大資料産業發展進入了高速發展的快車道之後，很多企業經意識到了資料價值，不斷加大資料領域的投資。特别是金融行業，在大資料領域的商業應用已經走到了其他行業的前面。
金融行業具有資訊化程度高，資料品質好，資料次元全，資料場景多的特點，是以大資料應用的成熟度較高，資料應用也取得了較好的成績。特别是一些股份制商業銀行的信用卡中心、領先的保險、證券企業，大資料應用已經取得的成效，得到了行業的認可。
在全世界大資料領域投資中，90%的投資都投向了資料清洗、資料整合，資料計算和存儲，資料分析和應用方面僅占投資的10%，外部資料價值應用更是少的可憐，中國市場資料交易的總額還不到10億人民币，資料交易和資料産品處于一個初級階段。
金融企業在大資料場景落地方面遇到很多的困難，内心對大資料商業應用非常渴望，但在實際資料應用過程中，面臨着很多問題，資料對企業的發展影響很小。渴望找到一條有效的道路，幫助金融企業實作大資料場景落地。
大資料應用和場景落地在領先的金融企業也曆經了若幹年，經曆了很多挫折之後才找到了一條有效的道路。對這些成功實施大資料場景落地的企業進行調研之後，總結了他們共有的一些經驗。這些經驗可以幫助金融企業，找到一條有效的捷徑，避免踩更多的坑。
一般來講，大資料在金融企業實作場景落地分為五步，分别是專業化團隊、業務和資料梳理、外部咨詢和工具的引入、業務場景的資料變現、高層彙報和支援。
一、建立專業資料應用團隊
理想情況，企業的任何一個部門都需要資料分析和應用，需要資料分析人才幫助企業進行資料決策。中國企業剛剛走完資訊化之路，資料型營運的企業不多，每個部門建立自己的資料分析團隊是不現實的。并且資料分析和應用具有較高的技術門檻，市場上缺少足夠的人才，企業還是要建立獨立的資料應用團隊，來提升資料應用能力。
金融企業資料意識和資料思維還在發展之中，業務人員可以通過項目來參與資料應用，缺少業務人員參與的資料項目，會離商業應用較遠，也很難得到業務部門的支援。
科技人員和資料人員在資料應用中的視角同業務人員不同，科技人員更加關注技術架構，處理效率，以及可擴充性;資料人員關注資料品質、資料緯度、資料的實時性;業務人員關注的是業務場景，商業價值，收入和成本。這些關注點對于資料應用項目都是必需的，需要互相平衡。大資料應用建議采用項目組的形式更加有效，特别是尋找資料應用場景和實作資料變現方面。
獨立的資料應用團隊可以建立在業務部門内部，也可以建立在科技部門内部，從效率和推動力方面，建立在科技部門内部的資料分析團隊，項目執行效率會更高。國外金融企業資料部門大多數也是屬于技術部門的一個分支，并且服務于所有業務部門。
一般情況下，金融企業的科技人員應該在5%以上，其中從事資料分析和應用的人員應該不少于科技人員的10%。美國領先的投資銀行高盛銀行，員工在3萬人左右，其從事科技的人員達到了9000人，占其員工總數的三分之一。高盛的董事長經常開玩笑說，高盛更像一家科技公司。國内領先的工商銀行員工接近40萬，但是科技人員不到3萬人，從事資料分析和應用的人才更是少于幾百人，而阿裡巴巴集團員工3萬多人，從事資料挖掘和分析的科學家超過了1000人。
二、梳理資料和業務需求
大資料價值應用是建立在資訊化基礎之上的，金融企業大部分都已經完成了資訊化。客戶服務、業務處理、背景操作的各個環節都實作了資訊化和資料化。金融企業内部擁有海量、多元度、高品質的資料，過去這些資料主要用于金融企業的财務分析、營運分析、風險管理。在客戶洞察、業務支援、營銷推廣、精細營運等方面應用較少。
大資料在金融企業的應用切入點可以從業務的需求和痛點開始，也可以從資料的整理和統計入手。一般建議從業務的需求和痛點開始，将戰略目标和業務目标進行分解。分解後的目标再次映射到具體到營運和營銷活動之中，最後将營銷和營運活動落實到資料分析需求之上。簡單的講就是講業務目标分解到具體工作，将具體工作分解到資料分析需求，利用資料分析結果來支撐營運和營銷活動。
金融企業到業務目标一般可以分為資産規模、産品收入、使用者規模、交易費用等四個方面。資産規模可以分解到産品銷售、有效客戶、單個客戶價值等幾個方面;産品收入可以分解為客戶規模、客戶活躍、單客價值、持有時間、産品種類等幾個方面;使用者規模可以分解為使用者總數、活躍客戶、休眠客戶、新增客戶、流失客戶等幾個方面;交易費用可以分解為活躍客戶、單客價值、交易頻率、交易間隔、交易産品等幾個方面。
金融企業可以利用資料分析來了解企業在各個方面的營運表現包括客戶分布、客戶價值、客戶活躍、産品銷售、交易頻率、客戶流失、客戶休眠等資料，利用資料分析的結果進行決策。例如增加20%的高價值客戶比例，增加客戶活躍度，增加熱銷産品比例，實施高淨值客戶挽留，提升客戶交易頻率，激活休眠客戶，增加目标客戶，縮短購買間隔時間等。一切的營銷活動将參考資料分析的結果，包括客戶的行為資料和客戶的交易資料，以及産品銷售資料和客戶體驗資料等。這種資料變現的思路是将可以目标分析成使用者經營行動，利用海量行為和交易資料來實作使用者經營。
另外一種資料應用途徑是整理海量資料，進行統計分析和資料挖掘，從資料分析和挖掘的結果來找到資料應用的場景，進而推動業務發展。這條路比較苦，适合資訊化程度高，具有大資料治理和分析能力的成熟金融企業。從資料分析入手來尋找資料應用場景，會陷入技術怪圈，容易追求全量資料分析，全次元資料引入，追求完美技術架構，完美資料應用工具的怪圈。國内某著名四大國有銀行中的一個，在更新改造新核心系統和大資料應用過程中，耗用了幾千人，投入了幾百個億，花費了五六年，現在還在不斷投入中。企業累、員工累、廠商累，大家都傷不起呀。
大資料應用過程中，資料治理、多資料源整合是一個髒活累活。美國大資料企業90%的資源都投入在資料采集、清洗、處理、整合等方面，隻有10%的投資使用者資料的分析和應用。多資料源的整合和處理是行業的一個難題，哪個大資料企業能夠在這個方面取得突破，這個大資料企業就會取得市場領先優勢。
三、引入外部工具和咨詢
大資料是一個實實在在技術驅動的産業，金融行業具有資料和應用場景，但是金融行業不具備大資料平台和工具的開發能力。特别是非結構化資料的采集、處理和分析能力。
術業有專攻，科技企業的優勢在于技術的專研，特别是多資料源的處理和整合。金融企業内部的資料品質較好，以結構化資料為主，内部已有的資料倉庫和bi系統基本上可以滿足需要。一般情況下在資料量低于20t，使用者數量低于50萬時，傳統的資料倉庫和分析工具可以滿足資料分析需要。如果需要處理的資料超過了20t，使用者數量超過50萬，傳統資料平台的投資會高于幾千萬，投入資金巨大，未來維護成本也很高。這種情況建議金融企業利用大資料平台來處理。在這個量級以上大資料平台處理效率比傳統的資料倉庫要高很多，總的投資費用和維護費用也要低的很多。
金融企業希望像網際網路企業一樣，通過采集非結構化行為資料來了解客戶行為，提高客戶體驗，優化交易流程，提高客戶活躍程度。非結構化資料采集和處理過程中，需要面對非常複雜的情況，例如客戶使用裝置類型、作業系統、采集的資料類型、非結構化資料etl處理、資料采集和分析、資料模組化和計算等。這些工作具有較高的技術門檻，大資料公司投入了巨大的研發資源，經過幾年的發展，踩了無數個坑，疊代了很多次之後，才找到了一條比較靠譜的技術路線和處理架構。
金融企業在大資料技術研發方面不具有優勢，不能夠像網際網路公司一樣，擁有強大的基礎技術研發應用團隊。金融行業科技部門的優勢是對金融業務的了解和資料環境的了解，資料治理和業務系統，不是大資料技術研發和應用。
中國大型國有銀行擁有上萬名技術開發員工，其技術優勢是對銀行核心業務系統的了解和應用，但對于基礎軟體例如資料庫和中間件，大資料采集、存儲、處理平台不具備研發能力。國有五大行一直在研發自己的非結構化資料采集處理分析平台，投入巨大，幾年下來沒有任何結果，沒到達到應用水準。反而證券公司和股份制商業銀行采用市場上成熟的大資料解決方案，上線了一些非機構化資料采集統計分析平台，2013年就開始商用了，在使用者行為洞察和應用上取得了一些成果。
如果金融企業想擁抱移動網際網路，洞察客戶，提升app體驗，利用資料分析和資料營運來創造價值，建議引入網際網路人才和外部資料營運咨詢服務。可以幫助金融企業短時間内完成資料治理，競品分析，體驗提升，資料分析，數字化營運甚至營運資料等工作。資料營運咨詢可以快速提升金融企業的移動網際網路營運能力，提高使用者活躍覆寫率和活躍程度，并幫助金融企業從移動網際網路獲得大量客戶和業務。
在資料工具和資料咨詢方面，哪些金融企業引入的早，哪些企業就會取得業務上的領先。移動網際網路是開放的，沒有圍牆。移動網際網路的使用者資源有限，使用者需求有限，就看哪一家金融企業可以更早提升移動網際網路營運能力，更早一些赢得客戶，赢得市場。
四、尋找資料應用場景和實時分析業務營運情況
數字化思維是資料場景應用的基礎，數字思維會提升企業的資料商業敏感度，幫助企業從資料中發現價值，也可以引導企業選擇正确的數字化商業程序。客觀地說，數字化商業程序未來是所有企業必須經曆的階段，也是企業發展的未來。
數字化商業是逐漸進化的過程，不能一促即成，需要不斷的進行嘗試，可能也需要不斷試錯。這個過程既不能空想一天建成，投入巨大财力和人力，進行大規模建設。像某個大型國有銀行，投入百億資金，投入幾千人，兩年未有結果。也不能像另外的企業，裹布不前，不斷調研，一年下來沒有任何變化。就像馬雲說的，這是個搶錢的時代，當你還在想商業模式時，别人已經跑馬圈地，走在了時代的前沿，剩下的隻有後悔和遺憾了。
平安集團就是金融行業的阿裡，這幾年已經走在了大多數金融企業的前面，其集團内部從事資料分析和挖掘的員工就有幾百人，領先于其他的金融企業，資料場景應用其實并不複雜，業務需求同資料相結合，資料應用場景即刻就會呈現。國外同行的案例告訴我們，資料場景的應用往往建立在資料分析和業務分析之上。從商業應用場景出發，很容易找到資料應用場景。例如花旗銀行信用卡直接利用乘客頭等艙乘坐記錄來給客戶寄送白金卡;某銀行利用物業費繳費情況，直接找到高端财富人群;某保險公司利用社交傳播，直接吸引了高端保險客戶;某網際網路金融公司利用外部資料，提高了30%左右惡意欺詐使用者識别率;手機短信可以揭示客戶收入水準等，這些都是很典型的資料應用場景。
資料場景應用來源于業務人員對資料的商業敏感度，同時也來源于資料分析人員對業務場景對了解，另外對外部資料應用案例和外部資料源的了解，也會幫助企業提高資料場景應用能力。資料的流通、資料案例的分享、資料場景的交流、同行人員的頭腦風暴都會幫助企業找到資料應用場景。
資料場景應用可以從兩個緯度進行，一個是從企業的痛點和業務需求入手，尋找相關資料，進行資料彙聚整理和分析，找到資料應用場景。另外一個緯度是從資料彙聚和整理出發，通過資料分析來了解業務營運環境和使用者特點，圍繞使用者進行資料營銷和業務營運，提升單個客戶收入價值和客戶規模，以及客戶活躍程度。
業務營運資料的實時展示也是金融客戶的一個需求。過去資料實時展示主要應用于資料中心網絡和系統的運作監控，現在業務管理人員需要及時了解業務名額營運情況，便于及時調整産品營銷政策。業務營運名額實時展示的基礎，是可以實時處理業務資料和行為資料的大資料管理平台，其可以幫助金融企業實時進行資料處理和分析，通過大屏的方式展現給客戶，幫助企業實時了解客戶交易行為和交易資料，以及分析結果，幫助企業進行決策。另外企業可以借助于大資料管理平台(dmp)進行資料分析和挖掘，洞察客戶群體，經營客戶，實時進行資料營銷，完成資料場景變現。
五、同上司進行彙報得到支援
任何一件事情，臨門一腳都是非常重要的。中國一句古話，編筐編簍全在收口，大資料應用也是如此。資料在項目和企業的價值必須讓企業的決策者了解，這樣才能得到管理者的支援，得到更多的資源，持續利用資料創造價值。
金融企業的決策者不關心實施細節，但是關心業務邏輯和業務效果，是以在進行高層彙報時，建議從商業邏輯角度出發，從商業價值角度出發進行彙報。千萬不要糾結在技術邏輯和技術架構。彙報采用方式多以對比法為主，分析沒有資料支援下的業務決策以及效果;強調在資料分析和支援的情況下，業務效果的不同。如果資料分析和資料應用還沒有取得效果，建議晚一些彙報。
彙報也可以采用趨勢分析法告訴管理者，過去發生了什麼，為什麼發生，需要提高的方面。在資料分析和決策之後，未來将會發生什麼，會有哪些提高。另外切記不要彙報上司已經知道的資料和結果，需要彙報過去隐藏在資料分析背後的結果。例如單個資産擁有最多的客戶，客戶交易特點和習慣，客戶年齡分布，不同年齡客戶的資産情況，開戶來源管道，客戶活躍時段，客戶點選偏好，客戶體驗等過去沒有分析多的資料。
大資料持續在金融企業進行場景落地，需要不斷尋找資料應用場景，同時也需要不斷進行高層彙報，讓管理層了解資料價值，得到相應的支援。管理層更加了解企業未來的戰略和市場，其給出的業務建議更加簡單有效，更能夠展現資料營運價值。
總之，金融企業可以借助于五步法實作大資料在金融企業的場景化落地，術業有專攻，專業的人做專業的事，金融企業專注于業務和使用者，大資料企業專注于資料處理和工具，大家分工不同，但是目的相同，就是利用資料了解企業營運環境，數字化營運業務，利用資料分析來提升業務，未來從資料營運走向營運資料。
本文轉自d1net（轉載）