各位嘉宾上午好，感谢主办方提供的平台，今天是和大家分享交流银行卡消费大数据在行业当中的一些落地案例。

首先简要介绍一下银联商务有限公司，可能会把我们和中国银联有一些模糊认识，银联商务是银联控股的，从事银行卡支付服务的公司，包括线下支付、互联网支付、移动支付等等，中国银联是一个卡组织，负责各个银行之间的连接和互通，银行商务目前是亚太地区最大的银行卡机构，我们拥有的数据遍布其他全国每个省份每个地市以及县域六百多万商户和POS终端，每年覆盖十亿持卡人，八十亿以上的交易数据。银联商务的大数据概括为三个字，云、端、合，基于云平台开展大数据服务和应用。端包括POS终端移动app和互联网端的数据，以及我们公司广告投放端的数据，当然我们做大数据，刚才申总讲的，首先要信息安全合规，所以是合字，同时我们体现了多元数据的整合，后面会讲到，我们与移动运营商打通了数据，把银行卡和手机打通之后做很多的落地和应用，以及我们大数据的产品落地应用，我们做的还是相对比较接地气的，我们把大数据从云落地。这是我们通过这两年的这些尝试，把银行卡消费大数据在七个行业做出了落地和应用，面向商业银行、旅游管理单位、征信、风控、商业咨询，今天和大家分享的其中的四个方面，我们做了十个产品的落地案例。

说到大数据，银联商务因为天然拥有银行卡刷卡的消费数据，数据来源包括了六百多万商户的位置信息、行业、经营特色，法人相关信息，同时我们还有实际持卡人八年以上的消费轨迹，同时还有消费能力消费偏好等等，银联商务的数据有一定的局限性，没有用户的属性数据，通过一定的核心算法，将我们银行卡的数据，银行卡与这个人的手机号打通，我们与移动运营商合作，我们为每个手机和每个卡号之间建立了唯一的ID，把数据打通之后，可以想像的空间非常大，因为有这个人的线下消费行为轨迹，同时还有这个人背后的属性信息，包括性别、年龄、职业，上网浏览标签等等，这个数据体量和数据维度，可以为客户做到360度画像，包括全方位的用户画像，同时我们银联商务有比较独特的产品，或者说分析的方法，我们基于算法和我们历年积累的数据，对于每笔交易和每张银行卡，都能分析出来这张卡的发卡行所在城市和常驻城市，如果用这两个看起来不起眼的算法做产品落地。

首先和大家分享的就是我们今天分享的分四个方向，投资方向、旅游方向、征信、风控方向，投资就是首先金融投资，这里是一个银商领先指数，基于银联商务的消费精选了一百股，银联商务的消费领先指数代码是930779，大家可以看到今天的走势如何，我们的指数精选出来了一百，通过数据选出了一百只股票。这就是我们一百只股票的走势情况，从2015年的第一个交易日到最后一个交易日，最上面的银色的曲线就是走势，涨幅是153%，后面的几个线就是同类的走势情况，也就是说通过银联商务银行卡刷卡消费数据，其实能够指导如何选股，因为消费数据真正体现了消费行业的经济走势，消费行业的营收情况到底好不好。

基于银商销售指数，今年我们和电信集团还有中证指数公司正在开发供给侧改革的主题指数，这是今年的应用，同时我们还在和太康资管合作，太康资管有超过一万亿规模的托管资金，他们希望借助于消费行业的刷卡数据来制定量化投入风向标，目前这个模型已经开发出来了，正在做调整和优化，基于我们的银行卡消费刷卡数据，我们能够真正把它应用到投资市场做量化投资指导。

第二个是将大数据利用到旅游，既然我们能分析刷卡的人来自于什么城市，我们就可以分析出来上海国庆期间所有的POS机上出现的消费数据，由哪个城市的游客贡献的，基于我们的算法量化体现出来，今年5月份第十二届海峡博览会上，给厦门市旅游局做了大体展现，每天厦门市当地游客人次、客单价，同时我们分析了是省外的游客来厦门的游客多，还是省内的游客来厦门旅游的比较多。中间这块是我们的分析，我们有商户端的数据，我们可以分析出来游客到底在哪里消费，同时我们分析了重游率，重游率高的人群说明重复来旅游，重复来旅游一定有几个亮点吸引，旅游局通过数据发现，当地有什么旅游资源可以量化挖掘的，除了给旅游局分析谁来厦门旅游，同时我们分析了厦门人最喜欢的省外城市，除了给全市做分析，还给每个行政区做了分析。

第二个我们落地的就是给云南红河自治州做了同样的大数据智慧旅游分析服务，同时我们还和复旦大学的智慧城市研究中心共同做一些智慧旅游的课题研究。这个就是总结了一下我们智慧旅游的服务应用落地的优势，即使前面两个都讲到了，可以重点看一下第三个，现在的旅游局团体游客数据可以从旅行社获取，但是现在缺少散客旅游的数据，散客游数据是刷卡消费这部分数据可以分析出来的，因为时间有限不讲的太细了。

第三个是在征信行业的应用，央行的征信系统覆盖的面积并不广，有很多一部分个人没有信用信息在央行记录，我们银联商务有六亿多商户和十亿持卡人的记录，我们把金融机构和小微企业串联在一起，把他们的流量数据刷卡数据和消费者的画像维度，把小微商户提供信用评分和信用报告，这个时候金融机构有放贷需求，但是缺少信用评估，这个时候银联商务提供了小微商户的信用评价，通过建立现金流预测模型和商户信用评估模型，我们首次引入了微商圈概念，以及结合法人征信行为数据，综合量化小微商户融资维度，撮合和小微商户和金融机构的之间的需求。

还有是面向个人的，为航空公司提供飞机上刷卡支付服务，但是航空公司表示说，飞机上的刷卡都是单价比较高的，如何为他们解决现在的坏账率比较高的，航空公司说你们有没有解决方案，帮我们评估一下乘机人的信用，航空公司可以将手机号提供给我们，我们和移动运营商进行数据共享，这个时候我们为乘机人进行信用评分，一个是还不还得起，还有还款意愿，这是我们和电信运营商合作的模型，如果这个人的信用评分很差，就会在黑名单当中，黑名单就在登机之前，如果购买了大量的轻奢品，空姐就说不好意思，你卖的东西卖完了，这就有效降低了坏账率。

还有我们公共方面的应用，还是基于前面说的并不起眼的核心算法，我们对每笔交易的卡号分析出来发卡城市和常驻城市，我们怎么做到为互联网金融的持卡人防盗刷，保护持卡人的资金安全，用我们的防盗刷产品的客户还有我们公司自己的支付app，简单描述一下场景，比如说有一个app，您在app下面可以绑很多张您的借记卡，可能会把所有的借记卡里面的零散的钱关联到帐户下，买理财产品，这个时候赎回的时候没有要求说哪张卡买，赎回到哪张卡里面去，如果有不法分子盗用了身份信息，去异地办了一下名下的卡，想办法关联到帐户下，这个时候当不法分子从帐户提取资金转到卡里面的时候，就会分析这笔交易里面转入卡，盗用您的身份信息办理的银行卡的属地是不是其他银行卡的常驻属地，如果四千块钱以上的实时交易，从您本人名下两张卡，又是不同城市开户行做的大额转帐的话就是一个风险交易，上了防盗刷产品之后解决了这个问题。

    由于时间有限，今天就简单和大家分享前面的这些案例，大数据我们做了这么长时间，也有很多心得和感悟，我们觉得大数据的魅力在于数据的连接和联合，只有当数据联合了更多方的数据做合作和共享的时候，数据价值才会真正体现出来和落地。谢谢大家！