商業銀行應用社交數據的難點與對策

滕永樂+宋丹

隨著以Facebook和微信為代表的社交網絡平臺迅速崛起，社交網絡已經成為互聯網最大的流量入口，第三方支付、基金、眾籌和O2O等金融產品的植入，增加了社交網絡的金融屬性，并催生出社交金融。作為大數據的重要內容，在線社交數據包含了海量的客戶行為、社交話題和網絡關系，基于對社交數據的挖掘與分析，獲取用戶的行為偏好、意見訴求和心理活動，可以有效彌補傳統金融交易中只保留結果數據而缺少過程數據的不足，并將用戶的社交屬性與金融機構的信用屬性、流動屬性、風險管理屬性和杠桿屬性匹配，促進社交金融不斷進化。

社交數據的應用場景

社交網絡是一種在信息網絡上由社會個體集合及個體之間的連接關系構成的社會性結構，主要包含關系結構、網絡群體與網絡信息三個核心要素，這三個核心要素也構成社交數據的重要來源。社交數據不僅是微信微博聊天分享工具中的信息，還包括地圖、外賣等APP中的信息，從廣義數據類型來說，電商、交友、視頻、搜索、餐飲和人機交互數據都可定義為社交數據。

互聯網企業是融合社交網絡與金融功能的先行者，憑借在社交數據分析與應用方面的先發優勢，加速數據整合，積極布局金融社交數據集成應用，尤以百度、騰訊和阿里巴巴最值得關注。面對互聯網企業來勢洶洶的跨界競爭，金融機構已經注意到大數據中蘊含的巨大紅利，并寄希望依托社交數據向互聯網金融轉型。目前，社交網絡被國外金融機構視為引流、獲客、營銷的潛在市場，社交數據也被應用于量化投資、零售、征信、電商等領域，并實現了巨大的市場價值。受此啟發，國內商業銀行紛紛試水，依托微博、微信或自建平臺等方式，開展品牌宣傳、在線社交和線上營銷活動等提升獲客能力，力圖用高頻在線社交活動帶動低頻銀行交易業務，真正實現業務轉型發展。結合國內外商業銀行的業務實踐，社交數據主要可應用于以下四個領域。

基于社交數據的客戶分析

客戶畫像。主要分為個人客戶畫像和企業客戶畫像?；阢y行現有的公司、個人客戶數據，打通銀行內部數據和社交數據，利用客戶細分等模型逐步完善客戶標簽體系，形成全面、深入、動態的客戶拼圖，有效提升對個人客戶的精準營銷能力和客戶關系管理能力?？蛻羯A段洞察。結合客戶在社交平臺上發布的資料和狀態，再結合其他行內外信息，推算客戶經理“人生大事”（就業、買房、婚姻）的大致節點，并在合適的時間營銷合適的產品。

客戶生態圈分析。通過客戶社交數據分析挖掘客戶間的資金往來、生活交往圈，基于客戶關系拓展效應開展同理心銷售等針對性的客戶營銷，達到豐富客戶畫像的目標，為下一步通過關系圈營銷批量拓展客戶提供信息基礎。

基于社交數據的營銷管理

客戶獲取。利用社交數據挖掘潛在個人客戶。例如利用客戶在社交平臺發布的位置（居住、工作）信息，發現在本行資產較少，但實際消費能力較強、資產較多的潛在高端客戶，提升客戶在銀行的資產水平，提供精準的產品和資產管理服務。

個性化產品推薦。從社交平臺抓取客戶行為數據，分析個人客戶的興趣愛好、消費習慣、瀏覽行為等客戶特征。通過分析客戶的行為特征，結合個人客戶畫像，挖掘客戶的金融需求，為客戶提供匹配的產品推薦?？山€人客戶個性化推薦系統，在個人客戶使用手機銀行、網上銀行、自助機具時，由系統自動實現產品的個性化推薦。

公私聯動。基于社交數據，挖掘個人客戶背后的企業及行業信息，發掘圈內其他潛在公司客戶與現有公司客戶在產品和業務上可能存在相同的興趣點，對客戶、客戶公司以及圈內其他企業開展營銷活動。對于銀行內部存量企業客戶，可將其員工納入銀行個人客戶資源池，尤其是高層管理人員、高級雇員，以產品組合式的批量營銷為主，大力發展個人業務。

基于社交數據的風險管理

信用評級。社交數據極大豐富了征信模型的變量，以社交數據為基礎采集多源數據，一方面繼承了傳統征信體系的決策變量，重視深度挖掘授信對象的信用歷史；另一方面，將社交數據中未經“包裝”的關鍵信息納入考慮，更加真實全面地反映客戶實際情況，如分組標簽、地理位置、繳費記錄等。

授信審批。結合銀行內部數據與社交數據，深度挖掘客戶衍生特征（如風險特征、用戶偏好、用戶意愿、用戶屬性等），對客戶信用情況進行快速分析評估，結合量化模型確定授信額度，實現快速、實時的貸款審批流程。借助包括社交數據在內的大數據授信是對傳統授信方法的有益補充。

基于社交數據的輿情監測與處置

社交媒體作為重要的用戶情緒發布平臺，其數據的引入極大豐富了市場情緒信息的來源渠道。銀行可以抓取社交平臺上客戶對銀行以及銀行產品和服務的評價信息，并通過技術處理進行正負面判斷，及時掌握負面信息并提出應對措施。同時，銀行也可以抓取銀行同業的輿情信息，了解同行的先進做法，作為自身業務優化的借鑒。從而達到更準確更快地了解客戶需求，掌握競爭對手的動態，及時有效地控制銀行聲譽風險、監測市場輿論和用戶行為。

商業銀行應用社交數據的難點

如果數據價值變現是大數據應用的最終目標，那么社交數據收集、處理和分析則是社交數據價值挖掘的關鍵。相較于國內互聯網企業在社交領域中的先發優勢和極強的客戶粘性，商業銀行應用社交數據面臨數據獲取和聯通難度大、技術儲備不足、數據場景對接、客戶隱私保護等一系列問題。特別是面對體量龐大、來源廣泛、種類繁多的社交數據，如何從中摘取并應用與設計場景匹配的數據，而不至于迷失在浩繁的數據資源中，需要商業銀行進行統籌規劃。

難點一：數據獲取分析處理難度大

數據的歸集、提煉與匹配是困擾社交數據應用的一大難題。盡管每天產生的社交數據體量龐大，但是商業銀行要想獲取這些數據也并非易事。目前，商業銀行獲取社交數據的方式主要有兩種：一是借助微博、微信等社交平臺，如微信銀行等；二是自建社交平臺，如工銀融e聯和平安天下通。前者面臨數據獲取主要依靠合作和購買，需要花費高昂成本。后者雖然擺脫了對第三方平臺的依賴，但也面臨社交網絡開發、管理和運營投入較高的問題。

商業銀行還需對數據進行智能化的處理和分析，從中挖掘有價值的信息。由于社交數據存在標準化、準確性、完整性低、利用價值不高的情況，這大大降低了數據的價值。同時，在數據存儲環節，存儲結構化數據的關系型數據倉庫已不適用于類型復雜的社交數據；在數據處理和分析階段，社交數據包含海量的非結構化數據（文本、圖像、音頻和視頻等），且數據之間又構成了復雜的網絡結構，遠遠超出了傳統數據模型的處理能力。

社交數據最終與商業銀行現有客戶信息的匹配同樣復雜。由于商業銀行在使用外部社交數據時，難以準確界定用戶的身份，從而難以將社交用戶與行內客戶建立一一對應的關系，無法將社交信息關聯至行內客戶的資產和交易數據，導致需要依托精準客戶畫像搭建的應用場景無法最終實現。

難點二：場景應用落地難

基于互聯網和大數據的金融創新模式層出不窮，場景和產品同質化競爭加劇，如何突出應用場景的差異化和競爭力，并圍繞場景有目的的獲取數據、挖掘數據是社交數據應用的重要難題。盡管目前社交數據在諸多領域得到了應用，但是對于商業銀行而言，到底應該從哪個領域、哪種客戶率先開展社交數據應用場景的搭建仍不是一個簡單的決策。簡單照搬照抄他行的做法，可能并不契合各行業務發展的實際需要和研發能力，如何依托自身實際，從完善業務體系和經營能力的角度用好社交數據，更考驗商業銀行的管理和決策水平。

社交數據應用的每個環節都需要依靠專業人員完成。社交數據的應用仍屬于新生事物，過去商業銀行在該領域并無長期的規劃和儲備，這導致現階段社交數據應用缺乏足夠的專業人才和知識儲備。而且作為一種新型數據，其與傳統數據的處理方法并不相同，在傳統業務人員只懂得如何處理結構化關系數據的情況下，很難通過培訓學習等方式掌握社交數據的新型處理方法，只能通過招募新員工的方式盡快補充社交數據工程師。在這種情況下，容易出現會處理社交數據的人才并不了解銀行業務，熟悉銀行業務的人才并沒完全掌握處理分析社交數據的方法，導致社交數據的使用與實際業務需要相脫離的問題。

難點三：客戶隱私缺乏保護

處理客戶信息的開放與隱私保護兩者的關系也是商業銀行應用社交數據的一大難題。一方面，應用社交數據需要是盡可能多的搜集不同類型、不同來源的客戶社交數據；另一方面，社交數據中包含了客戶的大量私密信息，客戶不愿信息被任何個人和企業獲取使用。目前，社交數據的應用并無明確使用規范，用戶隱私保護也成為無法回避的問題，究竟哪些數據能用、能用多少，如何把握社交數據使用的尺度，并無可參照的行業標準，更多的是由社交平臺自行掌握。保護用戶隱私是商業銀行應用社交數據的前提，也是搭建各種應用場景的最大挑戰。如果商業銀行和社交平臺在合作使用社交數據時沒有明確的制度規定，不僅無法有效使用社交數據，反而會引發客戶的反感以及對個人隱私泄露的擔憂，對商業銀行產生不信任感。因此，推動社交數據開放、應用和共享的同時，有效地保護公民、企業隱私，將是商業銀行應用社交數據的重大挑戰。

商業銀行應用社交數據的對策建議

社交數據應用是一項系統工程。用戶行為模式的改變，社交數據規模的爆發式增長，以及數據分析方法的完善，都加速了社交數據的商業化應用進程。無論是互聯網企業還是商業銀行，都在努力嘗試應用社交數據分析用戶的行為、動機、意愿和情緒，為用戶量身定制金融產品與服務。面對社交數據應用中面臨的諸多難題，商業銀行必然要在充分借鑒國內外互聯網企業和金融機構應用社交數據的經驗基礎上，形成一套清晰完整的社交數據應用模式。

拓展數據積累渠道，打造數據處理平臺。在數據獲取方面，商業銀行應堅持“兩條腿”走路，盡可能擴大社交數據來源。一方面，依托商業銀行網絡終端，增添并完善社交功能和屬性，形成完整的社交網絡。打通內部各終端的數據聯通，實現行內外數據信息資源的統籌管理和集中共享。另一方面，加強與互聯網企業的合作。通過與互聯網企業簽訂戰略合作協議，共享客戶信息資源，提供專業的金融服務，也可以通過直接購買外部數據等方式，獲取來自互聯網、物聯網和電商等渠道的資訊、社交行為、物流和客戶電子交易行為信息等豐富的數據資源。

同時，根據社交數據來源的主要渠道、類型和內容，有針對性地建立大數據處理基礎平臺，強化軟硬件處理能力。建立效能高、成本低的大數據處理基礎平臺，為分析挖掘工作奠定堅實的數據基礎。具體可從兩方面入手：一是引入低成本、容錯性和擴展性強的分布式架構，解決數據集成設備資源瓶頸問題，提高大數據加工處理能力，以及海量數據的存儲和分析處理能力。二是借助大內存、系統級復制等新技術，提供高效能的大數據服務能力，實現對于高密度流數據的采集、存儲、計算、分發和持久化等的快速處理。

完善社交數據應用策略，形成差異化發展模式。商業銀行在社交數據應用領域有所作為，要么成為掌握海量有效社交數據的機構，要么成為擁有強大數據分析能力的機構。因此，商業銀行要確立明確的社交數據應用策略，依托業務優勢和目標客戶群體，拓展數據獲取渠道，加強場景改造創新。場景和產品的開發必須立足不同類型機構的競爭優勢，在按照價值貢獻和行為偏好對客戶進行分層的基礎上，優先從“小而精”的應用場景入手，逐步探索個性化、差異化的社交數據應用策略。按照業務理解、數據理解、數據獲取、數據分析和模型部署等步驟分析和應用社交數據，通過確立社交數據應用場景指導業務數據和社交數據的提取，減少數據損失，實現數據價值最大化。

加強專業人才隊伍建設，建立柔性團隊組合。在專業人才隊伍建設方面，商業銀行一方面可以加強與高校和科研院所的合作，建立社交數據專業人才聯合培養機制，有規劃地建立專門的數據科學家團隊，從長遠發展的角度，逐步增強大數據專業人才的培養和補充。另一方面，可以通過參股、收購等商業運作，加強與社交平臺或專業數據處理公司合作，解決社交數據應用人才的燃眉之急。

建立跨部門的社交數據應用柔性團隊，團隊中既要有熟悉大數據應用的專業分析師，也要有熟悉各條線業務的專家，充分發揮數據分析師和業務專家的配合作用，實現技術與業務部門的聯動協作和共享交流。由柔性團隊開展業務探索性需求的研發創新，再將經過實驗成熟的模型投入實際應用場景。通過數據探索、原型設計，達到準確實現業務需求，迅速對市場做出響應的目的。

建立社交數據內部使用制度，保護用戶信息安全。商業銀行應高度重視社交數據的隱私安全及使用規范，將社交數據的采集和使用納入銀行保密管理委員會工作范疇，并針對社交數據使用流程和操作程序，制定嚴格的規章制度和管理辦法，編寫社交數據應用規范手冊，供社交數據使用者學習遵守。設置嚴格的社交數據使用權限分級與崗位權限控制，通過完整的授權管理體系確保社交數據的私密性。實施數據分析師的準入管理，進行嚴格的培訓與考核。采取相應的技術手段，確保社交數據在應用前完成權限控制和數據脫敏工作。

（作者單位：中國社會科學院財經戰略研究院，中國工商銀行博士后科研工作站）