大數據給金融行業(yè)帶來了巨大變化，大數據處理和存儲技術提升了數據處理效率，降低了信息系統運成本，金融企業(yè)正在利用大數據技術查詢歷史交易數據，存儲和處理客戶行為數據，讓實時數據展現和數據處理成為現實。金融企業(yè)過去數據的利用方式集中在數據倉庫，行數據和列數據作為主要應用方式。大數據分析帶來的是數據關系或者說圖譜數據，這些數據所展現的商業(yè)價值是過去金融行業(yè)所不清楚的。大數據預測正在成為金融行業(yè)數據應用的重點，花旗銀行預測未來五年，機器理財將超過理財專家成為投顧領域的主要方式，IBM沃森正在幫助很多銀行為客戶提供理財產品和保險產品的投資建議。
中國金融企業(yè)在2012年開始大數據應用探索，向BAT學習經驗，嘗試利用大數據技術解決數據存儲和計算問題，搭建基于大數據技術的數據倉庫，為客戶提供歷史交易查詢，建立數據模型，進行簡單預測。大數據技術的實施降低原來IOE體系所帶來運營成本，減少了在傳統數據倉庫TeraData上的巨額投資，解決了金融企業(yè)已有系統無法處理多發(fā)數據請求的問題，解決了歷史數據無法實時計算和查詢的問題，其歸根結底解決的是數據存儲和處理效率問題。
2015年大數據應用進入2.0時代，更多的金融企業(yè)主動擁抱大數據，尋找數據應用的場景，愿意同外部數據公司合作，在客戶畫像、精準營銷、風控提升等方面進行嘗試，但是都面臨著同樣的痛點。缺少人才、缺少數據、缺少工具、沒有數據場景、誰來做等成為了金融企業(yè)大數據應用的痛點。我們將從這幾個痛點出發(fā)，來分析金融行業(yè)大數據應用的切膚之痛和解決之道
一 缺少大數據人才
缺乏大數據人才不僅僅是金融行業(yè)的痛點，也是整個大數據產業(yè)的痛點。大數據人才培養(yǎng)最好的方式是在大企業(yè)中做過大項目，個人能力得到鍛煉和培養(yǎng)，同時項目經驗豐富，知道哪里是坑，哪些工具好用，哪些模型和算法實用。中國很多大數據人才都聚集在BAT等互聯網公司、傳統科技公司，金融企業(yè)愿意花費較高的價格引入這些人才，希望他們到企業(yè)承擔大數據分析挖掘和變現的工作，組建大數據部門。
但是經過一段時間之后，金融企業(yè)引入的BAT等互聯網企業(yè)的人才，很多都離開了，又回到互聯網企業(yè)。主要原因是不愿意改變原來自身互聯網公司文化，不認同金融企業(yè)決策鏈長，內部流程復雜，個人決策力弱，工作效率低等問題，同時金融行業(yè)固有的勢力范圍和內部的政治斗爭也是一個主要原因。傳統科技企業(yè)例如IBM，微軟，SAS，Teradata等公司的人才在金融企業(yè)也面臨類似的問題，金融行業(yè)內部員工和部門的信任成為這些人才發(fā)揮作用的一個壁壘，科技公司的文化和金融企業(yè)的文化沖突是一個主要原因，金融行業(yè)內部對這些人的高期望和現實業(yè)績要求也是一個主要原因。
外來的和尚已經很難念經了，金融企業(yè)正在將大數據人才培養(yǎng)從外部引入為主逐步轉向外部引入為輔，內部培養(yǎng)為主。引入外部很少的領軍人才，主力培養(yǎng)內部年輕人才。
解決金融行業(yè)大數據人才缺乏的方案很多，其中引入外部數據公司，開展合作項目是一個有效的方法，例如引入數據運營咨詢。通過數據運營咨詢既可以提升業(yè)務收入，也可以通過項目鍛煉和培養(yǎng)人才，短時間內提升自身人才的數據能力，并且也可以加速實現數據變現，利用外部數據和工具來找到數據應用場景，通過實戰(zhàn)來培養(yǎng)人才，加速數據文化和數據思維建設，快速幫助企業(yè)積累人才和經驗，實現快速迭代。
另外，安排人才到外部進行培訓，或者大數據行業(yè)資深人士到企業(yè)進行培訓也是補充大數據人才的一個重要方式，這些培訓最好來源于有實戰(zhàn)經驗的公司和人士，可以起到事半功倍的作用。市場上的TalkingData公司正在提供這些培訓，聘請BAT等知名互聯網公司的實戰(zhàn)專家為行業(yè)和企業(yè)提供免費的培訓。
二 缺少數據
很多金融企業(yè)在大數據應用時，總強調沒有數據，希望得到外部數據。金融企業(yè)常常向外部數據公司詢問是否有客戶手機號、客戶電商消費金額、客戶外部資產情況、客戶負債情況、客戶是否要出國旅游、企業(yè)高管人員名單、公務員名等等。這些都是隱私數據，基本上合法的公司不會提供，提供的公司都不合法。大數據變現過程中最有價值的數據都在金融企業(yè)內部，外部數據是很好，但是作用是錦上添花，數據金礦主要在金融企業(yè)內部，千萬不要為了芝麻而丟棄西瓜，金融企業(yè)的數據分析和變現應從自己的數據開始，等到自己的數據挖掘的差不多后，再引入外部數據。
很多金融企業(yè)特別是保險行業(yè)，還處于大數據應用的初級階段，自身的數據還沒有集中，集中了還沒有整理，整理了還沒有建立標簽，建立了標簽還沒有找到場景，找到應用場景不知道如何實現，實現之后不知道如何衡量效果和數據價值。
為數據打標簽、進行用戶畫像成了大數據應用的熱門詞匯，但是很多企業(yè)都在為數據標簽而標簽，幾千個標簽一打，上百個用戶畫像輸出，好像完成了大數據應用。數據結合場景才能產生價值，數據梳理必須同業(yè)務相結合，缺少業(yè)務人員參與的數據梳理、標簽建立、用戶畫像都是閉門造車，很難得到業(yè)務部門的認可。數據變現的過程中也很難得到業(yè)務部門的支持，這也是很多金融企業(yè)大數據部門的軟肋。數據標簽和用戶畫像歸根結底是為了數據場景應用，為了數據變現，離開了數據應用的數據標簽和數據畫像都是在講故事。金融企業(yè)可以從業(yè)務進行梳理，從業(yè)務需求和業(yè)務場景出發(fā)，進行數據梳理和標簽建設，這樣才可以發(fā)揮數據的價值，不要幻想一次建立一個大而全的數據標簽體系，幾年不用修改它，標簽和用戶畫像是動靜結合的過程，業(yè)務需求變了，一些標簽就要改變，除了人口統計學標簽等基本標簽變化少的情況外，同業(yè)務場景結合的標簽都存在變化的可能。
數據梳理和標簽建設也是建議引入外腦，通過咨詢方式進行落地，金融行業(yè)內部資源協調效率很低，各個部門之間也會存在界限不清的任務，外部公司可以起到一個緩沖，并且可以承擔一些大家不愿意做的臟活累活。工具化落地標簽建設和數據畫像也是一個趨勢，大數據管理平臺DMP可以作為場景標簽落地的平臺。金融行業(yè)的數據應用不是缺少數據，而是缺少數據思維和數據場景。已有的數據的挖掘和數據庫營銷應該成為目前金融行業(yè)數據應用的一個主要方式，例如同從物業(yè)費待繳服務中尋找高端理財客戶，利用銀行卡刷卡記錄來尋找財富管理人群，參考客戶乘坐頭等倉的次數、出境游消費金額、境外數據漫游費提供白金卡服務，這種消費場景的關聯應用是典型的大數據應用方式，也是目前數據庫營銷和數據風控常用的場景。
三 缺少工具
大數據是一個新興產業(yè)，中國缺少龍頭廠商，也就缺少工具平臺。目前流行的大數據工具都是來源于傳統IT廠商例如IBM，SAS，TeraData，這些工具具有的功能可以幫助金融企業(yè)實現數據變現，但是其技術不是建立在大數據技術平臺之上的，面對行為數據和大量數據請求時，其處理效率會有較大的問題。另外其高額的購買、實施、維護成本也成為一個應用的瓶頸，上千萬到上億的費用是很多金融業(yè)不愿意承擔的，只能用于規(guī)模大一些的金融企業(yè)。
市場上逐漸出現了一個新的趨勢，DMP正成為大數據應用平臺，很多金融企業(yè)也在探索DMP系統建設，希望利用DMP作為大數據應用的主要工具。DMP平臺沒有嚴格的定義，功能也是千奇百怪，但是DMP平臺的本質就是數據應用和變現平臺，無論市場上廠商如何定義DMP平臺，至少DMP平臺應該具備以下的特征和功能。
數據標簽建設和加工
場景用戶畫像功能
觸達用戶功能(App推送，EDM，SMS等)
營銷反饋監(jiān)測功能
數據導出功能
機器學習功能
外部數據導入，標簽數據補齊功能
推薦引擎功能
模型搭建功能
DMP是一個數據變現平臺，不需要以上所有功能都具備，需要根據金融企業(yè)的成熟度和數據應用場景，來選擇部分功能，先進行實施，逐步完善。先找到一些場景進行數據變現，其后慢慢增加功能模塊，小步迭代，逐漸反饋形成閉環(huán)，形成良性的數據變現平臺。
業(yè)務人員參與DMP項目也是項目成功的一個關鍵，DMP的數據場景來源于業(yè)務需求的分解，來源于業(yè)務KPI的分解，缺少業(yè)務人員的參與會影響到DMP的實用性和項目推進進度。
四 缺少數據場景，誰去做數據變現
數據分析人員和業(yè)務人員談到大數據時，基本上都會集中在數據場景，也就是數據如何提升業(yè)務。這個是所有金融企業(yè)大數據變現的一個痛點，也是衡量大數據項目的一個關鍵指標。
數據分析人員干了臟活累活，覺得數據直接丟給業(yè)務部門即可。業(yè)務人員不知道數據分析原理，不相信數據的力量，如果數據提升了業(yè)務，是不是數據人員也要分上一杯羹，數據會不會影響業(yè)務人員的地位，大數據分析是否會影響業(yè)務人員未來的發(fā)展。科技開發(fā)、科技運維、大數據部門、業(yè)務部門、網絡金融部門、市場部門、客戶管理部門都參與到數據變現過程中，誰來作為領導者承擔項目職責，協調各個部門，誰來推動大數據項目，誰來跑通全流程，全環(huán)節(jié)打通，大數據變現項目的邊界在哪里，大數據項目的收益如何體現，各個任務的職責邊界在哪里，成果如何分配等。這些問題已經影響到金融企業(yè)的大數據應用，影響到了數據變現項目，金融企業(yè)內部資源的矛盾、部門之間的利益紛爭、項目中的各部門的職責都影響了大數據項目的實施，同時也影響了數據變現的進程，導致很多領導看不到大數據項目的價值。
梳理數據，為數據打標簽，進行用戶畫像，尋找數據變現場景，這些都是臟活累活，金融企業(yè)員工不愿意做，也不太好做，另外金融企業(yè)內部資源協調有問題，就應該請外部資源。利用外部數據公司來干這些臟活累活，利用項目方式來協調各個部門利益，由領導出面利用項目協調各部門利益。
業(yè)務人員參與了數據項目，自然業(yè)務需求就帶到了項目之中，數據的加工和處理也圍繞著業(yè)務需求出發(fā)，大數據變現的場景就很容易實現，解決了數據缺少場景，數據如何變現的問題。數據處理分析人員可以安心從事數據工作了，數據場景應用和數據變現工作也可以專門安排業(yè)務人員去做，打通數據變現環(huán)節(jié)，數據對業(yè)務的提升也有業(yè)務人員參與的功勞，達到雙贏的結果。
金融行業(yè)擁有最好的數據類型，數據質量也非常好，同時也具有很多數據變現場景，最有價值的數據就是金融行業(yè)內部的客戶數據、資產數據、交易數據、信用數據等。數據應用場景可以利用數據庫營銷去做，也可以補充外部的數據，其補充的數據主要是客戶的行為數據，特別是移動互聯網側的行為數據。但是在做數據補充時，切忌不要涉及到客戶隱私數據，補充的數據最好不要用身份證號、手機號打通，另外需要API實時數據，不需要死數據，因為數據的時間價值是數據場景應用的一個重要維度。
金融行業(yè)在移動互聯網側缺少運營和分析人才，可以考慮參加行業(yè)組織的專業(yè)培訓，向移動互聯網行業(yè)資深人士學習，這樣可以提升較快，TalkingData過去幾年一直都在幫助金融行業(yè)培養(yǎng)移動互聯網運營和分析人才。如果金融行業(yè)發(fā)現移動互聯網轉型很慢，可以考慮引入外部咨詢公司，利用外部的數據分析和運營能力加速向移動互聯網轉型，可以起到事半功倍的效果。外部數據運營和咨詢公司帶來的不僅僅是移動運營的分析工具、數據、技術、方法論，還有數據思維方式、數據文化、數據合作以及數據變現場景。
外部的數據運營咨詢還可以影響領導層，提升管理層對數據運營的重視，為數據運營團隊提供資源支持。另外咨詢項目還可以將數據運營前后閉環(huán)打通，引入業(yè)務部門參與項目，打通數據變現過程中的各個孤島，形成數據價值文化，讓管理層快速看到數據價值，重視數據部門，重視數據驅動業(yè)務運營。
京公網安備 11010502049343號