Full Paper

NATIONAL AND REGIONAL ECONOMICS VIII
SHLUKOVÁ ANALÝZA E-BANKING KLIENTŮ ČESKÉ
SPOŘITELNY
Ivan SOUKAL
Univerzita Hradec Králové, Fakulta informatiky a managementu
ivan.soukal@uhkcz
Abstrakt
Tento článek je zaměřený na retailové základní bankovní služby pro
nepodnikající fyzické osoby. Za pomocí shlukové analýzy je zkoumán výběr
z populace klientů České spořitelny a.s. s aktivovaným e-banking. Analýza je
založena na neagregovaných datech a jejím výstupem je identifikování
klientských clusterů, dle typického užívání bankovních služeb. Výstup je
využitelný nejen pro segmentaci v rámci skupiny e-banking klientů této banky,
ale také jako nástroj pozdějšího zjištění poplatkového zatížení jednotlivých
profilů, průměrného klienta banky a dále jako jeden z nástrojů pro zjištění
cenové hladiny těchto služeb.
Klíčová slova: retailové bankovnictví, e-banking, clustery, poplatky
ÚVOD
Tento článek je zaměřen na retailové základní bankovní služby pro nepodnikající
fyzické osoby, jednotným termínem retail core banking services (dále v textu pod
zkratkou RCBS). Těmto službám se v době, kdy bylo zjištěno, že je v EU více obyvatel
s běžným účtem než s pevnou telefonní linkou, začíná věnovat čím dál větší pozornost.
Jedním z důvodů je fakt, že na tomto trhu byla zjištěna v rámci několika studií
zadaných Evropskou komisí značná netransparentnost z důvodu nepřehlednosti
sazebníků bank a nemožnosti snadné komparace nabídek [7, 8]. Jedním
z navrhovaných řešení je webová komparační služba pro RCBS produkty a následné
vyhodnocování, které může přinést cenné údaje o chování klientů.
V tomto článku jsou analyzována vícerozměrná data ze zkušebního
provozu nezávislé webové komparační služby, která vznikla na základě výše
zmíněného doporučení. Komparační služba se nazývá Kalkulátor bankovních poplatků
(dále v textu pod názvem Kalkulátor), konkrétně budou analyzováni respondenti, kteří
uvedli jako svůj bankovní ústav Českou spořitelnu a.s. (dále v textu pod zkratkou ČS).
Ta je nejvýznamnějším bankovním domem v ČR, co se týče velikosti klientely.
Celkový počet respondentů užívajících RCBS služby ČS byl 1596.
1
SHLUKOVÁ ANALÝZA KLIENTŮ ČESKÉ SPOŘITELNY
Cílem článku je za užití statistického software PASW Statistics 18 zjistit, do
jakých skupin, segmentů se rozpadá populace e-banking klientů ČS na základě
zkoumání výběru získaného z projektu Kalkulátor. Sekundárním cílem je navržení
dalšího praktického využití výsledků.
2
ZDROJOVÁ DATA A METODIKA
2.1 Původ a popis dat
Zdrojem dat je déle trvající spolupráce řešitelského týmu a majitelem firmy, která
provozuje tematický web Bankovní poplatky1, v jehož rámci funguje i komparační
webová aplikace Kalkulátor2. Aplikace je zaměřena na výpočet celkových nákladů
RCBS klienta. Četnosti měsíčního užívání služeb, případně částky, se kterými je
operováno, jsou zadávány klientem do elektronického formuláře, který je následně
ukládán na server. Přidaná hodnota pro respondenta je výpočet konkrétní výše
zpoplatnění jeho měsíčního užívání RCBS napříč trhem. Díky tomu se pak může
kvalitněji rozhodnout o svém poskytovateli RCBS. Formulář je rozčleněn do logických
kapitol:
I. účet,
II. výpisy,
III. karetní služby,
IV. přímé bankovnictví,
V. platby – jednorázové,
VI. platby – trvalé příkazy,
VII. platby – povolení k inkasu (včetně SIPO),
VIII. hotovostní operace,
IX. další služby.
Ve zdrojových datech se nachází:
 43 intervalových proměnných – četnosti měsíčního užívání RCBS případně
částky se službou spojené,
 6 dichotomických proměnných – přítomnost určitých služeb (karetní služby,
e-banking apod.),
 2 nominální proměnné – forma a frekvence zasílání výpisů,
 2 textové proměnné – informace o bance klienta a textové pole pro zapsání
připomínek pro Kalkulátor
 2 ordinální proměnné – systémové proměnné přidělování pořadového čísla
jednotlivým respondentům a čas, kdy bylo provedeno uložení odpovědi.
Z hlediska marketingového výzkumu se jedná o data:
1
2
Dostupný na URL: http://www.bankovnipoplatky.com/, cit. 19.8.2010
Dostupný na URL: http://www.bankovnipoplatky.com/kalkulator.html, cit. 19.8.2010
NATIONAL AND REGIONAL ECONOMICS VIII



vícerozměrná – bylo sledováno 53 proměnných o užívání RCBS a 2
systémové proměnné pro každý prvek v souboru,
primární – byla získána přímo od uživatelů RCBS,
subjektivní – data vychází z úsudku klienta o vlastním užívání RCBS.
2.2 Metodika
2.2.1
Transformace, verifikace, validace
Vzhledem k tomu, že SPSS nedokáže naráz ve shlukové analýze zpracovat
nominální a kvantitativní proměnné, bylo nutné převést proměnnou Forma_výpisu a
Frekvence_výpisu na sérii dummy dichotomických proměnných o hodnotách {0,1}.
Funkcí Recode into different variables byly transformovány nominální hodnoty {1,2,3}
proměnné Forma_výpisu na 3 dummy dichotomické proměnné Výpis_Inet,
Výpis_pošta, Výpis_osobně s binárními hodnotami. Podobně byly vytvořeny dummy
proměnné pro textovou proměnnou Frekvence_výpisu {tydne, mesicne, ctvrtletne,
rocne} na 4 dichotomické proměnné Výpis_týdně, Výpis_měsíčně, Výpis_kvartálně,
Výpis_ročně. Dále vzhledem ke změnám, které během zkušebního provozu proběhly,
byly trvalé platby příkazem a inkasem sloučeny do jedné proměnné trvalé platby.
Chybějící údaje nebyly nahrazovány, i když literaturou [1] je doporučeno několik
způsobů, místo toho pro výpočty byly užita metoda pairwise. Zde je při hodnocení
dvojice proměnných vyloučen pouze ten respondent, u nějž se chybějící hodnota týká
jedné z dvojice proměnných (v potaz se nebere, zda je v ostatních proměnných
chybějící hodnota)
Vzhledem k faktu, že formulář Kalkulátoru postrádal po dobu zkušebního
provozu filtr omezující vstupní data, bylo nutné provést verifikaci vstupních dat až ve
statistickém software. Někteří respondenti evidentně nejsou retailovými zákazníky a
podnikají, např. jako OSVČ nebo v šedé ekonomice prostřednictví aukčních portálů
(např. respondenti s 30+ jednorázových, příchozích nebo trvalých plateb měsíčně).
Tyto záznamy byly z dalšího zkoumání vyřazeny.
V rámci validace dat bylo provedeno šetření relativních četností vyplnění
jednotlivých odpovědí (intervalové proměnné). Proměnné, které byly nevyplněny více
jak 50 % respondenty, byly zaznamenány. Dále bylo provedeno šetření středních
hodnot a všechny proměnné s relativní četností užívání 10 % a méně byly
zaznamenány. Shluková analýza je extrémně citlivá na nevýznamné znaky [2]. Z
tohoto důvodu byly proměnné zaznamenané na obou seznamech (relativní četnost
vyplnění 50 % a méně a zároveň relativní četnost užívání 10 % a méně) vyloučeny
z pozdějšího shlukování a počet hodnocených proměnných se ustálil na hodnotě 20.
2.2.2
Shlukování
Vzhledem k přítomnosti intervalových proměnných s přirozeně vyšší četností
užívaných služeb i proměnných s nižší bylo nutné provést normování. Pokud by
provedeno nebylo, potom by se shlukování provádělo především dle proměnných
s vysokou četností. To by za standardních okolností bylo pořádku, ovšem zkoumaný
SHLUKOVÁ ANALÝZA KLIENTŮ ČESKÉ SPOŘITELNY
případ je specifický a služby s přirozeně vysokou četností (především příchozí platby)
jsou zpoplatněny méně než služby s nižší (především výběry z bankomatů). Z tohoto
důvodu před samotnou shlukovou analýzou bylo provedeno normování metodou zscoring.
Vzhledem k počtu shlukovaných prvků se na doporučení literatury [2, 3, 4] užilo
nehierarchického shlukovány pomocí shlukovacího algoritmu k-průměrů. Pro
shlukování se užilo:
 horní hranice iterací 50 (v žádné variantě shlukování nebyla dosažena),
 21 intervalových proměnných a jedné ordinální jako popisné proměnné
jednotlivých prvků, resp. respondentů
 metody vylučování prvků z důvodu nevyplněných hodnot pairwise.
V rámci první varianty shlukování (varianta s extrémními klienty) bylo provedeno
shlukování pro 2 – 8 shluků. Následně bylo pro každou variantu vypočítáno jakou
hodnotu má tzv. globální pravidlo G5 [2].
B: matice mezishlukové variability
E: matice vnitroshlukové variability
k: počet shluků
n: počet prvků
p: počet proměnných
(1)
(2)
(3)
Optimální počet shluků byl následně zvolen dle podmínky maximalizace, resp.
bylo zvoleno takové shlukování, kde byla hodnota globálního pravidla G5 nejvyšší.
Na závěr obou variant shlukování bylo nutné pro získání konkrétních hodnot
měsíčního užití sledovaných služeb v rámci získaných clusterů výsledné hodnoty všech
centroidů tzv. de-z-scorovat. Každý centriod, resp. jeho vektor byl vynásoben
vektorem směrodatných odchylek zkoumaných proměnných a následně byl přičten
vektor průměrů proměnných. Tento postup bylo možné užít pouze díky nepřítomnosti
záporných hodnot.
3
VÝSLEDKY
Na základě provedeného shlukování pro 2 – 8 shluků byl určen jako optimální počet
shluků 5, dle pravidla maximalizace globálního pravidla G5. Je zajímavé, že tento
počet shluků je shodný s výzkumem [6], kde je ovšem zkoumána celá populace, nejen
e-banking klienti. Bohužel Capgemini nezveřejňuje svou metodiku a na přímé dotazy o
ní nereaguje.V rámci shlukování bylo 1 596 sledovaných respondentů rozděleno do
NATIONAL AND REGIONAL ECONOMICS VIII
clusterů, jejichž velikosti jsou zaznamenány v grafu níže. Jednotlivé hodnoty
centroidů, resp. průměrných hodnot jednotlivých proměnných charakteristických pro 5
zjištěných clusterů, jsou k dispozici v tabulce níže.
Tabulka 1: celočíselné de-z-scorované
hodnoty proměnných pro jednotlivých 5
shluků, zdroj: vlastní zpracování
Proměnná/shluk
Výpis_Inet
Výpis_Poštou
Výpis_měsíčně
Výpis_čtvrtletně
Výpis_ročně
Karta_debet_neemboss
Karta_debet_emboss
Karta_kreditní
Výběr_ATM_vlastní_ČR
Výběr_ATM_cízí_ČR
Výběr_ATM_vlastnízahraničí
Výběr_ATM_cizíahraničí
Příchozí_platba_vlastní
Příchozí_platba_cizí
Příkaz_do_vlastní_pobočka
Příkaz_do_cizí_pobočka
Příkaz_do_vlastní_Inet
Příkaz_do_cizí_Inet
Trvalé_platby
Vklad_hotovost_pobočka
Výběr_hotovost_pobočka
Cash_back
1
1
2
1
1
1
3
1
1
4
1
5
1
1
1
1
1
3
1
1
1
2
2
1
3
1
3
3
1
4
1
Obrázek 1: Graf velikostí
jednotlivých shluků při
analýze 5ti shluků,
zdroj: vlastní zpracování
Z grafu je patrné, že se prvky
rozpadají do dvou mainstream
1 1 1 4 skupin a pak 3 specifičtějších
2 2 2 6 segmentů. Více podstatné jsou ale
hodnoty
charakteristické
pro
3
jednotlivé
shluky.
1 3
Z tabulky je jasné, že některé
3 2 1 2 6
4 3 2 4 8 služby jsou poptávány všemi
v přibližně
stejné
6 6 5 6 9 segmenty
intenzitě
(výběry
bankomatů
1
1 1
1 1 vlastní banky, tedy ATM České
spořitelny). Všem segmentům je
2
společné
využívání
výpisů
s měsíční frekvencí a přibližně 3 výběry z bankomatu vlastní banky a též všechny
segmenty tedy budou citlivé na poplatky spojené s touto operací. Ostatní proměnné se
již v jednotlivých shlucích objevují s různými četnostmi. V následující části bude
výsledek pro každý shluk komentován se zaměřením na veličiny a poplatky, kterými se
liší od shluků ostatních, a shlukům bude přiřazen název, který by měl vystihovat
typického klienta z tohoto shluku:
1. Aktivní klient, mezinárodní, 2 % – klienti z tohoto nejmenšího segmentu
využívají především debetní embosované karty, protože neembosované karty
nejsou v zahraničí přijímány. Dále jsou jedinými klienty, kteří využívají
SHLUKOVÁ ANALÝZA KLIENTŮ ČESKÉ SPOŘITELNY
2.
3.
4.
hotovostních služeb v zahraničí. Z toho vyplývá, že v otázce poplatků je toto
jediný segment, který je ovlivněn paušálními (fixní poplatek za výběr v cizině)
a parciálními (určován jako poměrová částka z celkové vybírané hotovosti)
poplatky při výběrech v cizí zemi. Bohužel Kalkulátor nesleduje, kvůli vcelku
složité struktuře, zpoplatnění mezinárodních elektronických plateb (platby
užívající IBAN a SWIFT kód). Pokud by toto sledoval, je pravděpodobné, že
nejvyšší frekvence těchto plateb bude právě v tomto segmentu. V ostatních
službách je klient o něco aktivnější, než je průměrný klient, a to jak
v bezhotovostních, tak hotovostních platbách.
Průměrně aktivní klient, 49 % – Tento segment by měl reprezentovat
většinovou populaci. Proto je s podivem, že je u tohoto shluku určitá inklinace
k internetovému bankovnictví. Tento fakt souvisí s respondenty, resp. znakem
aktivního e-banking nebo ukazuje na výraznou snahu klientů šetřit čas i peníze.
Vzhledem k tomu by bylo možné do názvu segmentu přidat slovo internetový.
Tento segment nemá na rozdíl od ostatních jasnou preferenci ohledně karetních
služeb, i když více než 40% klientů v tomto shluku má debetní embosovanou
kartu a kreditní kartu (viz. podrobnější údaje o clusteru v Přílohách a v souboru
De-z-score.xls na přiloženém CD). Vzhledem k tomu, že příchozí platby a
jednorázové platby zřízení pomocí elektronického bankovnictví ve většině
bank zpoplatněny nejsou nebo málo, bude tato skupina citlivější na poplatky
při zřizování trvalých plateb, i když se dá očekávat, že i tyto platby budou
zřizovány také za užití elektronického bankovnictví.
Méně aktivní klient, 29 % – Tento segment se vyznačuje nejnižším využíváním
Internetu ve spojitosti s bankovnictvím. Jde o jediný segment, který užívá
papírové výpisy. Přesto se nedá z hlediska bankovních poplatků hovořit o
citlivosti klientů, protože od harmonizace s evropskou legislativou v posledním
kvartálu roku 2009 si banka nesmí účtovat poplatky za měsíční informování
klienta o jeho účtu [5]. Banky si tedy u této formy účtují jen poštovné a méně.
Ohledně citlivosti na poplatky tedy budou platit stejná pravidla jako u
průměrně aktivního klienta.
Hotovostně-pobočkový klient, 10 % – prvky tohoto shluku je vykazována
nejvyšší četnost hotovostních služeb, konkrétně vklady a výběry na pobočce a
také jako jediný segment využívá službu cash-back. Dále na rozdíl od
průměrného klienta, resp. nejpočetnějšího shluku, zde klienti užívají také ATM
cizích bank. Podobně se shluk výrazně odlišuje zadáváním jednorázových
příkazů k platbě na pobočce a to jak do vlastní, tak cizí banky. Identifikace
takto silné pobočkové preference v rámci klientů s aktivovaným e-banking
nebyla očekávána a je jistým překvapením. Je tedy evidentní, že tento segment
bude nejvíce reagovat na poplatky spojené s hotovostními operacemi. Ovšem
právě tyto služby, kromě služby cash-back, budou zpoplatňovány, čím dál tím
více. Tento trend byl nastoupen přibližně před 6ti lety a není znám důvod, proč
by neměl pokračovat. Banky se snaží svou poplatkovou politikou, rozuměno
NATIONAL AND REGIONAL ECONOMICS VIII
5.
výrazným zvyšováním poplatků těchto služeb, redukovat počet hotovostních
operací na pobočce. Poslední proměnná odlišující tento shluk od ostatních je
vlastnictví převážně neembosovaných debetních karet. Tyto karty jsou
nejlevnější karetním produktem a jsou vydávány především klientům, kteří
neplánují výběry v zahraničí a neužívají mezinárodně uznávané internetové
platební systémy, např. Paypal (i když bylo nedávno povoleno užití i určitých
neembosovaných visa karet). V ostatních službách je tento segment průměrně
aktivní.
Velmi aktivní klient, 10 % – Tento segment vykazuje v porovnání s ostatními
nejvyšší aktivitu ohledně příchozích a odchozích plateb. To se týká jak
jednorázových platebních příkazů, tak trvalých plateb. Nejvyšší rozdíl oproti
průměrnému klientovi se nachází u jednorázových plateb skrze elektronické
bankovnictví, kde je četnost téměř 3násobná. Oproti průměrnému klientovi se
také odlišuje užíváním hotovostních služeb na pobočce. Dále je tento segment
nejaktivnější v užívání ATM a jeho aktivitě nasvědčuje i vlastnictví
embosované debetní karty, kterou lze užít v rámci internetových platebních
systémů.
MOŽNOSTI UŽITÍ A OMEZENÍ PRO INTERPRETACI
Vytvoření clusterů není samoúčelnou metodou, která má pouze explorativní
charakter. Vzhledem k tomu, že ČS je užíván, na rozdíl od ostatních bank, pro
kalkulaci poplatků vlastní konfigurátor3, neobsahuje projekt Kalkulátor možnost jejich
přímého výpočtu. Ve zmíněném konfigurátoru si klient zvolí, které služby chce mít
nezpoplatněné, dále si může zvolit nadstandardní služby ke svému účtu apod. Teprve
od tohoto nakonfigurování svého budoucího účtu se odvíjí zpoplatnění služeb. Tento
mechanismus, kdy některé části sazebníků pro klienta pak neplatí a některé naopak
ano, je obtížné implementovat, resp. je velmi obtížné pak pro klienta vypočítat
konkrétní úroveň poplatků. Jednou z možností, jak zjistit, kolik klienti zaplatí u ČS za
své RCBS, je kombinace shlukové analýzy a základního ekonomického předpokladu o
chování ekonomických subjektů. Jinými slovy po zjištění klientských profilů je možné
v konfigurátoru pro každý z nich najít optimální nákladovou kombinaci. Za
předpokladu, že se klient chová racionálně a zvolí takové nastavení účtu, které je pro
něj optimální, se potom výsledné náklady pro jednotlivé shluky mohou považovat za
průměrné náklady jednotlivých klientských profilů. Po provedení vážené sumy, kde
vahou jsou velikosti jednotlivých clusterů a váženými sčítanci jsou zjištěné hodnoty
poplatků jednotlivých profilů, je pak dokonce možné zjistit i průměrný náklad RCBS
klienta ČS. Tohoto údaje může být dále využito při pokusu o sledování cenové hladiny
RCBS v ČR pro již zmíněné e-banking klienty.
Jak je již v článku několikrát zmíněno, výsledek lze aplikovat pouze na populaci
e-banking klientů ČS. I když je skupina RCBS klientů s aktivovaným e-banking
4
3
Dostupný na URL: http://www.csas.cz/banka/pages/configc/app.jsp?ou=osobni
SHLUKOVÁ ANALÝZA KLIENTŮ ČESKÉ SPOŘITELNY
výrazně nadpoloviční a podíl těchto klientů na celkové populaci stále narůstá, stále
existuje skupina klientů bez e-banking, která brání vztažení výsledků šetření výběru
získaného Kalkulátorem na celou populaci. Dále je nutné ohledně zdroje dat zmínit, že
internetový formulář je vzdálen optimální metodě, tedy prostému náhodnému výběru,
z několika důvodů, které mohou vést ke zkreslení směrem k mírně aktivnějším
klientům s určitou preferencí internetového bankovnictví a naopak se výsledky odchýlí
od pasivních klientů s pobočkovými preferencemi (např. důchodci). Kromě využívání
e-banking je nutné zmínit další limitující faktory, které ovlivňují výběr z celkové
populace RCBS klientů v ČR:
 respondent musí mít přístup na Internet – tento předpoklad je ve většině
případů v přímé souvislosti s předpokladem o zkoumání populace RCBS
klientů s e-banking. V dnešní době není významným omezením.
 respondenta musí zajímat, jaké poplatky platí – tento předpoklad je založen
na základní úvaze, že pro koho částka za bankovní poplatky není důležitá,
ten nebude vyplňovat formulář na bankovnipoplatky.com. Vzhledem
k relativně běžnému jevu, kdy občan nějakou službu odsuzuje nebo není
jinak spokojen, ale dá to najevo pouze verbálně bez vlastní akce
k analyzování své situace, či změně stavu, je toto dalším zdrojem zkreslení,
jehož intenzitu lze jen těžko odhadnout. Situace je podobná volbám, kdy
každý občan má nějakou jemu sympatickou politickou stranu, ovšem
k volbám se dostaví maximálně každý druhý.
CONCLUSION / ZÁVER
Data získaná z pilotního provozu prokázala potenciál projektu Kalkulátor nejen
v rovině výpočtu poplatků, ale také v rovině analýzy chování klientů. Vzhledem
k tomu bude dále pokračováno ve vyhodnocování dat z plného provozu Kalkulátoru,
který dovolí užít náročnější metodiku (přidání redukce proměnných metodou hlavních
komponent apod.) k získání ještě podrobnějších a ještě přesnějších výsledků. Nová
metodika bude také jiným způsobem řešit otázku dichotomických, resp.
překódovaných nominálních proměnných, která je zatím řešena nedostatečně
uspokojivě.
V rámci e-banking klientely ČS bylo identifikováno 5 clusterů. Dva mainstream
clustery průměrného (49%) a méně aktivního klienta (29%) a následně 3 menších
clusterů. Překvapivým zjištěním byl cluster klientů, kteří i přes aktivní e-banking mají
silnou pobočkovou preferenci (10%). U zbylých cluster byla zjištěna výrazná
preference informačního kanálu Internet, která je v souladu se znakem aktivovaného ebanking.
5
Článek byl zpracován v rámci projektu specifického výzkumu „Index cenové
hladiny core banking services a klientské clustery“ číslo 2111 z výdajů na výzkum a
vývoj Ministerstva školství, mládeže a tělovýchovy.
NATIONAL AND REGIONAL ECONOMICS VIII
POUŽITÁ LITERATÚRA
[1] HEBÁK, P. a kol. Vícerozměrné statistické metody (1). Praha : Informatorium,
2005. 240 s. ISBN 80-7333-025-3.
[2] HEBÁK, P. a kol. Vícerozměrné statistické metody (3). Praha : Informatorium,
2005. 255 s. ISBN 80-7333-039-3.
[3] MELOUN, M. Počítačová analýza vícerozměrných dat v příkladech. Praha :
Academia, 2005. 449 s. ISBN 80-200-1335-0.
[4] ŘEZANKOVÁ, H. A kol. Shluková analýza dat. druhé rozšířené vydání. Praha
: Professional publishing, 2009. 218 s. ISBN 978-80-86946-81-8.
[5] SOUKAL, I. Dopady harmonizace systému klientských nákladů CBS v ČR se
Směrnicí 2007/64/ES. In Hradecké ekonomické dny 2010 : sborník příspěvků
díl II. z vědecké konference Ekonomický rozvoj a management regionů konané
2.–3. února 2010 v Hradci Králové. Hradec Králové : Gaudeamus, 2010, s.
105–108. ISBN 978-80-7435-041-2
[6] Capgemini worldwide, World retail banking report 2008, [on-line], URL:
http://www.at.capgemini.com/m/at/tl/World_Retail_Banking_Report_2009.pdf
, 30.8.2010
[7] European commission, SEPA monitoring study, [online], URL:
http://ec.europa.eu/consumers/rights/docs/SEPA_monitoring_study.pdf,
cit.
22.8.2010
[8] European commission, Study on the Data collection for prices of current
accounts
provided
to
consumers,
[online],
URL:
http://ec.europa.eu/consumers/strategy/docs/prices_current_accounts_report_e
n.pdf, cit. 29.8.2010