新西兰
新西兰 新西兰
消费者通过网上银行进行最多支付
  • 74%
    金融服务和保险业
  • 70.5%
    电信
  • 54.5%
    零售
  • 46.5%
    金融服务和保险业
  • 39.6%
    电信
  • 40.7%
    零售
  • 相比亚太平均值,澳大利亚消费者通过网上银行分别向银行、保险公司、电信公司和零售商付款的比例更高
  • 影响:由于在线交易量的日益增长和消费者对银行的日渐信任,反欺诈能力显得至关重要
澳大利亚
澳大利亚 澳大利亚
消费者对银行和保险公司的欺诈后服务最为满意
  • 相比平均59.7%的满意度,澳大利亚消费者的满意度超过70%
  • 影响:对金融服务和保险业的信任度有所提升
印度尼西亚
印度尼西亚 印度尼西亚
消费者在过去12个月内遭遇最多欺诈事件
49%
34.7%

亚太平均值

  • 至少遭遇1次欺诈的消费者比例为49.8%,而亚太平均值仅为34.7%
  • 影响:总体反欺诈能力需要提升
新加坡
新加坡 新加坡
消费者对政府的信任度最高
亚太平均值
  • 相比51.7%的平均值,75.5%的新加坡消费者选择政府机构
  • 影响:对个人数据保护的信任围绕政府机构展开
越南
越南 越南
消费者在过去12个月内在零售和电信领域遭遇最多欺诈事件
  • 55%
    电信
  • 54.5%
    零售
  • 32.8%
    电信
  • 35.2%
    零售
  • 在零售和电信领域,至少遭遇1次欺诈的消费者比例分别为55%和54.5%,而其亚太平均值仅为32.8%和35.2%
  • 影响:总体反欺诈能力需要提升
泰国
泰国 泰国
多数泰国消费者认为企业严重缺乏响应速度和解决手段(对欺诈事件的响应/检测速度)
亚太平均值
  • 相比47.7%的平均值,认为此项最重要的泰国消费者占60.5%
  • 影响:响应时间是实行欺诈管理,以维护消费者,获得其信任的关键指标之一
印度单列
印度单列 印度单列
消费者拥有地区内最大数量的购物APP账号
印度单列
  • 平均每人三个账号
  • 影响:对在线欺诈的暴露度较高
香港
香港 香港
对银行和保险公司欺诈管理的高满意度水平消费者百分比最低
亚太平均值
  • 相比平均21.1%的满意度,香港消费者表示最为满意的仅占9.7%
  • 影响:针对欺诈事件的有效响应亟待改进
中国
中国 中国
消费者对提交和共享个人数据的容忍度最高
亚太平均值
  • 相比27.5%的亚太平均值,中国有46.6%的用户接受与其他企业实体共享现有账户的个人数据
  • 影响:数据隐私暴露度和欺诈风险较高
alert
Japan 日本单列
消费者对数字账户和交易最为谨慎
50.7% 用户积极维持数字账户有效性
27% 亚太平均值
45.5% 不进行在线银行转账
13.5% 亚太平均值
  • 相比50%的平均值,日本超过70%的用户在过去12个月内未遭遇欺诈事件
  • 影响:相对较低欺诈风险

为制定更优决策赋能:深入研究决策生态系统

为制定更优决策赋能:深入研究决策生态系统

您每天都要做出成千上万的重要决策,这些决策贯穿于您的不同业务线、客户生命周期和渠道的方方面面。一个好决策可以帮助您获取客户,而决策失误则会导致失去这位客户(或者因人工决策时间过长而错失)。但反过来,由于错误的风险评估导致的决策失误可能让您获得一位本应拒绝的客户,以致造成1万美元或更多的核销。

 

制定更优决策

 

更优决策通过积极影响关键绩效指标(如核准率、接受率、亏损率和人工审查率)来推动可量化的投资回报率。例如,在其他条件相同的情况下,修改决策标准以提高核准率将会获得更多客户,即意味着更多收入和更高利润。

更优信贷决策推动了直接的商业利益(以及可量化的投资回报率)。

 

 

借助决策生态系统提升您的业绩表现

 

您需要在做出更快、更好、更一致的决策的同时,与监管机构保持良好关系。集成式决策生态系统是一个动态环境,可以更好实现数据驱动决策,从而帮助您提升业绩表现。

 

 

  • 创建包括利用征信数据、自有数据和替代数据,在非生产环境中使用诸如Python、R语言和SAS等编程语言,试验和创建最佳属性和评分的能力。
  • 管理包括配置、管理和测试(在非生产环境中)使用这些属性和评分的最佳决策标准的能力。
  • 部署包括快速、轻松地将决策标准部署到生产环境中以推动更优决策并提升业绩表现的能力。
  • 持续改进包括运用决策结果以及利用经验来洞察修改后的决策标准的能力,作为持续学习环境的一部分,这些标准将在未来驱动更优业务决策。

 

生态系统中的实时决策

 

使用所需要的原始数据制定更优决策,这是构建决策生态系统的起点。您提供的原始客户数据,包括您客户的“行内”数据,都将加载到您的分析环境中。然后,您的客户数据将通过历史信贷数据和属性被加以扩充,从而进行更标准化的分析。之后借助R语言、Python等工具及包括极限梯度下降模型在内的技术,在此分析环境下,创建和界定自定义属性、评分和决策标准。在设计工作室环节,您可以配置和界定决策标准(包括挑战者策略),这将最终推动更好的决策结果。当您对新的决策标准有信心时,您可以使用新的配置文件(无需重新编码)推动对生产环境的改变。改变一完成,后续实时事务决策将根据新的决策标准自动实现。

 

 

###

 

欢迎下载益博睿白皮书《为制定更优决策赋能:深入研究决策生态系统》,从中您将了解决策生态系统如何帮助您做出更快、更优决策,为您的客户提供能满足他们需求的互联、无缝体验,同时实现您的组织目标,帮助您赢得收入、市场份额,实现成本目标,且超出利益相关方的预期。

阅读这篇文章

益博睿

益博睿于2019年11月11日发布

【益博睿】为制定更优决策赋能:深入研究决策生态系统

相关文章

人工智能:提升客户银行体验
人工智能:提升客户银行体验

益博睿亚太区创新与战略发展总监Mohan Jayaraman撰文:人工智能有望成为推动消费金融实现真正转型的催化剂。

阅读文章
2020年金融行业必须顺应的三大技术趋势
2020年金融行业必须顺应的三大技术趋势

益博睿亚太区CEO Ben Elliott告诫企业领导者必须紧跟技术发展的步伐,以确保其组织随着趋势的演变而不断进步。

阅读文章
益博睿2020贸易风险管理沙龙在广州成功举办
益博睿2020贸易风险管理沙龙在广州成功举办

1月9日,以“拥抱‘信用时代’:深化信用管理,助推企业发展”为题,益博睿2020贸易风险管理沙龙在广州成功落下帷幕。

阅读文章

想要了解更多吗?请填写以下表格,我们将有专人尽快与您取得联系。

  • 提交