大数据时代的信用卡经营变革

陆益民

2011年6月，美国麦肯锡全球研究院发布了《大数据：下一个创新、竞争和生产力的前沿》的研究报告，指出“大数据时代已经到来”，数据正已成为与物质资产、人力资本相提并论的重要生产要素，大数据的使用将成为提高竞争力的关键要素。2012年3月，美国政府宣布了“大数据的研究和发展计划”，从而掀起了世界性互联网信息革命的第二个高潮，全球开始进入了“大数据时代”。

信用卡产品作为电子货币的载体，与计算机技术、通讯技术和信息技术的发展息息相关，天然拥有海量级的交易数据信息。因此，大数据时代的来临将会给信用卡业务的发展带来巨大的挑战和契机，而且随着大数据应用技术的不断发展完善，信用卡的经营也需要加快变革，加快对自身和相关联数据的应用，提高经营效率和经营效益。如果不能积极应对挑战，就会被这个时代抛弃。

一、大数据时代信用卡经营面临的挑战

（一）经营思维方式的挑战

大数据时代是“除了上帝，都要由数据说话”的时代，海量数据所包含的信息将成为商业银行经营管理决策的唯一依据，而信用卡业务当前经营决策中仍大量存在“拍脑袋、拍胸脯、拍屁股”的“三拍”思维现象。这其中的很大原因：首先是缺乏数据思维的方式，还没有树立起在信用卡经营决策中主动数据思考的意识，经营思维方式简单、粗放，凭自己的长期业务经验“吃饭”，认为过去的经验是宝贵的、可靠的，通过经验决策往往能够迅速做出决策行为。其次，对大数据认识还不到位，对数据应用和数据工具的了解还处于相当薄弱，更谈不上经营中的数据应用，仍有不少人认为现有的各类经营报表分析就是数据应用。因此，如果没有树立起大数据时代的数据思维就实施数据应用，我们必然会使信用卡经营无法把握业务全局，甚至出现经营决策的偏差。没有数据，好像没有地图就要走出莽莽森林。另一方面，由于没有数据思维的意识，大量宝贵的数据信息被浪费，如商业银行具有巨量商户的POS信息和信用卡的客户交易信息，能被挖掘利用的几乎没有，或者只是“冰山”一角，从而丧失了业务发展和提升银行信用卡经营管理水平的机会。因此，商业银行必须改变现有信用卡经营的思维方式，尽快树立起数据思考的意识，积极推进数据应用，向数据要经营管理决策依据，从而在大数据时代的信用卡业务竞争中，能够看得远、看得全、看得清，才能占据数据制高点，在市场竞争中处于优势地位。

（二）大数据能力的挑战

大数据不仅是指规模庞大的数据对象，而大数据能力是指针对数据应用要求，利用各类数据工具对现有的数据对象进行数据挖掘、展示的能力。因此大数据的能力将包含对数据对象的处理和应用活动，是数据对象、数据技术与数据应用三者的统一。

1.数据对象存在不充足性和凌乱性。大数据时代，数据对象的采集能力和数据对象的完整性和存储有效性，是数据能力的基础。而银行信用卡数据对象主要是银行信用卡在自身经营过程中不断积累的结构性数据，如客户金融交易信息和客户信息等。而对经营过程中的非结构数据，如音频、视频、图片和非对称性文字等数据的采集、分类和存储仍有着极大程度的缺失。另外，非自身经营过程中的其他数据收集与分类管理更是严重不足，如国民数据、经济数据、身份数据、家庭数据等。

2.数据技术能力存在薄弱点。数据技术能力，包括对数据对象进行加工的数据工具和运用数据工具的人才队伍两个方面。如何在银行信用卡业务经营中实施大数据应用，目前还处于起步阶段，基本还停留在数据库时代和对结构性数据的挖掘上，数据工具应用相当薄弱，市场上各类先进的数据挖掘工具、图形展示工具，如Hadoop、MySQL、Procesing 等，各大商业银行没有或者很少使用。另一方面，数据技术人才也是相当欠缺，能够具备相当人数的、灵活使用数据工具的数据人才队伍才有可能将数据对象的作用发挥和展示出来，为信用卡经营决策提供依据。

3.数据应用能力几乎空白。数据对象和数据技术都是围绕数据应用来开展的，数据应用能力是大数据应用的核心。目前，大多商业银行信用卡数据应用能力处于“一穷二白”。一是信用卡业务经营中缺少具有数据思维的经营管理人才，难以明确数据决策目标，也使数据技术能力发挥受到限制；二是缺乏数据应用经验，数据应用需要有相当长的应用积累周期，通过对不同的应用项目的实施，来不断积累数据技术的运营能力和验证数据关联性；三是缺少数据应用人才队伍，数据应用项目需要有一定数据经验的人员队伍来进行实施，而目前在业务层面上基本还处于“零”起点。

二、大数据时代的信用卡经营变革

多算胜，少算不胜。（《孙子兵法》）

大数据时代背景下继续推进信用卡业务发展，关键是要在经营思维模式上突破传统思维模式，同时不断注重数据对象建立，提升数据处理和挖掘能力，从而将数据应用在客户营销、关系维护、风险防范等方面发挥作用，进一步来提升经营管理能力，创造信用卡发展机遇，提升盈利空间。

（一）全面变革信用卡经营思维方式

在信用卡业务经营中，逐步营造树立起“数据思维”的经营文化，积极倡导运用数据说话，使经营决策者能够意识到数据的价值，将现有数据逐步转化为信息资源，为信用卡经营决策管理提供强有力的决策依据。无论是信用卡产品开发、目标客户群体营销，还是客户关系维护、风险管理，都能够使经营决策有准确的事实描述，真正做到让决策更加有的放矢，反映决策的逻辑理性，更加贴近业务经营实际，围绕客户为中心的决策机制，提升客户体验，从而消除经验型决策和非理性决策所带来的消极因素，避免业务决策的盲目性，同时提升业务决策的效率性。

（二）不断完善信用卡经营决策数据对象采集

大数据时代，数据对象是源头，是信用卡经营决策的依据和价值创造的基石，银行信用卡业务迫切需要通过数据对象的全面性采集，不断建立完善信用卡经营决策数据对象体系。信用卡经营的数据对象应包括两方面，一类是银行自有的数据信息，另一类是非本银行自有的数据信息。目前，大部分商业银行信用卡业务现有的主要数据对象是自有的客户信息数据、客户持有金融产品的数据和客户发生在银行的各类交易数据三个方面的数据。

1.信用卡业务的结构性数据，包括：（1）金融交易信息，信用卡存取款、转账、用卡消费等金融交易信息，商户POS交易信息，POS交易时间、POS交易笔数金额等；（2）非金融交易信息，卡片启用、修改密码、网银登录、挂失、止付、授权等非金融交易，网点、商户、ATM、POS等交易渠道信息等；（3）客户档案信息，客户性别、年龄、职业、联系方式、工作单位、家庭住址等，POS交易商户的POS安装类型、经营行业、经营地址、经营人等，ATM/自助服务终端安装地址等。

2.信用卡业务的非结构性数据，包括银行有客户的资金往来的信息、网银浏览的行为信息、服务通话的语音信息、营业厅、ATM的录像信息、投诉记录等。

3.信用卡业务的关联性数据，包括信用卡客户或POS商户相关联的银行其他账户类信息。

非本行自有的数据信息，可包括信用卡客户在他行账户开立信息、资信、性格特征、兴趣爱好、生活习惯、从事行业、家庭状况、驾驶车辆、个人纳税等，POS商户企业类型、企业纳税、经营规模、员工数量和大量的互联网行为信息等。

根据权威机构研究，大数据的数据对象主体是非结构化数据，当前社会的数据构成中，80%的数据是非结构化或半结构化的，结构化数据仅有20%，对于非结构化数据的处理和分析才是大数据时代的本质。从实际情况来看，银行非结构性数据和非银行自有的信息数据具有采集难度，尤其是非银行自有的信息数据，只有把银行内部的数据和非银行自有的社会化数据打通，打破“信息孤岛”的格局，越完整采集数据就越能够清晰描述客户。

因此，银行需要在数据对象采集方面加大资源投入，在原先仅注重结构性数据积累的同时，也要加强对银行非结构性数据的日常积累。另一方面，要积极拓展非银行自有的数据信息的收集，要采用“走出去”方式，与移动网络、电子商务、社交网络等大数据平台进行联接，加快此类非结构性数据对象的积累，将客户行为数据补充全面，才能为客户提供触手可及的全方位贴身服务。

（三）全面推进信用卡经营的数据应用

为顺应大数据时代经营要求，信用卡业务要循序渐进推进数据应用，实现分步走，先期可以从银行掌握的数据信息着手，重点对客户交易行为分析入手，在客户精准营销、客户关系维护、风险管理等方面实现有效的突破，再结合非银行自有的社会数据信息逐步深入，使银行信用卡的经营管理能够真正实现数据决策。

1.建立信用卡客户群体模型，实施精准营销。通过银行现有的信用卡金融交易类数据和非金融交易类数据，对信用卡客户的刷卡消费行为进行数据化的分类、统计，从而获取信用卡客户的消费习惯、消费能力、消费偏好等数据信息，建立客户交易行为模型，实施目标客户的精准营销。

（1）通过客户交易行为的数据挖掘建立客户群体模型。通过对客户交易行为，如交易类型、周期内交易金额、单笔交易金额、周期内交易频度、交易行业等数据挖掘，建立客户不同行为类型模型，包括消费型和经营型、商旅型和消费型、日常消费型和短期消费型等，从而根据客户行为类型来确立发卡、风险管理等经营策略。

如高消费、高经营型客户就往往需要更高的信用额度，需要在信用卡经营在风险、效益平衡上要有更积极的措施；商旅型客户将会对旅游类、航空类联名卡具有更高的需求性；日常消费型客户需要的是平衡性的授信额度，而短期消费型客户可能对临时调整额度具有较高的需求。

通过对客户群体模式的建立，可以细分银行的营销策略，将合适的商户资源或促销资源，在合适的时间上投放到合适的客户群体，使资源能够发挥更大的效应。当持普通信用卡的用户所持信用卡是没有附加航空意外险和航空里程积分的产品，但是当该持卡人使用该卡购买了机票，作为发卡银行就应该主动向该客户推荐带有航空意外险和航空里程积分的航空公司联名信用卡。

（2）快速锁定高价值客户。高价值客户群体的传统锁定方式，主要是分析信用卡客户在一段周期内的刷卡交易金额，但误差率非常高，在数据处理上仅是单一数据考虑，而缺乏对周边数据的校正，包括交易周期的长短、频度，交易的性质以及交易的行为特征。因此，快速锁定高价值客户必须改变现有数据处理方式，判断客户的价值标准需要消费交易额度与交易商户行业信息、交易场所消费档次等级、交易频度、交易周期、授信额度利用等。

通过对高价值的客户群体的挖掘与精确锁定，为银行后续性的客户关系提供服务支持，如在确保安全可靠的情况下进行卡片升级，对优质客户及时配发更高端的信用卡产品；实施对低风险优质客户进行信用额度提升，提供满足客户所要求的，及时、有效的信用额度提升服务。

（3）建立客户生命周期无缝维护体系。充分挖掘非金融交易数据，包括客户档案信息、申请、审批、制卡、卡片邮寄、卡片领用、卡片启用、卡片首笔交易、还款状态、到期换卡、挂失、止付等结构性数据和咨询、投诉、纠纷等非结构性数据，从而建立以客户为中心的生命周期性客户服务体系。从客户申请信用卡开始就给予必要的关注，如是否首次申请银行信用卡，是否被审批通过，是否完成制卡，客户是否收到卡片，客户是否可以到网点领卡，客户是否进行了卡片启用，客户是否在启用后进行首笔刷卡消费或存取款，客户是否通过电话或网点咨询过业务等。银行需要在每个环节关注客户的交易关系行为或我们为客户提供适时的服务，让客户及时了解银行为客户提供服务的现实状态，以无缝的客户关注来了解客户的交易行为，使银行能够在客户最需要关注的时候来向客户提供服务。

2.建立信用卡客户交易行为——信用风险模型，实现信用风险精准管理。通过大数据挖掘，实现客户交易行为与信用风险的关联，建立起信用卡客户交易行为——信用风险模型，不断提高银行信用卡的风险管理能力，从而提升信用卡资产经营能力。

（1）建立信用卡客户交易行为——信用风险模型。采用数据技术分析寻找客户交易行为与信用风险的相关性，包括客户的交易行为数据，如交易金额、交易类型、交易场所、交易时间、还款记录等信息和非金融信息，利用数据图形展示工具，不断清晰信用卡客户交易行为与信用风险之间存在的关联物。

客户交易行为——信用风险模型是一种动态模型，主要表现在客户交易行为是随着当地经济形势的变动而变动，客户群体的风险特征实际上会产生变化。因此，必须要对客户交易行为——信用风险模型相关数据应用不断进行动态调整，才能适用于经营管理发展。同时，通过客户类型的变化，可以知晓客户的信用成长和删减动态变化趋势，进一步了解客户的变化动态趋势。

（2）全面应用信用卡客户交易行为——信用风险模型。信用卡资产业务的经营管理，一方面是要不断扩大资产规模，发现哪些客户群体会对信用卡融资产生兴趣，从而扩大目标客户群体授信额度，或者通过促销手段，提高授信利用率。另一方面是要控制资产业务的信用风险率，预见风险客户，及时降低或取消其信用卡授信，甚至退出，将信用风险能够在事前进行预防，而不是目前普遍采用的事后防范手段。全面应用信用卡客户交易行为——信用风险模型，可以进一步使信用卡资产业务经营管理规模化、精细化。

信用卡客户交易行为——信用风险模型可以应用在银行信用卡资产业务销售前端，包括信用卡发卡、额度提升、卡片升级等环节，在事前对可预见风险的客户进行排除。应用客户交易行为——信用风险模型在一定程度上是对客户信用的综合评价，从而也为信用卡资产业务的发展拓展出新的经营思路，信用卡业务部门是否可以直接向客户提供小额消费信贷产品，而不单纯是信用卡产品。这已是国外信用卡经营部门非常普遍的经营模式，由信用卡公司直接向客户开具支票，提供小额消费信贷业务，从而能够将信用卡多年积累下来的交易数据成为客户个人资信评估的依据。

3.建立信用卡增值服务模型，提升客户价值和盈利能力。单个客户都有自己的消费行为轨迹，通过数据挖掘就可以了解到客户经常光顾的商场，知道客户经常就餐的酒店，旅行时住的宾馆和经常乘坐的航空公司，客户的旅行路线，客户的差旅时间等；尤其结合信息量远远大于银行的社会化数据信息的采集应用后，通过将信用卡金融交易数据信息与非金融交易数据信息的关联，银行还可以知道客户在儿童节是否给自己的子女购买礼物，客户所居住的物业是否装修，客户购买了哪种类型的汽车……因此，注重金融交易数据信息与非金融数据信息的关联应用，可以不断扩展银行信用卡经营范畴，将银行信用卡业务从单一金融服务延伸到非金融增值服务。

（1）可以向客户提供提升客户价值的非金融增值服务。通过数据关联，我们完全可以知道差旅客户寻找的旅行公司、入住的酒店、所乘航班的航空公司、车辆租用等非金融信息，银行就可以将客户群体普遍认同的旅行公司、酒店、航空公司、汽车出租公司等商户，发展成为银行的特惠商户，客户可享受更优惠的服务价格。而当旅行公司、酒店、航空公司、汽车出租公司等商户开展优惠活动时，银行也可以及时向客户推送信息，如寄送旅行优惠券、酒店住宿优惠券等，为客户提供非金融增值服务，提高对客户的黏合度，也同时提升信用卡自身的品牌价值。

（2）通过增值服务提高市场竞争能力。银行可以采集到某酒店经常就餐的客户群体所关联的客户信息数据，可以为酒店提供经常就餐客户群体的年龄、职业、性别等构成和消费能力结构等数据信息，为酒店营销策略调整和促销效果评估提供数据参考意见，也可以使银行以此类非金融增值服务来提高对酒店收单业务的市场竞争能力，从而提升信用卡业务经营效益。

（3）通过数据二次利用形成数据链价值。通过数据挖掘，银行信用卡可以了解到客户的消费行为，并且通过数据二次利用将消费行为形成数据链，从而了解到客户群体的消费行为的关联性，整合平台资源，为客户群体设计服务更优质、价格更优惠、体验更良好的非增值服务链。信用卡可以为具有同样消费行为链的客户群体开发旅游线产品、差旅服务产品、购物旅行产品等，以客户体验来锁定客户群体，也可以提升银行信用卡经营效益。

4.配合建立银行“数据池”，推进全行大数据应用。可以将信用卡数据信息纳入到全行经营管理的决策数据池，充分发挥信用卡数据作用，也改变信用卡业务在全行的经营地位。信用卡的交易消费数据中包含了大量非金融行为数据信息，是银行其他业务专业经营所不具备的。因此，通过对信用卡经营数据的挖掘利用将会对银行其他业务的经营起到积极作用。

通过挖掘信用卡金融交易和非金融交易数据信息，可以成为银行分析客户财力、信用动态和企业经营状态的第一手资料。由于信用卡数据信息具有瞬时性，几乎可以对个人、企业的实际状态进行“秒级”程度地清晰了解，在效率、全面性上远高于客户经理上门了解，或者通过第三方机构或第二方资料信息来进行侧面了解。因此，信用卡经营数据信息将是银行经营管理决策“数据池”中不可或缺的重要内容，这也是使国际上大型商业银行必须发展信用卡业务的重要原因。

大数据时代的来临，必将深远影响信用卡经营的变革，也必将为银行信用卡业务经营开创出一片新的天地。但信用卡数据应用需要银行在技术、人员上不断地进行资源投入，不断积累数据应用经验，寻找数据相关性，不断建立完善客户、业务模型，这将是一个漫长的过程。