论文部分内容阅读
摘要：大数据技术将驱使信用卡的业务模式由传统向数据化转变。这场由技术驱动的商业革命包括发生在企业层面的信用卡运营手段的数据化和发生在产业层面的数据平台化两个阶段。适应基于大数据技术的信用卡业务的全新商业逻辑，企业必须进行持续的技术创新与适应性组织变革。
关键词：信用卡 商业模式 大数据 平台
近年来，大数据技术正加速向商业领域渗透。这将带来一场以重塑行业获得和保持竞争优势的基本逻辑为主线的商业革命。信用卡产业不可避免地会卷入这场数据化革命。竞争性地适应基于大数据的新商业逻辑将驱使信用卡的业务模式从传统向数据化转变，而方兴未艾的互联网支付方式革命则加剧了这一转变的紧迫性。理解信用卡业务模式数据化变革的本质，是在这场信用卡业务模式更新换代的竞争过程中获得先发优势的前提和基础。
一、信用卡运营手段的数据化与数据平台化
信用卡业务模式的数据化变革在本质上是数据技术与信用卡业务开展逻辑的融合。根据二者融合程度的深浅，这场变革可以分为运营手段的数据化与数据平台化两个阶段。其中，运营手段的数据化是初级阶段，它是发生在企业层面的变革，指的是数据的角色在企业发展信用卡业务的过程中将由过去的辅助手段变为核心手段。数据平台化是高级阶段，它是发生在产业层面的变革，主要指的是产业的信用卡数据化运营的协作方式将由当前的内部化协作进入平台化协作。
（一）运营手段的数据化
1、营销手段的数据化
大数据技术驱动信用卡营销方式变革体现在两个方面：
第一，从粗放型营销向精准营销转变。信用卡精准营销是指根据客户的消费水平和动卡情况对客户进行分类（客户画像），针对不同的持卡人采取不同的营销策略，并结合客户贡献度等方面制定针对性的客户经营策略，提供相应的产品和服务。这意味着尽可能准确地甄别目标客户及其需求是实现精准营销的起点和基础。与传统的数据技术相比，大数据技术的最大优势在于它能够更加真实地还原潜在用户的消费习惯、消费能力与信用记录等“隐藏信息”。由此将带来发卡银行的客户甄别能力的大幅跃升，从而驱动信用卡营销模式向精准化转型。
第二，信用卡目标客户下沉至金字塔底端。受当前中国征信体系处于建设和完善阶段的局限，在无法低成本地获取更多有价值的消费者信用信息的约束下，发卡银行不得不将主要目标客户局限于处于金字塔上层或中上层的优质客户，以将信用风险保持在可以承受的范围内。但由于这部分人群相对较少，且边际动卡率低，因此缩减了发卡银行的有效需求，信用卡产业的规模也得不到进一步的快速扩张。大数据技术提供的有价值的需求和信用信息将使得发卡银行能够低成本地找到真正需要信用支付、且有信用的处于金字塔底端的客户。这将使得发卡银行在可以承受的风险内急剧放大有效需求的规模，从而推动信用卡产业实现新一轮的爆发式增长。
2、用户体验的定制化
大数据技术驱动信用卡运营手段变革的另一个重要方面是推动信用卡的定制化。在某种程度上，这也可以看成是信用卡业务的精准式营销发展到极致的表现。在过去，因为获取客户个性化需求信息的成本过高与单个需求规模较小的内在矛盾，导致信用卡定制业务而成为无法获利的小众需求。如今依靠大数据技术，这类信息的获取成本得以大幅降低，这不仅将原本无利可图的小众需求变为能够获取较高利润的“长尾需求”，更重要的由此将能够带来更好的消费体验，提高顾客粘性。如今基于大数据技术开展信用卡定制化服务已经成为信用卡产业竞争的焦点领域。以信用卡定制化先驱的美国Capital One公司为例，在强大的IT和数据技术的基础上，如今它已经能够提供超过6000种在发卡的条款、要求、回馈方面都有不同的信用卡。近年来，Capital One更是在互联网上推出Card Lab业务，允许用户自己定制信用卡。当前，中信银行、光大银行、广发银行等国内银行也开始基于数据技术推行简单的定制信用卡服务。
3、信用风险管理的数据化
风险管理水平是发卡机构核心竞争力的重要体现。当前，银行信用卡的风险管理主要通过事前的审核来完成。审核的基本依据主要是申请人提交的材料与人民银行征信和发卡行内的交易记录测算出的申请评分。当客户与本行没有业务往来，且缺乏额外信息来辅助辨认申请材料的内容的真伪时，这种被动的、简单的信用风险管理方法就失灵了。大数据技术可以通过拓展消费者风险信息而推动信用风险管理体系的重建。这些信息主要是是蕴含在消费者的网上消费、阅读、社交等行为习惯中。通过数据挖掘模型对这些数据信息进行数据挖掘，可为预判客户的信用风险提供准确而实效的信息。在此基础上建立申请风险评估模型，甄别风险客户，提高申请质量，降低审核周期和坏账产生的风险。
（二）信用卡业务数据平台化
在当前阶段，信用卡业务的数据化变革是以单个发卡银行为单位，在银行内部进行的。从产业层面来看，这是一种成本相对较高的协作方式。在产业数据化初期，数据化运营流程不明确，各企业间分工协作的界面不清晰，这种协作方式有其生存空间。但随着大数据技术的持续渗透和升级，信用卡业务的数据化运营流程将变得更加明确，一些基础的、公共的数据信息服务业务将独立出来，成为一个公共的数据服务平台，为所有的发卡银行服务。从本质上来看，这是一个数据化运营的协作结构从内部化变为平台化的产业结构变革过程。信用卡产业数据平台化协作模式可以带来两个好处：
第一，它将因为能够实现更大的规模经济而降低单个发卡企业与整个行业的运营成本，推动整个产业竞争优势的提升。
第二，降低发卡企业运营手段数据化的壁垒，让更多企业加入数据化竞争，从而推动整个信用卡产业业务模式的数据化变革进程。与互联网行业一样，数据平台将在新的产业结构中处于核心战略位置。
二、以技术创新与组织变革来应对信用卡业务模式的数据化变革
（一）持续的技术创新 大数据技术在商业领域应用的价值在于它可以相对真实地从海量的商业行为数据中还原出行动背后逻辑。持续的数据挖掘技术创新是实现这一转换的根本手段。然而，这一技术创新至少面临三大难点：
第一，从数据中挖掘出有价值的商业信息，例如消费者偏好、习惯与心理等，往往需要融合人口统计学、消费心理学、信息理论等多个学科的知识。
第二，需要对来自多个渠道的多种不同类型数据进行整合处理。银行自身拥有的数据只能够描绘消费者行为的一部分而难以得出理想的结果甚至可能得出错误的结论。为扩展对客户需求与风险信息的全面了解，更应考虑整合外部更多的数据。然而，这些包含消费者特质的信息来源于不同渠道，如社交网络、电商、广告系统，等等。这些不同渠道的数据在类型、结构化程度等多个方面皆存在差异，如何高质量地整合这些异质数据是构建数据挖掘模型的难点所在。
第三，有价值的能够反映消费者需求特性的数据，如社交媒体数据、电商数据等，都是非结构化数据，这将造成数据整合和处理的难度成倍增加。建立数据技术中心、开展产学研合作、引进海内外高端数据分析师等是提升发卡企业大数据技术创新能力的可行手段。
（二）适应性组织变革
适应信用卡业务模式的数据化变革要求发卡企业对内外组织进行适应性变革。从组织外部来看，变革的根本目的是为了综合利用银行内外数据资源，变革的产物是与外部的拥有其他有价值的数据组织达成有效的联盟。能够全面描绘消费者行为特征的数据包括两类，一类是银行掌握的金融交易类数据，一类是由互联网数据服务企业、电商平台、第三方支付机构、P2P平台等企业掌握的消费数据。银行的金融交易类数据资源产生于亿级客户每日交易往来的数据积累，它们是结构化数据资源。第二类数据产生于消费者的网络行为，它是对客户的年龄分布、地理位置、消费偏好等的准确反映，是非结构化的行为数据。据估计，在企业所能获取的有价值的数据中，银行的结构化数据只占到15%，其余的85%由非结构化的行为数据构成。随着银行业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有15%的结构化数据进行分析已经不能满足发展的需求。银行应与这些外部掌握消费者需求与信用信息的企业合作，为获取和综合利用多维度的大数据提供组织支撑。从组织内部来看，变革的根本目的是将大数据技术与企业内部的信用卡业务流程融合，以真正推行信用卡业务模式数据化变革。这种融合应包括把数据挖掘及分析技术贯穿到从精准营销到客户细分，从前端获取授信到贷后客户经营、风险管理，乃至整个信用卡中心的管理决策。
参考文献：
[1]段超良.信用卡互联网化转型[J].中国金融，2015（4）
[2]郎培杰.信用卡业务数据化发展[J].中国金融，2014（23）
[3]孙良瑜.大数据时代下的信用卡业务营销[J].现代商业，2015（7）
[4]庞淑娟，黄旭.大数据助推信用风险管理创新[J]. 银行家，2015（2）
（王公杰，1982年生，山东济南人，中国建设银行山东省分行信用卡业务部中级经济师。研究方向：信用卡业务模式创新）
关键词：信用卡 商业模式 大数据 平台
近年来，大数据技术正加速向商业领域渗透。这将带来一场以重塑行业获得和保持竞争优势的基本逻辑为主线的商业革命。信用卡产业不可避免地会卷入这场数据化革命。竞争性地适应基于大数据的新商业逻辑将驱使信用卡的业务模式从传统向数据化转变，而方兴未艾的互联网支付方式革命则加剧了这一转变的紧迫性。理解信用卡业务模式数据化变革的本质，是在这场信用卡业务模式更新换代的竞争过程中获得先发优势的前提和基础。
一、信用卡运营手段的数据化与数据平台化
信用卡业务模式的数据化变革在本质上是数据技术与信用卡业务开展逻辑的融合。根据二者融合程度的深浅，这场变革可以分为运营手段的数据化与数据平台化两个阶段。其中，运营手段的数据化是初级阶段，它是发生在企业层面的变革，指的是数据的角色在企业发展信用卡业务的过程中将由过去的辅助手段变为核心手段。数据平台化是高级阶段，它是发生在产业层面的变革，主要指的是产业的信用卡数据化运营的协作方式将由当前的内部化协作进入平台化协作。
（一）运营手段的数据化
1、营销手段的数据化
大数据技术驱动信用卡营销方式变革体现在两个方面：
第一，从粗放型营销向精准营销转变。信用卡精准营销是指根据客户的消费水平和动卡情况对客户进行分类（客户画像），针对不同的持卡人采取不同的营销策略，并结合客户贡献度等方面制定针对性的客户经营策略，提供相应的产品和服务。这意味着尽可能准确地甄别目标客户及其需求是实现精准营销的起点和基础。与传统的数据技术相比，大数据技术的最大优势在于它能够更加真实地还原潜在用户的消费习惯、消费能力与信用记录等“隐藏信息”。由此将带来发卡银行的客户甄别能力的大幅跃升，从而驱动信用卡营销模式向精准化转型。
第二，信用卡目标客户下沉至金字塔底端。受当前中国征信体系处于建设和完善阶段的局限，在无法低成本地获取更多有价值的消费者信用信息的约束下，发卡银行不得不将主要目标客户局限于处于金字塔上层或中上层的优质客户，以将信用风险保持在可以承受的范围内。但由于这部分人群相对较少，且边际动卡率低，因此缩减了发卡银行的有效需求，信用卡产业的规模也得不到进一步的快速扩张。大数据技术提供的有价值的需求和信用信息将使得发卡银行能够低成本地找到真正需要信用支付、且有信用的处于金字塔底端的客户。这将使得发卡银行在可以承受的风险内急剧放大有效需求的规模，从而推动信用卡产业实现新一轮的爆发式增长。
2、用户体验的定制化
大数据技术驱动信用卡运营手段变革的另一个重要方面是推动信用卡的定制化。在某种程度上，这也可以看成是信用卡业务的精准式营销发展到极致的表现。在过去，因为获取客户个性化需求信息的成本过高与单个需求规模较小的内在矛盾，导致信用卡定制业务而成为无法获利的小众需求。如今依靠大数据技术，这类信息的获取成本得以大幅降低，这不仅将原本无利可图的小众需求变为能够获取较高利润的“长尾需求”，更重要的由此将能够带来更好的消费体验，提高顾客粘性。如今基于大数据技术开展信用卡定制化服务已经成为信用卡产业竞争的焦点领域。以信用卡定制化先驱的美国Capital One公司为例，在强大的IT和数据技术的基础上，如今它已经能够提供超过6000种在发卡的条款、要求、回馈方面都有不同的信用卡。近年来，Capital One更是在互联网上推出Card Lab业务，允许用户自己定制信用卡。当前，中信银行、光大银行、广发银行等国内银行也开始基于数据技术推行简单的定制信用卡服务。
3、信用风险管理的数据化
风险管理水平是发卡机构核心竞争力的重要体现。当前，银行信用卡的风险管理主要通过事前的审核来完成。审核的基本依据主要是申请人提交的材料与人民银行征信和发卡行内的交易记录测算出的申请评分。当客户与本行没有业务往来，且缺乏额外信息来辅助辨认申请材料的内容的真伪时，这种被动的、简单的信用风险管理方法就失灵了。大数据技术可以通过拓展消费者风险信息而推动信用风险管理体系的重建。这些信息主要是是蕴含在消费者的网上消费、阅读、社交等行为习惯中。通过数据挖掘模型对这些数据信息进行数据挖掘，可为预判客户的信用风险提供准确而实效的信息。在此基础上建立申请风险评估模型，甄别风险客户，提高申请质量，降低审核周期和坏账产生的风险。
（二）信用卡业务数据平台化
在当前阶段，信用卡业务的数据化变革是以单个发卡银行为单位，在银行内部进行的。从产业层面来看，这是一种成本相对较高的协作方式。在产业数据化初期，数据化运营流程不明确，各企业间分工协作的界面不清晰，这种协作方式有其生存空间。但随着大数据技术的持续渗透和升级，信用卡业务的数据化运营流程将变得更加明确，一些基础的、公共的数据信息服务业务将独立出来，成为一个公共的数据服务平台，为所有的发卡银行服务。从本质上来看，这是一个数据化运营的协作结构从内部化变为平台化的产业结构变革过程。信用卡产业数据平台化协作模式可以带来两个好处：
第一，它将因为能够实现更大的规模经济而降低单个发卡企业与整个行业的运营成本，推动整个产业竞争优势的提升。
第二，降低发卡企业运营手段数据化的壁垒，让更多企业加入数据化竞争，从而推动整个信用卡产业业务模式的数据化变革进程。与互联网行业一样，数据平台将在新的产业结构中处于核心战略位置。
二、以技术创新与组织变革来应对信用卡业务模式的数据化变革
（一）持续的技术创新 大数据技术在商业领域应用的价值在于它可以相对真实地从海量的商业行为数据中还原出行动背后逻辑。持续的数据挖掘技术创新是实现这一转换的根本手段。然而，这一技术创新至少面临三大难点：
第一，从数据中挖掘出有价值的商业信息，例如消费者偏好、习惯与心理等，往往需要融合人口统计学、消费心理学、信息理论等多个学科的知识。
第二，需要对来自多个渠道的多种不同类型数据进行整合处理。银行自身拥有的数据只能够描绘消费者行为的一部分而难以得出理想的结果甚至可能得出错误的结论。为扩展对客户需求与风险信息的全面了解，更应考虑整合外部更多的数据。然而，这些包含消费者特质的信息来源于不同渠道，如社交网络、电商、广告系统，等等。这些不同渠道的数据在类型、结构化程度等多个方面皆存在差异，如何高质量地整合这些异质数据是构建数据挖掘模型的难点所在。
第三，有价值的能够反映消费者需求特性的数据，如社交媒体数据、电商数据等，都是非结构化数据，这将造成数据整合和处理的难度成倍增加。建立数据技术中心、开展产学研合作、引进海内外高端数据分析师等是提升发卡企业大数据技术创新能力的可行手段。
（二）适应性组织变革
适应信用卡业务模式的数据化变革要求发卡企业对内外组织进行适应性变革。从组织外部来看，变革的根本目的是为了综合利用银行内外数据资源，变革的产物是与外部的拥有其他有价值的数据组织达成有效的联盟。能够全面描绘消费者行为特征的数据包括两类，一类是银行掌握的金融交易类数据，一类是由互联网数据服务企业、电商平台、第三方支付机构、P2P平台等企业掌握的消费数据。银行的金融交易类数据资源产生于亿级客户每日交易往来的数据积累，它们是结构化数据资源。第二类数据产生于消费者的网络行为，它是对客户的年龄分布、地理位置、消费偏好等的准确反映，是非结构化的行为数据。据估计，在企业所能获取的有价值的数据中，银行的结构化数据只占到15%，其余的85%由非结构化的行为数据构成。随着银行业务的载体与社交媒体、电子商务的融合越来越紧密，仅对原有15%的结构化数据进行分析已经不能满足发展的需求。银行应与这些外部掌握消费者需求与信用信息的企业合作，为获取和综合利用多维度的大数据提供组织支撑。从组织内部来看，变革的根本目的是将大数据技术与企业内部的信用卡业务流程融合，以真正推行信用卡业务模式数据化变革。这种融合应包括把数据挖掘及分析技术贯穿到从精准营销到客户细分，从前端获取授信到贷后客户经营、风险管理，乃至整个信用卡中心的管理决策。
参考文献：
[1]段超良.信用卡互联网化转型[J].中国金融，2015（4）
[2]郎培杰.信用卡业务数据化发展[J].中国金融，2014（23）
[3]孙良瑜.大数据时代下的信用卡业务营销[J].现代商业，2015（7）
[4]庞淑娟，黄旭.大数据助推信用风险管理创新[J]. 银行家，2015（2）
（王公杰，1982年生，山东济南人，中国建设银行山东省分行信用卡业务部中级经济师。研究方向：信用卡业务模式创新）