大数据在零售银行运用现状及发展思路.docx

大数据技术应用于零售银行转型与创新研究第1期：大数据技术在零售银行业务中应用现状及发展思路前 言随着信息和互联网技术的普及应用，大数据时代已经到来。大数据是动态发展的非结构化数据，同时兼具时效性与经济性的特征。大数据的应用将重新构建社会信息和关系网络，而作为长期的社会信息和信用中心，商业银行势必受到外部的冲击。当然挑战也伴随着基于，本期报告将着眼于零售银行业务，通过分析国外银行模式和国内银行相关案例，展现大数据在零售银行业务的应用现状，并对未来发展思路进行探讨。大数据与一般数据的主要区别在于，其包含大量非结构化数据。在非结构化数据的收集和处理方面，互联网企业具备一定先发优势，同时凭借丰富的客户和流量资源向银行发起挑战。不过，有效利用大数据同样给银行带来了诸多好处，多维度的数据分析和应用使银行零售业务在服务创新、客户评价和精准营销等方面均有明显提升，在这一领域海外银行有不少成功经验值得借鉴。反观国内银行业，虽然对大数据的概念并未过早提及，但是实际业务中也积累了不少成功案例，其中最早应用于信用卡领域，并已成为全行业发展的方向。而在小微业务方面，阿里小贷是大数据应用的典范，阿里完备的数据体系使其能够在线快速提供小额融资服务。当然，国内银行业在大数据应用方面仍存在不少问题，本期报告也进行了必要的分析。身处大数据时代，银行业挑战与机遇并存。银行业必须正视来自外部的冲击，通过大数据重塑商业模式，提升经营管理水平。当然，海量数据的席卷而来，海量机遇也随之而来，这为银行业务转型和产品创新创造了条件，我们相信未来银行业服务及管理模式都将发生根本性改变。通过对当前发展现状的了解，以及对海外银行成熟模式的分析，我们尝试提出大数据在零售业务应用的发展思路。本期报告探讨了银行基本发展策略，包括与同业竞争和合作关系，以及目前业务能力的欠缺，并提出未来大数据应用的三个具体方向。正文目录一、商业银行处于大数据时代变革之中1（一）大数据的三个主要特征11、动态发展12、时效性、经济性13、非结构化数据2（二）银行、信息与关系网络21、银行占据社会信息中心22、计算机应用强化银行竞争优势23、互联网冲击银行信息中心地位3（三）国外银行模式分析与借鉴31、扩大数据分析范围、提升信用评估能力32、提供深度分析服务、打造消费信息中心43、进行非账务性线索排查的有力手段54、强化市场营销、优化商业模式5二、大数据在我国零售银行中的应用6（一）信用卡1招商银行微信银行71、为什么选择微信72、微信平台对招行的价值83、微信平台的功能拓展11（二）信用卡2中信银行秒极营销121、需求：快速处理灵活分析大数据122、实效：实现秒级营销运营效率全面提升133、Greenplum：省钱的先进技术14（三）小微金融阿里小贷经营模式分析161、淘宝数据来源162、阿里数据体系173、大数据的应用20（四）商业银行大数据应用存在的问题241、无法对接客户需求242、存在严重数据短板243、深陷大数据争夺战25三、大数据时代银行的机遇和挑战26（一）大数据给银行带来的影响和机遇261、大数据提供了全新的沟通渠道和营销手段262、大数据滋生了新型金融业态参与市场竞争273、利用数据的能力日益成为银行竞争的关键274、从长远看大数据将全面颠覆金融服务型态28（二）大数据时代银行面临的挑战281、数据驾驭能力受到考验282、生存发展能力受到挑战283、商业运营模式面临变革28（三）SWOT分析291、优势分析292、劣势分析293、机会分析304、威胁分析30四、大数据时代零售银行发展战略分析31（一）大数据应用场景描述311、客户管理322、市场营销333、风险管理33（二）大数据应用发展思路341、促进金融服务与社交网络的融合342、布局与大数据金融的竞争和合作353、培养面对大数据时代的核心能力364、零售银行应用大数据的三个方向37图表目录图表1：招商银行2012年各月账户交易笔数、交易量、流通户数与来电量7图表2：招商银行智能客服平台闭环服务模式9图表3：招商银行微信平台部分智能识别功能10图表4：招商银行通过智能交互实现营销推荐11图表5：中信银行信用卡中心数据仓库逻辑架构14图表6：阿里金融大数据体系17图表7：阿里金融数据应用流程图19图表8：阿里小贷风险管理体系20图表9：阿里小贷业务流程图21图表10：商业银行大数据时代的SWOT分析30图表11：零售银行大数据应用场景30大数据技术在零售银行业务中的应用现状及发展思路一、商业银行处于大数据时代变革之中2012年3月奥巴马政府公布了大数据(Big Data)研发计划，旨在提高和改进人们从海量和复杂的数据中获取知识的能力，这是时隔近20年美国政府宣布信息高速公路计划后的又一重大科技发展部署。1993年诞生的信息高速公路计划改变了全世界信息的生产和传输方式，推动了全球化的Internet的发展，掀起了世界性的互联网革命。作为信息革命的第二个高潮，可以预见大数据即将对未来的世界产生重大影响。当前银行业服务及管理模式都发生了根本的改变。统计显示以ATM、网上银行、手机银行为代表的电子银行在我国当前已经成为主要交易渠道，对传统银行渠道的替代率超过了60%。接下来的大数据革命可能对银行的一些观念和经营模式再次加以颠覆，银行业应如何主动变革、变挑战为机遇是一个值得探讨和深刻思考的问题。（一）大数据的三个主要特征自1980年以来，世界上的数据以每40个月翻一番的速度增长，现在每一天约有2.5E字节的新数据产生；商业公司数据产生量更迅速，每翻一番的时间大概为14个月。但大数据绝不能简单等同于海量数据，大数据主要有三个主要特征：1、动态发展根据麦肯锡公司的定义：大数据往往是指传统手段和工具无法处理的数据。这是一个比较主观的定义旨在强调大数据是动态的，会随时间和技术而扩展。另外大数据也随着行业的不同而变化，视该行业所使用的软件以及一般数据集大小而定义，当前对一般行业来说落在几十个T(1T=1024G)与几个P(1P=1024T)之间的数据量就会感到难以处理，对它们来说就是大数据。2、时效性、经济性大数据是传统技术无法处理的数据，严格地说只要时间足够长没有无法处理的数据。而大数据是难以在业务容忍时间内使用传统软件捕获、管理和处理的大尺度数据集，因此大数据的尺度是随任务时间变动的。除了技术，经济性是应对大数据挑战需要考虑的另一个重要因素。当世界上的数据量以年40%的速度增长的时候，信息科技(IT)投入的增长率仅有5%。技术和经济两方面决定无法使用传统方法应对大数据时代的到来。3、非结构化数据大数据一个具有很多非结构化的异构数据种类的数据集，这些异构数据种类包括社交网络文本、射频认证、相机照片、手机信号、传感器网络信息等，随着技术的进步这类数据增长率更快，数量更巨大，世界上有90%的数字内容是非结构化的。银行中的数据具有典型的异构化特征数，包括传统业务数据、办公信息、开发测试数据、业务运行日志、与客户进行沟通的邮件和短信、电话银行和服务的语音记录等。（二）银行、信息与关系网络近年来大数据的概念被反复提及，一个主要原因是电子商务活动的全面兴起，无论是B2B还是B2C，在线交易规模的迅速扩大带来了数据信息的爆发式增长。最引人关注的是，记录客户行为的大量非结构化数据开始影响到金融领域。作为社会信用的中心，商业银行始终占据着最关键的社会信息资源，然而非结构化数据的普及应用使得互联网企业不断冲击银行的核心地位。大数据的有效利用，帮助互联网企业迅速拓展关系网络，其搭建的各类公共平台正试图成为社会关系的核心，可谓是银行业的巨大威胁。1、银行占据社会信息中心商品经济的发展，要求信用在全社会进行放大，与之适应构造了这样一种社会关系：银行对其他行业企业单向提供信用，处在支配地位，成为信用社会信用中心；企业为了获取更多信用主动向银行提供自己的信息，银行也自然成为社会经济信息收集中心行业。这种关系的形成的缘由是只有作为信息收集中心，银行才可能使用信息对信用进行社会性放大。这时以银行为中心，企业间信用和信息构成雪花和网状的混合结构，企业之间能够进行更大更广的信用连接，形成更复杂社会关系。2、计算机应用强化银行竞争优势信息的具体存储使用形式，是限制社会信用进行有效扩展的一个重要因素，计算机技术的普及应用极大的提升了银行收集和处理信息的能力。社会信用状况处于不断变化之中，因此也需要对持续变化的信息进行判断。计算机技术发展的初期，银行的标准化需求是直接推动力之一。这种标准化一方面是指将单据等信息进行数字化标准化，另一方面是指将企业的经营活动用标准化指标表示，银行是这种规则的构建者，企业只能屈从建立所谓规范化的制度。一个典型的例子是由于反映了关系网络因此关系型数据库成为信息行业的重要产品和标准。使用计算机技术银行强化了它的经济信息收集中心地位，同时可以更深度地探测分析它的借款人关系网络。基于对客户信息更深刻和正确的探测，银行能够进行信用更有效的放大，结果是以银行为中心筛选出适应社会发展的最良好的企业关系群体，优化、加速了整个社会资源配置。银行还通过信息技术如POS机、ATM不断扩大优化以它为中心的信息和信用关系网络。3、互联网冲击银行信息中心地位广泛意义的网络出现后，银行业的主要竞争优势体现在信息中心，能够高效的探测集合到各种行业以及企业的信息，这是其他行业做不到的，银行业主要任务是对客户信息进行去伪存真。然而，当前各种传统业务正在向互联网迁移，当然也包括银行业。但是银行在互联网上发展业务仅仅是借助这一渠道，它依然使用传统的数据关系。不过，互联网构建的原则是形成一种联网机构相对平等的关系，没有唯一的核心行业，于是银行在互联网上不再是经济关系的信息中心。银行成为了被动的服务者，除了去伪存真，银行业必须主动吸引客户；这个时代银行只有遵循网络规则，除此之外别无它途。以往面对处于支配地位的银行，企业愿意主动提供信息并配合进行标准化，但在全新的网络环境下，银行是服务方，信息不可能按照银行的意愿标准化并主动推送。银行必须采用新的能够检测非标准化的企业信息/数据的装置和手段，并不断改善其对社会关系探测灵敏度。（三）国外银行模式分析与借鉴互联网冲击着银行信息中心的地位，而商业银行也在利用信用和资源优势巩固自己的领地。为了得到客户真实关系网的信息，国外一些银行开始研究如何通过获取、整合各种网络大数据对客户真实社会网络关系加以映射和应用。在具体实践中，主要有四种表现形式。1、扩大数据分析范围、提升信用评估能力在美国由个人消费信用评估公司(FICO)开发的FICO信用积分指标大概包含1520个变量，大多数美国银行对个人信用评估也建立在该基础上，再添加本行的其他一些侧重指标。这造成了一个问题，这个标准简单划一，不注重细节。这与我们了解的客观世界的复杂性不相符，人不是机器，不可能存在任何时候都是非好即坏的绝对情况，同样的人不同的环境会形成不一样的结果，人的信用也如此。在此意义下FICO信用积分显得过于主观，究其原因是银行过去信用评定者由于缺乏先进的技术，要判断每个人的信用所形成的环境只能使用客户经理人为判断，成本十分高昂。ZestCash是这样一家公司，它的客户群体主要瞄准了信用记录不好或者没有信用卡历史的人。ZestCash的创始人是Google的前首席信息官，Google是大数据研究的开拓者之一，其MapReduce技术是被认为当前研究大数据最常用的有效技术。ZestCash使用MapReduce进行大数据分析，考察贷款人的数千个信息线索(对比FICO的几十个指标)，从而造就了它独特的竞争力。例如对于一个无法进行某次还款的客户不论他是否主动解释，传统银行都认为他是高风险的，但ZestCash发现如果这种顾客主动解释其原因，他们更有可能全额还款；ZestCash还会探测客户在ZestCash网站上停留的时间(这反映了真实世界人们对信用申请的谨慎程度与还款诚意)作为信用评价的考量因素，这些都是过去FICO信用评分系统所无法想象的。ZestCash的分析技术的核心就是把握客户的差异化行为，理解网络对真实世界的反映。如果仅仅分析一个数据可能是噪音，但如果将多方面展示客户的数据收集起来，并理解它们的关系，则可能出现不同的效果。而这些数据不可能是规规矩矩的，需要我们使用不同的探测方法加以寻找，更敏锐的分析能力会令我们发现更多商业机会。例如对我们周边那些太忙碌或者一时糊涂遗忘了信用卡还款时间的人，这样一种技术使得我们不会轻易丢失一个优质客户。2、提供深度分析服务、打造消费信息中心国内的一些银行已经尝试根据顾客购买产品的历史，分析他们的兴趣使用各种手段主动营销，但这仅仅是数据初步应用，还没有做到将线下的购买行为与客户浏览行为结合起来进行更进一步分析。尤其是当今经济热点切换频率快，各种产品收益轮动，客户对银行产品的兴趣会紧随这种波动，这种分析能力国内银行尚欠缺。国外银行现在已经开始根据大数据的分析尝试提供超越银行领域的产品和服务。新加坡花旗银行基于消费者的信用卡交易记录，有针对性地给他们提供商家和餐馆优惠，并且根据反馈不断学习提升推荐准确度。服饰零售商Gap为了提高吸引力，与Visa卡合作，由Visa采集数据，如果客户在Gap店附近进行刷卡的就会得到折扣优惠，形成龙卷风效应。这种看似与银行主业风马牛不相及的行为目的何在？传统银行的优势在于它是经济信息中心，客户对银行的信任依赖是建立在这种信息收集处理能力的认可上。因此花旗和Visa这种行为还是一种信息中心的争夺，不过银行处在服务方，并且变为消费信息中心。客户不关注服务的目标从银行本身转移到客户，他们只是亲身感受到银行信息获取和处理能力的强大，进而认为银行是可依赖和安全的，这就大大提高了客户的认同度。3、进行非账务性线索排查的有力手段以反洗钱为例，洗钱疑犯虽然与银行发生了直接关系，但他绝非像普通交易那样有意无意的将银行作为他的信息中心。对银行来说洗钱疑犯如此讨厌，使用标准的方法和工具去判断这些伪装起来的异常客户不是传统银行的强项，将大大增加银行工作量。银行的目标是行为可预测的合法借贷客户，在一定程度上客户的行为以及与银行契约关系是标准的。就此经济学人举例说“对照顾客姓名看其是否处在制裁黑名单之上这件事情并不容易，因为一家银行可能会有数千位顾客和这些制裁黑名单上的顾客重名，如果稍有不慎，就可能毁掉一份顾客关系。”对此花旗银行引入了Watson，能从各种不同数据源获取信息，“通过搜集顾客的国籍、地址、家庭成员的姓名，以及他们是否曾经在某些国家旅游或者从这些地方收到过汇款等记录，来确定这个顾客是否正是制裁黑名单上的那位。”Watson这种杰出的处理非结构化数据的能力像专家那样观察真实客观世界对细节加以洞察得到特殊结论，使它的领域又扩展到反欺诈、零售业务分析等领域。必须承认，银行的结构化的数据在某些方面是有局限性的，因此即使非刻意增加与客观世界更相符的非结构数据，也必须明确大数据是对付我们常规业务之外挑战的有效武器。4、强化市场营销、优化商业模式大数据比银行传统处理的数据复杂，是否意味着运用大数据的银行业务会比传统银行更复杂？其实不然，以美国最大的网上ING Direct为例，该行成立于2000年，2011年其存款规模达820亿美元，客户数量已经达到700万。该行的独特运营模式就是：简单并且对追求高回报的客户具有吸引力。为此该行只提供网上银行服务；只向客户提供最基本的金融服务，如普通储蓄存款账户、定期存单、简单住房按揭贷款、普通基金理财服务等；该行自成立以来没有发放过一张信用卡；该行对支票账户会支付平均4的高额利息，保证了客户从自己的存款中得到最高的回报。但是这种简单的运营模式完全是建立在基于对复杂大数据的分析基础上，ING Direct所以能够提供如此高额的回报在于他们已经计算到：相对传统银行办理业务所需要的材料费和人工费ING Direct能大量节省成本。基于所有的可获取的各种异构数据分析基础上，ING Direct甚至主动解除不符合它们发展模式的客户。例如给呼叫中心太多电话的客户，可能是恶意的，至少与ING Direct简单以到达节省成本的企业经营模式不匹配；甚至对ING Direct网站浏览太多时间的客户，ING Direct也会质疑客户没有必要花费这么多时间(同时也增加了银行的维护成本)来理解这些简单易懂的产品。为此ING Direct每年要主动解除成千上万与其公司经营理念不符的客户，节省上百万美元成本。在ING Direct这种看似简单的经营理念下我们看到它的基础是能够实现对大量异质数据进行复杂分析从而抽取出反映真实世界的简单有效的网络关系，貌似简单实则复杂。大道至简的ING Direct和上文提到的化腐朽为神奇的ZestCash看似两个极端，但是他们都取得了成功，原因不外乎：不管经营模式有多么不同，它们都有足够的分析真实社会关系的能力，能够通过数据分析出与自己的经营模式最匹配的社会关系，从而有针对性的筛选同质的客户。反观我国大多数银行或者没有明确经营模式，或者实施过程中执行力较弱，至少数据全方位分析能力的缺乏是一个很重要的因素。二、大数据在我国零售银行中的应用当前一种观点认为，我国商业银行对互联网的了解和应用以及对大数据概念的认识都是不足的。这种看法有失偏颇，一直以来我国银行业十分重视对科技建设的投入，甚至在互联网企业出现以前，就建立了自己的全国性计算机网络。随着信息和互联网技术的不断进步，我国银行业正在快速向经营管理的信息化和数据化发展，已经建立起了以数据仓库为核心的经营管理数据体系，数据分析技术已经大量应用在客户评级、风险识别等方面，电子银行业务替代率超过70%，各种在线远程业务渠道和相关产品日趋丰富。不过，大数据时代我国银行也确实需要继续更新观念，跟踪学习新技术、新方法。目前来看，银行在互联网应用和IT系统建设方面仍存在一些问题。如非结构化数据采集和处理能力不足，数据应用在行为预测、市场营销方面有所欠缺，业务联动亟待提升，如线上线下业务联动、支付融资联动、资金流和信息流结合等。在零售银行业务中，大数据技术最先应用在信用卡领域，不少银行利用数据分析技术，通过系统换代升级已经初步实现了智能服务，大幅提升了客户体验和服务效率。而在小微金融领域，阿里小贷是大数据应用的典范，凭借建立的一套完备的数据体系，阿里完全实现了对商家融资服务的在线办理。（一）信用卡1招商银行微信银行借助先进的IT和数据处理技术，招行实现了消费金融服务模式的升级。2013年4月，招行信用卡正式在微信上推出招行信用卡智能客服平台，用户将个人信息与微信账号绑定，就可以办理信用卡申请、账单查询、个人资料修改等业务，接收在招行信用卡上产生的所有交易信息。微信成为招行客服的“轻渠道”，是因为招行卡中心看到了它和用户的“强关系”特征和高成长性。所谓强关系是指个人的社会网络同质性较强，人和人的关系很紧密，有很强的情感因素维系着人际关系，这与招行和客户之间的“强关系”特征是高度相似的。在人群结构上，招行的用户群和微信用户群的重合度也很高。1、为什么选择微信招商银行近几年来，无论是客户群、还是交易笔数，都在发生快速的增长，但是人员结构基本上在稳定阶段。这样导致现有的人工客服无法及时应对随流通户、交易笔数的增长而增长的人工来电量。业务的发展势必给服务带来压力。此外，在我国人口红利逐渐消失的大背景下，人力成本的增长也意味着服务成本的提高，这也要求招商银行的客户服务需要拓展新渠道。图表1：招商银行2012年各月账户交易笔数、交易量、流通户数与来电量资料来源：银联信整理也正是业务上需提高人工产能的要求，促使招商银行借助移动版网页、手机APP、社交网络等方式构建移动互联“客户自助体验生态”。其中微信和微博又是相当重要的环节。招商银行将微博作为引导流量来支持业务的媒体，而微信则是以客户服务为主的新型沟通渠道。通过微信平台，以后台业务的处理系统作为对客户服务的系统，减轻了招商银行客服呼叫中心的压力。2、微信平台对招行的价值招行信用卡中心的微信平台虽然以服务客户为主，但不仅仅是服务。微信平台只是一个工具，更多的为持卡人个性化服务的内容会逐步整合到平台上来。这个平台应该是围绕持卡人、围绕招行的各种业务、各种服务以及各种合作伙伴展开的“微生活圈”的概念。仅就目前而言，微信平台对招行的价值体现在三个方面：（1）降低服务成本微信平台能为招行直接节省多少成本，这一数字很难简单进行计算。网上曾有一种说法，仅短信费用就能节省5000万。但实际情况是，短信渠道目前还未能实现明显的替代，招行目前采用的是短信和微信同步发送的方式。对招行而言，或许更看重的是对电话的替代。2012年招行卡中心客服的人工话务量超过6000万通，而每通电话的成本银行业有个基本标准，大约为5元（包含人员工资、通信费、水电、座席硬件设备等）。如微信的自助和互动服务能节省10%的话务量，则招行信用卡中心一年节省的费用大概是6000万*10%*5元=3000万。通过微信对电话服务的协同作用来进行效率提升，还能够形成很多潜在的收益，如降低话务的等待时间，减少话务每通电话的时长，这些都带来更多的收益。但微信对短信的替代是一个趋势，招行信用卡中心也在培养消费者习惯这个渠道。经过简单测试，客户每刷卡10次里面微信和短信提醒一般都能全部到达，而且34次还是微信提醒先到，同时微信提供的是每笔刷卡提醒，提醒的方式也图文并茂，更符合客户视觉体验。未来客户习惯这种方式时，费用节省的空间更大。短信银行的发送成本35分/条，按照招行微信平台积累1000万持卡人，每个持卡人一年刷24笔超500元的消费，则招行可以节省1000万240.05元=1200万。如再加上招行通过微信下发的营销活动，以每个月1次下行短信计算，则招行可以节省1000120.05元=600万。所以对电话和短信的成本替代每年大概可以节省4800万元，这就是微信带来的实实在在的收益。（2）提升客户体验除了成本节约外，通过微信提高服务效率和改善用户体验是无法用公式计算的。招行信用卡中心的90%的服务都可以通过智能机器人来完成，自助查询回复准确率高达98%。客服效率提升作为一个持卡人，在什么情况下会联系招行信用卡的客服人员？如果按照重要性排序，一般的选择是1）查询帐单明细2）调整额度3）卡丢失挂失4）咨询相关的活动，再往后可能有还款，分期等业务需要咨询客服。招行之前的服务渠道只有400电话座席或者邮件系统。以电话为例，每次我们的交互体验是先要拨打热线电话进行IVR导航，按1234选一堆菜单；再输入卡号（身份证号）；再输入密码；再听一段音乐等待转接；如果输入全部正确，顺利的话也需要至少1分钟，如果运气不好，可能时间更长或者重新拨打输入。可见这一服务体验并不完美，用户只能被动接受，如果再碰上客服人员态度不好，极可能就演化成一次投诉。而通过微信，招行可以快速地完成相关的业务办理，时间可以缩短至30秒，而这30秒还是碎片时间，随时随地都可以办理。另一方面因为这个账号是通过人机智能互动技术来实现的，机器的准确性是一般客服人员无法达到的，因此微信平台更易实现便捷、快速和准确。客户闭环服务招行的微信平台是一个闭环的呼叫中心系统，简单的问题就由微信机器人做自动应答，对于一些稍微复杂的问题，引导客户到招商银行的手机应用掌上生活或者手机银行办理，再复杂一点的问题，比如需要协商还款、需要查询一些疑问交易、需要转人工，都可以通过微信直接连到网络人工系统，由人工提供服务。通过搭建这样的系统，招行完成了呼叫中心的变革。而为了实现闭环服务，让用户“在互联网中开始在互联网结束”，招行微客服平台还在微信界面提供人工服务入口，当自助服务不能满足用户的需求时，通过人工坐席来和用户交互。因为招行卡中心后台知识库做到足够强大，每天微客服平台自动回复的业务超过10万笔，而其中需要接入人工坐席的业务不到2000笔。图表2：招商银行智能客服平台闭环服务模式资料来源：银联信整理服务功能优化目前招行微信客户服务平台上能完成的服务项目为79项，包括还款、促销活动、积分等业务，占招行总服务项目的71%，其中90%以上的业务是用户通过自助服务完成，在这背后，是招行卡中心核心业务系统、语义识别系统、知识库系统、机器人职能引擎、渠道总控系统等多个技术平台的整合与打通。招行已经实现了菜单交互、消费微信提醒、账单微信提醒和还款日的提醒，在一百多万客户绑定情况下现已经达到每天逾四十万笔微信提醒。此外，微信平台智能识别功能也大大提升了客户体验。如错别字纠错和关联核心业务等，通过后台数据分析准确对接客户需求。图表3：招商银行微信平台部分智能识别功能资料来源：银联信整理（3）实现社会效益有了招行信用卡的微信，持卡人与招行的互动明显加强。例如招行在微信上搞了个“智趣问答大征集”的活动：让客户自己提供交互场景和内容，引发客户的参与，搜集客户的创意，提升微信智能客服的交互性，这符合目前互联网的让客户创造生产力的模式。通过这些，招行的微信服务取得了巨大的社会效益，为招行带来了良好的美誉度，同步提升了招行的品牌形象。3、微信平台的功能拓展未来，招行的很多营销类内容也会逐步加入，尤其是合作商户的一些活动。当然，这些活动的推送不仅仅是每天的消息传递，而是基于客户行为分析、通过实时交互来触发相关的营销推荐。例如当客户想喝星巴克咖啡，招行会回复最近的星巴克咖啡店，并进行位置导航，同时向客户微信推送出二维码优惠券，使其进行移动支付。客户在就近的星巴克只要出示招行返回的二维码即可享受一杯香浓诱人的咖啡，整个过程中客户的信用卡不会出现。图表4：招商银行通过智能交互实现营销推荐资料来源：银联信整理招行已经打通了微信与CRM的关系，利用微信上的这些交互信息，再加上其本身具备的庞大而先进的信息处理能力，招行信用卡中心的数据挖掘工作可以逐步开展，不但可以了解持卡人的历史行径、习惯、爱好，甚至还能借助一定的算法预测持卡人的行为。（二）信用卡2中信银行秒极营销1、需求：快速处理灵活分析大数据中信银行信用卡中心是国内银行业为数不多的几家分行级信用卡专营机构之一，也是国内最具竞争力的股份制商业银行信用卡中心之一。近年来，中信银行信用卡中心的发卡量迅速增长。2008年银行向消费者发卡约500万张，而这个数字在2010年增加了一倍。随着业务的迅猛增长，业务数据规模也线性膨胀。中信银行信用卡中心无论在数据存储、系统维护等方面，还是在有效地利用客户数据方面，都面临着越来越大的压力。同时，为了应对激烈的市场竞争，中信银行信用卡中心迫切需要一个可扩展、高性能的数据仓库解决方案，支持其数据分析战略，提升业务的敏捷性。通过建立以数据仓库为核心的分析平台，实现业务数据集中和整合，以支持多样化和复杂化的数据分析，比如卡、账户、客户、交易等主题的业务统计和OLAP（联机分析处理）多维分析等，提升卡中心的业务效率；通过从数据仓库提取数据，改进和推动有针对性的营销活动。此外，中信银行信用卡中心需要一个解决方案来满足由中国人民银行、中国银行业监督管理委员会和全球监管标准巴塞尔II协议提出的风险管理要求。例如，一个要求是银行保留5年的交易历史数据，以及报送最近几个月的状态信息。这些信息需要在规定日期提交。此前，中信银行信用卡中心使用磁带存储来解决。然而，从磁带中提取数据过于缓慢，无法银行满足监管机构所规定的时间限制。2、实效：实现秒级营销运营效率全面提升从2010年4月到2011年5月，中信银行信用卡中心实施了EMC Greenplum数据仓库解决方案。实施EMC Greenplum解决方案之后，中信银行信用卡中心实现了近似实时的商业智能（BI）和秒级营销，运营效率得到全面提升。（1）商业智能和秒级营销以中信银行信用卡中心跟汉拿山烤肉的联合促进活动为例，在传统营销模式下，银行会向城市中所有客户进行一次批量宣传，然后商户苦等客户自行前来。但在实时BI的支持下，中信银行信用卡中心选取汉拿山附近商户消费的客户，在第一时间通知客户此项优惠。例如，客户在来福士购物中心消费一笔，立即接收到一条短信：您刚消费了108元，如您再消费一笔超过91元，即可在福士购物中心5层“汉拿山烤肉”享5折优惠1次。看完短信，客户刚刚还在犹豫是否要买的一双新鞋，立即下决心刷卡付款，上5楼犒赏自己。整个过程一气呵成，在客户最需要、最接近买单时刻奉上最给力的优惠，不容迟疑。整个活动客户相应踊跃，大幅提升了客户对中信信用卡的业务、技术领先性的认可，取得了较好的市场反应和客户口碑。Greenplum数据仓库解决方案为中信银行信用卡中心提供了统一的客户视图，借助客户统一视图，中信银行信用卡中心可以更清楚地了解其客户价值体系，能够为客户提供更有针对性和相关的营销活动。基于数据仓库，中信银行信用卡中心现在可以从交易、服务、风险、权益等多个层面分析数据。通过提供全面的客户数据，营销团队可以对客户按照低、中、高价值来进行分类，根据银行整体经营策略积极地提供相应的个性化服务。2011年，中信银行信用卡中心通过其数据库营销平台进行了1286个宣传活动，每个营销活动配置平均时间从2周缩短到2-3天。并且市场活动中答应客户在刷满一定金额或次数后送给他们的礼品，可以在客户刚好满足条件的那次刷卡后马上获得，实现了秒级营销，而不必像之前那样等待好几个工作日。2011年的前三个季度，中信银行信用卡中心交易量增加65%，比股份制商业银行的平均水平高14%，比我国所有银行的平均值高4%。传统的BI系统性能得到大幅提高，现在中信银行信用卡中心已经可以结合实时、历史数据进行全局分析，其足以影响整个业务。例如，风险管理部门可以按账单日调整持卡人的信用额度。以前的信用额度调整只能在每月或每季度的基础上进行，而通过使用Greenplum数据库解决方案中提供的数据，风险管理部门现在可以每天评估客户的行为，并决定对客户的信用额度在同一天进行调整。使用从Greenplum数据库解决方案提取的数据，中信银行信用卡中心迄今已为客户进行了4000万次的信用额度调整。中信卡中心催收管理团队使用了基于数据仓库的FICO TRIAD系统后，信用卡不良贷款（NPL）比率同比减少了0.76%。（2）整合资源、提升产能中信银行信用卡中心电话销售中心将所有外呼营销历史整合到数据仓库，通过对大量历史数据分析后调整客户提取和营销策略，在上线后的第一个月便实现单位工时创收提升33%、笔均贷款额提升18%，目前银行正在开发针对每个产品的营销响应模型，以进一步提升产能。由于所有客户信息现在均可以通过分中心CRM（客户关系管理）系统的专用PAD移动设备实时获取和使用。分中心的营销人员除了单纯的发卡工作外，还参与到客户服务、风险管理、增值产品/消费金融产品营销等工作，分中心团队正在由单纯的发卡团队变为一支强有力的客户经理团队。这在中信银行内部称之为“客户经理制”转型。中信银行信用卡中心内部80%以上业务分析用户依赖的Cognos系统与数据仓库系统集成后，整体性能显著提高。Cognos系统模型刷新效率提升50%。同时因为Cognos系统可以分析更广范围的业务数据，更多用户都来使用系统，银行业务人员2011年内日访问量增加了40%。高级数据挖掘分析师的工作效率得到了极大的提高，之前需要自己在分析工具清洗、转换数据然后再建立模型，通常需要至少3个多月的时间，现在一个中等规模的模型通常只需要1个月即可完成，并且现在可以通过便捷的工具来生成、管理模型，可以让更多的用户参与到该工作中来。3、Greenplum：省钱的先进技术中信银行信用卡中心实施Greenplum方案，是我国股份制商业银行信用卡中心中的第一个企业级的数据仓库系统，也是我国首个第三代技术的银行数据仓库系统。Greenplum解决方案的一个核心的、独特的功能是，它采用了“无共享”的开放平台的MPP架构，此架构是为BI和海量数据分析处理而设计。目前，最普遍的关系数据库管理系统（如Oracle或Microsoft SQL Server），都是利用“共享磁盘”架构来实现数据处理，会牺牲单个查询性能和并行性能。而使用Greenplum数据库提供的MPP架构，数据在多个服务器区段间会自动分区，而各分区拥有并管理整体数据的不同部分；所有的通信是通过网络互连完成，没有磁盘级共享或连接，使其成为一个“无共享”架构。Greenplum数据库提供的MPP架构为磁盘的每一个环节提供了一个专门的、独立的高带宽通道，段上的服务器可以以一个完全并行的方式处理每个查询，并根据查询计划在段之间有效地移动数据。因此，相比普通的数据库系统，该系统提供了更高的可扩展性。图表5：中信银行信用卡中心数据仓库逻辑架构资料来源：银联信整理中信银行信用卡中心通过概念证明（POC）比较了多个数据仓库解决方案的可行性和成本效益。POC结果证实，与其它产品相比，Greenplum解决方案可以给中信银行信用卡中心提供最高级别的性能。同时，该解决方案与银行所使用的硬件、应用程序和数据源实现了有效集成。基于Greenplum解决方案提供的水平扩展功能，中信银行信用卡中心可以在需要的时候比较容易地添加模块化设备集群，以确保现有资源的优化，从而降低初始成本支出。据估算，Greenplum解决方案使中信银行信用卡中心在初始成本支出方面节省了上千万元。此外，Greenplum解决方案通过把数据集中在一个统一的平台，极大地减少了系统维护的工作量。以前中信银行信用卡中心使用数据集市的方案，而不是完整的数据仓库解决方案，需要两名工作人员来维护该系统。现在通过使用新的Greenplum解决方案，只需要一个工作人员花他一半的时间来维护系统。基于Greenplum解决方案在系统维护的便捷简单，中信银行信用卡中心每年减少了大约500万元的数据库维护成本，有助于减少解决方案的总拥有成本。（三）小微金融阿里小贷经营模式分析在阿里金融模式发展初期，阿里巴巴曾提出实现长期可持续发展必须解决的三个问题，首先如何真实了解客户及其盈利模式；其次是贷款风险的控制能力；第三是如何尽快实现规模效应降低成本。实际上，这也是其他小贷公司以及商业银行在小微金融领域难以解决的问题。面对这三个问题，阿里做出了比较乐观的判断。在全国超过4000万小微企业中，至少三分之一已经开始利用网络进行经营，这给阿里小贷的规模化运作奠定良好基础。借助阿里云计算的大规模数据处理能力，小贷业务的先期投入大幅减少，同时为流水化运作提供了有力支撑。经过多年的积累，阿里已经建立起庞大的信用数据库，通过引入先进的风控技术，结合自身对国内小微企业特质的理解，阿里自主研发出一套风险决策系统。借助稳定的交易平台和互联网技术，阿里打造出真正信贷工厂，贷款的批量化生产得以实现。可以看出，大数据的应用和风险管理体系是阿里小贷成功的关键。1、淘宝数据来源早在2008年，阿里巴巴公司的“大淘宝战略”伴随着阿里妈妈并入淘宝网而正式启动，包括了被喻为电子商务“水、电、媒”的支付、信用和物流环节，也将线上线下、纸媒电视等多种与消费者接触的渠道囊括在内。“大淘宝”不仅将以这种方式为越来越多不同规模层次的淘宝卖家提供从营销推广到销售配送的多种选择和整体方案，也将打通这些传统行业中固有的价值传递链条，实现参与各方价值的最大化。同时，淘宝这个单纯的交易平台也将在无形中升级为承载整个“生态圈”的基础服务提供商。而这一切的基础，就是大数据：在成为开放平台与服务提供商，面向全球开放数据、打造全新盈利模式的过程当中，淘宝利用大数据改变了电商的运作模式，并充分利用自身平台的这些海量数据构建起一个大数据王国。图表1：淘宝网的数据产生来源来自淘宝外部的引导性数据广告点击页面、视频、弹窗等搜索引擎百度、谷歌、搜搜等SNS推荐人人网、新浪微博等关联软件操作美丽说、蘑菇街等来自淘宝网站内部的数据内部搜索淘宝网、淘宝商城等搜索框站内广告直通车、淘宝客、钻石展位品牌广告等站内SNS淘资讯、淘江湖、帮派、淘心得、社区、打听、嗨淘、淘女郎、海报等淘宝页面首页、产品类目、垂直频道、店铺首页、产品页面等会员及用户我的淘宝、会员中心、收藏夹等购买与交易购物车、确认收货、支付、购买成功、交易评价、投诉与建议、退换货等即时通讯工具阿里旺旺后台管理数据淘宝网站后台管理、卖家后台操作等来自直接访问的数据网址收入、软件操作、浏览器收藏等资料来源：银联信整理通过对这些数据的存储、运算、管理以及分析，除了用以优化自身的界面、服务、管理和产品之外，淘宝还可以对外提供至少三类具备极大商业价值的数据与信息。第一类是针对消费者，方便其购物与消费的数据信息，包括各类商品及店铺信息、促销信息等；第二类是针对店铺以及卖方，可有效提升其店铺管理及商品销售效果的数据信息，包括消费者的消费行为、网络使用行为、媒体接触及使用行为，市场发展及行业竞争数据与信息等；第三类是可以提供给社会及第三方机构帮助其了解电商企业以及淘宝相关的数据集信息，包括销售数据、购买数据、交易数据、消费者行为数据等。2、阿里数据体系（1）阿里数据闭环一数据-信用对于海量的碎片数据如何运用的问题，阿里小贷给出了一个很好的示范。在过去，因为无法采信足够的数据，在企业贷款时银行要求提供房产、购车证明，用资产做抵押。但现在，基于采集到的海量企业数据，阿里小贷可以借助技术手段，把碎片化的信息还原成对企业的信用认识。比如某个小企业有一个小工厂，用电量一直在持续的攀升，可以认为他业务很好，信誉就可以调高。银行依然用的是上门调研的方式，人力、时间成本太高，并且也不可能长期跟踪。有时候碎片数据可以反映全局，而这种数据在模型中的权重就会比较高。事实上，阿里内部对数据的运用不仅仅体现在商业产品上，数据也在大大缩短、简化内部的业务流程。不要将数据的价值局限于“变现”，数据最终的指向是积累的信用，包括个人信用也包括企业信用。所做的一切都是在为这个目标服务，首先将数据变成信用，良好的信用又可以取得贷款、获得更好的服务，增加客户的财富，这是一个良性循环，也就是数据价值的“闭环”。而未来支付宝对个人最根本的绑定，可能是在个人信用方面消费者的信用历史。在未来，很有可能有一天银行要对某个人发放贷款的时候，需要支付宝出具这个人的信用证明。事实上支付宝也可以专门就此开发一个个人信用软件，它可以给一个人的信用显示分数。信用分数好的人将很乐意在自己的微博、微信上显示这一指标。它将帮助具有相同信用指数的人认识自己。相反，当你看到一个支付宝信用指数极低或者不高的人时，你甚至不愿意与之交朋友如果这最终成为事实，那么毫不夸张地说，所有姑娘或者小伙在找对象的时候必须审查的一项，将是支付宝信用指数。这不是危言耸听，2013年3月12日，支付宝已经推出了基于个人信用记录的“信用支付”。（2）阿里数据闭环二线上-线下B2B电商平台目前发展为三代：第一代以信息撮合机制为主，通过互联网特性有效的汇聚买卖双方信息；第二代以在线交易为主，信息展现模式、在线交易工具、配套服务产品的发展使得各平台都在想方设法解决在线交易问题；第三代即资源集聚为主，所谓资源集聚正是突出两个核心要素：数据穿针引线，服务本质所需。大数据给予平台服务提供了信息支持，而服务落地也有利于有效数据不断被采集，形成数据循环，即“雪球效应”。可以说大数据不是电商平台的某一个产品组成或业务领域，而是整个电商未来发展的基础资源与优势体现，目前很多企业都在尝试大数据的开发与应用，针对B2B综合电子商务平台的实施方案，即“生命树”体系。图表6：阿里金融大数据体系资料来源：银联信整理从数据采集来源上讲，传统互联网思维模式是极力将用户搬到线上，通过线上行为获取用户的相关信息及操作轨迹。过去因为技术、方法、行业特性所限，互联网通过线上所吸纳的海量数据的确给电商企业带来了短期的处理空间，而直接从线下模式获取数据来源的成本及模式尚不成熟。但市场最大的数据源永远都是在线下，电子商务的本质是通过电子化手段来服务传统商务流程，帮助其降低成本提升效率。所以要直接建立起线下数据的采集接口渠道，而不再仅仅依靠纯线上数据作为来源是一个关键环节。同时，线上线下数据采集汇聚到数据中心，产生的分析型数据将会反哺线上，带来更精准的使用价值。互联网电商平台的产品展现仍旧是电子化特性，但数据来源的落地化将是巨大促进。京东的“亚洲一号”、阿里的菜鸟、慧聪的电器城、中国网库的电商谷等已在实施的落地战略，其背后所隐藏的目的之一也在于此。举例说明，比如某B类企业习惯在电商平台上寻找合适的采购资源，电商平台的确满足企业的信息获取需求，但由于合同、发票、信用等环节的制约，一般很少有企业会直接通过平台在线付款，尤其是大额款项，那么这一笔交易的发生仅利用线上平台很难判别。企业实际交易发生时所牵扯到的银行或第三方支付、物流配送等环节是实实在在获取到这些信息的。假如电商与顺丰战略合作，建立数据库接口，那么某企业在顺丰发生的某笔物流交易的货物属性、目的地、数量等数据标签，与线上该企业的页面浏览、点击轨迹等分析匹配，即可得到这笔交易的真实数据。不用平台的在线支付，也可知道企业实际发生的真实交易数据甚至更多内容，这就是线上与线下数据结合的魅力所在。当然除了物流，在金融、支付、认证、软件等方面获取的信息将充实该企业的数据模型，得到更加精准的数据，也有助于通过实际发生的线下交易趋势来调整线上产品，达到无缝对接。3、大数据的应用（1）业务流程分析长期以来，银行对小微企业真实经营状况的了解弱于抵押物的评估，原因在于银行没有更好的信贷技术。在阿里小贷业务中，数据是贯穿始终的核心要素。依托稳定的交易平台，支付宝沉淀了庞大的后台数据，可以为信贷业务提供强大支持。阿里不但掌握网商的资金流动数据，还了解它们的整个运营细节，包括企业订单数量、销售增长、仓储周转，以及投诉情况等数据信息，这让阿里比任何一个金融机构更了解小微企业客户。图表7：阿里金融数据应用流程图资料来源：银联信整理经营情况分析客户评级采用360度调查模式，这是阿里金融最核心的技术。通过小微企业主在阿里巴巴平台上的行为表现，对其历史交易流水进行分析和定量，反映其真实信用