利用用戶在線下消費積累的大數據創造消費場景

 從 淘寶 的 “花唄” 到 京東 的 “京東白條”，再到芝麻科技旗下針對線下零售門店推出的實時導購助手 “知了”、結合了線下商業消費數據及線上消費軌跡的 “觀星”，似乎大數據還被禁錮在互聯網企業的圈子內?；ヂ摼W大數據在于掌握了許多傳統數據方及征信方拿不到的數據，例如在國外，已經有公司在分析用戶的 Facebook、LinkedIn 和 Twitter 賬戶來評估他們的信用情況。包括美國的企業征信巨頭鄧白氏近年的戰略主要有二：增強數據挖掘能力，兼并掌握技術的企業;與互聯網數據掌控方戰略合作，共享數據。

    今年6月，浦發銀行信用卡中心宣布與騰訊征信開展合作，借助互聯網大數據對客戶消費行為和誠信記錄作出盡可能全面的綜合分析，開展基于互聯網大數據的第三方征信服務，這在傳統金融機構中算得上是第一家。

    那么，除了暢想在未來的某一天，企業可以結合第三方數據、互聯網大數據做更多征信業務之外，積累了千萬級用戶數十億條消費信息數據的傳統銀行，該如何利用自己原有的業務數據積累做到實際上的線下營銷落地?畢竟，線下的消費數據沉淀時間更久，關聯著的信用卡賬戶甚至還包括許多個人資產證明、工資證明等材料，跟互聯網企業相比，省去了線下征信調查的步驟。

    浦發信用卡中心的首次嘗試的切入點在信用卡，并選擇了 天璣科技 的大數據團隊作為解決方案提供商，而在天璣科技背后，更有智樹科技等科技創新公司提供大數據技術分析的支撐。除了上述線下數據沉淀的優勢之外，選擇此次合作，是因為信用卡中心利用大數據做業務落地能挖掘用戶的增量消費需求嗎?

    對于這個提問，天璣科技的大數據團隊負責人梁晟認為，信用卡的透支功能、用戶消費特征都需要大數據做把控，并做實時營銷方案，“信用卡中心是最關注用戶行為、消費習慣，希望用戶多刷卡消費，獲得更多的流量。主要的目的：第一，獲客，拿下增量的客戶群體;第二，爭取讓已有的客戶增加消費。浦發銀行信用卡的客戶群主要是華東區的白領，都是收入相對比較高的人群”，這其中的數據含金量很高。

    梁晟畢業于復旦大學計算機系，碩士學位，多年來從事金融、運營商的應用架構和咨詢，對大數據的實踐落地有著許多獨到見解，并同時帶領團隊選擇了銀行業這個數據價值密度較高的行業，以信用卡業務作為切入點，在促進信用卡業務獲客、營收甚至風控等方面，邁出了實踐的一大步。在他看來，信用卡的三大痛點及背后根由，主要分為實時營銷、數據關聯、銀行缺乏落地實踐等，歸納總結如下：

    第一，信用卡交易的數據量特別大，用戶量千萬級，用戶歷史信息和記錄數十億，年交易量超越了十億級。而與之對應的，核心系統還是基于原有的成熟架構的系統，主要針對 OLTP 的在線事務處理。原有的核心系統運行穩定，但不適合做在線數據分析的處理。

    通常用戶刷完卡之后，核心系統需要對用戶進行復雜的狀態計算，才能作出這筆交易成功、或者不成功的判斷，這個過程在系統中必須確保整個事務的完整性。整個計算過程數據處理量是多少?速度怎樣?梁晟回答，“大數據服務平臺現在做到以單節點數萬筆 / 秒規則匹配。分布式架構是計算集群，原則上可以線性擴展，以時間衡量的話，處理速度為微秒級”。

    在判定這筆交易成功后，系統先進行虛擬賬的記錄，可能到當日統一清算時，再記錄會計賬。整個事務處理的復雜性的要求導致核心系統騰不出時間做實時營銷，并且使用的還是傳統的技術架構以及數據處理方法。一旦在任何環節，會計賬或者虛擬賬出現偏差，其錯誤原因的排查往往要耗費大量精力。為了保證數據的一致性，銀行信用卡業務往往相對弱化性能，更難以進行更多的實時營銷支持。

    第二，隨著日積月累的數據沉淀，核心系統和各類業務應用系統的數據也越來越雜亂，“噪音” 越來越多。數據處理系統多，可能每個系統都有分析、數據挖掘的功能，但是數據必須形成關聯圈。需要有一個大數據的平臺獨立在信用卡核心系統之外，把數據進行清洗，更關注用戶、做用戶畫像，更主動甚至自動進行實時性的營銷和推廣，且保證逐步增長的精準性。

    第三，不能做到對用戶的實時營銷。原本的核心系統在包括長事務的多個環節，需要對許多信息進行判定、核實(比如額度是否透支、上期還款是否已到位)才能確保交易成功，沒法同時完成實時營銷。如果在核心系統之外另外開發一套數據系統，導入新流入的用戶交易大數據，那么就可以在核心系統之外做到數據的實時更新，既不影響核心系統的事務處理，又可以據實時更新的數據，并以這些數據做在線實時分析，觸發事件式精準營銷。

    甚至在未來，是否會有可能對用戶信用情況做評估上的調整，酌情降低或者提高透支額度?對于這個問題，梁晟的回答很堅定，“銀行卡業務最核心的就是信貸，并高度強調風控。分布式計算框架能整合多方數據，使海量數據在線分析成為可能，與信用評估的結合是必然的”。

    在上述第三點實時營銷方面，大數據的應用也分為細分的幾種應用場景：

    浦發信用卡市場合作方每年有上萬家商戶。例如跟星巴克的有活動合約，刷信用卡，滿足一系列的規則條件可以 88 折，在某一些節假日可以買一送一，或者當日信用卡總消費金融滿 1000 元就可以買一送一，這些活動需要有一套完整的活動規則引擎去進行快速匹配，并發計算量非常大，還涉及到一些事務性處理，引入大數據的計算架構使得這些在線分析成為可能。

    用戶信息更新需要較長的周期，例如積分，例如：刷卡滿了一定金額可以升級鉆石會員，但這樣的周期往往太長，難以滿足日益提升的用戶服務質量要求，大數據服務平臺建立了用戶分析的模型，批量處理用戶積分，以及 “白領”、“吃貨”、“土豪” 等用戶畫像標簽，也，可以做到以周為單位更新數據?，F在用戶標簽是靜態標簽，近期還會擴展為動態標簽。

    針對以上所述痛點，浦發銀行信用卡中心和天璣科技的聯袂主要從以下幾部戰略作為切入點：

    第一，結合卡類業務實時營銷的系統，浦發銀行信用卡中心專門成立了數據服務部，由天璣科技大數據團隊提供大數據服務平臺，包含了實時營銷功能，為將來所有的浦發信用卡中心業務部門和外部機構提供數據服務。數據必須要關聯才有價值，金融的數據是價值密度非常高、也最真實?；氐角懊鏀祿看?、數據處理系統龐雜的痛點，數據服務部目前是與外部征信、政府、公安、電商等進行大數據對接的一個核心平臺，力圖在未來做到數據互聯，形成本地完整的大數據小生態圈。

    海量數據的存儲和分析處理、升級是一方面，另外一方面就是交易數據也同時以流式計算的方式進入大數據服務平臺，實時營銷模塊跟核心系統是分離的，大數據服務平臺與核心系統存在交互，為其它業務應用提供數據服務，通過 web-service 接口來大數據服務平臺的數據。

    第二，作為數據服務的核心系統之一，必須要有明確的定位，將來業務拓展、落地的重任由數據服務部提供數據支持。結合以上大數據實時營銷的場景，相比于線上 DSP 廣告大多以具體商品作為用戶的興趣標簽，信用卡本身掌握更多的線下用戶數據、用戶刷卡地點。此外，天璣科技方提供的大數據服務目前還會結合消費數量、消費金額量等活動規則，實時進行規則引擎進行匹配，進行流式計算，完全的分布式高效處理數據。

    未來業務拓展方面，還會結合商圈和 LBS 進行更精準的推薦和營銷，而這些業務要取得一定的外部數據源，大數據服務平臺為將來的業務營銷方案提供了基礎的應用計算框架。假設，未來跟大眾點評等有合作的話，就可以獲得更多實時的用戶、浦發信用卡合作商戶的地理位置信息，從數據庫里的全國幾十萬種活動中，挑選出 1-3 個最匹配的活動推送給單個用戶。

    許多銀行都會利用大數據技術進行用戶畫像，或者歷史數據查詢，梁晟則認為，此次浦發信用卡中心是國內傳統金融圈內第一家做到大數據實時營銷的機構，“天璣科技的大數據團隊為浦發信用卡中心的市場部、電銷部、客服中心和移動金融部等部門的提供實時數據服務，可說是初步綜合形成大數據的生態圈。在傳統銀行向互聯網 + 大數據嘗試的方向上踏出了堅實的一步”。未來，大數據應用在傳統銀行業又會創造怎樣的成績?

    的確，許多大數據的應用場景還沒有真正做到實際落地，大多傳統銀行機構還在觀望，小試牛刀的互聯網企業似乎停駐在支付寶的 “花唄” 等線上層面的嘗試。數據來源則更顯得缺失，大數據更多的是通過線上數據共享獲得，較為經典的應用實例就是淘寶的運費險了。運費險做過一套大數據智慧應用的解決方案，退貨發生的概率，跟買家、賣家的習慣、商品的品種、價值、促銷活動等都有一定相關度。運費險采用了第三方提供的解決方案，應用數據挖掘的方法，建立退貨發生的概率模型植入系統，就可以在每一筆交易發生的時候，給出不同的保險費率，使保險費的收取，使之與退貨發生的概率相匹配。

    問題是，真正將線下消費的數據沉淀付諸大數據應用的例子實在太少，國外的案例是 Target，而在國內呢?