整理、撰文：陳雅莉

金融業更能洞察未來趨勢

台灣金融業面臨的最大難題，當是人才不足。未來金融業應多吸納資訊、統計人才，並建置數據分析專責部門，利用大數據仔細分析業務、財務數據，洞察未來趨勢，提供客戶更優質的服務。

金融業應用大數據分析，已是不可逆的時代趨勢。為協助金融業從業者認識此趨勢，台灣金融研訓院芬恩特創新聚落特邀安侯建業（KPMG）聯合會計師事務所顧問部資深協理張惠欣，以「金融大數據分析」為題，解析台灣金融業應用大數據分析的現況與展望。

「大數據分析後的洞察，可作為企業進行決策的基礎。」張惠欣直言，企業進行決策，與其倚賴企業主或高階經理人的直覺，不如仔細分析業務、財務數據，更能洞察未來趨勢，而大數據分析的主要步驟，包括資料蒐集、整理、排序、分類、分析，「完成資料分析後，就可依此進行預測，再依預測進行決策。」

觀察不同數據的關聯性

在資料分析階段，分析者可能會發現，看似不相關的數據竟會相互連動；此連動關係，正是制定決策的重要依據。張惠欣以「啤酒、尿布銷售量高度相關」案例為例，指出美國某家大賣場進行數據分析後，發現當新手爸爸被太太要求採買嬰兒尿布時，會順手購買啤酒，以自我獎勵，之後該大賣場將尿布、啤酒放在鄰近區域，銷售量果然雙雙上漲。

「數據與時間的關聯性，也是不可或缺的觀察面向。」張惠欣再舉例，她有位學姊在零售業任職，有次從銷售數字中察覺，該企業在台北市小巨蛋的分店，每逢星期四，女裝銷售成績特別好，「原因無他，因為每個星期四，小巨蛋都會舉辦球賽，球迷多為男性，其女伴大多選擇到附近的商店購物。」

透過分析與比對客戶屬性、造訪時間及購買數量，該零售業者將小巨蛋分店的女裝新貨上架時間，調整為星期四；一如預期，女裝銷售成績再上層樓。目前，金融業已普遍導入大數據分析，並將從中獲得的洞察，主要應用於企業決策、客戶體驗與產品行銷，及企業管理、營運等領域。

「在企業決策上，金融業常以大數據分析為基礎，制定市場策略、投資策略。」張惠欣解釋，金融業在制定決策前，大多會先進行總體經濟分析、產品市場分析，其數據也將被納入大數據分析的參考資料。

強化並優化風險管理利器

「在客戶體驗與產品行銷上，金融業更倚重大數據分析。」張惠欣說明，金融業業務繁多，銀行主要業務包括存款、放款、信用卡、財富管理等，唯有強化、優化客戶體驗與產品行銷，才能在眾多競爭者中脫穎而出，「藉由大數據分析所得到的洞察，銀行更能提供客戶較佳的體驗，且可將有限的行銷費用花在刀口上，達到精準行銷的目的。」

而在企業管理、營運上，大數據分析亦是金融業強化與優化風險管理、資產負債管理、人資與採購管理的利器，還有若干金融企業將之應用於法律遵循、稽核。張惠欣觀察，在金融業的每一個環節、面向，幾乎都會用到大數據分析，「徵聘新員工時，亦會分析應徵者的相關資料，除了學經歷，還有其在社群網站的留言。」

進行大數據分析，數據品質良莠直接影響分析品質。張惠欣表示，今日金融業的大數據分析，非常重視數據整理、數據建模，通常還得將結論圖像化、影像化，故數據品質至關重要，最害怕垃圾數據的干擾，「因此，在處理數據時，得先修補或刪除有缺失、離群值（outlier，或稱異常值）較高的數據。」

「篩選數據時，企業應先訂定標準，缺失量、離群值超過標準的數據，就應該捨棄。」張惠欣強調，將大數據分析應用於不同業務，因其性質不同，可訂定不同的標準，或採不同的分析途徑，而以平均數、中位數為計算離群值的基點，便可刪除在特殊情況下產生的數據。

例如，銀行在檢視客戶信用卡消費數據，以衡量其消費力時，得特別留意5月份的刷卡數據。原因是，5月是國人繳納綜合所得稅的月份，許多民眾選擇刷卡繳稅，帳面上刷卡金額雖高，卻非消費，其數據不具分析價值，自應汰除。

資料品質決定分析品質

「其實，在全球金融業共同遵守的《巴塞爾協定》（BaselAccord）中，便已明文規範，金融業應如何界定資料品質。」張惠欣引用《巴塞爾協定》，說明品質優良的資料，應符合攸關性高、完整性高、正確性高等3個條件。

攸關性，指資料內容與大數據分析目的的關聯性；若目的是為評估信用風險，資料內容與信用風險攸關性越高，其分析價值越高。

長期資料的完整性，必定高於短期資料。但張惠欣提醒，若金融業大數據分析的目的，屬性偏穩定、保守，就需要完整性較高的資料，「如用於評估信用風險，金融業必定期待建立不易波動的模型，不要一直變來變去，難以追蹤、掌控」；若目的是為發想行銷方案，僅需短期資料即可，完整性不必太高。

資料正確性高低，決定大數據分析預測的價值。張惠欣建議，因為資料可能來自多個源頭，紀錄格式不一，金融業應先建立統一的標準、規格，並以此標準、規格，重新整理資料，否則很可能誤刪諸多寶貴、甚至關鍵的資料，「最常見的情況是，有些機構習慣以西元紀年，有些機構堅持以民國紀年，有些紀錄以月為單位，有些紀錄則以季為單位，若不統一，分析便易失焦、失真。」

社群網路留言亦是資料

與其他產業的數據相較，金融業的數據精準甚多。張惠欣說，人們在買衣服、辦手機時，所填寫的客戶資料，或不甚精確，或故意造假，「金融業會嚴格查核客戶填寫的資料，有時還要求客戶提供證明、檢附證件，不同業者還會互通資料，故其資料價值較高。」

因為數據較準確，金融業經常進行數據分析。張惠欣認為，業者應先確定分析目的，分析時側重哪些面向，再蒐集與之相關的資料，如此更能提高資料的攸關性、完整性、正確性，節省篩選資料的時間。

若銀行某部門欲對客戶進行信用評等，其應蒐集的資料，包括自家銀行其他部門與之往來的資料，與該客戶與其他銀行的往來資料，還得徵集聯合徵信中心、政府資料開放平台（Open Data）、個人化資料自主運用平台（My Data）上的資料，才不會有所疏漏。

「銀行蒐集的資料，包括結構化資料（可以透過表單系統呈現的資料）與非結構化資料（如文字、聲音、圖片、影像、網址）。」張惠欣透露，非結構化資料通常還得經過重整、加工，才能耙梳出隱含其中的數據，並找出風險因子，「若是企業授信，金融業必須考量諸多面向，透過大數據分析，可評估其獲利能力、償債能力，與其業務有無前瞻性，再決定是否貸款。」

若是個人金融業務，總有年輕客戶是第一次與金融業「打交道」，幾乎無資料可查。張惠欣重申，年輕客戶在社群網站的留言，便成為最重要的參考資料，「在網路上，青年世代應謹慎發言，因為『凡走過必留下痕跡』，不要因為一次輕率的發言，就留下終身無法磨滅的汙點，影響信用與前程。」

運用資料時應嚴守法規

發現風險因子後，金融業應有所作為，以免影響客戶權益；當客戶刷卡消費時，若金額較高，有時會接到銀行的確認電話，目的即為避免盜刷。當銀行發現異常的數據，如平日甚少消費的客戶，突然有高額的消費，或客戶過於頻繁刷卡，如在1天刷卡數次，或在同一日，分別在日本、美國刷卡，便會主動出擊。

「當然，銀行會檢視客戶的信用評等，評估是否可提供貸款，未來應調升或調降信用額度。」張惠欣強調，不同金融業者的風險門檻不一，有些業者較寬鬆，有些業者則較保守，對大數據分析的解讀，也不盡相同，「但運用資料時，金融業務必嚴守法規，如不可因知悉客戶信用良好，就對他猛力推銷產品。」

「數據分析不是萬靈丹，進行決策前，還得考量其他因素，否則也容易失之偏頗。」張惠欣觀察，發展、應用大數據分析，台灣金融業面臨的最大難題，當是人才不足，建議未來金融業應多吸納資訊、統計人才，並建置數據分析專責部門，負責累積、統整資料，方能讓大數據分析發揮最大效益，帶領金融業轉型、升級，提供客戶更優質的服務。