激活銀行數據

“您的通話可能會被錄音！”這絕不是銀行一句簡單的提醒，當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據收集系統撲捉到，如果加以分析，這些數據對于銀行來說可能就會產生巨大的價值。

除此之外，銀行在與客戶的交易過程中也會產生大量的數據，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據的價值，某些銀行數據仍然處在睡眠狀態。

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

他們的優勢在于，通過科學嚴格的數據分析系統將銀行在交易過程中產生的數據收集起來然后按需分類，這些數據包括已經結構性的數據（比如文檔、交易的流水等），最重要的是，銀行產生的非結構型數據（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據分析公司，該公司由美國斯坦福大學數學系教授菲爾（Bill Fair）和計算機教授愛瑟爾 （Earl Isaa）于上世紀50年代創立的，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據的分析給每個客戶打分，然后告訴銀行達到多少分數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程序，但不同的客戶需要用這套技術做出不同的面包。”費埃哲中國區總裁陳建說，費埃哲風險管理系統可以把銀行原有的數據梳理出來，然后通過模型進行分析得出結果，但具體如何操作由銀行決定。

費埃哲提供的產品包括咨詢、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、咨詢和分析服務。

費埃哲耳熟能詳的服務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。據官方數據顯示，截至2011年末，全國累計發行信用卡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，發行信用卡銀行需承擔多項成本與損失，包括資金成本、營銷成本以及風險損失等，有分析指出，如果銀行發卡不超過300萬張將很難實現盈利。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擔。

樂觀的是，現在很多銀行已經開始注意到對客戶和業務“打分”的重要性，尤其是一些處于睡眠中的客戶，銀行只要將已經積累的客戶數據以及中國人民銀行個人征信系統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。

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壓力，面對海量客戶信息，如何把大規模信用卡資產組合，挖掘規模經濟的收益；如何有效地貫徹實施行為評分模型及統計化決策策略等先進的風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，當把所有的用戶數據導入這個系統后。系統能按照預先設定的參數輸出不同的結果供審查人員參考。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客戶管理系統幫了交通銀行的大忙。該系統主要用來分析客戶的消費習慣和消費行為，從而實現智能化的客戶管理策略。當信用授予者將數據輸入TRIAD 系統后，系統會根據這些數據計算出評分，用以估計賬戶或客戶風險。

同時，分析人員可以用策略平臺事先制訂不同的模塊，預置在整個的模板當中的數據結果可以隨時調用，使整個實施和開發具有很強的實效性。

通過采用該系統，交通銀行太平洋信用卡中心信貸審批流程充分實現了自動化，可以充分利用銀行的數據，以及相關模型和策略。根據費埃哲經驗，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務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在的資金呢？當銀行有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。

如果站在費埃哲的立場，這就是一個風險定價的問題，和評分模型類似，如果風險過高，銀行就會選擇少貸或不貸，而對于風險較低的客戶，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據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。可以預見的成本可能還包括市場營銷、電視廣告、網點運營、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被搞得筋疲力盡。全自動而且準確的信貸審批系統對這些人來說就是一種福音，最關鍵的是，對于整個銀行來說，這種高效的系統能夠提高經營業績。

按照銀行的貸款原則，假如貸給一個客戶一筆貸款，預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，但關鍵是，并不是所有的客戶都存在10元的風險，如果對全部的客戶都提取10元的風險金，有些資質好的客戶可能會被嚇跑。

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

這些數據主要包括個人的征信數據、企業的數據、貸款數據等。有了這些數據，解決銀行客戶的風險定價問題也就有了基礎。

“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，現在絕大多數銀行面臨著比該收取多少風險金更大的挑戰，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2000億元信貸規模，也可能支持4000億元等等，決定這些數額的關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，絕大部分數據都是交易過程中產生的文本數據，但聲音、視頻、圖像這些比較“感性”的數據又如何利用呢？通過分析這些數據能不能從中發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亞太區總裁Raghav Sahgal說，和結構性的數據相比，非結構型的數據更能確切地顯露出一個客戶下一步的行為。

對數據分析公司來說，似乎沒有什么對于他們是沒有價值的，甚至是一個微笑。