大數據技術在金融信用卡領域的應用研究

江蘇開放大學/江蘇城市職業學院 王玲琳

國家“十四五”規劃和二〇三五年遠景目標建議等相關文件，均提出了夯實科技基礎，運用大數據等科技手段，促進金融創新，推動金融行業數字化升級發展。銀行業迅速響應國家號召，人民銀行于2017年起先后發布了《中國金融業信息技術“十三五”發展規劃》《金融科技發展規劃(2019—2021年)》等相關文件，并于2019年在杭州成立了全球數字金融中心，將數字金融作為重大戰略納入全行業的發展日程，充分發揮其在金融科技領域的優勢，將數字金融在銀行業進行全面推廣，并獲得了較為顯著的成效，尤其是在客戶畫像、機器學習、行為分析和風險管控等方面，數字金融均起到了難以替代的作用。信用卡作為商業銀行零售業務的重要組成部分，是客戶觸達、產品推廣、支付消費、利潤創造的重要抓手，因此，金融科技和數字化轉型在信用卡領域得到了廣泛的應用與研究，并持續創新迭代，數字信用卡便在此背景下出現在金融領域。如何更好地利用行業內外的各類大數據，如何更便捷地實現各類數據的有效融合，已經成為當前金融行業亟待研究分析的重要課題。

1 傳統信用卡業務現狀及問題分析

我國信用卡經歷了道路摸索、跑馬圈地、百家爭鳴、聯合運營、數字化轉型等階段，時至今日，大數據技術已經被更廣泛、更權威、更深入地運用在信用卡業務全生命周期中，數字化、信息化、互聯網化的信用卡業務模式也在不斷被各家商業銀行探索與挑戰。信用卡業務數字化轉型迫在眉睫，根本原因在于傳統信用卡業務在客戶體驗、系統流程、風險管理、審批時效、成本收益等方面，難以滿足日新月異的市場變化、不斷升級的客戶需求和商業銀行自身的發展愿景，具體問題主要體現在以下幾個方面。

1.1 申請流程復雜，證明資料冗余

傳統的信用卡業務，采用線下填寫紙質申請表單的形式，將客戶個人基本信息、職業信息、家庭信息多達數十項字段進行逐條填寫，如申請大額信用卡，還需提供收入證明、工資流水、房產證、車產證等材料，流程復雜且資料冗余，由于缺乏大數據支撐，相關信息的真實性難以通過數據進行交叉驗證，僅能通過電話核實、網絡搜索等形式進行佐證。隨著互聯網業務的興起，商業銀行逐步研發了網申H5、移動Pad、手機App、微信公眾號等信用卡新型申請途徑，逐步替代了紙質表單，但仍有大量商業銀行以紙質表單為主體，難以適應市場變化及客戶需求。

1.2 風控參差不齊，審批標準不一

傳統的信用卡業務仍然以人行征信作為最重要的參考依據。目前我國的個人征信體系仍處于起步階段，個人收入、納稅、居住地址、電話等還沒有實現全民入網、數據互通。因此，傳統信用卡在申請時，主要依靠后臺人工審核客戶提交的紙質資料間的簡單邏輯和銀行內部積累的部分歷史數據庫，通過經驗分析進行評價審核。此類審批模式缺點明顯，一是難以控制欺詐案件的發生，經驗豐富的信用卡欺詐團隊會惡意對申請數據進行完美造假，利用人工審核和大數據缺乏的漏洞，騙取信用卡授信，套用銀行資金。二是難以準確評估客戶綜合資質，一部分優質客戶由于銀行固有的審批門檻和數據不對稱性，導致無法獲得準入，造成了部分優質客戶和有真實需求的客戶大量流失。

此類審批模式在商業銀行同業間，因體量、規模的不同，也導致了風險管控能力的參差不齊。以四大行為首的國有股份制商業銀行，客戶樣本充足，客戶畫像豐富，風險管理人才儲備齊全，風險管控能力十分強大。反之，中小型商業銀行在上述方面均存在一定的短板，導致風險管理能力缺失，風險隱患隨著發卡量和透支余額的增長而逐漸暴露。

1.3 客戶畫像模糊，評分模型陳舊

傳統的信用卡業務受限于人行征信和客戶提供的資質證明材料，對客戶畫像的描繪較為單一，與大型互聯網公司“千人千面”的客戶畫像模型存在較大的理念差距與技術鴻溝。客戶畫像的模糊導致客戶需求分析不夠切合實際，往往基于客戶性別、年齡、學歷等基本信息和人行征信的基本表現，未能更進一步地對客戶畫像進行多維度、深層次地構建，未能建立更為精細化、精準化的客戶標簽體系。客戶畫像不夠立體、多元，直接導致了商業銀行無法有效識別客戶。而在銀行數字化轉型過程中，尤其是信用卡業務中，客戶畫像的精準度更是直接決定了其市場競爭力和利潤貢獻度。如何獲取更多的客戶資源，并進行更合理的評估、更精準的評級分層，是商業銀行有效管理客戶的關鍵，也是商業銀行數字化轉型的難點。

1.4 營銷推廣困難，余額增長乏力

傳統信用卡業務的營銷推廣，既缺乏先進的市場營銷理念和客戶管理思維，又在數據應用層面缺乏足夠的客戶行為數據和客戶偏好推測數據。傳統信用卡管理沒有與時俱進，對客戶用卡、活卡、玩卡等理念培養不到位，結果便是大量的信用卡客戶轉變為睡眠戶、沉默戶甚至注銷戶。而后續個性化活動和精細化服務的缺失，與不了解客戶需求、不了解客戶偏好直接相關，歸根結底，是大數據利用的不夠全面，缺少有力的數據支撐，難以進行針對性的數據分析，導致對客戶消費行為、生活需求、金融偏好等分析不足，喪失了后續的服務動力，缺少數字化運營的理念和創新的思維。

1.5 資金成本較高，利潤收益較低

信用卡的成本主要包括前期卡片研發制作成本、壞賬成本、推廣成本、數據維護成本。傳統信用卡的研發制作費用屬于前期一次性投入成本，由于部分信用卡處于未激活狀態，導致銀行產生了制卡成本，但是沒有相應的回報覆蓋。壞賬成本一直是信用卡成本的主要部分。本身信用卡透支的資金就來自于銀行儲戶的存儲金，客戶欠款后連續多期未還，轉變為不良資產，將導致銀行承擔更多的資金兌付成本，催賬環節也會產生不小的成本。商業銀行在催賬過程中，沒有充分運用大數據技術，導致對客戶分析不清，造成后續的壞賬成本。

此外，信用卡收益方面主要是年費、刷卡手續費、利息收入及懲罰性收入等。年費由于競爭激烈，刷卡手續費費率也在逐步縮小。很多客戶由于有多家銀行的信用卡，經常 “以卡付卡” ，借助銀行信用卡免息期的差異，避免信用卡利息的支付，相對減少了銀行的部分利息收入。但這些收益被壓縮、成本被占用的問題，在充分利用大數據技術的基礎上，可以得到緩解。如充分利用客戶的行為數據，對有資金需求且價格不敏感的客戶推動大額分期等高定價、長期限的信用卡產品，為銀行帶來長期、穩定的手續費或利息收入；如引入擔保公司等對被拒絕客戶進行二次回撈，在保證資產質量的同時，發放高定價、短期限的信用卡產品，以收益覆蓋風險等，都是通過對大數據技術的有效利用提高收益的有效做法。

1.6 同業競爭激烈，三方支付崛起

當前，信用業務作為大部分商業銀行零售業務的主要橋頭堡和根據地，在市場上同質化嚴重，同業競爭從產品、定價、流程到服務、體驗、理念，都在持續展開，市場透明性較強，往往一家銀行推廣新產品，后續其他同業便迎難而上，借鑒推廣，而決定商業銀行是否能在同業競爭中處于優勢地位的重要因素，便是大數據的應用，更多的數據意味著對客戶更了解，對市場更敏感，對同業更難以復制。

此外，隨著支付寶、微信pay等第三方支付的崛起，基于平臺自身積累、收集和利用智慧算法預測的海量客戶數據，花唄、借唄、微粒貸等產品強勢進入市場，更是給信用卡業務帶來極大挑戰。數據顯示，4個“90后”中，就有1個人用過螞蟻花唄。第三方支付平臺的數字信用不可忽略，往往是將“虛擬授信+純線上應用場景”相結合，在生活的各個應用中廣泛滲透，客戶應用實踐方便，在支付平臺也會有各種數字信用產品的使用方法、優惠政策，進一步增加了客戶與平臺的交互機會，提高了客戶黏性和產品不可替代性，這又分流了銀行大量的客戶資源，取代了傳統信用卡相當規模的市場份額。

2 大數據時代數字信用卡的具體應用方式

2.1 重視金融科技理念，以科技賦能業務

信用卡是商業銀行零售業務的重要獲客媒介和金融產品，使用流程和體驗感受至關重要。在信用卡數字化轉型的過程中，銀行建立起流暢的數字業務體系和設計友好的產品十分關鍵。借鑒第三方支付平臺的數字信用線上化、移動化、智能化，銀行在打造數字信用卡產品的同時，也要重點發展智能化服務平臺，創造數字信用卡對應的生活、服務場景應用，打通內外部交易循環，提高用戶使用頻率，改善使用體驗。

數字信用卡的產品從設計到售后使用，都體現了客戶友好度，借助大數據實現智能風控與客戶信息交叉印證，實現客戶申請便捷化，相關信息錄入自動化，額度授信精準化，充分發揮大數據技術的創新作用。此外，將數字信用卡的日常使用從銀行App剝離出來，和新媒體渠道緊密結合，如超10億用戶量的微信社交媒體等，客戶掃描二維碼即可申請數字信用卡，隨時下拉列表即可交易、還款、查詢。通過優化的銀行程序界面和設計，創造便攜的交互式平臺，實現與客戶的實時觸達，與商戶交易的互聯互通。

2.2 推動大數據基礎架構建設

大數據技術逐漸成為商業銀行信用卡業務的核心管理工具，為了充分發揮大數據為信用卡風險控制提供支持的作用，基礎架構的建設首當其沖、不可或缺。只有具備了完善的基礎架構和基礎設施，在數據體系、傳輸流程、系統搭建等方面為大數據技術的實施與應用提供堅實的基礎功能，才能進一步提升大數據技術帶來的技術優勢。但是技術架構的建設往往需要前期投入大量的人力、財力、物力，使許多銀行望而卻步，“工欲善其事必先利其器”，大數據基礎架構建設是“功在當代，利在千秋”的戰略工作，不能產生立竿見影的成效，但通過搭建完善的基礎架構，一定能夠使后續的工作事半功倍，保障信用卡業務的健康、有序、可持續發展。基礎架構建設一般包括數據標準化治理、系統群搭建、應用體系搭建等方面，能夠進一步提升大數據技術業務發展的有力支撐，為信用卡業務發展提供助力。

2.3 充分完善客戶畫像，有效制定客戶評級體系

拓展客戶市場的關鍵點是做好消費者市場調查，明確客戶評級與盈利體系。有時候初步定位為中產階層的客戶，并不一定是完全優質客戶，在他們身上無法賺取年費收入，也未必能獲得利息收入。需要結合更多的大數據信息來評估，如房貸信息、子女信息、父母信息等共同印證，明確客戶盈利體系。

銀行由于過于強調風控，對于收入不高的年輕階層，或者工作不穩定的高收入客戶，往往忽視他們的需求，而錯過了一定的利息收入。根據目標利潤倒置法，首先根據信用卡的目標利潤拆解，如年費收入、利息收入、其他收入。其次根據數據和經驗分析，明確不同收入的目標客戶群畫像，對客戶群、目標收入進行匹配。最后對客戶進行分類管理，明確針對客戶的第一層面收入。在滿足一定的回報條件下，在客戶后續數據畫像的繪制下，對客戶收入、需求、偏好等持續有效地進行分類評級，據此設計出與客戶行為偏好相匹配的產品，延伸信用卡的“壽命”和“盈利期”。一旦客戶大數據體系搭建完善，后續就是長遠的業務發展，將為商業銀行帶來可觀的利益回報。

2.4 建立大數據智能風控體系

作為最具數字基因的銀行產品，數字信用卡旨在深度挖掘依托在信用卡背后的大數據和數據處理，銀行內部根據大數據技術測試出客戶信用風險影響因素，并建立相關的風控模型，包括客戶準入模型、客戶授信評級模型、風險預警模型等。這與原來對信用卡申請人進行經驗式風控不同，大數據智能風控必須依據大數據技術，通過采集大量申請人相關數據進行數據建模處理，進而對數字信用卡申請人進行風險管控和授信審批。

大數據風控最大的問題是數據采集與數據治理。數據采集必將依托大量的客戶多維度的數據，這些僅憑銀行內部數據積累是遠遠不夠的。因此，引入外部數據如人行征信、學信網學籍、交易行為數據、反欺詐類數據及與頭部互聯網公司聯合研發模型等，是大數據能否有效應用于風險管理的重要依據。數據治理重點在于對大數據的挖掘分析，通過豐富傳統風控的數據維度，利用相關性原則，確定風控模型的因變量，從信用屬性強的金融數據到信用屬性弱的行為數據，通過數據的關聯分析和背后隱藏的邏輯判斷信用卡申請人的資信狀況，借助數據模型揭示客戶行為特征與信用風險之間的關系。大數據的智能風控對于批量標準化的執行流程，更貼合大數據時代風控業務的發展要求，有望實現在一秒便捷審批的同時，保證客戶準入的標準化與客戶授信的精準化。

2.5 建立以數據驅動的客戶成長評價體系

數字信用卡在初建立階段需要借助外部數據庫進行數據驗證和客戶評級，使客戶交易流程順暢化，提升客戶體驗。但這僅僅是開始，最終目標是利用大數據的能力，推進銀行在給客戶提供金融業務的全生命周期中不斷提高效率和服務能力。數字信用卡的創新理念，還在于產品售后服務。首先將所有數字信用卡的客戶數據進行統一標準化管理，利用大數據技術，迅速采集、處理、分析所有活躍和非活躍客戶的海量行為數據，進而整合分析客戶的行為，繪制不同客戶的需求畫像，對客戶實行有效的分級管理。例如，旅游達人分配旅游咨詢和優惠產品，美食達人分配美食咨詢和產品，儲蓄達人分配理財業務信息，等等。從初始的相對粗放的客戶管理模型，逐漸培養具備銀行自身特色的客戶成長體系，一方面增加客戶黏性，另一方面積累拓展客戶數據，通過大數據分析，進一步提供與客戶行為數據相匹配的金融產品資源，達到業務數據化和營銷精準化。

數字信用卡的推出也是銀行業在第三方“數字信用”強勢推出的基礎上進行的主動應對手段。在搭建或合作的場景應用平臺，推出大數據篩選的目標客戶，根據數據分析，繪制客戶需求圖像，針對性地提供持續、匹配的行內相關金融產品，交叉營銷。對客戶行為數據進行動態擴張與更新，在充分利用大數據技術有效監測風險客戶的同時，挖掘潛在客戶，推動業務健康有序發展。

3 結語

數字信用卡的本質還是信用卡，只是在大數據的技術下，用數據分析代替人工經驗判斷，優化決策，優化產品，積累行內客戶交易數據，開啟創新的業態發展。尤其是后疫情時代，線上生活交易的場景更是推動了信用卡的數字化轉型。通過科技賦能，提升信用卡的數據化轉型，幫助銀行在精準獲客、風險管控、運營分析、貸后管理等方面不斷提高，進而實現效益最大化。