逐漸“消失”的信用卡背后 你知道銀行有多努力嗎？

　　經濟觀察網 記者 萬敏 你有多久沒有真正的刷“信用卡”了？

　　基于線下消費場景的刷卡行為，在移動支付時代的機會越來越少。這是一個即使沒有統計數據，也能用肉眼觀察到的事實——對于發卡機構來說，這意味著卡片本身這一支付過程中物理介質的重要性在急速下降，而附著在卡片上的賬戶才是經營的核心。

　　“卡基”向“賬基”的轉型，對銀行作為發卡機構的業務布局、系統承接、數據整合等方面的綜合能力提出了新的要求。

　　在獲客層面，銀行信用卡業務更重視線上渠道，通過和互聯網平臺建立合作，拓展獲客資源，豐富消費場景，促進用戶綁卡用卡活躍度。

　　在系統和技術層面，實力雄厚的大型銀行優勢明顯，近年來也在不斷完善大數據平臺的搭建，提升數據應用能力，并重點應用在零售金融業務中。

　　近日，農業銀行宣布，信用卡智能分析與決策支持項目順利投產上線，該項目由三個部門共同促成，農行信用卡中心、研發中心和信息管理部。

　　這顯示農業銀行的大數據平臺進一步完善，原有分散的各業務系統數據孤島得以整合，在信用卡線上獲客、客戶管理、風控完善方面帶來更多利好。

　　農行的信用卡業務在幾家大型國有銀行中的表現相對平淡，年報披露其2018年末累計卡量1.0億張，少于工行的1.5億張、建行的1.2億張和中行的1.1萬張。

　　但其2018年信用卡業務發力較猛，當年新增卡量1801萬張，超過了建行的1447萬張、中行的1362萬張、工行800萬張。

　　而從信用卡經營指標來看，農行信用卡持卡人的活性不足，2018年信用卡消費額17538億元，從同類型銀行的可比數據來看，幾乎只有交通銀行的30703億元的一半左右。

　　互聯網時代，以大數據為基礎的用戶畫像技術、精準營銷是用戶運營的必備技能，農行此次投產的信用卡智能分析與決策支持項目，有望彌補其運營的短板。據悉該項目依托于農行大數據平臺和零售數據集市，通過對信用卡數據與行內客戶數據的整合、深度加工和模型構建，成功建設貸前風險調查庫、貸中風險模型、信用卡分期目標客戶庫等數據產品。

　　業內人士對記者表示，銀行積累了豐富的用戶數據資產，通過大數據、模型加以充分利用，將釋放巨大的業務潛力。

　　“優化信用卡分期目標庫。通過增強客戶準入規則篩選，剔除風險類黑名單客戶等方式精準把控大額分期目標庫范圍，加強農行信用卡分期秒批秒貸業務的風險管控能力，為分行開展精準營銷提供更有力的支持。”農行表示，該項目將有效提升農行信用卡業務經營的智能化決策能力和營銷能力，為農行信用卡業務數字化轉型奠定基礎。

　　另一方面，深度整合的零售客戶數據，也能從風控方面進一步釋放業務活力。

　　2018年年報披露的農行信用卡不良率和不良余額實現了雙降，此次上線的項目有望進一步提升該行的信用卡風控能力。一方面實現全量客戶欺詐風險評級，完善農行信用卡客戶級信用評價體系。通過計算行內客戶與黑名單客戶間的轉賬交易緊密程度，加工形成轉賬關系網絡圖譜，交易越緊密，欺詐風險越高，為量化農行信用卡客戶貸前欺詐風險提供決策支持。另一方面創建信用卡客戶綜合評分。使用信用卡征信評分、行內評分、行為評分數據，擬合形成客戶綜合評分體系，為農行信用卡貸中客戶經營管理及風險自動化處置提供數據支持。

　　大數據平臺在信用卡風控中的應用，已有不少銀行走在了農行前頭，如招行、平安等在零售金融方面發力較早，對信用卡業務的系統投入也不遺余力。平安銀行2018年年報顯示，該行對信用卡不良的控制，通過大數據平臺和先進定量分析技術，結合風控模型、AI智能識別等科學工具全面優化風險管理策略，改善新戶獲客結構與品質，優化存量結構，確保組合資產可持續發展。

　　據央行公布的數據，2018年四季度信用卡逾期半年未償信貸總額788.61億，占信用卡應償信貸余額的1.16%，占比較上季度末下降0.18個百分點。

　　在線下消費場景中逐漸“消失”的信用卡，正在逐漸成為銀行線上獲客的突破口，而起背后隱含的業務邏輯、客戶經營、系統架構、數據應用等方面的思路轉變，更將是催動銀行零售業務轉型變革的催化劑。

責任編輯：霍琦