大數據了沒? 談金融業利用大數據作預測分析

預測型分析五大步驟，首要在定義問題

依照勤業眾信的輔導經驗，預測分析主要依循定義問題、蒐集資料、資料處理、數據分析及模型建置、以及模型驗證等五個步驟依序進行。透過數據分析五大步驟，企業可以漸進式手法，以數據分析剖析商業問題核心，或是進行預測影響因子相關性分析，進而經過一次次地模型優化，提升預測準確率，最終達到數據支持和數據驅動的決策模式(Data-driven Decusion-making)。

利用大數據進行精準行銷，吸引客戶自動上門

全方位的掌握客戶訊息，重點在「以客戶為中心」，根據目標有系統地蒐集與客戶相關的訊息，包括客戶基本資料、線上及線下交易行為數據、網站瀏覽紀錄、社群媒體數據以及客服紀錄等等，串聯所有的訊息以數據分析描繪出更清晰的客戶樣貌，並根據數據分析預測客戶下次購買時間，再更進一步進行產品推薦，以觸發顧客的潛在需求。舉例來說，銀行可以系統化搜集行內客戶全方位的數據，以預測客戶的潛在需求及未來可能交易的時間點，在關鍵時刻精準地向客戶推銷銀行內其它金融產品，進行交叉銷售或向上銷售。

勤業眾信在大數據精準行銷輔導案例中，不難發現金融業者常面臨的困境有：

1. 客戶的資訊不完整，或不真實
2. 客戶的資訊散落在不同的資料庫中，尚未實現「總歸戶」的概念
3. 無法創新思考、或跳脫自身業務思考，利用現有的資料，找出更好的應用
4. 無法情境式思考，較難站在客戶的角度思考客戶的需求
5. 預測分析的規則乃循歷史的軌跡而總結，但預測未來的發生不夠精準

利用大數據進行風險監控和偵測，降低倒帳風險

從機會點反觀風險點，以風險觀點出發的金融業預測分析，焦點則落在偵測風險。在大數據時代下，全面性地蒐集多方資訊，將能精準預測交易對象未來違約的可能性，以達到有效的風險管控。在開放資料與大數據潮流下的金融業，開始思考社群徵信數據的參考性，甚至企業在融資、授信前的網路輿情分析，期望透過更多方面的資訊蒐集，降低倒帳、呆帳的風險。