本文从一则搞笑的大数据应用案例入手:某超市通过分析一位女顾客的购物数据(包括购物清单,浏览物品,咨询信息,视频监控信息<超市内徘徊区域>等),根据分析结果给该女顾客寄来了孕婴童试用品,这一举动让该女顾客的父亲非常生气,立马致电该超市投诉,因为她女儿还未成年。超市经理立马登门拜访道歉,不过事实是,不久后这位小女孩因遮盖不住隆起的腹部而不得不向父亲告知真相:她真的怀孕了。对于企业而言,大数据有时候就像是一个侦探家,能够拨开重重迷雾,找到问题的本质以及解决方案,而关键在于,你是否真的懂得如何去驾驭它,让它为你服务。 在经历了喊口号、布局深耕之后,大数据应用开始显现出巨大的商业价值,触角已延伸到零售、金融、教育、医疗、体育、制造、影视、政府等各行各业。 “用户画像”直击零售商需求 在如此激烈而又庞大的市场中,电商们迫切想知道的想必就是用户需求。当这个用户登陆网站的瞬间,就能猜出来这个用户今天为何而来,然后从电商的商品库里面把合适的商品找出来并推荐给他,进而展现出符合客户需求的产品都有哪几款。这种服务是消费者想要的,但是谁能帮助电商们做到呢? 随着互联网和电子商务的快速发展,“用户画像”这个概念悄然而生,它抽象地描述了一个用户的信息全貌,是进行个性化推荐、精准营销、广告投放等应用的基础。 如某电子商务平台通过客户的网络浏览记录(点击、链接等)和购买记录等掌握客户的消费模式,从而分析并分类客户的消费相关特性如收入、家庭特征、购买习惯等,最终掌握客户特征,并基于这些特征判断其可能关注的产品与服务,从消费者进入网站开始,在列表页、单品页、购物车页等四个页面,部署了5种应用不同算法的推荐栏为其推荐感兴趣的商品,从提高商品曝光,促进交叉/向上销售两个角度对网站进行全面的优化,应用后商城提升下定订单转化率增长66.7%、下定商品转化率增长18%、推荐栏上线前后动销量增长46%。将消除个人信息后的数据魔方卖给商家,方便商家调整产品投放策略,提升服务,精准挽留客户,进而提高客户黏性。 还有,在互联网冲击下,大部分传统零售商必须要做改变,大数据下的用户思维便成为符合其需求的一种互联网思维方式和实际体验。那何为大数据体系下的用户思维呢?其实就是以“用户画像”最为核心和基础,通过线上、线下,交易、交互等各种结构化和非结构化的数据,让用户更加完整的展现在企业面前,该用户是谁?她在哪里?怎么联系到她?她需要什么产品?她通过哪些渠道购买?她的购买习惯是怎样的???,在完整的用户画像面前,零售企业相对于面对“裸泳”的用户,用户需要什么,怎么获取,怎么营销一目了然。未来的经济将越来越是一个消费者体验式经济,谁能在精准刻画消费者画像的同时提升消费者体验,谁就将引领并占有市场。 客户价值最大化破冰传统金融业 在大数据时代,越来越多的企业管理者已意识到了业务分析的重要性。业务分析洞察已经成为了企业转型的有利抓手。当然,银行也不例外,从以产品为中心,也就是销售产品和服务转向现在以客户为中心,更像零售业和制造商。对于以客户为中心的企业,最重要的一点是了解到客户到底是谁,以及客户到底有怎样的需求。 当下,银行业都在大力投入资金做着以下三件事:一是建立客户的单一视窗,将以前不同银行部门所了解的客户情况集成在一起;二是按照用户行为对用户进行分类,将之前按照地理区域、年龄、收入分类改为按照用户行为来对用户进行分类;三是为客户提供质量一致的客户体验,不管用户通过银行网点、移动设备还是社交媒体等渠道来使用银行服务,都要为客户提供质量一致的体验。 随着互联网,特别是移动互联网的不断发展,互联网金融也在给传统金融业带来不小的冲击,不过,互联网金融是否会对银行等传统机构构成威胁仍无法得出定论。但是,这并不表示银行业可以忽视这股冲击的浪潮,在这个大数据不断壮大的时代,传统金融业如何利用大数据来不断创新与变革,如何借助大数据降低金融风险,提升客户体验,进而挖掘客户价值最大化是每个企业都应该深入思考的问题。 如某金融全牌照集团公司希望学习美国花旗集团对已有客户价值挖掘最大化的经验,对现有保险客户进行深度分析,通过对已有客户的大数据分析及问卷调查来细分人群、刻画人群需求特征,从而制定针对不同客户群体的集保险、银行、投资、证券、资产管理、信托等一揽子综合金融产品策略,为客户提供一站式财务金融解决方案,以期得到每个客户最大价值。 在选用大数据解决方案后,通过分析已有保险客户数据及外部调研问卷,将人群细分为统计学上显著区别的人群;根据群体规模、年龄、性别、教育水平、家庭特征、现阶段的收入、消费、理财等行为模式以及他们所处的生命与财富阶段,精准分析群体的需求动因后制定有针对性的产品策略及营销策略。 面对来势汹汹的互联网企业,传统金融业们也在加快步伐,但还是没有互联网企业动作快。目前,互联网金融业正从单纯的支付业务向转账汇款、跨境结算、小额信贷、现金管理、资产管理、供应链金融、基金和保险代销、信用卡还款等传统银行业务领域渗透。除了存款,银行的主要业务几乎已遇到全面挑战。互联网金融正在叫板传统金融,传统金融业又该何去何从?值得思考。 精准营销加速互联网金融冲刺 在国外,大数据金融领域的应用相对成熟,我们先来回顾一下在美国做得非常典型的大数据金融的三大案例。 人们习惯性地认为,只有银行才能建立信用体系,然而在大数据时代,互联网公司运用大数据控制信贷风险已初露端倪。 在进行数据处理之前,对业务的理解、对数据的理解非常重要,这决定了要选取哪些数据源进行数据挖掘,而且越来越多的互联网在线动态大数据被添加进来。例如一个虚假的借款申请人信息就可以通过分析网络行为痕迹被识别出来,一个真实的互联网用户总会在网络上留下蛛丝马迹。对征信有用的数据的时效性也非常关键,通常被征信行业公认的有效的动态数据通常是从现在开始倒推24个月的数据。?通过多渠道获得的数据来源,利用数学运算和统计学的模型进行分析,从而评估出借款者的信用风险,典型的企业是美国的ZestFinance。这家企业的大部分员工是数据科学家,他们并不特别地依赖于信用担保行业,用大数据分析进行风险控制是ZestFinance的核心技术。他们的原始数据来源非常广泛。犓堑氖莨こУ暮诵募际鹾突苁撬强⒌?0个基于学习机器的分析模型,对每位信贷申请人的超过1万条原始信息数据进行分析,并得出超过7万个可对其行为做出测量的指标,而这一过程在5秒钟内就能全部完成。事实上,在美国,征信公司或者大数据挖掘公司的产品不仅用于提供给相关企业用于降低金融信贷行业的风险,同时也用于帮助做决策判断和市场营销,还有,利用社交网站的大数据进行网络借贷的典型是美国的Lending Club。Lending club于2007年5月24日在facebook上开张,通过在上面镶嵌的一款应用搭建借贷双方平台。利用社交网络关系数据和朋友之间的相互信任聚合人气。借款人被分为若干信用等级,但是却不必公布自己的信用历史。?还有犚患以诿拦仙碳姨峁┙鹑谛糯竦墓綤abbage,于2010年4月上线,主要目标客户是ebay、Amazon、PayPal等电商。它的奇特之处在于,其通过获取ebay等公司的网店店主的销售、信用记录、顾客流量、评论、商品价格和存货等信息,以及他们在Facebook和Twitter上与客户的互动信息,借助数据挖掘技术,把这些店主分成不同的风险等级,以此来确定提供贷款金额数量与贷款利率水平,风险过高则拒绝,风险高低与利率成正比,与贷款金额成反比。 显然,若以银行体系来评价这类网上商家大多数都不符合银行的贷款资格,不过在互联网时代,Kabbage的案例说明了运用大量数据足以支撑这些小微企业信用评价体系。当然,Kabbage的这种模式也在国内被成功运用,其中,宜信的互联网金融产品就是以互联网为获客主要渠道,除了借贷信用记录,还结合大数据分析技术,捕捉来自大众点评、豆瓣等社交网络上的有用信息,帮助信用审核人员多维度分析借款客户的信用状况。 大数据对于互联网金融的助推作用首要体现在寻找合适的目标用户,实现精准营销。互联网金融领域的新创企业或做贷款,或卖产品,凭借高额收益率,手续费优惠,吸引用户选择自己。然而,在越来越多同类企业吹响混战号角的同时,互联网金融企业也不得不面对来自同行业的竞争。欲在竞争激烈的市场中占有一席之地,互联网金融企业需要更精准地定位产品,并推送给自己的目标人群。谁是潜在的购买者?如何找到他们?并让他们产生兴趣?精准营销的实现程度是互联网金融企业存活与崛起的关键所在,这个领域虽然未达到成熟的发展状态,但确实已经有了一些有参考价值的营销案例。如: 大数据通过动态定向技术查看互联网用户近期浏览过的理财网站,搜索过的关键词,通过浏览数据建立用户模型,进行产品实时推荐的优化投放,直击用户所需。 其次就是风控。通过分析大量的网络交易及行为数据,可对用户进行信用评估,这些信用评估可以帮助互联网金融企业对用户的还款意愿及还款能力做出结论,继而为用户提供快速授信及现金分期服务。 事实上一个人或一个群体的信用好坏取决于诸多变量,如收入、资产、个性、习惯等,且呈动态变化状态。可以说数据在个人信用体系中体现为芝麻信用,它便于解决陌生人之间以及商业交易场景中最基本的身份可信性问题,以及帮助互联网金融产品和服务的提供者识别风险与危机。这些数据广泛来源于网上银行,电商网站,社交网络,招聘网,婚介网,公积金社保网站,交通运输网站,搜索引擎,最终聚合形成个人身份认证,工作及教育背景认证,软信息(包括消费习惯,兴趣爱好,影响力,社交网络)等维度的信息。 对于P2P网贷行业而言,能否利用互联网技术有效地搜集用户信息,并对用户的信用信息进行判定和管理,成为考量一家P2P网贷平台风控水平的重要标准。严密的风控手段是保证平台出借人的资金安全的重要环节,在风控技术手段创新探索方面,宜信宜人贷作为行业技术创新的代表,显然走得更快人一步。其已通过精确的风险建模,实现了对用户资质的高效审批,为用户提供更便捷的体验。它是基于对自身平台数万名借款用户的了解,同时借鉴宜信八年累积的对于用户的了解,从地域、年龄段、职业、等多维度对借款用户进行了划分,通过精确的风险模型建立,宜信宜人贷建立了一套独有的,行之有效的信用评估系统,通过对用户信息的多维度考察,能够快速对用户的信用资质进行评定,从而极大地提升服务效率。 P2P小额信贷机构如何使用个人及机构的外部数据建立自己的征信系统,在极其有限的客户实质接触基础上仅凭问卷数据、自有数据库等对不同客户进行信用评估,并结合内部业务数据建立风险定价系统、风险预警系统、风险管控方案、应对欺诈规则、惩罚方案等一系列影响核心业务盈利能力的系统方案是机构盈利模式的核心。采用大数据解决方案后,通过自建、购买、客户授权后合作分享等多种方式整合包括互联网社交网络数据在内的多种数据、建立个人及机构消费、借贷、财务交易、资金往来等多源信用数据库,在此基础上建立符合自身业务范围的客制化信用评估模型,根据此模型评估借、贷款双方的信用等级。通过建模确立如何匹配借贷双方,与具体业务相应的风险评级、授权等级、额度发放等级以及与此相应的风险价格等,并通过已有拖欠、欺诈案例反馈回模型进行机器识别,进一步完善模型。 |