银行卡三要素：银行卡号、姓名、身份证号，银行卡四要素是指银行卡号、姓名、身份证号、手机号。对于从事信贷风控的小伙伴来讲，并不陌生。
银行卡信息的应用可能更熟悉的是客户信息核验，也就是针对信贷客户审批额度发放之前，必然要对客户的银行卡信息进行三要素或四要素核验。
除了银行卡信息核验，银行卡数据在信贷风控的应用非常广泛，无论是策略开发，还是数据建模，或者是客户画像，银行卡数据都可以发挥出非常重要的作用，这对信贷风控的内容丰富与效果提升，是具有特殊贡献价值的。
本文介绍的内容，曾在先前有跟大家分享过，部分小伙伴觉得内容比较有参考性，今天再跟大家介绍下银行卡交易数据有哪些重要维度以及相应特征标签，并描述下在风控策略、模型、画像等维度的应用。同时，我们结合实际的样本数据，从实战角度带大家进行风控策略的开发，以全面熟悉掌握银行卡交易数据的应用。
1、银行卡数据维度
银行卡数据体系从业务属性进行区分，可以划分为4大维度，分别为持卡人、银行、商户、机构，基本涵盖了银行卡各方面的数据信息，对于每个维度的子级类型，具体如下：
（1）持卡人：
交易时间、交易地点、交易商户类别、交易金额、交易渠道；
（2）银行卡：
银行卡性质、银行卡品牌、银行卡来源、银行卡介质；
（3）商户机构：
商户代码、商户名称、商户交易金额、商户交易笔数、商户客户来源；
（4）银行机构：
发卡银行信息、收单银行信息、受理银行信息、清算类型。
在实际场景中，主要是持卡人、商户机构这两个维度数据的应用，下面我们对其常见特征标签进行描述。首先，我们了解下持卡人维度的部分字段，具体如图1所示。
图1 持卡人字段（部分）
由上图可知，持卡人维度围绕金额、笔数、时间、地点、渠道等角度，可以细分很多类型，这些特征可以直接体现出客户的资产能力或消费能力，例如月消费金额、月取现金额、月交易金额等，而某些字段可以反映出客户的风险信息，例如资金不足、失败交易等。同时，以上样例特征主要列出了“金额”维度的字段，此外还有“笔数”、“天数”等类型，可以复制出与“金额”相近数量的字段。现列出“笔数”维度的部分相关字段，如图2所示。
图2 笔数相关字段样例
而且，图1样例在时间维度上仅列出了“近1个月”的分布，同理可以得到其他常见时间窗口，例如“近3个月”、“近6个月”、“近12个月”、“历史”等，而且在此基础上进一步可加工出更多占比、差比等衍生字段。我们以特征“近1个月交易金额”为例，列出部分相关字段，具体如图3所示。
图3 时窗衍生字段样例
此外，银行卡交易数据还有一类贷款交易数据，这些特征信息在评估客户的多头借贷、交易风险方面具有极高的价值，可以用于策略规则、模型变量等方面，现给出部分字段样例如图4所示。
图4 多头借贷字段样例
以上内容是关于银行卡“持卡人”相关维度字段的简要介绍，接下来我们了解下以“商户机构”维度展开的特征分布，部分样例如图4所示。
图5 商户机构字段（部分）
由上图可知，“商户机构”维度的特征字段主要是以“持卡人”交易对象进行区分，例如百货商店、彩票销售、KTV交易、休闲饮品、化妆品商店、地产开发商等，这里同样可以进一步区分“金额”、“笔数”、“天数”等二级维度。同时，根据近1/3/6/12个月、历史等时间窗，又可以得到更多子级维度字段，其加工逻辑与前边持卡人维度的相关介绍类似（图2~3）。
2、银行卡数据应用
银行卡数据在信贷业务中发挥着重要作用，应用场景包括风险管理（信用风险、欺诈风险）、市场营销（精准营销、客群管理）、产品设计（定价策略、额度管理）等。从银行卡数据产品的落地应用角度进行区分，可以分为评分类产品、反欺诈产品、营销类产品等。
（1）评分类产品
评分产品是通过数据建模方式，最终以模型分数的形式展现，具体模型字段来源主要是持卡人维度的相关信息（图1），从交易时间、类型、渠道、行业等多个维度进行综合分析，可以较大程度地刻画出持卡人的风险水平、消费习惯、财富能力、社会地位等画像信息，具体评分应用类型如下：
a. 风险水平：逾期评分（预测持卡人信用风险）
套现评分（预测持卡人套现风险）
b. 财富能力：消费能力（衡量持卡人的相对购买能力）
消费趋势（反映消费能力的成长性）
c. 社会地位：消费自由度（反映持卡人收入的可支配能力）
持卡人价值（衡量持卡人在社会中的地位）
d. 消费习惯：卡使用状态（判断银行卡的使用趋势）
消费偏好（总结持卡人的消费偏好）
以上不同应用场景类型的模型评分，对于数据建模流程来讲基本是一致的，最大的区别是各类模型的加工变量范围不同。举个例子，逾期评分模型、消费能力模型的建模选取字段分别如图6~7所示。
图6 逾期评分模型字段（部分）
图7 消费能力模型字段（部分）
（2）反欺诈产品
反欺诈类应用主要包括实名认证、套现侦测、交易流水认证，现简要描述下各类实际场景的特点。
a. 实名认证：支持三要素（姓名、身份证号、银行卡号）、四要素（姓名、身份证号、银行卡号、 手机号）身份信息的实时验证；
b. 套现侦测：根据套现规则模型监测异常交易，例如单笔接近信用额度的消费、卡的日常消费频次、短时间内消费总额等；
c. 流水认证：采用银联跨行交易数据，帮助金融机构对信贷申请者提供的银行交易信息进行验证，可以有效控制恶意欺诈风险，保障金融机构的自身利益。
（3）营销类产品
营销类产品主要以标签字段形式应用，不仅可以用于客户群体分类，细化各类客户的分布特点，而且有助于了解持卡人的消费信息及消费习惯，精准锁定价值目标客群，实现客群的优化管理。
a. 消费行为类：消费行业、消费金额、交易地区；
b. 价值财富类：消费强度、消费自由度、是否有房有车、是否有证券交易；
c. 个人属性类：交易活跃度、营销活动响应度、是否有孩子。
以上内容便是关于银行卡数据的特征标签分类，以及在实际业务中的应用场景。对于每个类别的具体标签，由于字段较多且展示篇幅较大，我们为大家额外准备了一份详细的银行卡数据特征标签材料《银行卡数据常用特征字典》，供各位小伙伴参考学习，详情请大家移步至知识星球查看相关内容：
星球课堂内容如下：
…
~原创文章
