本文原刊載于台灣銀行家雜誌第116期
純網銀模式近來蔚為潮流，智慧行銷、智慧風控、智慧理財、智慧催收興起，如何強化蒐集網路大數據、提升分析使用數據的能力，以達到所有業務自動化、智慧化，並將業務拓展到不同國 家，技術輸出到其他海外市場，是未來各家銀行可思考的重點。
自從愛德華斯諾登在2013年6月6日將”稜鏡計畫”公諸於世後，世人驟然發現每天經常使用的軟體，日以繼夜不停地蒐集個人隱私數據，在當事人不知情下被傳送出去。
稜鏡計畫中的九個網路巨頭從2007年至2012年陸續將數據提供給美國國家安全局(NSA)，包括微軟(2007/9)、YAHOO(2008/3)、Google(2009/1)、Facebook(2009/6)、Paltalk(2009/12)、YouTube(2010/9)、Skype(2011/2)、AOL(2011/3)、Apple(2012/10)，上述名單中，國人經常使用的至少也有6~7種，然而這只是冰山一角，舉凡個人移動設備或電腦設備上使用的所有軟體，都可能是蒐集個人隱私數據的源頭。
斯諾登在香港第一次接受媒體採訪時，曾說“我坐在這裡，只要有一個電子郵寄位址，就可以監控任何人，不管是你、為你服務的會計師，還是聯邦法官，就連總統都沒問題”。斯諾登是透過XKEYSCORE系統來查詢個人在網路上之所有資訊。
多年來網路上所有個人資訊一直都是被蒐集的，而大家似乎都是穿著國王的新衣在網路奔馳著，裸奔而不自知或不在乎。
客戶已上門，銀行卻不聞不問?
當互聯網公司大肆搜刮個人資訊時，銀行做了哪些事呢? 想像一下，在銀行的營業大廳客戶進門了，銀行服務人員通常會上前噓寒問暖，提供親切的服務。但在網路世界，客戶到了銀行官網，部份銀行的表現則是冷漠異常、視而不見，與其他互聯網公司的做法大相徑庭，殊不知，這將造成很多業務機會的喪失。多年來互聯網公司透過網頁跟蹤技術(如Cookies, Flash cookies, pixel tags, Canvas等)在網頁上蒐集客戶網路行為數據，已是司空見慣之事。
為瞭解本國銀行業網頁蒐集客戶數據的情況，在此以Ghostery軟體來檢測各銀行官網上網頁跟蹤器的數量，Ghostery是一個免費軟體，可用於檢視網頁上有哪些跟蹤器，銀行官網上網頁追蹤器較多者，可視為蒐集數據的態度較為積極，但並不代表該銀行數位化程度一定比較高。
筆者在2019年6月以Ghostery查詢並匯總臺灣37家本國銀行官網上的網頁追蹤器數量，有8家銀行超過5個網頁跟蹤器，約占本國銀行家數之22%；有13家銀行，跟蹤器數量介於3~5個之間，占比約35%；有10家銀行跟蹤器數量介於1~2個之間，占比約27%；有6家銀行沒有網頁跟蹤器，占比約16%。(如圖一) 跟蹤器大於10個的銀行有5家，分別是花旗(臺灣)銀行(33個)；國泰世華銀行(21個)；王道銀行(17個)；臺北富邦銀行(12個)；渣打銀行(11個)。一個跟蹤器的背後就是一家網路科技公司，基於術業有專攻，對於網路資訊之蒐集及運用，銀行與科技公司的合作是必不可少。
在此以花旗(臺灣)銀行為例，揭開網頁跟蹤器的神秘面紗。網頁跟蹤器可分為四個類別，分別是「基本內容類別」、「廣告類」、「社交媒體類」、「網站分析類」，其中「廣告類」有23個跟蹤器，可蒐集客戶的網路行為資訊並用於精准行銷及信用分析；「網站分析類」有5個跟蹤器，用的是Google、Yahoo、Adobe、Line等公司的網站分析產品。(詳如表一)
國內其他銀行的網頁跟蹤器大多與花旗(臺灣)銀行類似，只是個數比較少，在網站分析類跟蹤器方面，Google Analytics使用的最多(可能與其免費有關)，其他常用的還有Yahoo Analytics, Adobe Analytics, Webtrends, Line、Hotjar、Piwik等。網站分析的跟蹤器十分重要，好處如下:
- 收集所有渠道數據並進行整合，對客戶即時360度洞察而畫出完整客戶畫像；
- 跟蹤客戶在所有線上和線下渠道中的行為軌跡，找出影響轉化率的原因；
- 利用機器學習、統計模型及演算法來自動分析海量數據，挖掘出獲利模式及提升決策品質，發揮數據之最大效用。
表一、花旗(臺灣)銀行官網網頁跟蹤器列表
| 類別(個數) | 跟蹤器 | 說明 |
| 基本內容(3) | Google Tag Manager, Ensighten, Google Custom Search | 實現跟蹤器管理功能 |
| 廣告(23) | DoubleClick Floodlight, Yahoo DOT tag, TradeDesk, DoubleClick Ad Exchange, Criteo, Appier(臺灣), Google Dynamic Remarketing, FreakOut, BidSwitch, Google AdWords Conversion, ScaleOut, i-mobile, Facebook Custom Audience, OpenX, DoubleClick, DoubleClick Bid Manager, impact, AppNexus, Rubicon, PubMatic, Advertising.com, Drawbridge, Google Adsense | 使用Google、Yahoo及美國、法國、日本、臺灣等國家的廣告技術公司，可精准行銷 |
| 社交媒體(2) | Facebook Connect, Ants | 與社交媒體互動 |
| 網站分析(5) | Omniture(Adobe Analytics), Google Analytics, Line, Yahoo Analytics, Intimate Merger | 網站分析工具，可準確、結構化、持續收集的使用者行為資料。並進行網路分析、行銷分析、歸因、預測分析等 |
大陸的銀行不太使用網頁跟蹤器，每家銀行大多只有0~2個網頁追蹤器，主因是大陸銀行可從第三方數據公司(經營個人征信業務公司、數據經紀商等)查詢客戶網路行為及銀行體系外之資訊來補強人民銀行征信查詢資料之缺口(來自網貸公司、小貸公司、P2P公司等銀行體系外之借款資訊、逾期名單、詐騙黑名單等)，以進行詐欺風險及信用風險之防範。
此外大陸一些純網銀如微眾銀行、網商銀行等，除了可從第三方數據公司查詢征信資料外，還可從自家集團成員(微信、QQ、支付寶)間接收到客群數據分析結果，透過分析微信/QQ及支付寶用戶的網路社交行為及支付相關行為數據，挑選出低風險可授信的個人及小微企業。
例如，微眾銀行的微粒貸是屬於白名單(預授信)的產品，從微信、/QQ App的龐大客戶群中(2019Q1有11.12億活躍使用者)，蒐集客戶網路行為數據，進行信用評分(騰訊信用分)後，依信用品質不同及授信准入政策，事先挑選出可授信的客戶並給予不同的額度與利率，獲得審批核准的白名單客戶都可在自己的微信App中查詢授信額度並可直接申請貸款。由於額度已預先核准，申貸速度可達秒批秒貸的境界，微粒貸可在5秒內出額度、1分鐘借錢、3分鐘到帳。不過根據筆者經驗，微粒貸第一次申請貸款，還是有人工電話照會環節(主要防欺詐)，核准速度會慢一點，但第二次申請動用就會非常快速。
網商銀行的「網商貸」客群主要是從「從支付寶會員」、「淘寶/天貓賣家」、「阿里巴巴中文站賣家」、「阿里巴巴國際站/速賣通賣家」的名單中挑選出可授信的客戶，透過分析網路行為及商家交易數據，產出芝麻信用分/企業信用分，並給予額度與利率。 「網商貸」效率也很快，申請30秒，最快3分鐘到賬。順帶一提，相較於一般銀行，大陸民眾比較不敢不還網商銀行的貸款，因為違約會影響到芝麻信用分及支付方便性，對於食、衣、住、行都會受到影響。
那其他國家的金融機構使用網頁跟蹤器的情況呢? 在此根據KPMG與H2 VENTURES共同發佈之《2018 FinTech100報告》，在前50強中挑選3家來自不同國家純線上業務的企業或銀行來比較網頁跟蹤器的情況。三家公司分別為Nubank、Kreditech、Starling Bank，跟蹤器依序有21個、42個、20個(詳如表二)。由上述跟蹤器數量可知，在現今互聯網數據蒐集的潮流中，不分國內外的金融機構，數據饑渴的現象總是存在的。
表二: Nubank、Kreditech、Starling Bank網頁跟蹤器數量比較
其實數據蒐集只是災難的開始，後續如何對待數據才是重頭戲，包括數據的存儲、清理、治理、分析、運用等。雖然銀行有災難要面對，但總比淹沒在時代的潮流中好。
網頁跟蹤器及App可以蒐集哪些數據呢?
一個好的跟蹤器可以跟蹤瀏覽者在網頁上的所有點擊、輸入、瀏覽的行為，例如，登入網頁的時間、瀏覽不同頁簽的時間、是否為第一次登入或回訪客(來過幾次)、使用何種瀏覽器(IE、CHROME等)、IP(從哪裡上網)、設備編號、作業系統(微軟或蘋果作業系統)、上網設備、頻寬、上網供應商、參與度(網站互動時間及其瀏覽網頁頁數與時間)、輸入的內容、輸入內容的時間、點擊下拉選單或滑動按鈕的時間、拜訪過哪些其他網站、是否有點擊廣告、從哪個網站登入(查詢或直接輸入網址)、安裝在電腦上的字體、大寫還是小寫輸入、輸入的出錯率及按取消鍵的頻率、使用軟體之版本、屏幕解析度等。
這些網頁上的行為數據對於判斷信用與欺詐風險是否有幫助?需要銀行的創意巧思及持續測試才能找出答案。美國第一家P2P上市公司Lending Club，就採用借戶使用的手機品牌、作業系統、瀏覽器種類等變數來評估欺詐客戶的可能性。
App可蒐集的數據更為廣泛，理論上透過埋在App內的軟體開發套件(SDK, Software Development Kit）能蒐集手機上所有存儲的數據、使用軟體、硬體、個人所有行為資訊，甚至連個人帳號、密碼都知道。本文僅針對合法的App數據蒐集進行討論。
App可蒐集的資訊與傳統銀行評估信用風險的變數差異很大，在此舉例說明如下:
- GPS信息:比對借戶公司、家庭/工作地址與GPS是否匹配；是否常出國；經常出沒在哪些場所
- 簡訊資訊: 簡訊使用的語言(語文程度)、寄出或收到的簡訊字數多寡、是否貸款、是否有催收簡訊、轉帳簡訊通知(流水、收入等)
- 通話信息: 在特定期間撥入與撥出電話的比率；節費時段是否常打電話；與通訊錄的朋友或連絡人是否有電話聯繫、是否有催收公司或金融機構通話記錄、通聯次數及合計通話時間的多寡
- 通訊錄信息:朋友的個數、連絡人是否在通訊錄中、通訊錄內留存的姓和名字是否分開輸入等
- 使用App的資訊: 社交媒體的App個數、是否使用支付類App、是否使用理財App、是否喜歡玩遊戲App並充值、玩遊戲的種類、是否使用電子書App等
- 電池充電頻率: 手機電池在一段時間內充電的次數與違約機率的關係
- 照片資訊: 自拍照片占所有照片的比率，可用於客戶分群
- 手機品牌、型號、記憶體容量
- 感測器資訊: 手機平均有7個感測器，如重力加速度感測器、光敏感測器、攝像頭的CCD或CMOS感測器、GPS接受感測器、磁感測器、聲感測器、溫度感測器，透過這些感測器也可以傳回很多資訊。
上述變數是以舉例方式來說明，事實上若以手機數據蒐集為題，經由銀行內部專家討論、顧問諮詢，可能可得到上千個甚至萬個變數。此外若徵得客戶同意分享電商購物及社交媒體資訊，銀行可透過網路爬蟲技術(自行爬取或與第三方數據公司合作)，爬取客戶的社交媒體資訊(如臉書)及電商購物資訊(如淘寶)，可更精准的描繪客戶畫像﹐降低欺詐風險與信用風險。
個人隱私保護主義來襲
在本國銀行還沒有開始大肆蒐集數據的同時，個人隱私保護網已經在歐盟蔓延開來，歐盟是全球抵抗互聯網所帶來個人隱私傷害最積極的地區。歐盟已於2018年5月25日實施「一般資料保護規則」（General Data Protection Regulation, GDPR），舉凡個人身份、生物特徵(如電話號碼、位址、車牌、病歷、指紋、臉部辨識、相片、影片、電郵內容等)及線上定位資料(Cookie、IP 位置、行動裝置 ID、社群網站活動紀錄等)都納入規範，這些資料是構建完整客戶畫像的重要資料，故針對GDPR所可能衍生的後續問題，金融機構應該在邁向數位化過程中提早因應。
受到GDPR的影響，未來個人對於數據的自主性提高，個人數據蒐集難度增加，管理及蒐集成本相對提高，但數據蒐集的腳步是不會停止的，相信未來的互聯網技術都會克服這些難點。例如Google已提供該公司所蒐集的個人資訊下載功能了，筆者的個人資訊容量約1.1G，內容包羅萬象，如瀏覽記錄、搜索記錄、看YouTube影片記錄、雲端硬碟、相片、郵件、購物、新聞、地圖等，想瞭解互聯網公司蒐集哪些個人資訊，建議下載來看看，值得參考。
期待銀行的XKEYSCORE系統
臺灣與大陸在互聯網發展歷程上有明顯不同，臺灣民眾使用的熱門App(如Facebook, Line)是國外開發的，缺乏自己的社交媒體、大型電商及介面多元化的支付軟體，因此臺灣銀行業無機會與本土的互聯網巨擘合作，也沒有足夠的第三方數據公司(如鵬元、百融、同盾、天眼查、企查查等)或民營個人征信公司(如百行征信)提供來自政府相關部門、各種App平臺、電信公司、線上貸款公司、小貸公司、消費金融公司等多元數據源的整合資訊，來進行反欺詐及信用風險評估。
雖然臺灣銀行業擁有資料品質冠全球的聯征中心(JCIC)資料，風控一直做的不錯，但銀行不能只放款給有JCIC資料的零售客戶；也不能局限在國內的市場，目前國內零售業務之發展似乎到了一個不易突破的瓶頸，隨著Bank4.0到來，純線上銀行的模式將成為潮流，智慧行銷、智慧風控、智慧理財、智慧催收興起，如何強化蒐集網路大數據、提升分析使用數據的能力，以達到所有業務自動化、智慧化，並將業務拓展到不同國家，技術輸出到其他海外市場。將是這幾年臺灣銀行業思考的重要課題，讓我們一起期待屬於銀行自己的XKEYSCORE系統出現吧。
