甚至在未來，是否會有可能對用戶信用情況做評估上的調(diào)整，酌情降低或者提高透支額度？對于這個問題，梁晟的回答很堅定，“銀行卡業(yè)務最核心的就是信貸，并高度強調(diào)風控。分布式計算框架能整合多方數(shù)據(jù)，使海量數(shù)據(jù)在線分析成為可能，與信用評估的結合是必然的”。
在上述第三點實時營銷方面，大數(shù)據(jù)的應用也分為細分的幾種應用場景：
浦發(fā)信用卡市場合作方每年有上萬家商戶。例如跟星巴克的有活動合約，刷信用卡，滿足一系列的規(guī)則條件可以 88 折，在某一些節(jié)假日可以買一送一，或者當日信用卡總消費金融滿 1000 元就可以買一送一，這些活動需要有一套完整的活動規(guī)則引擎去進行快速匹配，并發(fā)計算量非常大，還涉及到一些事務性處理，引入大數(shù)據(jù)的計算架構使得這些在線分析成為可能。
用戶信息更新需要較長的周期，例如積分，例如：刷卡滿了一定金額可以升級鉆石會員，但這樣的周期往往太長，難以滿足日益提升的用戶服務質(zhì)量要求，大數(shù)據(jù)服務平臺建立了用戶分析的模型，批量處理用戶積分，以及 “白領”、“吃貨”、“土豪” 等用戶畫像標簽，也，可以做到以周為單位更新數(shù)據(jù)?，F(xiàn)在用戶標簽是靜態(tài)標簽，近期還會擴展為動態(tài)標簽。
針對以上所述痛點，浦發(fā)銀行信用卡中心和天璣科技的聯(lián)袂主要從以下幾部戰(zhàn)略作為切入點：
第一，結合卡類業(yè)務實時營銷的系統(tǒng)，浦發(fā)銀行信用卡中心專門成立了數(shù)據(jù)服務部，由天璣科技大數(shù)據(jù)團隊提供大數(shù)據(jù)服務平臺，包含了實時營銷功能，為將來所有的浦發(fā)信用卡中心業(yè)務部門和外部機構提供數(shù)據(jù)服務。數(shù)據(jù)必須要關聯(lián)才有價值，金融的數(shù)據(jù)是價值密度非常高、也最真實?；氐角懊鏀?shù)據(jù)量大、數(shù)據(jù)處理系統(tǒng)龐雜的痛點，數(shù)據(jù)服務部目前是與外部征信、政府、公安、電商等進行大數(shù)據(jù)對接的一個核心平臺，力圖在未來做到數(shù)據(jù)互聯(lián)，形成本地完整的大數(shù)據(jù)小生態(tài)圈。
海量數(shù)據(jù)的存儲和分析處理、升級是一方面，另外一方面就是交易數(shù)據(jù)也同時以流式計算的方式進入大數(shù)據(jù)服務平臺，實時營銷模塊跟核心系統(tǒng)是分離的，大數(shù)據(jù)服務平臺與核心系統(tǒng)存在交互，為其它業(yè)務應用提供數(shù)據(jù)服務，通過 web-service 接口來大數(shù)據(jù)服務平臺的數(shù)據(jù)。
第二，作為數(shù)據(jù)服務的核心系統(tǒng)之一，必須要有明確的定位，將來業(yè)務拓展、落地的重任由數(shù)據(jù)服務部提供數(shù)據(jù)支持。結合以上大數(shù)據(jù)實時營銷的場景，相比于線上 DSP 廣告大多以具體商品作為用戶的興趣標簽，信用卡本身掌握更多的線下用戶數(shù)據(jù)、用戶刷卡地點。此外，天璣科技方提供的大數(shù)據(jù)服務目前還會結合消費數(shù)量、消費金額量等活動規(guī)則，實時進行規(guī)則引擎進行匹配，進行流式計算，完全的分布式高效處理數(shù)據(jù)。
未來業(yè)務拓展方面，還會結合商圈和 LBS 進行更精準的推薦和營銷，而這些業(yè)務要取得一定的外部數(shù)據(jù)源，大數(shù)據(jù)服務平臺為將來的業(yè)務營銷方案提供了基礎的應用計算框架。假設，未來跟大眾點評等有合作的話，就可以獲得更多實時的用戶、浦發(fā)信用卡合作商戶的地理位置信息，從數(shù)據(jù)庫里的全國幾十萬種活動中，挑選出 1-3 個最匹配的活動推送給單個用戶。
許多銀行都會利用大數(shù)據(jù)技術進行用戶畫像，或者歷史數(shù)據(jù)查詢，梁晟則認為，此次浦發(fā)信用卡中心是國內(nèi)傳統(tǒng)金融圈內(nèi)第一家做到大數(shù)據(jù)實時營銷的機構，“天璣科技的大數(shù)據(jù)團隊為浦發(fā)信用卡中心的市場部、電銷部、客服中心和移動金融部等部門的提供實時數(shù)據(jù)服務，可說是初步綜合形成大數(shù)據(jù)的生態(tài)圈。在傳統(tǒng)銀行向互聯(lián)網(wǎng) + 大數(shù)據(jù)嘗試的方向上踏出了堅實的一步”。未來，大數(shù)據(jù)應用在傳統(tǒng)銀行業(yè)又會創(chuàng)造怎樣的成績？
的確，許多大數(shù)據(jù)的應用場景還沒有真正做到實際落地，大多傳統(tǒng)銀行機構還在觀望，小試牛刀的互聯(lián)網(wǎng)企業(yè)似乎停駐在支付寶的 “花唄” 等線上層面的嘗試。數(shù)據(jù)來源則更顯得缺失，大數(shù)據(jù)更多的是通過線上數(shù)據(jù)共享獲得，較為經(jīng)典的應用實例就是淘寶的運費險了。運費險做過一套大數(shù)據(jù)智慧應用的解決方案，退貨發(fā)生的概率，跟買家、賣家的習慣、商品的品種、價值、促銷活動等都有一定相關度。運費險采用了第三方提供的解決方案，應用數(shù)據(jù)挖掘的方法，建立退貨發(fā)生的概率模型植入系統(tǒng)，就可以在每一筆交易發(fā)生的時候，給出不同的保險費率，使保險費的收取，使之與退貨發(fā)生的概率相匹配。問題是，真正將線下消費的數(shù)據(jù)沉淀付諸大數(shù)據(jù)應用的例子實在太少，國外的案例是 Target，而在國內(nèi)，天璣科技大數(shù)據(jù)團隊又將交上來怎樣的一份答卷？