銀行大數據 客戶行蹤人脈無所遁形?

博客 17:52 2019/11/06

分享:

銀行大數據 客戶行蹤人脈無所遁形?

早前因緣巧合碰到一個師妹在準備香港某銀行MT的面試,面試以Take home exam的方式進行,給考生3天時間準備,再向幾位銀行中高層Present,時限為15分鐘。整條題目大概是:「What are the threats & opportunities of big data to banking industry and particularly to our bank?」

華田本着我佛慈悲的立場,當然也幫了師妹一把。如果你也正在準備回答類似的問題,希望我的答案也幫到你一把吧。

面試官是一群銀行的中高層,一般都很貼地,喜歡實實在在的Use case。同時是次作答時限只有15分鐘,所以簡單的立論,每個論點再輔以一至兩個有力的例子便足夠了。

答案可以分3部分:

  • 簡單介紹甚麼是Big Data
  • Big Data帶給銀行業的新機遇
  • 小銀行在Big Data時代的危與機

由於師妹面試的是Retail banking,華田當然會以一貫Retail banking的角度出發了。

【延伸閱讀】銀行業入行攻略!應徵者必知的Case Interview面試心法

1. How Big a Data has to be so that it can be called “Big Data”?

大數據之大,除了從字面上理解為數據量(Volume)大以外,還必須符合種類(Variety)及速度 (Velocity)均「大」才能算為大數據。

其實銀行掌控的數據量一直都很大,大家可以想一下,除了「Big brother」以外,誰還知道你的歲數、地址、性別、電話號碼、資產分布、月入、僱主、信貸紀錄、消費類別等等的資料呢?但這些數據一直都停留於Customer demography的層面,種類很單一,速度當然也不高了。

那銀行有甚麼又另類速度又高的Data等待發掘呢?

2. Big Data帶給銀行業的新機遇

其實不用依靠Google等科技巨擘,銀行自身已可躋身大數據的領域,舉幾個列子。

●地址+FPS — 比Facebook更清楚你的人物關係圖

Facebook當然強大,Facebook透過Network analysis已可以準確算出你跟誰人是真Friend誰又只是Facebook friend,還可以猜到誰是你失散多年的朋友……

但銀行仍然有優勢,因為你未必會在Facebook add你的爸爸媽媽,但也許你會透過FPS或Same bank transfer給家用。銀行還準確知道你的歲數、姓名和地址,把資料整理後,不用神秘的Machine learning model,單是用人眼已能分辨出你的父親母親老公老婆同事朋友了。

你可能只是一個只有10萬存款小客戶,沒繳交過入息證明,所以銀行可能對你的工作沒甚認識,但當發現你全部的飯腳都是月入過10萬的醫生時,你沒理由只是個醫院女工吧。

●櫃員機+信用卡+手機App—香港只是一座五指山

不要以為只有Google和Apple知道你身在何方,銀行也可以做到,只要你用我的櫃員機、信用卡和手機App就好了。

以中銀香港為例,全港的分行加戶外點超過400個,遠至沙頭角、長洲、赤柱軍營、新圍軍營、中聯辦、外交部、陽明山莊等等,要搜集客人(甚至他全家,承上的方法)的足跡,根本易如反掌,配合手機App和信用卡,香港只是一座五指山。

如果有用某新聞Apps的朋友,也許會發現已有傳媒機構已跟部分商場合作,實行去到哪Sell到哪。其實華田也沒甚麼反感,因為最少我覺得Promotion是Relevant的,這令華田想起某銀行老是跟華田說「一個海港、只有一個海港城」一樣,我從來都唔去海港城嘅,你Sell我都無用。

回正題,Geo-locations有甚麼用呢?用法真的多得很,除了到特定商場才推銷特定推廣外,還可以客人一到機場便推銷旅遊保險、介紹客人到「最近」分行做RPQ(即風險評估問卷)、有沒有經常去澳門(很容易喇,除了手機Apps,單是有沒有在周末在中港碼頭提款便知)、最近有沒有搬家、有沒有換工作(這不需要告訴你銀行嘛),只要發揮一下創作力量同幻想,Use case是數之不盡的。

完結這個Point之前還想加一句,Geo-locations是一種既可「高速」又可「低速」的資訊,慢慢用可以砌成客戶的生活習慣,快快用可以變成Event trigger,一進海港城便推一個Push notification給客人,用完即棄,不留一點痕跡。

【延伸閱讀】【銀行短訊】成日收到銀行SMS 知唔知背後銀行做緊咩?

你的網上足跡早已不是秘密了

這點在早前的「大數據時代!網上Click幾下比入息證明更能左右貸款申請?」已有談過,市面上已有不少的公司正協助銀行截取大家在銀行官網上的一舉一動,其中較有名的可數上Celebrus和Adobe Analytics,有興趣的可上他們官網了解更多。

透過閱讀大家的Digital footprint,會發現大家的填表速度會不會快得驚人,從而證明這是機器人填表,這是一樁Fraud case;如果知道客戶看過某個Product page,但最後沒有申請,可以馬上追加優惠誘其上釣。在大數據的世界,也是唯快不破的哦!

除了在官網上的一舉一動,市面上還有不同公司正兜售大家的Cookies以圖獲利,銀行也是他們的潛在客戶之一,正迫不及待更了解真正的你,用作Credit control和Marketing等的用途。仍然是那句,發揮一下大家的創作力量同幻想,Use case是數之不盡的。

3. 小銀行在Big Data時代的危與機

這個答案很簡單,跟華田對Open Banking的看法是一致的,這是個Winner Gets All的遊戲,同時世界是不公平的,強者只會愈強,弱者的危是遠遠大於機的。

談Network Analysis,誰比PayMe更清楚你的人物關係圖?談ATM、信用卡、手機App(更甚是分行門口安裝Face Detection Sensor),誰比滙豐中銀更密集呢?談Digital footprint,大家不會以為Celebrus是便宜貨吧?只有數十萬客人的小銀行根本沒有這個規模去買下這些奢侈品,就算買下來也未必有足夠規模去加以利用。

那小銀行的出路可以在哪裡呢?

先戴頭盔一個,華田有萬能藥方就去了做CEO了。可以確定的是,時代的巨輪沒人能阻擋,40年前的ATM,再到20年前E-banking,這些在當年都是新產物,到了現在哪家銀行沒有ATM沒有E-banking呢?

有是一定要有的,沒有的話根本不能生存,剩下的只是「有」的程度,好像滙豐多年前已有Soft token,但今天ICBC仍然是Hard token一樣,Token是一定要有的,有沒有必要做Soft token這卻是後話。

另一方面,小銀行既然不能再跟大銀行「鬥大」,便唯有向「精緻」的方向進發。近年最好的例子便是DBS和Citibank,一面發展Digital banking最核心的部分,一面朝Boutique bank方向發展,放棄爭奪做你的Main bank,實行「半島不及私房菜」,以質取勝,便是出路之一了。
 

【文章來源:華田銀行;已獲授權轉載。原題:銀行閑談 (44) — 大數據下銀行的危與機】

【關於作者】
兒時夢想做i-banker,結果做了bank worker,還要是retail那種。過去在各大小銀行不同部門流徙,叫人借錢、催人還錢、審批貸款、出股票app、出借錢app、出信用卡、廣告策劃、銷售管理、分行佈點、生物認證、電子排隊、機器學習、敏捷開發,到現在還未安定下來。不懂財經、不懂經濟,只想談一下「銀行」這回事。

撰文 : Wallace Tin

欄名 : 華田銀行

緊貼財經時事新聞分析,讚好hket Facebook 專版