# 金融科技數位力

## 資料探勘的十種分析手法:
*資料來源:https://dasanlin888.pixnet.net/blog/post/34467788*

1.記憶基礎推理法（Memory-Based Reasoning；MBR）

* 記憶基礎推理法最主要的概念是用已知的案例（case）來預測未來案例的一些屬性（attribute），通常找尋最相似的案例來做比較。記憶基礎推理法中有兩個主要的要素，分別為距離函數（distance function）與結合函數（combination function）。距離函數的用意在找出最相似的案例；結合函數則將相似案例的屬性結合起來，以供預測之用。記憶基礎推理法的優點是它容許各種型態的資料，這些資料不需服從某些假設。另一個優點是其具備學習能力，它能藉由舊案例的學習來獲取關於新案例的知識。較令人詬病的是它需要大量的歷史資料，有足夠的歷史資料方能做良好的預測。此外記憶基礎推理法在處理上亦較為費時，不易發現最佳的距離函數與結合函數。其可應用的範圍包括欺騙行為的偵測、客戶反應預測、醫學診療、反應的歸類等方面。

2.市場購物籃分析（Market Basket Analysis）

* 購物籃分析最主要的目的在於找出什麼樣的東西應該放在一起？商業上的應用在藉由顧客的購買行為來瞭解是什麼樣的顧客以及這些顧客為什麼買這些產品，找出相關的聯想（association） 規則，企業藉由這些規則的挖掘獲得利益與建立競爭優勢。舉例來說，零售店可藉由此分析改變置物架上的商品排列或是設計吸引客戶的商業套餐等等。

* 購物籃分析基本運作過程包含下列三點：

（1）選擇正確的品項：這裏所指的正確乃是針對企業體而言，必須要在數以百計、千計品項中選擇出真正有用的品項出來。
（2）經由對共同發生矩陣（co-occurrence matrix）的探討挖掘出聯想規則。
（3）克服實際上的限制：所選擇的品項愈多，計算所耗費的資源與時間愈久（呈現指數遞增），此時必須運用一些技術以降低資源與時間的損耗。

* 購物籃分析技術可以應用在下列問題上：
（1）針對信用卡購物，能夠預測未來顧客可能購買什麼。
（2）對於電信與金融服務業而言，經由購物籃分析能夠設計不同的服務組合以擴大利潤。
（3）保險業能藉由購物籃分析偵測出可能不尋常的投保組合並作預防。
（4）對病人而言，在療程的組合上，購物籃分析能作為是否這些療程組合會導致併發症的判斷依據。

3.決策樹（Decision Trees）

* 決策樹在解決歸類與預測上有著極強的能力，它以法則的方式表達，而這些法則則以一連串的問題表示出來，經由不斷詢問問題最終能導出所需的結果。典型的決策樹頂端是一個樹根，底部有許多的樹葉，它將紀錄分解成不同的子集，每個子集中的欄位可能都包含一個簡單的法則。此外，決策樹可能有著不同的外型，例如二元樹、三元樹或混和的決策樹型態。

4.基因演算法（Genetic Algorithm）

* 基因演算法學習細胞演化的過程，細胞間可經由不斷的選擇、複製、交配、突變產生更佳的新細胞。基因演算法的運作方式也很類似，它必須預先建立好一個模式，再經由一連串類似產生新細胞過程的運作，利用適合函數（fitness function）決定所產生的後代是否與這個模式吻合，最後僅有最吻合的結果能夠存活，這個程式一直運作直到此函數收斂到最佳解。基因演算法在群集（cluster）問題上有不錯的表現，一般可用來輔助記憶基礎推理法與類神經網路的應用。

5.群集偵測技術（Cluster Detection）

* 這個技術涵蓋範圍相當廣泛，包含基因演算法、類神經網路、統計學中的群集分析都有這個功能。它的目標為找出資料中以前未知的相似群體，在許許多多的分析中，剛開始都運用到群集偵測技術，以作為研究的開端。

6.連結分析（Link Analysis）

* 連結分析是以數學中之圖形理論（graph theory）為基礎，藉由記錄之間的關係發展出一個模式，它是以關係為主體，由人與人、物與物或是人與物的關係發展出相當多的應用。例如電信服務業可藉連結分析收集到顧客使用電話的時間與頻率，進而推斷顧客使用偏好為何，提出有利於公司的方案。除了電信業之外，愈來愈多的行銷業者亦利用連結分析做有利於企業的研究。

7.線上分析處理（On-Line Analytic Processing；OLAP）

* 嚴格說起來，線上分析處理並不算特別的一個資料挖掘技術，但是透過線上分析處理工具，使用者能更清楚的瞭解資料所隱藏的潛在意涵。如同一些視覺處理技術一般，透過圖表或圖形等方式顯現，對一般人而言，感覺會更友善。這樣的工具亦能輔助將資料轉變成資訊的目標。

8.類神經網路（Neural Networks）

* 類神經網路是以重複學習的方法，將一串例子交與學習，使其歸納出一足以區分的樣式。若面對新的例證，神經網路即可根據其過去學習的成果歸納後，推導出新的結果，乃屬於機器學習的一種。資料挖掘的相關問題也可采類神經學習的方式，其學習效果十分正確並可做預測功能。

9.區別分析（Discriminant Analysis）

* 當所遭遇問題它的因變數為定性（categorical），而引數（預測變數）為定量（metric）時，區別分析為一非常適當之技術，通常應用在解決分類的問題上面。若因變數由兩個群體所構成，稱之為雙群體 — 區別分析 （Two-Group Discriminant Analysis）；若由多個群體構成，則稱之為多元區別分析（Multiple Discriminant Analysis；MDA）。

（1）找出預測變數的線性組合，使組間變異相對於組內變異的比值為最大，而每一個線性組合與先前已經獲得的線性組合均不相關。
（2） 檢定各組的重心是否有差異。
（3） 找出哪些預測變數具有最大的區別能力。
（4） 根據新受試者的預測變數數值，將該受試者指派到某一群體。

10.羅吉斯回歸分析（Logistic Analysis）

* 　　當區別分析中群體不符合常態分配假設時，羅吉斯回歸分析是一個很好的替代方法。羅吉斯回歸分析並非預測事件（event）是否發生，而是預測該事件的機率。它將引數與因變數的關係假定是S行的形狀，當引數很小時，機率值接近為零；當引數值慢慢增加時，機率值沿著曲線增加，增加到一定程度時，曲線協率開始減小，故機率值介於0與1之間。

## 資料標記技術(EMVCo Tokenization)
*資料來源:https://www.ithome.com.tw/guest-post/106651*

* Tokenization、Masking及Encryption之間的差異:
* Masking指對資料局部置換為特殊符號，如：〇或※。
* Tokenization則將資料變化為另一組同性質資料，如：將身分證字號，置換為另一組符合身分證字號編碼原則的字號，但不是真實資料。
* Encryption則指處理明文為亂碼型式的密文，如取得正確金鑰，可解密為明文，為可逆程序，通常密文長度會改變（也有密明文長度相同作法）。

* Tokenization的特性:
* 採用Tokenization，記號化內容可保有原資料特性，如：身分證字號透過Tokenization，轉為另一組符合身分證編碼原則之字串，則仍然可以作來分析運用。
* Tokenization化處理後的資料，除了可以保有原有資料特性外，因外型與原始資料外型相似，盗竊者無法分辨真偽，也就無從破解，進而對駭客產生欺敵效果！
* 國際組織EMVCo於2014年，對外公開發表正式的Tokenization Specification標準，包括蘋果及中國銀聯均採用及推動，2014年問世的Apple Pay更成為基於此標準的第一個行動支付系統。

## 行動支付
*資料來源:https://a-nie.blogspot.com/search/label/%E9%87%91%E8%9E%8D%E6%95%B8%E4%BD%8D%E5%8A%9B*
* 行動支付可分為：
* 遠端支付：遠端支付指的是可提供線上付款的電子商務，不管是利用電腦刷卡、手機 APP 上網購物或是電子錢包
* 近端支付：需要和實體商家面對面完成付款的行為就是近端支付，例如 NFC 及 QRCode，

* 行動支付須由店家、電信商和手機三個環境共同運作才能創造便利的流程:
NFC 英文是 Near-field Communication 的縮寫，中文為「近距離無線通訊」技術，使用三種模式:HCE、TSM、VISA

* 最安全的行動交易形式:NFC

* PayPal所提供的服務
* 以Email 取代難以記憶的銀行帳號，就可轉帳及收款。
* 提供mPOS機制(PayPal Here)供個人或微型企業可接受信用卡付款。
* OneTouch行動支付機制，是PayPal為了簡化行動支付體驗所推出的服務機制。

* 主機卡模擬(Host Card Emulation，HCE)

* 透過手機中的應用程式或是雲端的伺服器軟體完成安全元件(Secure Element，SE)，不受手機內建SE限制，發卡者可自主開發或整合APP加值服務。
* 在HCE 中NFC 終端機直接和手機的CPU 交換資料，無須透過安全元件協議，也讓使用者無需換SIM 卡或是額外安裝任何卡片。
* Android 4.4 作業系統中，內建HCE主機卡模擬KitKat。
* 由google於2013年推出
* 缺點:對網路高度依賴

* 信託服務管理(Trusted Service Manager，TSM)
* 由電信商跟銀行共同合作
* 藉由安全元件（例如：SD卡及Sin卡上的晶片）
* 缺點:手機要能支援NFC
* TSM 中NFC 終端機會和手機中的安全元件（SE）進行資料交換，不會經過手機的CPU 或是應用程式。

* Visa 代碼服務技術（Token）
* 蘋果Apple Pay、Google Pay、Samsung Pay 都支援
* EMV組織在2014年發布Tokenization行動支付標準
* Visa Token 簡單來說就是讓信用卡的卡號變成隨機的虛擬「代碼」，取代傳統卡片上的帳號資訊，降低消費者的帳號資料被盜取的風險。

* 銀行公會特別針對HCE裡的OTA（空中傳輸」5大SOP程序的規定包括：

* 要求虛擬的雲端平台建立使用者的註冊程序，以確認使用者身份，並綁定手機
* 下載模擬個人化資料之前，該雲端平台必須先確認是否為持卡人指定的特定手機
* 空中傳輸過程均須加密來保證訊息的隱密
* 加密的金鑰必須依主管機關訂定的金鑰管理原則進行安全防護
* 手機信用卡的發卡機構在下載個人資料時，必須妥適設計持卡人的身份驗證機制。

* 快速響應矩陣碼（Quick Response Code）
* 無轉換新卡、限定機種問題
* 在實體商家或網路商場都可使用
* 消費者需要下載APP並完成註冊
* 是目前近端支付當中，商家進入門檻最低的支付方式。
* QR Code的特色：
① QR Code行動支付在台灣的交易仍不普遍。
② QR Code行動支付透過消費者的支付帳號，而非SIM卡。
③ QR Code行動支付可依流程分為線上支付與線下支付。
④ 所謂的QR Code線下支付，意指由店家掃描消費者所提供之QRCode，以完成交易。
⑤ QR Code行動支付不涉及特殊規格(NFC)手機的普及與否問題，成本也相對不高。
⑥ Line Pay於實體店面進行消費時，可使用「出示條碼供店家掃描」或「掃描店家提供的付款QRCode」進行支付。

* NFC（Near-Field Communication）
* 近場通訊（NFC），又稱近距離無線通訊，是一種短距離的高頻無線通訊技術，允許電子裝置之間進行非接觸式點對點資料傳輸，在十公分（3.9英吋）內交換資料，是目前安全的行動交易形式。

* NFC支付通常依賴三個主要的組成元素：
① 手機的NFC天線。
② 手機裡防干擾的安全元件。
③ 店內收銀台的非接觸式NFC讀卡機

* 特色：
① NFC是一種「通訊技術」。
② 可用於數據交換，並且功耗低。
③ 免接線與無方向性實用特色。
④ 距離近、速度快、資料安全。

* 行動支付法令因遵循的面向:
* 支付機構資格審查
* 用戶管理與洗錢防制
* 保護消費者權益

* 中央銀行統計2015年台灣各類卡式電子支付工具消費金額排行:信用卡>金融卡>電子票證

* 應用行動支付服務將傳統銀行從一處場所變成一種行為稱為:場景金融。

## 通路轉型
*資料來源:https://a-nie.blogspot.com/search/label/%E9%87%91%E8%9E%8D%E6%95%B8%E4%BD%8D%E5%8A%9B*

### 實體分行轉型策略

* 業務模式再造的五種典型：

1.產業的再造
2.產品或服務的替換
3.新數位業務誕生
4.重塑價值傳遞模式
5.重設價值主張:運用新的數位能力來迎合既有或新客群未獲滿足的需求

* 智慧分行轉型方案應首先著手確認業務情境。

* O2O虛實通路整合

* 旗艦分行：高端客戶的數位體驗分行衛星
* 衛星分行（簡易小型分行）係為特定的客戶族群或特定的區域提供完整的金融服務。
* 自助化服務中心(功能性ex:機場分行)
* 咖啡店分行(互動與輕鬆的環境)
* 高科技分行(無人分行EX:玉山有VTM視訊協助)

* 硬件機器人
* 日本三菱東京日聯銀行~機器人NAO
* 換外幣工作
* 目前可說三種語言~將來可到19種語言
* 臺灣機器人大多只做迎接客戶的工作
* 臺灣銀行有出一隻機器人叫臺灣e哥
* 玉山銀行有機器人叫 (玉山小i)
* 自助化設備
1. VTM (Virtual Teller Machine)
* 視訊客服
2. 半自助式櫃員機
* 富國銀行 Wells Fargo
* Store Transaction Machine
* 日間: 櫃員(iPad) 肩並肩 與客戶服務
* 夜間: 全自動式分行模式

3. 開戶簽名流程改造:

* 日本 Resona Bank
### 臺灣的金融機構分類:

* 間接金融
* 商業銀行 專業銀行 外商銀行
* 基層金融機構(信用合作社與農會)
* 直接金融
* 證券公司 票卷公司 證卷投資信託公司
* 投資顧問公司與創業投資公司等
* 風險移轉
* 人壽保險公司
* 收很多保費~把這風險移轉到其他人身上去
* 產物保險公司
* 產險也很大ex中租xe挖土機(租賃)

EX:泰安保險在做差異化保單~這是車輛與物聯網的結合

### BCG顧問分析，實體銀行想要逐漸轉型，與其他的銀行做出差異，最有可能轉變成以下 五大業務模式 ：

* 客群深耕型：我的銀行
* 核心：鎖定一個或數個明確的目標客戶
* MACH銀行（馬來西亞豐隆銀行的子品牌）透過全新的銀行模式和形象，將客戶定位為數位化的年輕族群，追求時尚、新鮮事物、個性化。

* 通路創新型：便捷的銀行
* 核心：開設不同的通路，提供簡單、方便的服務
* 馬來西亞RHB銀行下屬的Easy Bank、中國珠海華潤銀行都透過通路創新，將大量如速食店一樣小巧、醒目的店面開在超市、購物中心、郵局、地鐵等客流集中的地方。
* 商品專家型：專業的銀行
* 核心：開發特殊的商品和服務領域
* 如：高性價比的商品 或解決特殊需求的商品
* 全面制勝型：全能的銀行
* 核心：服務全客群，提供綜合性服務的大銀行，猶如「全民銀行」
* 美國的富國銀行（Wells Fargo Bank）覆蓋的客群從普通社區居民、小企業主、農場主到富裕客戶、高淨值客戶等種類，提供不同商品及服務給不同客群。
* 生態整合型：不僅是銀行
* 核心：成為客戶生活的核心，融合金融與非金融的需求
* 日本樂天集團(Rakuten)就是生態整合型金融提供商的典範。

### 多通路與全通路：

銀行從多通路進化到全通路的六大變革
全通路並非取代多通路，而是強化多通路。多通路仍是全通路經驗的重要基礎。

* (全)以客戶為中心 vs. 以銀行為中：
銀行一直以來專注於以值得信賴的方式管理客戶金錢，並準確處理客戶交易。完整深入地瞭解客戶通常只是事後想法。設計客戶經驗時，銀行必須捨棄以銀行為中心的觀點，改採以客戶為中心的觀點。

* (全)互動 vs. 交易：
在多通路經驗中，客戶會使用各種媒體與金融機構進行交易。從多通路進化到全方位通路意味著將注意力轉移到與客戶的互動上。

* (全)預測需要與喜好 vs. 滿足需求：
很少有客戶會因為成功存入支票及準時繳付帳單而感到欣喜，這只不過是預期中的事。但如果能超出預期，就能給客戶帶來美好的經驗。銀行必須從滿足需求提升到預測需要與喜好，並努力超越客戶的期望。

* (全)建立在參與系統 vs. 記錄系統上：
客戶互動如此重要，但有時會不可靠、缺乏結構，甚至是不準確，因此需要另一種系統：參與系統。記錄系統應 100% 完整與準確，但參與系統相反，系統中的資料可以是模糊的，並可挖掘出重要的見解。

* (全)依賴海量資料 vs. 服務導向架構：
銀行已採用服務導向架構(SOA) 建立多通路環境。SOA 可確保組成要素以標準方式彼此互動，因此能夠更輕鬆的整合並重複使用。另一方面，全方位通路是建立在海量資料的基礎上，此技術能夠管理與分析各式各樣的資料。

### 特殊的銀行

* 純數位銀行兼具德國銀行執照的Fidor Bank
* 資料集中在社群金融為其特色
* Banking with friend為其口號
* 將儲蓄與信貸的年利率結合該銀行Facebook粉絲團按讚數連動以達成社群行銷之目的。

* 法國巴黎銀行所成立之Hello Bank 數位子銀行，不具有銀行執照，但有商品銷售與行銷、服務通路及營運鐘後台等獨立項目

## 信用卡行動收單裝置(mPOS)
*資料來源:https://www.moneydj.com/kmdj/wiki/wikiViewer.aspx?keyid=52b1e408-fb6d-43db-895f-0d44ce03ae58*

* mPOS全稱為Mobile Point of Sale，是因應行動裝置普及而設置的支付平台，主要將行動電話或平板電腦，變為信用卡收單裝置，經由刷卡或晶片插卡等方式，提供商店信用卡付款服務。

* mPOS適用於中小型商店與個人服務業，包括快遞、保險、流動攤販等產業，對商店端而言，購置成本較低，使用電子收據，更可降低紙張成本。

* 商店端只需下載行動收單App，接受刷卡交易時，消費者則須在行動裝置上簽名，商店端再透過電子郵件或簡訊，將交易明細傳送給消費者；行動收單並具備GPS、即時衛星定位等功能，可強化風險管控。

* 2014年金管會決議開放單一機構承接相關業務，將擴大行動支付商機。

## 雲端運算

*資料來源:https://zh.wikipedia.org/wiki/%E9%9B%B2%E7%AB%AF%E9%81%8B%E7%AE%97*
* 分為公有、私有、社群雲、混和雲。
* 公有雲（Public Cloud）
簡而言之，公用雲服務可透過網路及第三方服務供應者，開放給客戶使用，「公用」一詞並不一定代表「免費」，但也可能代表免費或相當廉價，公用雲並不表示使用者資料可供任何人檢視，公用雲供應者通常會對使用者實施使用存取控制機制，公用雲作為解決方案，既有彈性，又具備成本效益。

* 私有雲（Private Cloud）
私有雲具備許多公用雲環境的優點，例如彈性、適合提供服務，兩者差別在於私有雲服務中，資料與程式皆在組織內管理，且與公用雲服務不同，不會受到網路頻寬、安全疑慮、法規限制影響；此外，私有雲服務讓供應者及使用者更能掌控雲端基礎架構、改善安全與彈性，因為使用者與網路都受到特殊限制。

* 社群雲（Community Cloud）
社群雲由眾多利益相仿的組織掌控及使用，例如特定安全要求、共同宗旨等。社群成員共同使用雲端資料及應用程式。

* 混合雲（Hybrid Cloud）
混合雲結合公用雲及私有雲，這個模式中，使用者通常將非企業關鍵資訊外包，並在公用雲上處理，但同時掌控企業關鍵服務及資料。

* 混合雲因可支持不同的應用程式業務需求，是企業認為最適合的佈署模式。

* 以資訊長的角度而言，測試中心雲能夠提升測試環境準備所需的時間、降低營運損失、縮短測試時程及提高使用率等，因而此種雲端運算之需求與效益最為明確。

* 根據IDC 2015年12月發表的調查報告「2016年台灣ICT市場十大趨勢預測」，公用雲服務中，IaaS目前占比最高。

* 雲端運送的三大服務模式
* 軟體即服務（SaaS）：消費者使用應用程式，但並不掌控作業系統、硬體或運作的網路基礎架構。是一種服務觀念的基礎，軟體服務供應商，以租賃的概念提供客戶服務，而非購買，比較常見的模式是提供一組帳號密碼。例如：Adobe Creative Cloud，Microsoft CRM與Salesforce.com。

* 平台即服務（PaaS）：消費者使用主機操作應用程式。消費者掌控運作應用程式的環境（也擁有主機部分掌控權），但並不掌控作業系統、硬體或運作的網路基礎架構。平台通常是應用程式基礎架構。例如：Google App Engine。

* 基礎設施即服務（IaaS）：消費者使用「基礎運算資源」，如處理能力、儲存空間、網路元件或中介軟體。消費者能掌控作業系統、儲存空間、已部署的應用程式及網路元件（如防火牆、負載平衡器等），但並不掌控雲端基礎架構。例如：Amazon AWS、Rackspace。服務的租用者可以隨時建立、執行、終止自己的虛擬伺服器。

* 雲端運算的特色
* 資源虛擬化及共享
* 資源容易擴充與隨需應變
* 可以依需求量提供資源

## 區塊鍊
*資料來源:https://www.ibm.com/tw-zh/topics/what-is-blockchain*

* 定義的區塊鏈：區塊鏈 是不可變的共用分類帳，可在商業網路中促進記錄交易與追蹤資產的程序。資產 可以是有形的（房子、汽車、現金、土地）或無形的（智慧財產權、專利、著作權、品牌）。幾乎任何有價值的東西都可以透過區塊鏈網路追蹤與交易，以全面降低風險和成本。

* 導入區塊鍊技術是將單中心、集中式的層級處理架構改變成多中心的清算網路。

* 區塊鏈的關鍵元素
* 分散式分類帳技術
所有網路參與者都可以存取分散式分類帳，以及其不可變的交易記錄。 使用此共用分類帳，交易只要記錄一次，這消除了傳統商業網路常見的作業複製。
* 不可變記錄
在交易記錄至共用分類帳之後，沒有任何參與者能夠變更或竄改交易。 如果交易記錄包含錯誤，則必須新增交易以更正錯誤，之後這兩筆交易都會呈現。
* 智慧型合約
為了加快交易速度，將會在區塊鏈上儲存一套規則（稱為智慧型合約）並自動執行。 智慧型合約可定義公司債轉讓的條件，包括要支付的旅遊保險條款以及其他更多。

* 區塊鏈四個核心處理要素：

1.分散式共享帳簿交易鏈

2.智慧合約

3.隱私安全

4.共識演算法

## 消費者行為

* 購買者的特性及購買目的，市場可分為：「消費者市場」（Consumer Market）與「組織市場」（Organization Market）二大類。相對於組織市場，消費者市場有幾項特點：人數眾多、單次購買量少、多次購買，以及「非專家購買」。

* 「消費者」包含：「提議者」（Initiator）、「影響者」（Influencer）、「決策者」（Decision Maker）、「購買者」（Buyer）和「使用者」（User）。

* 消費者的購買決策過程（Buying Decision Process），一般分成五個階段：

（一）問題察覺（Problem Recognition）：受到外在刺激或內在刺激等影響，產生實際情況與理想狀況的落差，引發購買動機。

（二）資訊蒐集（Information Search）：包含「內部蒐集」與「外部蒐集」。

（三）方案評估（Evaluation of Alternatives）：因產品、購買動機、預算、情境因素而異，涉及三個觀念：產品屬性、屬性的重要性，和品牌信念。

（四）購買（Purchase）：「購買意願」、「不可預期的情境因素」以及「他人的態度」，都可能影響最後的購買決策。

（五）購後行為（Postpurchase Behavior）：因產品評價而引發的「顧客滿意度」，可用「期望落差模式」、「歸因理論」及「公平理論」來說明。

* 消費者購買產品時不一定都會經歷上述的購買決策過程。不同的產品、價格、重要性，以及消費者的「知覺風險」、對產品的瞭解、購買動機、產品的使用情境等，都會影響消費者對購買行動或產品的注重、在意、感興趣的程度，即「涉入程度」（Involvement）。

依據涉入程度的高低，購買決策可分為三種型態：

（一）廣泛決策（Extensive Decision Making）：或稱為廣泛問題解決。購買較為昂貴、重要、瞭解有限、高涉入的產品時，消費者通常會經歷前述的五個決策階段。

（二）例行決策（Routine Decision Making）：低涉入的購買，甚至是衝動性購買，又稱例行反應行為。

（三）有限決策（Limited Decision Making）：介於上述兩種決策之間。

* 社群資料分析的四個面向包括：評估（Assess）、分群（Segment）、關連（Association）及挖掘（Discover）

* 情境式行銷框架中的重要行動，包括 : Collect(蒐集)、Analyse(分析)、Decide(決定)、Interact(互動)、Manage(管理)

* 顧客價值/忠誠度模型的RFM架構:最近一次消費(Recency)、頻率(Frequency)、金額(Monetary)

* 客戶價值模型的三個設計重點及分析維度:
* 客戶貢獻度(CLV模型)
* 客戶忠誠度(RFM模型)
* 客戶潛力

* 展示廳現象（Showrooming），是指在實體商店內檢視某個商品後卻不當場購買，接著再用電話購物、網絡購物的方式，用更低的價錢購得該商品的消費行為。對實體商店而言，展示廳現象不但會造成其銷售額的下降，而且要銷售的商品可能會因顧客的檢視而增加毀損的可能性。

* 原生廣告:是網路廣告的一種，藉由產生有價值的內容，期望在消費者的體驗中獲得關注。

## 大數據

資料來源:https://a-nie.blogspot.com/2019/03/blog-post_76.html

* 大數據的4個定義包含
* 大量(Volume)
* 多樣(Variety):指大數據包含結構化與非結構化資料
* 不斷傳輸/速度(Velocity):數據處理遵循「1秒定律」，可以從各種類型的數據中快速提取並分析高價值信息
* 真實性(Veracity)

* 大數據的四大主軸:資料收集、資料分析、即時互動行銷、全通路客戶互動

* 三個應用層為基礎分析、進階預測、規範分析。
* Foundational 基礎分析或描述性分析：針對資料表象上進行解讀，並作量化的數值呈現
* Advanced, Predictive 進階預測 或預測性分析：根據長時間累積的事實統計，推估未來可能發生什麼事
* Prescriptive 規範分析或指示性分析：根據期望的結果，特定場景、資源以及對過去和當前事件的瞭解給出運作建議

* 大數據分析資料方向的應用程式
* 交易資料的分析(傳統結構化來源系統)
* 資料倉儲系統 Enterprise Data Warehouse
* 具主題主導向
* 具整合性
* 具時間性
* 不可揮發性
* 互動資料的分析(非結構化)
* 自然語言處理 Natural Language Processing – NLP
* 文字屬性分類 頻率 關聯度的統計值
* 情感分析 正面 負面 中立
* 時間軸分析
* 趨勢分析
* 字詞屬性交叉比對分析
* 數位通路資料分析
* 數位通路互動記錄
* Cookie 理解訪客特質 管理網站內容與功能分析
* 網頁最佳化A/B測試(網頁流量 轉換率等比較測試)
* 建立一個直覺且視覺化的介面

* 資料內容包含交易資料、外購資料、互動紀錄、網頁點擊資訊、社群媒體資訊。

* 文字探勘用於非結構化資訊分析方式為文字屬性分類、情感分析、時間軸分析、趨勢分析、字詞屬性交叉比對分析。

* 客戶的數位行為特質為產品瀏覽、來源網站/通路、廣告與行銷轉化、客戶屬性、重訪頻率、產品支援。

* 情境式行銷框架為Manage、Analyse、Decide、Interact、Collect。

* 大數據處理平台Hadoop
* 採用分散式運算框架MapReduce
* 採用分散式資源管理系統YARN
* 分布式文件系統HDFS將資料分塊儲存且能動態的移動數據
* 使用簡單並行編程
* 有些Hadoop平台提供企業級SQL引擎
* hive（頁面存檔備份，存於網際網路檔案館）是基於Hadoop的一個數據倉庫工具，可以將結構化的數據文件映射為一張資料庫表，並提供簡單的SQL查詢功能
* Apache軟體基金會底下的開放原始碼

## 風險管理

* 企業風險的三個構面:流程、組織、資訊(企業風險流汁汁)

* 降低生態圈治理的風險方法:
1.建立系統和有秩序的共生關係、建立真正有價值的產出
2.保持多方互動加強資訊透明度和分享
3.進行商品、服務、金融多維度的交互服務將生態圈價值發揮最大
4.利用多種資源擴展生態系統形成群聚為企業注入新活力
5.保持警惕應對風險
6.培育中堅力量強化生態圈凝聚力

* 行為風險:因為個人或團體行為，對客戶帶不公平的結果，破壞市場誠信並損害公司聲譽和競爭地位的風險。

* 信用風險:指交易對手未能履行約定契約中的義務而造成經濟損失的風險。

* 模型風險:大數據分析資料時，使用錯誤的演算法。

* 市場風險:交易中風險因素的變化和波動，可能導致所持有投資組合或金融資產產生的損失。

* 越來越多汽車保險公司使用遠程資訊處理設備來幫助檢測事故，並評估事故的嚴重性和影響。這些設備可以在發生事故時立即識別出車禍事故，還可以將緊急服務和拖吊車立即調派到事故現場，理賠處理部門也可以利用這些數據來估計損失，並更快、更準確地處理理賠

* 為了避免違反法規和政策的要求，我們應針對個資的蒐集、處理和利用的過程，所牽涉到的人員、技術、作業流程，找出其中可能隱含的資訊安全風險，以避免和個資有關的不當事件發生，這也就是所謂的個人資料風險評鑑，而其使用的風險評鑑方法，稱之為個人隱私衝擊分析（Privacy Impact Assessment，PIA）

* 程序化購買，就是指透過電腦程序，讓對的人，在對的時間，看到對的廣告資訊。利用數位自動化搓合交易，以電腦程序取代競價，讓錢花在刀口上。

* 交易風險管理
* 傳統授信業務的逾放比率通常低於純線上網路信貸或授信
* 純線上網路信貸通常屬於純信息、無擔保的授信業務
* 隱瞞產品信息、銷售誤導、個人金融資訊洩漏、歧視及不當的債務催收，均屬於銀行零售業務的行為風險

* 駭客攻擊手法及過程：

先研究安全弱點、再進行測試攻擊、實施網路或社交攻擊，最後將資料外傳。而有些駭客會在資料外傳後，順便留下隱藏的活棋，方便以後隨時可以再度竊取資料。

## 金融科技(FINTECH)
FINTECH包含:P2P Transfers、區塊鏈、存貸、P2P貸款、保險、投資管理。整體金融業的機會與挑戰是去中介化、智慧型機器使用(委外)、顧客與金融機構關係改變。

* Finteh資訊安全整體性解決:
1.身分識別與生物辨識安全
2.雲端隱私安全管理
3數位貨幣與區塊鏈技術安全應用
4.Web應用系統與MobileApp安全
5.金融科技(Fintech)下IT角色從業務支援者趨向業務推動者

* FinTech1.0 從海底電報線假架設成功開始，讓越洋遠距的金融交易可運作。
FinTech2.0 則從1960末期開始，SWIFT等現代化自動清算機構出現。
FinTech3.0 則是從2008年全球金融風暴後開始，一些非銀行的新創公司讓金融業的面貌出現革命性的改變。

## 金融監理

* REGTECH 監理科技

* 創新金融模式之特性:
1.跨境(業)
2.平台化、去中介化
3.虛擬化整合與通路應用
4.引進科技應用於金融科技價值鏈。

* 風險:洗錢、恐怖主義資助、詐欺、逃漏稅、逃避資本管制

* 因應金融數位化創新帶來的監理挑戰:
1.跨業監理議題
2.跨境監理議題
3.虛擬世界的身分識別與交易風險管理
4.新興金融科技的監理
5.消費者的權益與資料保護

* 電子支付管理條例立法重點:
1.資格審查
2.款項管理
3.用戶管理
4.消費者權益保障

* 科技監理的考量重點:
1.具彈性與客製化擴充
2.須主動且具效率
3.需具多元整合與快速實施的能力
4.需高度發揮數據利用與分析能量

* 金融監理的重點原則:
1.金融穩定
2.審慎監理
3.公平正義

* 科技監管:主要是希望藉由科技監理與控管風險，其實施例如智慧法規分析平台、自動化製作法尊合規報告、掃描交易，交易流程自動監控與告警工具等等。

## 生物辨識技術

* 生物辨識的特性
* 唯一性：獨一無二的特徵。
* 普遍性：大眾們都有相同的型態特徵。
* 永久性：特徵不因時間而改變，或者改變非常的緩慢。
* 可測性：可用精簡的技巧去測量其相似度。
* 方便性：量測的器具要容易攜帶。
* 接受性：能被社會大眾們接受的量測方式。
* 不可欺性：儀器不因偽裝而被欺騙。

* 指紋辨識
* 是自指紋圖像中取得特徵點，組成指紋模組來辨識。
* 缺點:易受到指紋磨損影響辨識結果、指紋易隨年紀增長而難以辨識、指紋容易被他人取得、接觸而有衛生問題

* 靜脈辨識
* 使用近紅外線感應器取得手掌靜脈的分佈。

* 臉部辨識
* 偵測五官的位置並記錄其相對位置
* 優點:危險度低、大眾接受度高、無衛生問題
* 缺點:容易受到距離、角度、光線影響

* 聲紋辨識
* 是使用客戶發音的特徵和模式，進行聲紋分析紀錄辨識。
* 優點:可進行遠距離身分辨識
* 缺點:容易受到外在環境影響
* 虹膜辨識
* 為透過紅外線攝影機，根據微血管的分布變化作為依據。
* 優點:虹膜特徵不易改變、不易被複製或取得、精準度高
* 缺點:可能會有傷害問題、辨識機器昂貴

* 多因子生物辨識技術:有兩項以上生物辨識

## 零散小重點們

* 眾包指的是一個公司或機構把過去由員工執行的工作任務，以自由自願的形式外包給非特定的（而且通常是大型的）大眾網絡的做法。（就是通過網絡做產品的開發需求調研，以用戶的真實使用感受為出發點）。*資料來源：https://kknews.cc/tech/ro6p4r.html*

* 數位金融的演進發展
分行對銀行的意義:依位置客群及服務內容規劃分行功能、借助更多數位設備、行員更重視金融諮詢與服務銷售技巧與重視客戶體驗。社群媒體經營特色包含即時回覆意見、重視真誠互動、線上理財教學、社區服務導向、虛心接受批評。

* 社群行銷
主要意義在於個人或群體購過群聚網友的網路服務，來與目標客群創造長期溝通管道的社會化過程。社群行銷內容呈現需最視化原因是行動載具多樣化、手機規格太多、消費者使用情境大都在移動中。消費者去實體店面後透過上網比價詢問親友意見後依自身評估選擇實體或網路消費為自己最有利方式下單。網路資料取得便利、消費者會自行蒐集資料購買完會樂於主動分享使用心得給親友。透過What、Who、When、Where、Why、How思考提升竊評估行銷事件各個面向完整度。SEO搜尋引擎優化目的是讓網站更易被搜尋引擎接受、透過了解搜尋引擎運作方式調整網站、為使用者打造更好的體驗。社群行銷最高境界是:透口耳相傳借力使力自然而然在社群形成具說服力的強大業務力

* 資訊工具包含:大數據分析處理平台、多因子生物識別、機器人與智慧設備、區塊鍊、API平台管理與感知運算。

* 線上/線下整合分析及建立互動行銷的最主要目的:在現今數位化盛行的社會中，客戶的購買旅程橫亙數位通路及實體通路。為充分了解客戶整體往來狀況，提供客戶一致性體驗，需要將線上/線下客戶行為整合分析，才能充分預測客戶的意圖。

*部分區段資料來源:http://fintechpm.blogspot.com/2016/11/blog-post27.html*