大數據時代的來臨怎樣影響著信用卡業務的發展

1大數據應用時代來臨

當前，隨著計算機技術的發展，大規模計算能力的大幅提升，數據存儲能力也獲得了大幅提升。云存儲、云計算以及分布式計算、流式計算、內存計算等技術的突破，使得大數據技術在各行業的應用越來越廣泛。

隨著在金融領域的應用更加深入，各金融機構也都相繼搭建了自身的大數據平臺，利用平臺的計算能力，把原本分散于各業務系統的數據通過統一的數據平臺或數據倉庫進行標準化、集中式管理，通過場景化的設計，使得各個業務場景都能夠通過模型進行描述和應用，使用自身已有的數據進行模型測試，完成相關業務的應用。

2信用卡業務發展

信用卡業務在我國已經發展多年，目前已經成為金融機構的重要業務收入來源，根據已發布的《支付體系運行總體情況》顯示，截至2016年末，全國信用卡和借貸合一卡在用發卡量共計4.65億張，同比增長7.60%，全國人均持有信用卡0.31張，而國有5大行的信用卡發卡量累計占比超過7成，其他股份制銀行發卡量也在不斷提高。

同時各家銀行業都推出自身基于手機銀行的APP，或者單獨運營自身的信用卡APP，結合當前用戶的年輕化、消費需求旺盛、消費能力大幅提升，信用卡業務已經為各行貢獻至少10%的業務收入，有的行甚至能達到60%。

但是信用卡業務的發展不是單純追求發卡量，其帶來的經濟效益才應該是各行關注的重點。據國外研究，平均每個用戶能夠為發卡行帶來貢獻的時間是6年，如何更好的應用這段時間服務用戶，讓用戶的使用時間更長，帶來的價值更大才是信用卡業務發展所要關注的。

用戶平均每月的刷卡次數低于4次，信用卡的循環授信額度使用率低于20%，這些都是影響信用卡業務發展的重大問題。如何去提升用戶的使用頻率，如何結合實際的業務場景，提供更全方位的金融服務，成為信用卡發展需要考慮的事宜。

3大數據在信用卡業務的應用

結合各行自身已經建設的大數據平臺，通過各行的手機銀行APP或單獨的信用卡APP采集客群的交互行為，使用3A3R模型，將客群的感知、新增、活躍、留存、轉化、交易、傳播等過程進行量化，建立一套完整的指標體系，進行日常監督和考核，能夠更好的為信用卡業務運營提供幫助。

再結合自身的數據，就能夠進行客戶的簡單畫像，了解到用戶何時使用APP、使用的時間有多長、在哪個產品的關注時間較多、對哪類產品交互較多、哪些產品的交易情況較多、再加上使用哪些設備登錄等信息，就能夠實現自身一方數據的畫像，通過這些數據分析的結果，對于APP平臺的設計和優化、頁面布局、功能設計、甚至是頁面的配色、圖片風格等進行很好的指導，能夠很大程度提升用戶的活躍和轉化。

4信用卡渠道優化

在信用卡發卡方面，通過已有的大數據分析，對于不同的申卡渠道進行評估，對于線上垂直類應用的申卡、官網渠道申卡、手機APP內申卡、線下渠道申卡等進行數據采集。

通過平臺進行統計分析，能夠對不同渠道在不同時間段的表現進行評估，判斷不同渠道帶來的貢獻大小，對于渠道的后續運營投入提供指導和幫助，對于不同渠道采取不同的優化策略，可以極大提升信用卡業務擴展。

5信用卡設計

以往無法了解到客群在APP產品外部的相關行為，大數據時代，能夠方便采集用戶在APP內的交互數據，再結合外部的標簽數據，對于客群進行全方位的畫像，了解用戶的行為習慣和興趣偏好，進行客群的分類。

通過不同客群進行多元化的分析，判斷用戶對于某種產品有較強的偏好，可以聯合相關產品方進行聯名卡設計，提升交叉營銷的能力，提升發卡的數量，同時在APP端配合相關的活動及權益，提升客群的活躍度，交易轉化率，實現交易收入的提升 。

對于高端客群，其帶來的收入貢獻最大，通過大數據分析已有高端用戶群體，了解其行為偏好屬性，設計出更多的產品，對于高端服務提供更多的選擇，如針對高爾夫、機場貴賓廳、出國旅行、高端酒店、奢侈品展覽等提供更多高端權益，用以提升客群的服務品質，以及增加信用卡業務收入。

6信用卡日常運營

大數據時代，對于信用卡業務的日常運營，主要通過APP端采集的客群行為數據進行統計分析，了解客群每日的新增、活躍情況、關注周活躍、月活躍等指標數據，圍繞年度KPI進行任務的分解，能夠清楚的了解不同階段的運營情況。

結合當前所處的季節及行業特點，采取不同的活動形式進行客戶的引流和促活，用以提升相關數據表現，同時也需要與同行的APP進行橫向對比，了解自身所處的行業地位，為日常運營提供參考。

7信用卡APP營銷獲客

在大數據時代，日常運營更加精細化，通過采集到的客群行為數據，結合一方數據對客群進行聚類分群，對不同客群采用不同的營銷方式和營銷內容，用以提升營銷的效果。

利息收入和分期手續費收入已經在信用卡業務收入中占比超過70%，如何更好的通過大數據精準客群營銷，提升獲客質量，帶來收入的提升，成為首要考慮的問題。

通過結合已有的一方交易歷史數據和APP內部的用戶行為數據，再通過外部標簽、行為偏好數據進行綜合分析，通過特定的模型和算法，在現有用戶中篩選有潛在需求的客戶，設計對應的分期營銷產品和營銷渠道，有效觸達相關用戶，提升用戶的觸達和轉化率，進而提升營銷收入。

8信用卡APP活動設計

以往APP內推出的活動無法準確預知活動的好壞，在活動設計之初都是依靠歷史經驗進行判斷，活動設計形式及內容都無法準確和現有客群進行匹配，導致了很多活動資源的浪費，也無法達到預期效果。

大數據時代，通過對APP內部用戶行為進行采集并分析，了解用戶的行為偏好，再結合其他外部的相關數據，對用戶進行精準畫像，在活動設計的過程中用數據進行決策支撐，幫助提升活動設計的準確性，同時也能夠通過大數據監測，對活動的執行過程中的用戶行為數據的監測和統計，事后進行活動分析和活動質量評估，對于不足之處后續再哪些方面進行優化和改進，對于好的方面如何進行更多的嘗試，都有借鑒意義。

9信用卡APP產品優化

以往技術無法了解到用戶購買前的相關交互信息，大數據時代，通過APP內部的業務數據埋點，對于APP平臺中的不同產品留存和轉化情況進行統計并分析，找到客群關注的核心轉化路徑，以及關鍵產品的核心交易路徑，進行不斷的優化和迭代，減少不同環節的用戶流失，提升自身的產品服務能力，從而帶來業務收入的增長。

10信用卡催收應用

以往信用卡業務部門的催收工作只能等到發生逾期后才能進行，通過大數據的方法，結合歷史交易記錄和用戶行為記錄，對用戶行為進行預測，及時發現潛在風險，將催收工作的難度降低，同時也更好的服務于更多的風險管理部門，提高效率。

11信用卡羊毛黨識別

在每一次的活動中，羊毛黨的存在會降低高價值用戶的參與度，以往無法知道有多少比例。如何通過大數據有效識別并降低羊毛黨造成的不良影響，成為信用卡運營工作中的一個重要任務。目前已經可以通過積累的大數據技術，結合行方APP內相關的交互數據和歷史交易數據，有效的分析并識別專業羊毛黨，幫助信用卡運營部門及時發現并阻斷，以減少損失。