12　■ 財金資訊季刊 / No.84 / 2015.10

本期企劃〡大數據於金融業之應用

大數據於金融業之應用

朱啟恆 / 財金資訊公司系統部經理

一、 前言

電子商務市場自 Amazon及 eBay於西元

1994、1995年先後成立，1999年阿里巴巴

成立，2005年 PChome商店街也相繼成立，

直至 2014年阿里巴巴於美國紐約股市公開發

行股票 (Initial Public Offerings，IPO) 創下美

國歷史上最大規模的上市紀錄，可窺見各種產

業相繼跨入電子商務領域，同時越來越多的消

費者選擇在網路上購買產品。網路商家如雨後

春筍般激增，他們在經營過程中，又如何取得

最有利的短期資金需求？一家在美國為網路商

家提供金融信貸服務的公司 Kabbage，主要

目標客戶是 eBay、Amazon、PayPal等電子

商務網站的網路商家，Kabbage利用自該等

網站獲取的網路商家銷售、信用紀錄、顧客流

量、評論、商品價格、存貨等數據，以及這些

網路商家在 Facebook及 Twitter上與客戶的

互動訊息，將這些商家分成不同的風險等級，

據以決定可提供貸款的額度與貸款利率，讓網

路商家得到最有利的資金，而 Kabbage則在

可控制風險下營運並賺得合理的利潤，達到雙

贏的目的，這是一件應用大數據協助業務發展

的真實案例。

www.fisc.com.tw ■　13

大數據於金融業之應用〡本期企劃

「大數據」(Big Data) 是近三年來備受

矚目的新概念及新機會，在維基百科中，大數

據定義為所涉及的資料量規模巨大到無法透

過人工，在合理時間內達到擷取、管理、處理

並整理成為人類所能解讀的資訊。巨量資料的

產生，源於網際網路的盛行，社群媒體、手

機、平版電腦等軟硬體的普及，以及儲存、運

算技術的成熟。根據研究機構國際數據資訊

(International Data Corporation，IDC) 研究指

出，全球資料量正以每年 50%的速度成長，

其中，又有近 90%的數據是近兩年才出現的，

預估在未來 6年中，數位資料量將成長 10倍，

全球大數據產業市場規模至 2016年將可成長

到 507億美元；根據資訊工業策進會預估，臺

灣大數據軟體市場規模，將從 2014年的新臺

幣 21億元成長至 2017年的 34億元。資料正

如同一股洪流般湧入人們的生活，一場大數據

革命正影響全球，進而改變全球的經濟模式。

大數據具有海量化數據 (Volume)、多樣

化結構 (Variety)、高速化處理 (Velocity) 及真

偽存疑 (Veracity) 的「4V」特性，利用大數據

改變經濟模式主要仰賴巨量資料的分析，從大

量且各種類型的數據中，應用軟硬體快速擷取

具價值的資訊、分析趨勢，並將數據轉化為商

機，協助產業調整運作模式及訂定經營策略。

就應用領域而言，無論是金融、零售、醫療、

科技等產業，甚至政治及社會層面，都可窺見

它的蹤跡。在電影「魔球」裡，美國職棒大聯

盟球隊經理 Billy Beane，以其對於資訊及數

據的敏銳觀察，再透過資訊整理、數據分析，

準確做出預測與分析，將球員們組成最能發揮

戰力的團隊。類似這段發生在奧克蘭運動家隊

的真人實事，在大數據的應用潮流中，將不斷

地在我們的週遭重現。

二、 大數據之收集與篩選

在現實生活中，各式各樣的數據雖不斷地

被產生與保存，但並非所有的數據都是優質且

具價值性，而且僅擁有數據是不夠的，大數據

的價值在於它把我們對社會、對很多事物的

分析，重新依據邏輯轉變為一套非人為介入、

數據本身的關聯性、相關性的分析，所建立的

「模組」可以「預測」商業行為，協助企業做

出更快、更有效的決策。

14　■ 財金資訊季刊 / No.84 / 2015.10

本期企劃〡大數據於金融業之應用

大數據的處理流程可分為六個階段：

數據採集 數據分析 數據挖掘 商業應用數據儲存與管理數據清整

(一 ) 數據採集

收集並儲存生活中的各種客戶習慣及客戶

消費行為數據，包含上網瀏覽的內容、消費購

物的喜好、經由感測器取得的感測訊號等，將

收集到的數據存放在原始數據庫中，供下一階

段使用。

(二 ) 數據清整

採集端的數據具有多源及多樣性、質量存

在差異，在彙整數據庫進行大數據分析前，需

要進行數據清整，從大量的數據中，汰蕪存

菁，篩選出有用的數據；數據清整是實現大數

據真正價值的關鍵。

(三 ) 數據儲存與管理

大數據最具想像力的發展方向，是整合不

同行業、多層次的數據，提供全方位的商業行

為預測功能；管理方式決定數據的儲存格式，

而儲存格式則限制數據分析的深度與廣度。在

數據儲存與管理上，除須兼顧結構性、非結構

性的數據外，供分析使用之數據，其深度與廣

度是強化數據有效性很重要的一環。

(四 ) 數據分析

運用適當的工具或方式，萃取及提煉所取

得的數據，覓取隱含其中與所研究對象相關的

規律性。分析的過程中，在深度上宜將新、舊

數據相結合，在廣度上則宜廣納結構性及非結

構性的數據，並採用即時性分析以符合時效性。

(五 ) 數據挖掘

數據挖掘的目的在於從資料中提取隱藏其

中、過去未知的潛在有價值訊息，經由統計與分

析等層層的整理及歸類，將大數據訊息轉化成預

測的商業行為，以及極有商業價值的趨勢預測，

並因應分析目標的不同需求，建構出新的業務模

式，協助企業制定明智且切實可行的策略。

(六 ) 商業應用

大數據的價值要付諸實際的行動才能真正

實現，通過前述五個階段的處理，大數據從分

析過去所發生事情的規律中，挖掘出新的業務

模式，供決策者將其轉換成可執行的方案，利

於推動業務發展，贏得競爭優勢。

www.fisc.com.tw ■　15

大數據於金融業之應用〡本期企劃

資料的收集與解讀在於精準適量，先建

立起完整的邏輯，才知道依據這樣的邏輯應

該要收集或篩選哪些資料，再依據邏輯將所收

集的資料加以儲存與管理，解讀運用，並適當

呈現；在過程中，數據的時效性是很重要的，

分析結果出現得越快，所帶來的利益可能就越

大，而過時的分析結果卻可能造成業務的損

失。「單看一個數據可能是個無用的噪音，但

是當你以非常聰明的方式把它們聚合在一起的

時候，你能將垃圾變成黃金」，以數據挖掘能

力與模型開發能力為核心競爭力的美國互聯網

金融公司 ZestFinance對大數據的這番說明即

可見一斑。

三、 大數據於金融業務之應用

無論企業的歷史長短、規模大小，大數

據已開始全面性地進入各行各業，而產業也

因應各自性質的差異化，對大數據設定不同

的關注點。由知名管理諮詢機構麥肯錫公司

(McKinsey & Company) 所公布的「大數據的

下一個前沿：創新、競爭和生產力」報告顯

示，資訊、金融保險、政府及批發貿易四大產

業，在大數據應用價值上最具潛力；若以數據

量而言，則以資訊、金融保險、電腦及電子設

備，以及公用事業等四類行業的資料量最大，

顯見金融業是大數據應用的重點行業之一。金

融業是數據生產、倉儲、處理及傳輸的集合，

基於其商品特性較為敏感且個人化，特別注重

與客戶之間建立信任關係，運用大數據資料進

行「客戶行為的預測」，期能突破地理空間上

的限制，建置更貼近客戶需求的經營模式。

金融業務於大數據之應用，可概分為四大

類：

16　■ 財金資訊季刊 / No.84 / 2015.10

本期企劃〡大數據於金融業之應用

(一 ) 客戶關係管理

金融業的客戶包含個人及企業，其中，個

人資料包括人口統計學特徵、消費能力、興

趣、風險偏好等；企業客戶資料則包括企業的

生產、流通、運營、財務、銷售、相關產業鏈

上下游等。好的客戶關係管理，不僅要考慮金

融業自身業務所採集到的資料，更須考慮整合

外部更多的資料，如：客戶在社群媒體上的行

為數據、客戶在電子商務網站的交易數據、企

業所在的產業鏈上下游外部環境發展情況的資

料等，以擴展對客戶的瞭解。

以美國紐約一家金融服務商提供的真實業

務為例，該服務商收集電梯公司所提供的業務

相關數據，包括每部電梯在哪一棟大樓的哪一

層停，停多久等；再透過與營業登記的公司

地址相匹配，就能得到電梯每天在每個公司停

靠的次數。如果有一天某個數據突然發生大幅

變動，不論增加或減少，服務商就會向相關金

融業者發出預警，其客戶經理會即刻拜訪該企

業，讓金融業的客戶管理變得更有效。

表 1 金融業大數據之應用

應用類別 說明 應用範例

客戶關係

管理

整合金融業自身業務所採集到的客戶資料，客戶在社

群媒體上的行為數據、客戶在電子商務網站的交易數

據、企業所在的產業鏈上下游外部環境發展情況的資

料等，以擴展對客戶的瞭解。

透過電梯公司提供電梯每天在每個公

司停靠次數的數據進行金融業的客戶

管理等

精準行銷

對客戶群進行精準定位，分析出潛在金融服務的需求，

運用客戶行為分析結果，發展針對性的客群行銷推廣

等，有效提升經營績效。

進行不同金融業務或產品的交叉推

薦、銀行的活動平台連結客戶生活以

提升業績等

風險管理

建構健全的風險管理體系作為防禦，持續地執行各類

風險管理並及時地反應，以降低在貸款與營運上的風

險。

信用卡風險評估與管理系統、預防與管

理金融犯罪的金融犯罪管理平台、國內

外金融商品投資組合的風險控管等

優化服務

透過監控各種市場推廣通路運作的狀況，將客戶行為

轉化為資訊流，從中分析並瞭解客戶的往來習慣及使

用行為，進一步分析及預測客戶潛在的需求，將精準

行銷擴展至服務的創新與優化。

客製化分行的業務洽辦區位、應用

「眼球追蹤儀」找出最適合客戶使用

的習慣來進行網路銀行的個人化平台

網站網頁改版設計等

(二 ) 精準行銷

在良好的客戶關係管理基礎上，金融業可

展開各種業務行銷措施，如：根據客戶的即時

狀況進行行銷；根據客戶交易紀錄分析以便就

不同業務或產品進行交叉推薦；根據客戶的年

齡、資產規模、理財偏好等，對客戶群進行精

準定位，分析出潛在金融服務的需求，運用客

戶行為分析結果，發展針對性的客群行銷推廣

等，有效提升經營績效。

一家澳大利亞銀行經由大數據分析發現，

www.fisc.com.tw ■　17

大數據於金融業之應用〡本期企劃

家中即將有嬰兒誕生的客戶對壽險產品的潛在

需求最大，再透過客戶的信用卡交易數據進行

分析，很容易識別出這些家庭，在對這些家

庭進行針對性行銷後，結果有 38%的客戶選

擇了銀行推薦的產品。另，俄羅斯阿爾法銀行

(Alfa-Bank) 針對大數據的應用，開發另類卻

與客戶生活更緊密的服務，阿爾法銀行的定存

客戶讓自己的跑步追蹤器 (Jawbone手環 ) 連

結至銀行的活動平台，將跑步紀錄同步讓銀行

知道，客戶只需要開始跑步，跑的距離愈長，

銀行就會隨之調高定存利息，最高可以升到每

年 6％。客戶將不再只是收到銀行端運用數據

所提供的各式推銷，而是由消費者自己創造數

據、累積數據的同時，即完成與銀行服務的連

結，更可從中獲得利益。活動推出後，參加此

方案的客戶存錢的速度亦隨之大幅成長。

(三 ) 風險管理

金融業是具風險的行業，須建構健全的風

險管理體系作為防禦，各類風險管理均須持續

執行並及時反應，以降低在貸款與營運上的風

險。一般金融業所面臨的市場風險、信用風

險、作業風險及流動性風險，可根據多年來所

建置的客戶相關資訊進行風險分析，量化客戶

的信用額度，藉此提供客製化貸款條件以滿足

客戶的需求；在有效預防與管理金融犯罪上，

經巨量資料分析所得的客戶消費行為模式，藉

由即時詐欺交易識別與分析，一旦發現不正常

的消費，可立即得知並採取行動，在極短時間

內找出盜用者，及時遏阻銀行因盜用事件所可

能蒙受之損失；另，金融業在進行國內外金融

商品的投資時，亦可運用大數據分析將投資組

合的風險控管予以最佳化。

為打擊金融犯罪，降低詐欺行為，金融管

理單位對金融業的要求，已從早期被動的監督

管理走向主動的案件發掘，近年來更進一步強

調對犯罪行為的即時偵測與防範，以有效控

制因金融犯罪所造成的負面影響，威士國際組

織 (Visa International Service Association，

簡稱 VISA) 及萬事達卡國際組織 (MasterCard

International) 亦均建有風險評估之管理系

統，對於信用卡交易加以查核、監測及風險

預警，協助收單行評估高風險特店，為持卡

人將支付詐欺風險最小化，以及加速支付詐

欺的處理速度；另，台灣國際商業機器股份

有限公司 (International Business Machines

Corporation，簡稱 IBM) 所提出的「IBM金融

犯罪管理解決方案」，則是該公司協助銀行利

用大數據，更快速回應預防與管理金融犯罪的

金融犯罪管理平台。

(四 ) 優化服務

通過大數據，金融業可監控各種市場推廣

通路運作的狀況，將客戶行為轉化為資訊流，

從中分析客戶的個性特徵、風險偏好，瞭解客

戶的金融往來習慣及使用行為，進一步分析及

預測客戶潛在的需求，將精準行銷擴展至服務

的創新與優化。

以中國信託商業銀行 (以下簡稱中國信

託 ) 為例，中國信託目前已建置涵蓋實體銀

行、網路銀行、行動銀行等通路的大數據資料

庫，全臺每一家分行服務櫃台之擺設、理財專

18　■ 財金資訊季刊 / No.84 / 2015.10

本期企劃〡大數據於金融業之應用

區、座位的設計，係依照資料庫中分行所在地

的人口特性、年齡及交易量複雜度等數據，客

製化各該分行的業務洽辦區位；例如：針對高

齡客戶比例偏高之分行，即考量新增矮櫃服務

台及選擇加大型 22吋的電腦螢幕。又，該行

於 2013年進行網路銀行的個人化平台網站改

版時，納入「眼球追蹤儀」的應用，觀察客戶

觀看電腦螢幕時視覺的熱點及使用的行為，利

用多次的模擬測試及市場調查，確定最適合客

戶使用的習慣，據以進行網頁改版設計，期藉

由優化服務，達到提升客戶使用率及忠誠度的

目的。

在資訊爆炸的今日，利用分析技術從大數

據中辨識出價值，讓資料被賦予意義，可有效

減少風險；藉由早一步掌握影響趨勢的因素，

即可在市場中先占有優勢；金融業若能善用巨

量資料分析，定能提升經營及風險管理績效。

四、 結語

因應人們在日常生活中，被數字化的環節

越來越多，所得到的各類數位資料也越來越

廣，大數據本身已經不重要了，善加運用大數

據才是重點，而如何將枯燥的數據轉換成商業

價值更是關鍵。在雲端科技的發展下，除了從

龐大的資料中找尋線索、利用整理過的統計趨

勢瞭解過去、預測未來以外，透過大數據的運

用，更將讓人人都得以掌握更多的資訊，進而

在各種領域上爆發出新的應用型態。

大數據資訊包羅萬象，經由不同的分析模

式所得到的結果也勢必有所差異，復以瞬息萬

變的市場脈動，絕非僅以數據分析就能夠得到

最有利的適用結果。所以，在激烈的市場競爭

中，大數據分析將越來越重要，惟應提醒的是：

大數據在企業決策面上所扮演的角色，仍將是

輔助者而非最終的決策者。至於大數據在金融

業應用上所帶來的變革，則已在客製化行銷及

健全風險管理兩大主軸上具體呈現。

金融監督管理委員會 (以下簡稱金管會 )

主任委員曾銘宗曾表示，利用大數據開發、

設計金融商品與業務，已是國際趨勢，金管會

更力推金融「大數據」。金融大數據的主要目

的，係從大量的數據中，快速獲取有效的資訊

支持商業決策，促進金融機構實現更精準的營

運行銷及更有效的風險規避，且經由優化的經

營績效，進一步推動金融業的發展。大數據的

發展，正在悄然改變金融業現有的競爭生態。

※參考文獻 /資料來源：1. 莊瑞豪、張洁兮，2014年，大數據時代下的金融業變革。

2. 維基百科，https://zh.wikipedia.org/。3. 胡湘湘，台灣銀行家雜誌 2014年 11月號，把巨量資料變情報－大數據藏金礦

銀行業挖寶。

4. 讓華爾街也害怕的大數據分析浪潮，http://www.stockfeel.com.tw/。

5. 朱雲鵬、陳金隆，2015年 5月 29日，中央日報論壇─如何促進大數據產業在

台灣的發展。

6. StockFeel 股感知識庫，2015年 5月，大數據，http://www.stockfeel.com.tw/。

7. 數位時代第 251期，2015年 3月，破解大數據－大數據實戰攻略秘笈。

8. 邱莉燕、鄭婷方，遠見雜誌 2013年 1月號，Big Data大數據正在改變生活．創造新生意。

9. Discovery頻道精選四大產業探索《台灣智慧：服務全方位》─大數據帶動服

務創新　台灣引領全球服務革命，http://www.discoverychannel.com.tw/。