在高度競爭金融環境上，如何維持高價值客戶的忠誠度，並開發潛藏在數百萬的潛力價值客戶是金控業者非常大的挑戰，尤其是提前掌握客戶偏好與需求，讓客戶體驗變得更加個人化，進而達到「圈客」與「集客」的效果。而金融業之數據分析，經過數年的發展，大多已能針對客戶基本特性、產品持有、交易行為及收益貢獻等，為客戶打上「事實標籤」。但是這只反應已發生的行為，缺乏客戶興趣及行為的「衍生標籤」，讓金融業對消費者行為的洞察，少了重要的一塊拼圖。因此，如何擴大可應用的數據範圍，並利用更即時且自動化的方式，為金融客戶貼上「事實、衍生、預測標籤」，以師法阿里巴巴，達到「千人千面、一客一策」，為本研究之目的。基於上述研究背景動機及目的，本研究將以國內某金控公司為例，分析其如何利用大數據來擴增數據廣度，以建置客戶單一視圖。探究個案公司如何進行數據洞察與數據處理，以提昇數據決策績效。最後分析其如何發展「一客一策」之精準行銷推薦機制，以提昇行銷精準度。

In this highly competitive Banking industry, how Banks engage, retain, grow VIP customers and to keep them being loyal is an ongoing challenge. In order to win customers’ hearts and wallets, to identify potential customers and to predict their behaviors from millions of customer-base are the key successful criteria for Banks. This helps to create a hyper-personalized service for every customers.

Therefore, the transactional data analysis is one of the solutions for financial institutions. It brings a powerful insight into customer’s product needs, preferences and behaviors. However, the analyze of the transactional data represents only one type of information assets that banks possess. This only reflects the behavior that has occurred, and lacks of the "derivative label" of customer’s interest and behavior, which makes the financial industry's insight into consumer behavior missing an important piece of puzzle.
Hence, to expend the data source, and to use the real time data for revealing customer’s needs in advance will be our researching purpose.
In this study, we will learn from Alibaba to label customer by multiple dimensions. These includes “Facts, derivations, prediction labels”. And take a Financial Holding Company as an example to show how them using those techniques to win the success.

謝辭 ii
中文摘要 iii
Abstract iv
表目錄 vi
圖次 vii
第一章 緒論 1
第一節 研究背景與動機 1
第二節 研究問題與目的 4
第二章 個案產業暨趨勢分析 6
第一節 金控公司之發展起源 6
第二節 Bank4.0下之金融科技產業趨勢與挑戰 8
第三節 大數據分析技術與精準行銷 10
第四節 個案公司於金融科技之應用現況說明 13
第三章 個案公司分析 16
第一節 業務問題定義 19
第二節 數據洞察及數據前處理 24
第三節 預測建模與評估 33
第四節 發佈上線(Deployment) 35
第四章 結論與建議 36
第一節 研究結論 36
第二節 研究建議 38
參考文獻 39

[1] 中央社, 台灣每 10 萬成年人有 157 台 ATM，為亞洲平均 3 倍, 2020 年 01 月 17 日, 檢自：https://finance.technews.tw/2020/01/17/atm-taiwan-intensity/。
[2] 王若樸, IDC：亞太區5年新資料總量將暴漲5倍, 2019年02月20日, 檢自：https://www.ithome.com.tw/news/128856。
[3] David Reinsel、John Gantz 和 John Rydning, 2017 年 3 月,《數據時代 2025》, SEAGATE。
[4] 鄧俊豪、張越、何大勇，2015年2月,《互聯網金融生態系統2020系列報導之大數據篇：回歸”價值”本源，金融機構如何駕駛大數據》, BCG。
[5] 金融監督管理委員會, 2020年8月27日, 《金融科技發展路徑圖》。
[6] Capgemini和Efma, 2020年3月, 《World FinTech Report世界金融科技報告》
[7] Gartner 分析類型, 檢自：https://kknews.cc/news/4orqx23.html。
[8] OOSGA, 機器學習, 檢自：https://oosga.com/machine-learning/。