论文部分内容阅读
大数据已经被热议过好几年。当时人们热议大数据的时候，感觉就好像是一夜之间冒出来的一个新词。其实不然，看看大数据的演进历程，我们会发现大数据并不是从天而降的，它一直都存在。只不过现在有了高科技手段，人们分析和处理大数据的成本大大降低，这是大数据热潮形成的最根本的原因。
比如，早在2000年左右的时候，四大行都在规划数据仓库，一期的投资预算都在1个亿左右，当时香港某银行做了一个8TB的数据仓库，光装进去就得花三四天时间，分析完这些数据又得花很大的投入。成本高、周期长致使大数据在那个时候并没有蔚然成风。
而今天，做一个1TB的数据库，所花成本不到原来的十分之一，甚至百分之一。分析计算成本的降低就导致即使只有一个想法，也可以很快把大量的数据装进来，即使分析完没有什么发现，试错的成本也很低，这就是为什么十年前大家不谈大数据，而谈商业智能、数据仓库的原因。曾经人们梦寐以求的分析、计算，在今天很简单就能实现。很多小的分析加起来就成为一个大的价值，背后还是计算成本的根本性下降。
对于大数据，大家通常会想到“3V”，即Volume（数量）、Velocity（速度）、Variety（种类），但是大数据在数量上并没有绝对的标准，它只是相对于处理能力而言，若干年前，英国最好的大型处理计算机所能计算的数据量只相当于今天一部苹果手机的一半。大数据对速度的实时性要求更高一些，过去很多数据都是先储存下来然后再导进数据库，但今天对于数据的实时抓取和分析能力提升了很多。对于种类来说，如今各种非结构化数据已经出现了。其实以前这些数据不是没有，但若干年前我们对于声音、图象等数据是没有分析手段的，即便拿到了也没有办法分析。
2015年2月11日，波士顿咨询公司（BCG）发布最新报告《互联网金融生态系统2020系列报告之大数据篇：回归“价值”本源：金融机构如何驾驭大数据》。报告认为，成就大数据的并不是传统定义的“3V”，更重要的是第四个“V”，即Value（价值）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式变革时，大数据才真正诞生。
大数据的商业价值
谷歌当年就用数据来预测流感，这是非常有意义的事情。某基金管理公司在引入大数据的分析和技术之后，各部门都在用数据说话，然后再做决策，一改过去靠领导拍脑袋做决定的状况。
金融行业是一个数据强度很高的行业，每产生100万美元的收入，会沉淀下820GB的数据。金融行业天然有它的数据属性。比如在零售银行里面，个性化的定价、客户细分、预见客户流失等方面，都会用到大数据。招商银行就正在用大数据对客户流失进行预警。另外在风险控制领域，大数据的应用也非常多。过去的风控需要很多人为的干预在里面，成本非常高。今天，大数据技术让大家能更及时、更快速、更低成本地发现风险。对于运营的优化，大数据也发挥出很大的作用。比如有些银行通过大数据的分析，很清楚分布在各处的ATM机对现金的需求量，从而很精准地投放网点资源，减少浪费。同时很合理地安排运钞车和放钞频率，降低成本。
保险行业也是数据强度非常高的行业。保险行业的产品开发、营销销售、报单管理、理赔、资产管理等关键环节都有很多大数据的应用。比如医疗保险，通过大数据分析就会发现，20%的大病赔付事件占据了赔付金额的80%，如果能及早发现这20%的案例，并及早干预的话，就不会演化到后面的巨额赔付，就能够大幅度降低赔付金额。比如让客户提早彻底治疗，一定要足够休息等。
美国Axciom公司收集了全球电梯运营商的数据，然后提供给银行，银行据此做出准确的决策判断。Axciom在收集数据的时候，首先注意到世界上的电梯运营商主要集中在日本和德国;其次电梯运营数据的主体非常简单，就是在哪栋写字楼哪家公司停了多久，是不是正常运营;再用这些数据去匹配黄页，通过黄页可以查到哪家公司在某栋写字楼。Axciom把这两项数据匹配起来之后，得出一个很简单的事实：一部电梯在一家公司每天停靠的次数。持续观察这些数据后，会知道电梯发生异动的情况，如果在正常范围值上下波动20%是很正常的，但是如果忽然减少了一半，或者忽然增加了一倍，这背后就有原因。Axciom不做任何的判断，只是告诉银行，你的某个客户电梯停靠次数发生异动。银行拿它去提示客户经理，要去拜访一下这家公司是否出了问题。在这点上，银行想知道贷款是否安全，债主是否逃跑了。Axciom这样的创新让银行的贷后检查变得更加有针对性，而且也更加的及时。
国内应用大数据的案例并不多，有种“雷声大雨点小”的感觉。比如国内金融机构的数据其实是非常多的，但是这些数据往往散落在各个部门，是一种比较割裂的状态。如何真正能够跨部门协作把这些数据整合起来，是很多国内金融机构面临的一大难题。这也是造成大家感觉大数据很热，现实却比较单薄的原因。
报告作者之一、BCG大中华区董事经理张越女士认为，大数据并不仅仅是一个技术问题，它更多的是一个商业问题、管理问题。所以大数据要求金融机构重新审视自己的基础设施和自身所处的环境。“对金融机构而言，及早出发，积极、理性地试水投入，让整个机构能够够借助大数据来尽快实现自我提升，这是将数据持续转化为生产力乃至竞争优势的必由之路。”
从数据到价值的掣肘
简单来讲，从数据到价值需要经历四个层次。各种不同的数据在第一个层次里会用各种硬件和软件的方式进行收集和存储，这是最基础的层面。数据被实时和非实时地清理、加工，并被归档存储为有效信息以后供后续分析处理;第二个层次很关键，要对收集的数据进行去噪和增强处理，完成关系型信息和非关系型信息相对整合;第三个层次属提升层次，是知识发现层。以人工智能和数据挖掘技术来分解、提炼信息，找出有价值的信息点，完成从信息到知识的转化;第四个层次就是蜕变层，是智慧汲取层。借助可视化工具，将经验、判断与知识相融合，使数据升华为智慧，开始指导商业价值的创造。 从数据到嵌入式商业模式的变革一共有七步，即数据收集、许可和信任、储存和处理技术、数据科学、协调、行动洞察力、嵌入式变革。在这七个步骤中，最难的是许可和信任以及协调。很多金融机构都很担心所拥有的数据能用吗？如果客户投诉怎么办？如果监管不同意怎么办？协调也是很难的，比如说数据的整合，技术部门和业务部门的对接问题。业务部门总觉得技术部门作为不足，而技术部门也往往不知道要解决什么问题。实际这是一个沟通协作的问题。
对于金融机构来说，如何驾驭大数据，把数据引到价值层面？报告作者之一、BCG合伙人兼董事总经理何大勇先生认为有三个关键点：第一个关键点是“人”。即使在数据、技术等满天飞的时代，人还是创造价值的主体。其在大数据时代，数据科学家是复合型人才，既要懂得业务的需求，又要能够处理数据，要知道在技术层面上到底应该发生什么。这样的复合型人才是挖掘大数据能力非常关键的群体。所以吸纳善于“跨界”的复合型人才，构建复合型团队就成为金融机构的关键所在。
第二个关键点是高效的行动。大数据在现实应用中，给大家的启示是大数据本身不意味着大价值。很多时候大数据带来的发现是一个小机会，单个来看，它可能并不值得投入巨大的精力。但今天正因为有了低成本的手段，所以可以将大量的小机会聚沙成塔，产生大的价值。高效行动是很多金融机构面临的一大挑战。可以引入试错机制，试十次成功的机率和试一百次成功的机率结果是不一样的。而且更关键的是，如果试对了一回，是不是能够强烈地去推广，这也是很多金融机构面临的困惑。
第三个关键点是构筑优势。其根本就是转变思维。很多人会认为，大数据能解决很多我们以前一股脑不能解决的问题，大数据浮现出来的价值似乎是自动的。但实际上，大数据转化成价值的时候，很多管理性的问题同样是需要解决的。思维转变意味着一场异常深刻的变革，而这样的变革势必触碰到体制层面。
大数据的本质是管理
每家公司都需要了解自己的客户，大数据究竟能带来什么？如何让大数据的商业价值最大化？比如银行的交叉销售，以前大家最希望系统能够告诉营销人员下一步该推荐什么产品，很多银行采取的做法是总行说了算，总行说现在要推信用卡，下边的营销人员就去推信用卡;总行说现在要推现金管理，下边营销人员就去推现金管理。很多时候，这样做的成功率是有限的，因为这是从一个面去推。而在大数据的分析之下，银行会更精准的发现，向那些跟银行有过信贷关系的老客户推荐现金管理的成功率会更高。客户经理就不用挨家挨户去推现金管理产品了。这样做交叉销售的成功率会提高很多。
有一个典型的例子，一位先生搬家到澳大利亚，连续两年定期收到一家保险公司的短信，推销他们的寿险产品。但是这位先生当时根本就没有购买的意愿和需求，这无疑是一个非常无效的营销。后来，保险公司通过大数据分析发现，在一个家庭有孩子的前后一两年，出于保护家庭的原因，对寿险产品的需求会强很多。而从信用卡交易的数据去找出到底哪些家庭打算要孩子或者刚刚有了孩子是很容易的，因为这些家庭购买的东西不一样。保险公司针对这些家庭做精准营销，在很短的时间内，交叉销售成功率就提高了30%。
再比如，很多公司都想了解当一个有价值的客户要丢失了该怎么办？有一家银行做了大数据分析，结果发现在整个能带来贡献值的客户里，在一个特定价值区域里面，这批客户是最容易动摇的。因为这个范围并不是很大，所以很容易能把这些客户筛出来。大数据还分析出怎样让稳定这些客户。当一个客户的朋友圈用的都是一家银行的时候，就会稳定得多。所以这家银行当时做了一个减少客户流失的举措，就是营销客户的朋友圈，让客户更多的朋友都用自己的服务，而不是到处给客户送礼物，强留客户。
还有一家银行想把客户往电子渠道上赶，不让他们去网点，传统的做法是对所有的客户都去宣传，只要用网银、手机银行，就送礼物。大数据分析帮他们发现，其实有66%的客户是非常愿意转移的，这些客户有非常明显的消费特征，比如他们经常网购，已经在线上做各种各样的订阅、查询。有了这样的数据分析，银行就可以少投入很多资源去做推广。
“大数据是一个技术手段和可能性，最终还是要解决商业问题。技术和数据本身，只要你需要，总是能够把它做好，即便自己做不了，也可以找第三方来做。但是大数据的本质是管理理念问题，让我们能更好地把事情做下去，而不再是拍脑袋或者是凭着经验。”张越女士说。
比如，早在2000年左右的时候，四大行都在规划数据仓库，一期的投资预算都在1个亿左右，当时香港某银行做了一个8TB的数据仓库，光装进去就得花三四天时间，分析完这些数据又得花很大的投入。成本高、周期长致使大数据在那个时候并没有蔚然成风。
而今天，做一个1TB的数据库，所花成本不到原来的十分之一，甚至百分之一。分析计算成本的降低就导致即使只有一个想法，也可以很快把大量的数据装进来，即使分析完没有什么发现，试错的成本也很低，这就是为什么十年前大家不谈大数据，而谈商业智能、数据仓库的原因。曾经人们梦寐以求的分析、计算，在今天很简单就能实现。很多小的分析加起来就成为一个大的价值，背后还是计算成本的根本性下降。
对于大数据，大家通常会想到“3V”，即Volume（数量）、Velocity（速度）、Variety（种类），但是大数据在数量上并没有绝对的标准，它只是相对于处理能力而言，若干年前，英国最好的大型处理计算机所能计算的数据量只相当于今天一部苹果手机的一半。大数据对速度的实时性要求更高一些，过去很多数据都是先储存下来然后再导进数据库，但今天对于数据的实时抓取和分析能力提升了很多。对于种类来说，如今各种非结构化数据已经出现了。其实以前这些数据不是没有，但若干年前我们对于声音、图象等数据是没有分析手段的，即便拿到了也没有办法分析。
2015年2月11日，波士顿咨询公司（BCG）发布最新报告《互联网金融生态系统2020系列报告之大数据篇：回归“价值”本源：金融机构如何驾驭大数据》。报告认为，成就大数据的并不是传统定义的“3V”，更重要的是第四个“V”，即Value（价值）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式变革时，大数据才真正诞生。
大数据的商业价值
谷歌当年就用数据来预测流感，这是非常有意义的事情。某基金管理公司在引入大数据的分析和技术之后，各部门都在用数据说话，然后再做决策，一改过去靠领导拍脑袋做决定的状况。
金融行业是一个数据强度很高的行业，每产生100万美元的收入，会沉淀下820GB的数据。金融行业天然有它的数据属性。比如在零售银行里面，个性化的定价、客户细分、预见客户流失等方面，都会用到大数据。招商银行就正在用大数据对客户流失进行预警。另外在风险控制领域，大数据的应用也非常多。过去的风控需要很多人为的干预在里面，成本非常高。今天，大数据技术让大家能更及时、更快速、更低成本地发现风险。对于运营的优化，大数据也发挥出很大的作用。比如有些银行通过大数据的分析，很清楚分布在各处的ATM机对现金的需求量，从而很精准地投放网点资源，减少浪费。同时很合理地安排运钞车和放钞频率，降低成本。
保险行业也是数据强度非常高的行业。保险行业的产品开发、营销销售、报单管理、理赔、资产管理等关键环节都有很多大数据的应用。比如医疗保险，通过大数据分析就会发现，20%的大病赔付事件占据了赔付金额的80%，如果能及早发现这20%的案例，并及早干预的话，就不会演化到后面的巨额赔付，就能够大幅度降低赔付金额。比如让客户提早彻底治疗，一定要足够休息等。
美国Axciom公司收集了全球电梯运营商的数据，然后提供给银行，银行据此做出准确的决策判断。Axciom在收集数据的时候，首先注意到世界上的电梯运营商主要集中在日本和德国;其次电梯运营数据的主体非常简单，就是在哪栋写字楼哪家公司停了多久，是不是正常运营;再用这些数据去匹配黄页，通过黄页可以查到哪家公司在某栋写字楼。Axciom把这两项数据匹配起来之后，得出一个很简单的事实：一部电梯在一家公司每天停靠的次数。持续观察这些数据后，会知道电梯发生异动的情况，如果在正常范围值上下波动20%是很正常的，但是如果忽然减少了一半，或者忽然增加了一倍，这背后就有原因。Axciom不做任何的判断，只是告诉银行，你的某个客户电梯停靠次数发生异动。银行拿它去提示客户经理，要去拜访一下这家公司是否出了问题。在这点上，银行想知道贷款是否安全，债主是否逃跑了。Axciom这样的创新让银行的贷后检查变得更加有针对性，而且也更加的及时。
国内应用大数据的案例并不多，有种“雷声大雨点小”的感觉。比如国内金融机构的数据其实是非常多的，但是这些数据往往散落在各个部门，是一种比较割裂的状态。如何真正能够跨部门协作把这些数据整合起来，是很多国内金融机构面临的一大难题。这也是造成大家感觉大数据很热，现实却比较单薄的原因。
报告作者之一、BCG大中华区董事经理张越女士认为，大数据并不仅仅是一个技术问题，它更多的是一个商业问题、管理问题。所以大数据要求金融机构重新审视自己的基础设施和自身所处的环境。“对金融机构而言，及早出发，积极、理性地试水投入，让整个机构能够够借助大数据来尽快实现自我提升，这是将数据持续转化为生产力乃至竞争优势的必由之路。”
从数据到价值的掣肘
简单来讲，从数据到价值需要经历四个层次。各种不同的数据在第一个层次里会用各种硬件和软件的方式进行收集和存储，这是最基础的层面。数据被实时和非实时地清理、加工，并被归档存储为有效信息以后供后续分析处理;第二个层次很关键，要对收集的数据进行去噪和增强处理，完成关系型信息和非关系型信息相对整合;第三个层次属提升层次，是知识发现层。以人工智能和数据挖掘技术来分解、提炼信息，找出有价值的信息点，完成从信息到知识的转化;第四个层次就是蜕变层，是智慧汲取层。借助可视化工具，将经验、判断与知识相融合，使数据升华为智慧，开始指导商业价值的创造。 从数据到嵌入式商业模式的变革一共有七步，即数据收集、许可和信任、储存和处理技术、数据科学、协调、行动洞察力、嵌入式变革。在这七个步骤中，最难的是许可和信任以及协调。很多金融机构都很担心所拥有的数据能用吗？如果客户投诉怎么办？如果监管不同意怎么办？协调也是很难的，比如说数据的整合，技术部门和业务部门的对接问题。业务部门总觉得技术部门作为不足，而技术部门也往往不知道要解决什么问题。实际这是一个沟通协作的问题。
对于金融机构来说，如何驾驭大数据，把数据引到价值层面？报告作者之一、BCG合伙人兼董事总经理何大勇先生认为有三个关键点：第一个关键点是“人”。即使在数据、技术等满天飞的时代，人还是创造价值的主体。其在大数据时代，数据科学家是复合型人才，既要懂得业务的需求，又要能够处理数据，要知道在技术层面上到底应该发生什么。这样的复合型人才是挖掘大数据能力非常关键的群体。所以吸纳善于“跨界”的复合型人才，构建复合型团队就成为金融机构的关键所在。
第二个关键点是高效的行动。大数据在现实应用中，给大家的启示是大数据本身不意味着大价值。很多时候大数据带来的发现是一个小机会，单个来看，它可能并不值得投入巨大的精力。但今天正因为有了低成本的手段，所以可以将大量的小机会聚沙成塔，产生大的价值。高效行动是很多金融机构面临的一大挑战。可以引入试错机制，试十次成功的机率和试一百次成功的机率结果是不一样的。而且更关键的是，如果试对了一回，是不是能够强烈地去推广，这也是很多金融机构面临的困惑。
第三个关键点是构筑优势。其根本就是转变思维。很多人会认为，大数据能解决很多我们以前一股脑不能解决的问题，大数据浮现出来的价值似乎是自动的。但实际上，大数据转化成价值的时候，很多管理性的问题同样是需要解决的。思维转变意味着一场异常深刻的变革，而这样的变革势必触碰到体制层面。
大数据的本质是管理
每家公司都需要了解自己的客户，大数据究竟能带来什么？如何让大数据的商业价值最大化？比如银行的交叉销售，以前大家最希望系统能够告诉营销人员下一步该推荐什么产品，很多银行采取的做法是总行说了算，总行说现在要推信用卡，下边的营销人员就去推信用卡;总行说现在要推现金管理，下边营销人员就去推现金管理。很多时候，这样做的成功率是有限的，因为这是从一个面去推。而在大数据的分析之下，银行会更精准的发现，向那些跟银行有过信贷关系的老客户推荐现金管理的成功率会更高。客户经理就不用挨家挨户去推现金管理产品了。这样做交叉销售的成功率会提高很多。
有一个典型的例子，一位先生搬家到澳大利亚，连续两年定期收到一家保险公司的短信，推销他们的寿险产品。但是这位先生当时根本就没有购买的意愿和需求，这无疑是一个非常无效的营销。后来，保险公司通过大数据分析发现，在一个家庭有孩子的前后一两年，出于保护家庭的原因，对寿险产品的需求会强很多。而从信用卡交易的数据去找出到底哪些家庭打算要孩子或者刚刚有了孩子是很容易的，因为这些家庭购买的东西不一样。保险公司针对这些家庭做精准营销，在很短的时间内，交叉销售成功率就提高了30%。
再比如，很多公司都想了解当一个有价值的客户要丢失了该怎么办？有一家银行做了大数据分析，结果发现在整个能带来贡献值的客户里，在一个特定价值区域里面，这批客户是最容易动摇的。因为这个范围并不是很大，所以很容易能把这些客户筛出来。大数据还分析出怎样让稳定这些客户。当一个客户的朋友圈用的都是一家银行的时候，就会稳定得多。所以这家银行当时做了一个减少客户流失的举措，就是营销客户的朋友圈，让客户更多的朋友都用自己的服务，而不是到处给客户送礼物，强留客户。
还有一家银行想把客户往电子渠道上赶，不让他们去网点，传统的做法是对所有的客户都去宣传，只要用网银、手机银行，就送礼物。大数据分析帮他们发现，其实有66%的客户是非常愿意转移的，这些客户有非常明显的消费特征，比如他们经常网购，已经在线上做各种各样的订阅、查询。有了这样的数据分析，银行就可以少投入很多资源去做推广。
“大数据是一个技术手段和可能性，最终还是要解决商业问题。技术和数据本身，只要你需要，总是能够把它做好，即便自己做不了，也可以找第三方来做。但是大数据的本质是管理理念问题，让我们能更好地把事情做下去，而不再是拍脑袋或者是凭着经验。”张越女士说。