隨著網路科技進步及儲存技術提升，資訊在網路上廣泛傳播、大量累積資料的成本變得相對便宜，造就一門新興行業－資料探勘，即分析長期累積的大量資料，找出有用的訊息並應用它改善現況。單純資料的累積並無法為企業帶來任何收益，只有企業嚐試從資料堆中過濾出有用的資料，分析並運用它增加商機，資料才具有意義。因此，資料探勘相當依賴有經驗的分析者，判斷資料取捨及提供專業的評論分析。
談及運用大數據為企業創造獲利前，我們先對主流的網路行銷方式有個概念。目標客戶行為行銷（behavior targeting）記錄消費者在網站上的瀏覽行為，像是該客戶花多少時時間停留在某頁面、搜尋記錄、點閱產品等，將這些行為模式形成一個概括描述，便於廣告商將類似的客戶概括描述分類在同一客戶群，更精確地行銷商品給正確的對象。另一種為地區行為行銷（network behavioral targeting）。網路廣告商如Google，針對不同國家的使用者提供該區的廣告及網站搜尋服務。早期行銷多以人口特性區分，如：地區、性別、教育、年齡等，漸漸演化成從顧客行為研究更清楚地認識目標顧客。
根據維基百科，大數據指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，分析Facebook的使用行為即是大數據領域。現代人多使用社交網路工具維繫人際關係，如 Facebook、Twitter、LinkedIn、Line、Google＋或其他與朋友交流的軟體，使用者其實很難想像他們公開的個人資訊、好友圈、塗鴨牆留言、網路閒聊等，都可以被收集整理分析，更精確的預測使用者的行為模式。
美國一些金融借貸、信用卡機構，為了更加了解客戶信用品質，除了採用傳統的信用評分卡判定信用等級，更納入借款客戶的社交圖（Social chart）參數。社交圖建立在「物以群分，人以類聚」的概念，使用者的社交圈關注的事物，使用者也會關注。它描述人和人及其他群體間的社交關聯性，使用者被分類到相似的社交圖類型，代表他們有著類似的喜好、行為模式，有別於以人口性質分類客群的行銷方式，社交圈分類更能描述目標客戶行為。除了用以推薦商品，社交圈分析補強銀行信用分析不足，降低信用風險。銀行了解借款客戶的社交圈朋友與該行往來情形，若該客戶的朋友圈與該行往來情形良好，形成推薦效果，該客戶應該相當注重個人信用。因此銀行能儘量避開信用不好的客戶，減少倒帳風險，作業成本將大幅降低，還能提供較快速的貸款核准。如果一個人在社交網路說的和對銀行講的不同，行為不一致可視為一個警訊；如果穩合，自然增加銀行貸款的信心。
Lending Club、ZestCash為大量運用社交圈分析的網路金融公司。Lending Club 為美國直接借貸市場第一名的P2P公司，提供借款人一個銀行之外的借款管道，借款者支付相較於銀行較低的手續費及利率。此公司採用附加社交資訊（social information collateral）做為審核參考點之一，透過收集運用社交網路資料，做借款人身份認證比對以避免信用詐騙，同時利於行銷產品。
ZestCash主攻短期小額借款，每筆貸放金額約３００至８００美元，即使借款客戶無法通過銀行的信用報告審核或者沒有信用記錄，仍可以在ZestCash平台借到錢，可以說公司的主要客戶群就是銀行服務不足（Underbanked）、無法申請信用卡的客戶。
ZestCash透過研究其他銀行尚未採用的變量評估客戶，如：電話帳單付款記錄、該客戶在借貸網站逗留多久…等訊息，取代傳統銀行核貸評估採用的有限資料－信用報告及信評分數。ZestCash靠著聰明的運用資料，有效降低客戶違約率，並將之反應在客戶的借貸成本，借款人甚至可以只支付二分之一傳統發薪日貸款費用（註：payday loan，小額短期融資，供借款人在領到薪水前短期調度資金之用）。
儘管企業採集社群媒體訊息是使用者自願對外公開資料，經由資料探勘公司分析客戶網路資料，銷售給好奇客戶在網路上做什麼的企業。對於借款者來說，他和誰是臉書朋友，對他的信用評價會有影響可能在他意料之外。而企業蒐集個人公開資訊，做為可能影響個人權益的運用是否侵犯個人隱私，仍值得深入探討。
喬美國際網路股份有限公司 金融處 楊韻儒
Leave a Reply