斷獲得新業(yè)務(wù)。

這些數(shù)據(jù)主要包括個人的征信數(shù)據(jù)、企業(yè)的數(shù)據(jù)、貸款數(shù)據(jù)等。有了這些數(shù)據(jù)，解決銀行客戶的風(fēng)險定價問題也就有了基礎(chǔ)。

“如果銀行知道張三過去10年有20筆信貸行為，其中有十筆是信用卡，還有兩筆房貸，一筆車貸，還有幾筆個人貸款，費埃哲就能幫助銀行判斷張三的在未來12個月或者24個月里借貸違約的概率有多大。”陳建舉例說。

事實上，現(xiàn)在絕大多數(shù)銀行面臨著比該收取多少風(fēng)險金更大的挑戰(zhàn)，巨額的信貸資金分配問題對銀行來說意義更大，如果一個貸款10億元的客戶出現(xiàn)違約，銀行的損失可能會更大。

陳建表示，對銀行來說，同樣是100億元的資本金，可能支持2000億元信貸規(guī)模，也可能支持4000億元等等，決定這些數(shù)額的關(guān)鍵是銀行如何投放貸款，把違約概率降到最低，把收益做到最大。

事實上，對于銀行來說，絕大部分?jǐn)?shù)據(jù)都是交易過程中產(chǎn)生的文本數(shù)據(jù)，但聲音、視頻、圖像這些比較“感性”的數(shù)據(jù)又如何利用呢？通過分析這些數(shù)據(jù)能不能從中發(fā)掘哪些客戶有激活信用卡的意愿？給哪些客戶貸款能獲得更好的收益？

“只要你和銀行的座席代表通話，我們就能分析出你要干什么？” Nice Systems亞太區(qū)總裁Raghav Sahgal說，和結(jié)構(gòu)性的數(shù)據(jù)相比，非結(jié)構(gòu)型的數(shù)據(jù)更能確切地顯露出一個客戶下一步的行為。

對數(shù)據(jù)分析公司來說，似乎沒有什么對于他們是沒有價值的，甚至是一個微笑。