玉山資料科學團隊心法大公開

jis2577

企業在導入大數據、資料科學後，所有問題就能迎刃而解嗎？帶領玉山銀行資料科學團隊的資訊處協理郭健男表示，資料科學就像採礦，得經多重萃取才能找出含金資訊。

在本土銀行業者中數位轉型布局較為積極的玉山銀行，除了在2000年開始隨即實驗電子支付，近年更是成立了資料科學團隊，開始用大數據分析各通路、實體分行及用戶的特質。
帶領玉山銀行資料科學團隊的玉山銀行資訊處協理郭健男表示，在玉山銀行成立24年以來，經營團隊團清楚地以10年為1個單位，訂定每階段所要達成的目標。他表示，最開始20年的玉山銀行，已經完成兩階段任務，能夠提供用戶專業服務，「第3個10年，我們則鎖定利用科技，來實現玉山銀行的業務目標。」
郭健男表示，資料科學經常處理過往不曾碰過的新問題，過程中必然會碰上許多失敗、挫折。但是為了走向創新，公司高層也給予資料科學團隊相當大的空間進行實驗，「這也是玉山銀行資料科學步調較快原因。」
資料科學就如同採礦
雖然大數據、資料科學聽起來好似企業的萬靈丹，彷彿導入後所有問題都可以迎刃而解。但是打造良好的資料基礎環境仍然是必備品。光是資料的收集、整理、萃取及邏輯化，就耗費玉山資料科學團隊將近8成的力氣。
「我喜歡用採礦的概念比喻資料科學」，對郭健男來說，原始資料就像富含礦產的寶山，在收集資料過程中，就如採礦挖到一堆沙土，但是價值最高的資訊都隱藏在其中，首先得經過許多清洗、整理，「讓一開始的原始資料，變成有意義的資訊。」
在玉山資料科學團隊中，資料處理分析人員可分成三大團隊。第一是資料倉儲團隊，再者商業智慧分析團隊，最後則是資料科學團隊，除了許多具備管理資料倉儲、BI經驗的人員參與，「其中約有10位資料科學家，利用非傳統的BI方式，對資料進行探索，尋找新興業務價值。」
而所有玉山銀行資料的源頭，都是來自於資訊處建置的資料倉儲。而資訊處得負責將資料整理、建模等加工過程，讓其他部門的使用者可以迅速地進行分析或是繪製報表。
「資料是有生命周期的」，從最開頭資料的產生、收集、梳理，到歸納邏輯及規格化，最後則是產生實際加值應用，而每個步驟都需要不同專業團隊。因此，玉山銀行資料分析團隊也多是按照此流程依序分工。郭健男舉例，像是資料整理、收集，則交由資訊單位的某部門負責，資料的後端應用，則交給業務單位使用。另外，根據各單位所職掌相異的業務，如客群分析、行銷管理、風險管理、經營管理的性質，玉山銀行也會配置不同專長的資料分析人員。
然而，銀行內部擁有許多客戶個人資訊，包含姓名、性別、電話及消費紀錄等私密資料，在資料科學的應用中，玉山銀行不免會碰上資料去識別化的議題。
而郭健男強調，在資料倉儲中，每一用戶也都會給予一組獨特亂數，資料分析人員則是針對用戶屬性進行分析，並不需要知道分析對象的身份。同時，客戶個人資料都已經進行去識別化，無從得知分析對象的個資。如有產生客戶名單需求，則可以利用亂數，在資料倉儲中找到相對應用戶身份，「但這並非分析人員擁有的權限」，利用職權分割，不論是前端資料分析、後端應用，沒有任何資料分析人員可以看見完整客戶資料。


從靜態KYC資料轉為收集動態CRV資訊
在2006年時，玉山銀行也開始重視客戶資料的獲取及分析，並且產生客戶價值風險（Client's Risk &Value，CRV）分析方式，要利用既有內部的客戶KYC（Know Your Customer）資料作為基礎，近一步地加強分析細膩度，讓用戶可以更細緻地被分群。
郭健男解釋，KYC是收集最基本的客戶資料，像是男、女、教育程度、收入，「但是這樣的資料是比較靜態的。」隨著時間，用戶的經濟狀況也會不停地改變。
他舉例，比方說一名客戶從20歲開始，以學生身份成為玉山銀行的用戶，到了40歲時則成為了一名卓越成功人士。用戶需求從原本基礎的存款、提款，開始多了結婚、購屋等需求，「在他的人生旅途中，我們得要推薦不同的金融商品，比方說外幣、定存，這些都可隨狀況調整。」
為了要加深用戶與企業間的關係，玉山銀行必須與其保持著動態連結，資料也要隨用戶的人生進程改變，也因此，玉山銀行才得從KYC，進一步跨向CRV，「這樣才能適時地理解客戶的狀況。」
不過，除了用戶最初登記的個人資訊，以及客戶與銀行互動所留下消費資料、信用卡紀錄等內部資訊，使用者近年大量使用行動裝置的風氣下，往往也會在臉書、部落格等社群平臺留下許多數位足跡，「消費者自己產生了許多動態資訊。」消費者現在也兼任生產者身份，產製許多資訊，演變為生產性消費者（Prosumer）。
在資料如此爆炸性的成長下，玉山銀行不能只仰賴內部營運蒐集來的資料，「還要從外部管道了解用戶，此時就開始產生大數據分析的概念了。」然而，串接外部資料的挑戰性相當高，相比於內部資料可以自行定義姓名、性別等資訊欄位，外部資料往往雜亂無章，掌握度也遠不及行內資訊。
在資訊獲取管道已經從企業內部延伸至外部社群的情況下，同時意味著對於企業可以對用戶現況有更深層認識。因此，玉山銀行得與時俱進，從過去以產品為中心的大量銷售行為模式，轉為以客戶導向的量身訂做行銷方案，「不對客戶產生無謂的干擾。」
這時，高命中率的精準行銷概念便油然而生，資料細緻度從較粗糙的KYC資料、客戶分群（Segmentation），進步到顆粒度最細的個人化，「過程中我們需要借助科技的力量幫我們實現。」
在2006年前，玉山銀行資料的應用範疇是最基本的資料倉儲應用，例如產生法規報表、經營報表等資訊。
在2006年及2009年之前，資料分析應用的主力則著墨在BI範疇，並開始推廣客群經營、精準行銷的概念。雖然近兩三年玉山銀行已經踏入資料科學的領域，「但它不是一步到位」，目前玉山銀行仍然持續經營BI的應用。
對於用戶狀況的理解，也得從靜態轉為動態。郭健男舉例，假設過去A客戶的嗜好為打網球，在近期卻熱衷於游泳。此類的動態資訊無法從KYC的管道得知，必須主動從外部資訊渠道取得。這時便可向A客戶多推銷游泳的產品，「這類的情境式行銷，理解用戶的速度越快，效果越好。」
或是以銀行業務相關的案例為例，若分析用戶在網路平臺的點擊行為，發現A使用者經常瀏覽日本旅遊景點的資訊，便可推估客戶或許有出國旅行的需求，這時便可以推薦玉山銀行的外幣服務、雙幣信用卡，替消費者節省旅日刷卡時的額外手續費，改善使用經驗，「這就是恰到好處的行銷。」
然而從用戶長期不變的習慣，開始密切鎖定其短期行為的變動，其行為模式改變的軌跡，非BI能掌握的範疇，無從透過用戶在ATM領錢，或是銀行內部Log紀錄中理解，必須開始吸取挖掘外部管道資訊，「綜合不同的場合中觀察得知。」
比較傳統BI與資料科學本質上的差異
從BI應用演進至資料科學，兩者在研究資料本質的思維差異，也將對對玉山銀行帶來挑戰。在傳統BI中，企業能清楚了解資料帶來的洞見，像是產業性質、資料欄位的意義，但是一旦踏入了資料科學領域，企業則面對著海量資料，以及過去從未定義過的資料等未知領域，「我認為資料科學就像踏入一個不知其生態系統為何的森林」，唯有花時間走進去探索，才能了解它的真實相貌及意義。
相同的比喻套用至BI，內部資料的欄位都是企業自行定義，例如銀行存款用戶的姓名、教育程度、收入，「相當清楚此森林的面貌為何」，只要其他單位提出已經定義完成的條件，資訊單位馬上就可以根據其需求，過濾出符合要求的清單，快速、清楚取得所需要的答案，「但資料科學是一個探索的過程，過程中才會歸納出結果，找到行為模式，我不先預設題目、答案，但是要循著大方向前進。」
郭健男表示，在傳統BI的模式中，企業已經設定好條件，如同用篩網在資料中撈取需要的訊息，但是移轉至資料科學中，「我們喜歡分析小群聚的行為，從中找到一定的行為模式」，而後將其此模型挪用至更大的群集中分析，尋找能否也能找到類似的行為。
他解釋，無論是BI或者資料科學，都存在過濾資料、尋找模式的行為，但是在後者，資料科學家必須發覺資料中所存在的模式，再根據此結果，將群組間擁有類似行為的樣本都揀選出來，並非如BI般，利用既有條件直接將符合條件的樣本通盤過濾出來。
在資料科學在探尋行為模式的過程中，有時雖然能歸納出有邏輯、故事性的答案，得到符合邏輯規則若P則Q的解答，「但如果得不出符合邏輯的結果，就接受它吧！」郭健男笑著說。




企業內部資料不夠用，還要串接外部開放資料
在臺灣政府力推開放資料的政策下，企業除了內部資料應用，更多了大筆可以串接的外部資料集。但是這對於資料科學家，雖然是機會，但也是個嚴峻的挑戰。
銀行內部收集的資料，來源多半出自於用戶與公司互動所產生，大多也都是結構化資料，「這樣的資料不夠多樣化」，郭健男表示，目前玉山銀行在全臺總共有136家分行，如果只利用單一分行的營業數據做為判定該行表現的依據，而不把背景資料、各分行的獨特性列入考量，可能有失公正性。例如，當A分行的設立具有獨特戰略意義，刻意選在競爭激烈的區域內布局，當它表現不優於其他分行時，也是非戰之罪。
因此，光靠玉山銀行內部資料作為判斷依據，還不足以描述各個分行的特質，還要將背景資料納入評斷考量，例如人口資訊、所得資料、交通流量，甚至用電狀態，從多維度的角度分析，探究現象背後隱藏的故事、原因，「當把這些資料加入後，分行表現的排序評比也都不一樣了。」
目前，全臺灣總共有公布超過1萬多個開放資料集，不過，郭健男表示，玉山銀行目前經常串接的多半是金融、民生相關的資料。像是用電量報告，若使用得當，也能迸出特別火花。他表示，像是中國官方公布的資料包含了該地登記生產的工廠數量，但是如果僅名義上登記，實際上並沒有生產，此資料集也不能代表此區域的實際狀況。此時便可以從當地其他的民生資料切入，像是反應中國經濟的李克強指數，其中用電資料就是一個指標，如果該區有實際用電，就代表該地有生產行為，「越繁榮的商圈，用電量則越多，比起工廠登記數目還有意義。」
外部資料顆粒度仍過粗糙
玉山銀行串接外部開放資料時，也發現目前資料品質仍有改善之處，郭健男舉例，目前全臺灣ATM交易量及交易金額，都是以全國尺度釋出，「這樣的資料顆粒度太粗糙。」除了區域尺度外，資料統計時間也出現類似的問題，「大多以年、月為單位提供」，當資料統計時間能以星期，甚至每日為單位區間釋出，資料也會更具有參考性。
郭健男認為，顆粒度越精緻的資料富含的價值越高，比起已經經過梳洗的資料，他寧願想要複雜、未加工的原始資料，「因為資訊都是從很小顆粒的資料累積起，因此，取得最底層的資料很重要。」
他舉例，像是銀行某用戶今日帳戶結餘的數字，無法從中解讀特別的資訊，但若能提供該用戶帳戶一整日的操作行為資料，「這個行為軌跡就很重要，而不是看總結的數字。」
資料科學人才必須靠企業內部自行培養
然而，資料之於資料科學家，就如千里馬之於伯樂，空有一座資料寶山，沒有明眼人也無法察覺其價值，郭健男認為資料科學家必須經由一連串的培養，像是進入玉山資料科學團隊的成員，得要從瞭解玉山銀行內部資料開始打基礎，在培養資料素養後，才能接受多樣化的工作挑戰，「不能使用傳統的統計分析、BI觀念去審視資料。」
郭健男表示，玉山銀行的資料科學家具有一個重要人格特質，「那就是很喜歡問問題」，碰到工作作業流程不順暢之處，也會積極想要改善，並且具備不害怕改變的勇氣。在專業上，則需要具備三大專業能力：IT素養、產業知識，以及統計能力。
由於資料科學已經擺脫過去BI領域，使用現有套裝工具的機會也會大幅減少，因此團隊成員得要能使用R語言等工具，結合演算法及統計知識，自行開發統計分析工具。
同時，資料科學家也要對銀行內業務瞭若指掌，郭健男表示，玉山銀行所培養的資料科學家，每天都沈浸在銀行業務資料中，如果不熟悉內部資料欄位的意義，根本無法提供服務給第一線人員。「此外，我們得支援內部IT服務，要跟前線人員保持密切合作」，他表示，IT僅是實踐工具，而業務所包含的範圍、流程，也得跟一線工作人員討論、構思。
在累積一定程度的內部營運知識後，資料科學家也才能放手嘗試新的想法，例如，結合外部資料資料，產生一些新火花，因為「不了解基本運作流程，研究成果會很天馬行空，無法實際落地。」
不過，管理資料科學團隊同時也考驗著郭健男，必須給予資料科學團隊更大的嘗試空間，實驗不一樣的想法。在過去傳統BI思維之下，考慮到團隊生產力，會導入許多套裝軟體，提供建模、預測以及推薦等功能，加速成果產出的速度。「但碰上資料科學，我得要放慢步調，不要求馬上產出答案」，光是其中一個參數改變，就足以改變整體的行為模式。也因此，資料科學家得熟悉程式語言、統計工具及演算法，耗費精力使用非工具性的分析方式檢視資料。










資料科學應用無法一夕間在企業內部落地不過，郭健男坦言，現階段資料科學的研究，還需要長時間的探索，才可以在企業內部落地，「我們有許多實驗性質的成果，但是還需要經過反覆驗證，才能成為常規」，由於銀行作業追求精確，不希望在產品仍處未成熟階段時就草草釋出。他解釋，就像是機器學習應用，一開始也是從小規模樣本著手，逐漸修正、校對後，逐步在更大規模的樣本中驗證模型是否成立，「只要來回次數越多，精準度會越高」，像是蘋果人工智慧助理Siri，起初語音辨認準度也不夠精準，但是經由收集使用者回饋，近年系統辨認精確度也大幅提升。而資料科學團隊的研究成果，最終也會經過業務單位檢驗、把關，確定具有商業價值後，才會正式變成產品，「創新與紀律，兩者位在天秤的兩端，而創新不可踰越紀律」，但郭健男表示，創新可以讓企業跳出過去的框架，重新檢視銀行業。而玉山銀行也不趕鴨子上架，急忙將研究成果變成例行作業，「模型需要不停的條件，大約經過兩年才有可能成為納入常規」，他笑著說，現在資料科學還積累著許多尚未實現的點子，等著資料團隊去研究。態度是資料科學家最重要的人格特質不過，稱職的資料科學成員也難尋覓，除了銀行業對於人格操守的要求，還得有鍥而不捨的人格特質，面對問題時，要一直採用新技術、做法及觀念審視，在日常工作中也要追求最佳化。但回歸一個人才的本質，「無論是技術、統計概念都其次，最重要還是態度」，郭健男認為，態度始終決定一個人的高度，不管任何產業都不會有所改變，「願意學習及接受挑戰，這才是我心目中最優良的資料科學家。」他說。

panups

  

xfzc