如何利用数据@@迅速产生价值@@？看这五@@点就够了@@

 

　　因此当下@@，大数据@@尤其重要@@，而且运用大数据@@战略实践的关键问题不是数据@@规模或高精尖技术@@，而是如何利用数据@@迅速产生价值@@@@，如何用数据@@改变企业的经营管理方式@@。企业越早从数据@@中洞察事实@@，并据此快速做出行动越早受益@@。

 

　　最近跟一@@家著名互联网@@企业的首席架构师讨论起了数据@@的话题@@，得知其正为数据@@迅速膨胀却无法很快产生价值而发愁@@。我开玩笑说@@：“您这是饱汉子不知道饿汉子饥@@，我们想数据@@都想疯了@@”。其回复@@：“这些数据@@消耗的资源@@实在太庞大了@@！若不能产生价值@@，很难维持这样的运作模式@@”。十分认同这个观点@@@@，回顾一@@年来实施公司大数据@@战略中的实践@@，关键问题的确不是数据@@的大小@@，而是如何利用数据@@迅速产生价值@@@@。

 

 

　　大多数传统企业习惯于依靠经验凭直觉分析经营管理中的具体问题@@，提出相关解决思路并安排改进措施@@，然后再重复这个循环@@。这种工作方法在过去也曾经十分有效@@，特别是在企业问题比较明显的情况下@@，能够快速反应做出调整并取得成效@@。这种企业的经营管理方式类似骑自行车@@，凭经验直觉就可以安全地前进了@@。

 

　　信息化时代市场竞争进一@@步加剧@@，企业的运作越来越复杂@@，充满了各种风险和不确定性@@，企业核心能力的主要差异越来越体现在各个细节之中@@。企业需要快速且安全的发展@@，其经营管理犹如驾驶汽车@@，没有仪表盘肯定无法做到安全高速的行驶@@。互联网@@时代下@@，数据@@收集更为方便@@，数据@@更能够反映企业的具体运营细节状况@@，相当于可以建立企业经营的驾驶仪表盘@@。

 

　　若仍依靠定性和数据@@统计简单分析@@，凭经验大致判断问题形成改进方案的做法@@，没有客观的评价基准@@，无法准确判断问题程度和改进效果@@，不能让参与各方形成统一@@的共识@@，难以在现代@@市场竞争中取得优势地位@@。必须引入量化分析管理的方法@@，通过数据@@从具体细节中发现衡量问题@@，协同各方实施有针对性的优化措施@@。

 

　　用数据@@建模的方式自动识别问题并采取行动@@，可以更好地为企业经营管理服务@@。类似汽车辅助自动驾驶功能@@，汽车里的电脑根据驾驶者的要求@@，对汽车各种传感器收集上来的自身及周边各项数据@@进行模型计算@@，确定汽车相应的方向和速度@@，保证车辆高效安全的行驶@@。未来金融企业经营更像驾驶喷气式飞机@@，没有基于数据@@建模的辅助驾驶系统帮助@@，肯定无法航行@@。

 

　　未来的金融竞争一@@定会比拼数据@@建模能力@@，若不尽快在精准营销@@、风险识别@@、产品个性化定价等方面开展数据@@建模实践@@，就很难形成相应的核心竞争力@@。

 

　　传统企业中基于经验习惯的工作方法已经运作了很长时间@@，让其改变为基于量化分析和数据@@建模的工作方法会十分困难@@。这就要求企业最高决策领导提出硬性要求@@，将数据@@应用作为关键工作部署下去@@，并在企业各部门的年度考核目标中增加相应的指标@@，逐渐形成使用数据@@的经营管理文化@@。

 

 

　　企业为迎接数据@@时代的到来@@，需要建立一@@支数据@@分析队伍@@，并设置独立的部门@@。他们的职责任务就是用数据@@帮助寻找和解决企业经营管理中存在的问题@@，提升企业的核心竞争能力@@。数据@@分析人员@@不同于@@IT人员@@，他们更多@@需要具有科学抽象思维能力@@，而非工程思维能力@@。部门建设初期可以从外部引进人才@@，也可以从企业内部寻找有数学@@、物理@@、统计学历背景的员工加入进来@@。

 

　　数据@@专业人员@@由于专业特点的局限@@，对业务知识掌握和理解存在缺陷@@。因其分析对象更多@@为企业专业的内容@@，若不能与业务专业形成很好的互动@@，数据@@分析工作很难开展@@，搞不好会陷入自我孤立的状况@@。企业的业务人员@@虽然对业务本身非常熟悉@@，但@@对数据@@应用缺乏概念@@。必须让数据@@人员@@前置到业务一@@线中@@，与业务人员@@共同面对企业的日常经营活动@@，双方取长补短逐步尝试利用数据@@去改进业务工作@@。

 

　　数据@@人员@@要主动学习业务知识@@，尝试在某一@@局部用数据@@发现和解决业务问题@@，然后与业务人员@@交流讨论@@，看是否能够对业务有些帮助@@。业务人员@@要主动学习理解数据@@应用的知识和方法@@，结合自身业务情况进行思考@@，努力尝试运用数据@@提升经营管理效率@@。可以考虑客户数字画像@@、风险定价@@、营销转换@@，甚至是内部员工挽留@@、办公物品合理使用@@、成本@@绩效等等各方面的数据@@应用@@。

 

　　刚开始做出来的成果很可能会非常粗糙@@，或根本不靠谱@@，但@@经过数据@@与业务人员@@反复探讨打磨@@，相关的数据@@应用会逐步取得成效@@。通过在业务实际工作中的数据@@应用@@，观察其效果@@，再逐步完善@@，直至最终固定到业务日常工作中@@。局部突破后@@，逐步扩大数据@@应用的范围@@，获取更大的效益@@。

 

　　数据@@应用先不要涉及解决复杂的问题@@，避免起步阶段迟迟无法打开局面@@。最好从解决简单问题做起@@，可以考虑直接引入其他外部公司的成功实践@@，迅速产生实际成果@@，让大家快速看到数据@@应用带来的成效@@。根据二@@八原理@@，这些简单的数据@@应用很可能会产生意想不到的效果@@。通过对这些成功数据@@应用案例的宣传@@，引导大家进一@@步认识到数据@@所能够带来的价值@@，加大在数据@@应用方面投入资源@@@@，启动更多@@的相关项目@@。

 

 

　　传统金融行业因为过去@@IT资源@@相对昂贵@@，本着节省开销的考虑@@，只记录与金融交易相关的数据@@@@。内容主要为客户状况@@、合约和相关交易服务状况@@，而其他过程行为数据@@一@@般不做记录@@。这造成其数据@@所覆盖的范围较窄@@，难以支撑大规模的数据@@应用@@。现代@@IT技术降低了@@IT成本@@，同时随着数据@@应用带来价值的提升@@，各金融企业扩大数据@@收集范围和粒度的意识普遍提高@@，为更大规模和更加深入的数据@@应用创造了条件@@。

 

　　要根据所涉及业务领域的相关问题@@，提出需要增加收集哪些数据@@@@，然后由@@IT人员@@在现有系统中进行埋点@@，做数据@@记录@@。金融机构所拥有的客户行为数据@@比较有限@@，无法满足很多算法预测模型的要求@@，可以考虑在法律容许的范围内@@，与外部数据@@公司合作@@，获取更多@@的数据@@支持@@。

 

　　数据@@有其时效性@@，不能立即使用的数据@@会随着时间的推移逐步失去其自身价值@@，且还会占用大量的@@IT资源@@。那种先获取数据@@后考虑数据@@应用场景的做法@@，成本@@比较高@@。因此要避免没有数据@@应用目标就大量获取数据@@的做法@@。

 

　　数据@@整理和数据@@质量管理也要面向解决实际问题的需要@@，避免盲目追求完美@@。虽然数据@@整理和数据@@质量管理对于后续的数据@@应用会带来很大帮助@@，但@@其也会消耗很多资源@@@@。特别对于业务部门来说@@，提高数据@@的质量意味着大量工作@@，甚至可能会影响业务流程的效率@@。可以计算相关成本@@与后续可能带来的收益进行比较做出决定@@。

 

　　比如为了让客户准确填写电话号码@@，有些企业要求客户发短信确认码@@。这显然降低了业务操作的流畅程度@@，但@@若电话号码是后续服务所必不可少的@@，那么这样的改变就应该尽快实施@@。

 

 

　　企业会产生大量数据@@@@，不同业务单元和部门所产生的数据@@不同@@，数据@@使用的情况也不同@@，很可能会形成企业内的数据@@交叉使用@@。为避免内部的数据@@使用冲突造成数据@@的混乱@@，就需要明确各数据@@的主人@@，赋予其管理数据@@的责任和权利@@。原则上谁产生的数据@@谁就拥有这些数据@@@@，谁就对这些数据@@负责@@，其他人要使用数据@@必须经过数据@@拥有者的同意@@。

 

　　数据@@拥有者要管理保护好自己的数据@@@@，同时要考虑如何让这些数据@@产生更大的价值@@。可以考虑在企业内部形成数据@@使用的模拟收费机制@@。确定一@@合理的价格@@，让其他部门的数据@@使用方支付给数据@@拥有方相应的费用@@，取得数据@@的使用权@@，并在数据@@拥有方的监督下合理使用数据@@@@。

 

　　数据@@使用方的资金额度由企业根据需要划定@@，鼓励其更经济地开展项目@@。通过考核数据@@拥有者收费的情况@@，对其相关服务工作予以奖惩@@。鼓励数据@@拥有者将数据@@提供给大家使用@@，创造更大的价值@@。质量越高的数据@@越有人愿意使用@@，数据@@拥有者会不断提高数据@@的数量和质量@@，满足数据@@使用者的需要@@。

 

 

　　数据@@应用需要配套的软硬件环境支持@@，需要在企业内建设一@@套共享的数据@@应用平台@@环境@@，并安排专业团队提供服务支持@@。采用同一@@个数据@@应用环境@@，不但@@可以大幅度节省采购@@、建设及运维成本@@@@，还可以保证各业务部门数据@@相互间的共享使用@@，也可以非常便捷地开展数据@@应用交流和相关应用模型的借鉴复用@@。

 

　　数据@@平台@@建设要循序渐进@@，配置够近期使用就可以了@@，后续逐年确认是否需要扩容和升级@@。使用过好的设备和软件工具@@，过大的配置@@，很可能因数据@@量和应用程度无法达到预期@@，造成相关投入闲置浪费@@。随着技术的快速进步@@，设备及软件工具会越来越高效@@，单位处理能力的价格也会越来越低@@。

 

　　而数据@@应用的不断深入@@，各个平台@@使用者会对平台@@的数据@@存储量@@、计算能力及建模工具等方面提出更高要求@@，更多@@成功的数据@@应用会使得公司愿意增加平台@@投入@@。最经济的做法是根据数据@@应用的情况及用户的需要@@，逐步扩充或更换设备@@，采购更加先进的软件工具@@。

 

　　数据@@平台@@存放着公司全部数据@@资产@@，如果数据@@失密@@，不但@@给公司商誉带来重大的损害@@，也会影响到客户的切身利益@@。公司必须明确平台@@管理者数据@@安全的管理责任和权力@@，提出数据@@安全目标要求@@。要建立数据@@安全的管理规章制度@@，严格遵照执行@@。

 

　　数据@@平台@@要有完善的安全管控设计@@，数据@@使用必须在授权状况下进行@@，所有数据@@操作行为均要记载下来@@，以供后续审计检查使用@@。要做好数据@@网络隔离措施@@，抵御网络数据@@攻击@@。重要敏感数据@@要进行加密或变形@@，避免直接暴露在外@@。

 

　　大数据@@工作的重点不是数据@@规模或高精尖技术@@，而在于用数据@@改变企业的经营管理方式@@。企业越早从数据@@中洞察事实@@，并据此快速做出行动越早受益@@。不要将资源@@投放在建设豪华的设备环境和队伍上面@@，不用先准备大规模数据@@@@，只要开始实践就会有收获@@。想在水中遨游@@？那就赶快找个安全的水池@@，跳下去吧@@！

　　作者@@：苏文力@@