虛實整合策略＋人機協作新思維 讓客戶願意「 陪銀行走一段路」

在「穩健」經營與「流動性風險」壓力下，其實大部分銀行的內部資本支出活動仍以風險考量為主，對客戶設防多於信賴。但在強調溫度與精緻服務的現在，該如何讓「未知的風險」扭轉成「雙贏的機運」？

台灣的金融產業在全球金融產業發展裡，是一個相當有趣的存在，從銀行、信合社、跨界經營供應鏈融資的企業集團，再到民間融資機構，總計數千家以上的實體資金服務單位，正餵養著全台2,300萬人所衍生的個人或企業資金及支付所需，其基本就是一個「恍若超商、分層負責」的完美寫照。然而對於「資產不足、人脈不暢、信用待養」且不想「開口跟長輩周轉」的年輕人而言，台灣金融服務「相對上」還是不夠直爽、普惠與「隨滑隨得」。穩健的銀行願意等年輕人累積足夠的金融行為信用分數，前衛的銀行則想積極突破這群年輕人的心防，提前投資這群約莫50萬的年輕族群的未來，嘗試著提前一步感動這群客戶的心，讓「未知的風險」扭轉成「雙贏的機運」。

銀行該如何讓客戶感受「更有溫度」，甚至溫暖到「願意虧一點手續費」，這輩子也要跟這家銀行「一起走一段路」？

銀行對客戶樣貌與行為了解嗎？

這個關鍵命題的答案只有一個：銀行對客戶的樣貌與行為了解得「越完整、越即時、越能同理心」，就「越有行動力」，就越能讓客戶對銀行產生「信賴與品牌依靠」，甚至願意主動提供資訊，來幫助銀行縮短對客戶自身理解上的「信賴落差」，好讓銀行更能提供「最適切的服務」給客戶。

然而大多數的時候，銀行在「穩健」經營與「流動性風險」的壓力下，其實大部分銀行的內部資本支出活動仍以風險考量為主，對客戶設防多於對其信賴，長期下來，不易主動關懷客戶對資產、財富與支付各項議題中內心深處的轉折與感受，特別是「為何需要資金？為何需要支付？這些金融需求的痛點或目的，到底是因何原因？是屬於哪一類的人生故事之中所轉折衍生而出的痛點與需求？」

因此，在談「大數據經營客戶溫度」的主題之下，各銀行從業人員有必要重新思考一件事情：「假如願意細心詢問與聆聽客戶心聲，是否上面的事情都能逐步解決？假如客戶的需求與痛點隨著時代改變而會不斷地變遷，那麼分行行員是否能肩負起這樣的責任，還是要建立更多的數位感應器（Tag & IOT Thinking）去感知客戶需求？分行行員又該如何與新科技與數位感應器一同合作，讓虛實世界中逐漸失去的溫度，能被重新找回來？」

更重要的是，假如客戶的體驗與感動是需要透過人跟人之間的服務才能被「感受」出來，並且重新積極地去「營造」出來的，那麼大數據團隊裡面是否缺少了這樣一個有溫度、能體會客戶心聲的心理學人才？因為數據分析師很容易看到數字的跳動，儘管那也呈現出客戶的需求點，但或許那個需求點相對於其他數字而言被低估了，數字只能凸顯出現的痛點頻次，卻無法呈現出痛點的深度與渴求被解決的程度。例如一個App的字體太小、一張分行單據的撰寫欄位太小，對客戶來說是一個長期存在的痛點，但客戶還是得用，銀行又該如何察覺而願意去修訂？

大數據讓溫暖與貼心更即時

話說台灣曾經有一位資深金融老前輩，整家銀行在他台灣人特有的「情感主義」帶領下，走過了信用卡最輝煌的年代，那時他老人家最偉大的一句台語管理哲學，就是「用『卡桃乎（膝蓋）』想就知道要做的事情，你寫一堆報告做什麼？」如今，這樣的窘境仍經常在各金融業者中屢見不鮮，只是換成了大數據分析團隊來擔綱演出，類似前例中的「單據欄位或App中的字體太小」等營運面議題，並不需要大數據團隊出馬，卻需要人性的真心關懷與感應，並且高層願意投注熱情於改善這類用膝蓋就能反應與解決的痛點；若要問日本金融的細緻度與台灣之間的差異性，比的是工匠般的經驗與體驗，「先求精緻與細緻，再利用大數據分析極致之後的服務，還有哪些缺憾是用人感受不出來的。」這方向可不能弄顛倒。

那麼反過來問：「大數據在人性溫暖的價值上，該怎麼跟人類一起協作呢？」關鍵就在於這一句話：「溫暖與貼心是不需要大數據分析的，但大數據可以讓溫暖與貼心更即時、更完整、更有同理心地傳達給外部客戶，且更能說服銀行各階層願意奉獻去做正確的反應，來滿足客戶的需求。」簡單說，就是「溫度與細緻度靠人類來體會，速度與微觀靠大數據來實現」，否則角色擺錯了，組織架構就會弄顛倒，對大數據團隊的期待落差也將接踵而來，甚至於花了大錢弄到最後，反而懷疑起大數據系統、系統廠商與團隊的價值。

勇敢對不理性命題 say No！

另一方面，為了追求客戶真理與真相，大數據團隊領導主管也要有勇氣對「不理性的命題say No！」而人力資源主管也要有能力判斷「大數據團隊領導主管的專業與經驗」是否能以客戶與公司利益為重，否則「大數據主管先射箭，再讓數據分析師畫靶」的謬誤分析將層出不窮，最終讓整家銀行在錯誤的數據分析基礎下，斷送了銀行數位轉型的機會成本，而結果就是外部客戶品牌感受低落的結果。

全球數位轉型熱潮已一發不可收拾，在這充滿「知識、體驗Gap過大；專業、經驗Trust不足」的壓力下，讓我們一起效仿老前輩走過的「銀行家修仙之路」，來重新理解老前輩眼中的「資料、知識、經驗、智慧與影響」五大協作模式，一起在數位轉型過程中，透過「人類膝蓋理論」（Human Deep Learning）去鍛鍊與深度學習「懂科技、豐數據、累場域、惜試誤」4件事，並在所有商業決策中全面串聯到「數據源、數據果」的End to End這流程上，方能一步一腳印的創造出「是非對錯的量化決策基石」，最終形成各階主管與大數據團隊共同協作、快速反應之「數位決策膝蓋」。

以下提供幾個協作應當思考的觀點參考：

一、兩套大數據不要人才混用：外部行銷分析（賺錢或品牌）不等於內部營運分析（省錢或提速）

1.目標分工：

內部營運分析課題由關切內部客戶的一群數據分析師組成；外部行銷分析課題由關切外部客戶體驗溫暖感受的數據分析師組成。

2.目標管理：

深入訪談客戶痛點體驗，以取得能強力促動客戶的話術關鍵，並以該話術為主軸，進行產品設計，大部分的產品經理往往犯了一個嚴重的錯誤，就是先有產品才設計大數據分析架構或設計兜售話術，容易產生垃圾進、垃圾出的困境。

3.關鍵分析角度：

（1）對的時機：

例如判斷出外部客戶有能力採購或可能風險，且即將面臨最終決策時機之Before、Now、After等3個時機點之相對應話術與服務層次。

（2）對的演算法應包含：

● 線上／線下通路怎麼架設。

● 離線／連線網絡怎麼蒐集。

● 境內／跨境交易怎麼匯流。

● 數位／實體資產怎麼配分。

二、關鍵成功指標課題：

1.內部營運之數據分析師主要關注於7天24小時的DevOps（理性）分析系統之建置與經營，其KPI指標為持續降低C/I Ratio，並且參與各種有效的創新實驗評估。

2.相較於內部營運之數據分析師，外部行銷之數據分析師更重視Psychology Core（感性）分析活動之建置與經營，其KPI指標則應為持續提升Marketing, Service & Branding ROI。

3.「內部管理指標」介面化呈現：

採取「決策樹」權重呈現的數據圖表與圖說，且決策樹的設計應當與銀行內部管理策略指標（BSC、OKR、KPI、MBO或其他指標）產生策略上的關聯性與即時性，以利落實「內部管理指標」與「大數據分析系統」的API銜接，強化策略即時性。

三、完整的大數據運作模式，帶來完整的客戶

溫度：

大數據跟客戶體驗之間的關聯性，透過〔圖1〕完整的示意出內部營運或外部行銷所需之大數據團隊之「決策系統架構圖」，期盼銀行能效仿「太極」觀點的數據決策發展手法，替未來更激烈的金融市場競爭做一基礎築底的工程，達成「人中有數（據）、數（據）中有人」的「兩儀」循環。由於未來將由「數位膝蓋反射」主宰一切內部營運與外部行銷活動速度與效能，須倚賴「人機介面完美整合」，好讓人類能持續供應更細緻的「關心與溫度」給客戶，讓客戶更加心動，並願意陪銀行走上一段路。