
我們知道,世界上唯一不變的就是變化本身,因此變革管理是商業(yè)永恒的話題。
變革管理的兩個(gè)重要工具便是數(shù)據(jù)資產(chǎn)管理和精益流程管理。
前者使得機(jī)構(gòu)“知炎涼,知利害“,后者使得機(jī)構(gòu)明白自身特點(diǎn),做到上令下達(dá),這里我們只說前者?!爸讻觥笆且粋€(gè)下情上傳的過程,從業(yè)務(wù)數(shù)據(jù)采集到數(shù)據(jù)挖掘模型實(shí)現(xiàn)洞察,為組織的決策機(jī)構(gòu)提供制定策略的依據(jù)。比如在根據(jù)客戶提供的信息預(yù)測出如果賒銷或授予貸款后違約的可能性?!敝Α笆墙M織中各級管理者分析決策過程,經(jīng)常需要結(jié)合各種報(bào)表和可視化工具進(jìn)行決策支持。報(bào)表體系是對最終經(jīng)營指標(biāo)的逐級拆分,比如著名的杜邦財(cái)務(wù)分析體系,將制造業(yè)企業(yè)的資產(chǎn)收益率這個(gè)最終企業(yè)價(jià)值衡量指標(biāo)拆解為由收入、成本和周轉(zhuǎn)率組成的業(yè)務(wù)部門可操縱的KPI指標(biāo)。又比如,在信貸業(yè)務(wù)中,將產(chǎn)品利潤率拆分為貸款利率、獲客成本率、審批通過率、不良率等。最低層次的指標(biāo),比如不良率指標(biāo),可以通過上面提到的數(shù)據(jù)挖掘模型對每個(gè)申請者未來的不良率進(jìn)行預(yù)測。
策略制定者根據(jù)每個(gè)潛在貸款用戶的不良率的預(yù)測值,以產(chǎn)品總的利潤率最大化為目標(biāo),對申請者進(jìn)行取舍。說到這里,讀者就明白了數(shù)據(jù)人的兩個(gè)基本工作,那就是制作匯報(bào)報(bào)表和建立數(shù)據(jù)挖掘模型。如下圖所示,左側(cè)的任務(wù)是對接各數(shù)據(jù)源,根據(jù)業(yè)務(wù)部門認(rèn)可的標(biāo)準(zhǔn),核定數(shù)據(jù)質(zhì)量和含義,根據(jù)計(jì)算方法制作報(bào)表,供決策人員使用;右側(cè)的任務(wù)是對每個(gè)用戶、產(chǎn)品和渠道打標(biāo)簽,在業(yè)務(wù)主題之下建立算法模型并根據(jù)每個(gè)個(gè)體的預(yù)測值過濾名單,并在決策引擎中配置相應(yīng)的業(yè)務(wù)執(zhí)行策略,實(shí)現(xiàn)信貸審批或精準(zhǔn)營銷自動(dòng)化,最后還有評價(jià)閾值選取和策略的執(zhí)行效果,作為下一步優(yōu)化的依據(jù)。
以上說的應(yīng)用點(diǎn)比較抽象,下面列舉一下數(shù)據(jù)挖掘的常見業(yè)務(wù)場景。
客戶智能主要是基于對客戶的洞察,以實(shí)現(xiàn)客戶全生命周期價(jià)值提升為目的的分析場景。比如在初次獲客時(shí)識(shí)別高價(jià)值客戶,并進(jìn)行重點(diǎn)營銷,提高單客價(jià)值。這里的風(fēng)險(xiǎn)智能指的是狹義的信貸風(fēng)險(xiǎn),主要是指授信業(yè)務(wù)前識(shí)別出申請者的還款意愿、還款能力和真實(shí)意圖,降低違約成本。財(cái)務(wù)智能則是關(guān)注機(jī)構(gòu)資金的運(yùn)行效率和流動(dòng)性安全,需要對宏觀和行業(yè)指標(biāo)進(jìn)行精確預(yù)測,合理分配資金資源,降低無效配置成本。運(yùn)營智能可以識(shí)別并發(fā)現(xiàn)不合理事件,降低操作風(fēng)險(xiǎn)的成本。
數(shù)據(jù)資產(chǎn)在為企業(yè)提供價(jià)值的時(shí)候,會(huì)遇到很多問題,主要表現(xiàn)為以下三點(diǎn):
1)部門各自為政,數(shù)據(jù)反復(fù)清洗加工、分析工具重復(fù)采購、挖掘成果小范圍使用、先進(jìn)經(jīng)驗(yàn)未能共享;
2)數(shù)據(jù)割裂:管理?xiàng)l線間數(shù)據(jù)割裂、數(shù)據(jù)來源間未能打通、數(shù)據(jù)脫敏后喪失價(jià)值,比如我們在做洗錢交易識(shí)別時(shí)發(fā)現(xiàn)交易對手的唯一標(biāo)示全部是星號(hào),這就是選取了錯(cuò)誤的脫敏方式導(dǎo)致的不可恢復(fù)的錯(cuò)誤后果;
3)缺乏系統(tǒng)性管理:缺乏全面的圍繞客戶、風(fēng)險(xiǎn)、運(yùn)營、財(cái)務(wù)等全面規(guī)劃分析場景,執(zhí)行過程隨意,流程體系不健全,保障不到位,數(shù)據(jù)和模型資產(chǎn)流失嚴(yán)重。
數(shù)據(jù)治理便是為數(shù)據(jù)資產(chǎn)保值增值而服務(wù)的。
其目標(biāo)是消除歧義、減少數(shù)據(jù)孤島,降低數(shù)據(jù)使用成本,提高對業(yè)務(wù)的響應(yīng),提高對數(shù)據(jù)隱私安全保護(hù)。
實(shí)施數(shù)據(jù)治理可以為數(shù)據(jù)管理提供可信任的數(shù)據(jù),減少數(shù)據(jù)重復(fù),增強(qiáng)業(yè)務(wù)和IT對于數(shù)據(jù)的信心,改善數(shù)據(jù)的及時(shí)性和可用性,建立通用的數(shù)據(jù)詞匯表,以確保訪問正確的信息,定義企業(yè)范圍(或站點(diǎn)/項(xiàng)目范圍)的值以獲取公共參考數(shù)據(jù),提供信息和指導(dǎo),以協(xié)助有關(guān)數(shù)據(jù)的合規(guī)性和監(jiān)管工作。
過去提到數(shù)據(jù)治理,更多的被認(rèn)為是IT部門的事,其實(shí)不是這樣的。就拿數(shù)據(jù)質(zhì)量舉例吧,數(shù)據(jù)來自業(yè)務(wù),它產(chǎn)生于業(yè)務(wù),獲取自業(yè)務(wù)系統(tǒng),數(shù)據(jù)質(zhì)量標(biāo)準(zhǔn)也是業(yè)務(wù)部門訂的,數(shù)據(jù)人只是幫業(yè)務(wù)人員落地質(zhì)量檢驗(yàn),但是數(shù)據(jù)有質(zhì)量問題,是不能直接解決的。業(yè)務(wù)部門如果不太關(guān)心數(shù)據(jù)質(zhì)量,比如說最近金融監(jiān)管部門對洗錢行為監(jiān)管更嚴(yán)格了,很多銀行希望買套系統(tǒng)或者寄希望于AI算法識(shí)別洗錢行為,但是很多金融機(jī)構(gòu)對最基本客戶信息還不了解,連客戶基本的聯(lián)系方式和地址都存在大量缺失,這很難保證客戶的真實(shí)性。
舉個(gè)例子,一間屋里注冊了六家公司,這些公司肯定是空殼公司。數(shù)據(jù)質(zhì)量如果由IT負(fù)責(zé)很難滿足要求,因?yàn)闃I(yè)務(wù)人員辦理業(yè)務(wù)的時(shí)候根本不去核實(shí)這個(gè)地址的真實(shí)性,地址寫不寫他都不太關(guān)心。把數(shù)據(jù)質(zhì)量提升的工作壓到IT人員根本解決不了問題。
數(shù)據(jù)治理在國外自上世紀(jì)80年代應(yīng)企業(yè)自身數(shù)據(jù)資產(chǎn)管理訴求而內(nèi)生發(fā)展起來。我們企業(yè)最早于2003年提出數(shù)據(jù)治理概念,之后銀行業(yè)應(yīng)監(jiān)管要求,自2005年逐步加強(qiáng)對數(shù)據(jù)治理的重視和投資力度。取得了豐碩的成果,但是往往帶有“運(yùn)動(dòng)”的特征。一提到數(shù)據(jù)治理,更多的是關(guān)注自頂向下的制度設(shè)計(jì),而忽視自底向上業(yè)務(wù)的驅(qū)動(dòng)。很多時(shí)候是IT閉門造車,還提出基于IT架構(gòu)的數(shù)據(jù)治理。
感覺這很專業(yè)啊,但是我舉個(gè)例子,比如我今天想吃飯了,得看看家里有什么菜,至于符不符合口味不知道,有什么就吃什么。
這是基于IT架構(gòu)的數(shù)據(jù)治理,只管盤點(diǎn)現(xiàn)有系統(tǒng)和現(xiàn)有數(shù)據(jù)。這個(gè)方法確實(shí)有其用處,但是不應(yīng)該作為數(shù)據(jù)治理的主導(dǎo)。因此,以往的數(shù)據(jù)治理經(jīng)常出現(xiàn)有數(shù)據(jù)治理組織架構(gòu),卻無合適的人到崗;有數(shù)據(jù)標(biāo)準(zhǔn)等規(guī)章制度,而在新舊系統(tǒng)上無法落地。
因此,ThoughtWorks數(shù)據(jù)智能事業(yè)部呼吁國內(nèi)企業(yè)回到價(jià)值導(dǎo)向的數(shù)據(jù)治理的初心,提出精益數(shù)據(jù)治理,不僅從上至下,并且自底向上,圍繞業(yè)務(wù)場景,以價(jià)值驅(qū)動(dòng)數(shù)據(jù)治理的具體體現(xiàn)。
精益數(shù)據(jù)治理講求價(jià)值驅(qū)動(dòng),圍繞場景,減少浪費(fèi),持續(xù)改進(jìn)。體現(xiàn)為以下五個(gè)特點(diǎn):
1)從業(yè)務(wù)愿景出發(fā)識(shí)別價(jià)值,在適當(dāng)?shù)臅r(shí)間為內(nèi)部客戶提供價(jià)值是精益數(shù)據(jù)治理的關(guān)鍵要求,通過對齊業(yè)務(wù)戰(zhàn)略和目標(biāo)來識(shí)別有價(jià)值的數(shù)據(jù)利用場景。
2)構(gòu)建價(jià)值流,識(shí)別出場景后,在源數(shù)據(jù)和場景之間建立價(jià)值流,價(jià)值流是將產(chǎn)品或服務(wù)帶給用戶所需的資源和信息流,需要構(gòu)建和改進(jìn)價(jià)值流,避免浪費(fèi)。
3)使價(jià)值從源頭流向用戶,“流”使價(jià)值能夠以經(jīng)過最少的階段和活動(dòng)便能交付,無縫流是精益數(shù)據(jù)治理的關(guān)鍵要求。減少浪費(fèi)是精益數(shù)據(jù)治理的重要策略,我們發(fā)現(xiàn),所有的數(shù)據(jù)質(zhì)量的問題,都能夠與精益思想的7種浪費(fèi)一一對應(yīng)起來,解決了數(shù)據(jù)生產(chǎn)的浪費(fèi)問題,就大部分解決了數(shù)據(jù)質(zhì)量問題。
4)拉動(dòng)價(jià)值流,只有在內(nèi)部客戶有需求時(shí),流程才能運(yùn)行,此階段強(qiáng)調(diào)僅在有需求時(shí)才需要響應(yīng)。
5)不斷迭代,精益求精,持續(xù)改進(jìn)以追求完善,實(shí)現(xiàn)可持續(xù)變革。
ThoughtWorks數(shù)據(jù)智能事業(yè)部根據(jù)多年輔導(dǎo)企業(yè)數(shù)字化轉(zhuǎn)型的實(shí)踐,推出價(jià)值導(dǎo)向的數(shù)據(jù)治理實(shí)施路徑。其有三點(diǎn)異于傳統(tǒng)數(shù)據(jù)治理實(shí)施路徑:
1)以數(shù)據(jù)探查代替需求訪談。
精益數(shù)據(jù)治理是以在數(shù)據(jù)應(yīng)用為綱,但是在數(shù)據(jù)治理初期,企業(yè)管理人員對數(shù)據(jù)應(yīng)用的價(jià)值認(rèn)識(shí)是模糊的,有些只是一些想法,往往難以指導(dǎo)數(shù)據(jù)應(yīng)用規(guī)劃的制定。因此我們借用敏捷開發(fā)的工具,創(chuàng)造出精益數(shù)據(jù)探索工作坊,幫助企業(yè)構(gòu)建數(shù)據(jù)驅(qū)動(dòng)的創(chuàng)新戰(zhàn)略,發(fā)現(xiàn)數(shù)據(jù)創(chuàng)新場景,驗(yàn)證和制定數(shù)據(jù)應(yīng)用創(chuàng)新計(jì)劃;
2)IT部門數(shù)據(jù)中臺(tái)敏捷開發(fā)。
以往數(shù)據(jù)治理往往分為咨詢、落地等多個(gè)階段,并且把數(shù)據(jù)標(biāo)準(zhǔn)落地、質(zhì)量監(jiān)控這些重要任務(wù)留給甲方自行完成。根據(jù)我們的觀察,數(shù)據(jù)標(biāo)準(zhǔn)落地部門往往缺乏新IT系統(tǒng)上線評審的話語權(quán),導(dǎo)致有標(biāo)準(zhǔn)無法落、無人落、無力落的尷尬局面。數(shù)據(jù)治理平臺(tái)的快速建設(shè)是治理制度落地的有力保障,實(shí)現(xiàn)端到端的快速落地,體現(xiàn)治理成果;
3)業(yè)務(wù)部門開展數(shù)據(jù)賦能,能力提升大比拼,以“用”促”治”,。
數(shù)據(jù)資產(chǎn)管理講求“看選用治評”,其中“選”是難點(diǎn)。業(yè)務(wù)人員從拍腦袋做事到用數(shù)據(jù)說話,這是一個(gè)能力和意愿的組合問題。因此我們在數(shù)據(jù)治理同期提供數(shù)據(jù)分析人才培訓(xùn)(含認(rèn)證)和內(nèi)部項(xiàng)目實(shí)訓(xùn),解決分析能力短缺和實(shí)際項(xiàng)目經(jīng)驗(yàn)匱乏問題,并且結(jié)合內(nèi)部數(shù)據(jù)分析項(xiàng)目評優(yōu),激發(fā)業(yè)務(wù)人員用數(shù)據(jù)的熱情。解決數(shù)字化賦能過程中數(shù)據(jù)人才選拔缺標(biāo)準(zhǔn)、難動(dòng)員、分工不明的問題,得到一舉多得的功效。避免數(shù)據(jù)治理業(yè)務(wù)效果不明確時(shí)一開始自上而下命令導(dǎo)致業(yè)務(wù)部門的消極態(tài)度,IT部門自說自話、數(shù)據(jù)治理團(tuán)隊(duì)脫離業(yè)務(wù)運(yùn)轉(zhuǎn)的尷尬狀況出現(xiàn)。
數(shù)據(jù)資管出品
作者:研究猿
數(shù)據(jù)分析咨詢請掃描二維碼
若不方便掃碼,搜微信號(hào):CDAshujufenxi
DSGE 模型中的 Et:理性預(yù)期算子的內(nèi)涵、作用與應(yīng)用解析 動(dòng)態(tài)隨機(jī)一般均衡(Dynamic Stochastic General Equilibrium, DSGE)模 ...
2025-09-17Python 提取 TIF 中地名的完整指南 一、先明確:TIF 中的地名有哪兩種存在形式? 在開始提取前,需先判斷 TIF 文件的類型 —— ...
2025-09-17CDA 數(shù)據(jù)分析師:解鎖表結(jié)構(gòu)數(shù)據(jù)特征價(jià)值的專業(yè)核心 表結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 規(guī)范存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如數(shù)據(jù)庫表、Excel 表、 ...
2025-09-17Excel 導(dǎo)入數(shù)據(jù)含缺失值?詳解 dropna 函數(shù)的功能與實(shí)戰(zhàn)應(yīng)用 在用 Python(如 pandas 庫)處理 Excel 數(shù)據(jù)時(shí),“缺失值” 是高頻 ...
2025-09-16深入解析卡方檢驗(yàn)與 t 檢驗(yàn):差異、適用場景與實(shí)踐應(yīng)用 在數(shù)據(jù)分析與統(tǒng)計(jì)學(xué)領(lǐng)域,假設(shè)檢驗(yàn)是驗(yàn)證研究假設(shè)、判斷數(shù)據(jù)差異是否 “ ...
2025-09-16CDA 數(shù)據(jù)分析師:掌控表格結(jié)構(gòu)數(shù)據(jù)全功能周期的專業(yè)操盤手 表格結(jié)構(gòu)數(shù)據(jù)(以 “行 - 列” 存儲(chǔ)的結(jié)構(gòu)化數(shù)據(jù),如 Excel 表、數(shù)據(jù) ...
2025-09-16MySQL 執(zhí)行計(jì)劃中 rows 數(shù)量的準(zhǔn)確性解析:原理、影響因素與優(yōu)化 在 MySQL SQL 調(diào)優(yōu)中,EXPLAIN執(zhí)行計(jì)劃是核心工具,而其中的row ...
2025-09-15解析 Python 中 Response 對象的 text 與 content:區(qū)別、場景與實(shí)踐指南 在 Python 進(jìn)行 HTTP 網(wǎng)絡(luò)請求開發(fā)時(shí)(如使用requests ...
2025-09-15CDA 數(shù)據(jù)分析師:激活表格結(jié)構(gòu)數(shù)據(jù)價(jià)值的核心操盤手 表格結(jié)構(gòu)數(shù)據(jù)(如 Excel 表格、數(shù)據(jù)庫表)是企業(yè)最基礎(chǔ)、最核心的數(shù)據(jù)形態(tài) ...
2025-09-15Python HTTP 請求工具對比:urllib.request 與 requests 的核心差異與選擇指南 在 Python 處理 HTTP 請求(如接口調(diào)用、數(shù)據(jù)爬取 ...
2025-09-12解決 pd.read_csv 讀取長浮點(diǎn)數(shù)據(jù)的科學(xué)計(jì)數(shù)法問題 為幫助 Python 數(shù)據(jù)從業(yè)者解決pd.read_csv讀取長浮點(diǎn)數(shù)據(jù)時(shí)的科學(xué)計(jì)數(shù)法問題 ...
2025-09-12CDA 數(shù)據(jù)分析師:業(yè)務(wù)數(shù)據(jù)分析步驟的落地者與價(jià)值優(yōu)化者 業(yè)務(wù)數(shù)據(jù)分析是企業(yè)解決日常運(yùn)營問題、提升執(zhí)行效率的核心手段,其價(jià)值 ...
2025-09-12用 SQL 驗(yàn)證業(yè)務(wù)邏輯:從規(guī)則拆解到數(shù)據(jù)把關(guān)的實(shí)戰(zhàn)指南 在業(yè)務(wù)系統(tǒng)落地過程中,“業(yè)務(wù)邏輯” 是連接 “需求設(shè)計(jì)” 與 “用戶體驗(yàn) ...
2025-09-11塔吉特百貨孕婦營銷案例:數(shù)據(jù)驅(qū)動(dòng)下的精準(zhǔn)零售革命與啟示 在零售行業(yè) “流量紅利見頂” 的當(dāng)下,精準(zhǔn)營銷成為企業(yè)突圍的核心方 ...
2025-09-11CDA 數(shù)據(jù)分析師與戰(zhàn)略 / 業(yè)務(wù)數(shù)據(jù)分析:概念辨析與協(xié)同價(jià)值 在數(shù)據(jù)驅(qū)動(dòng)決策的體系中,“戰(zhàn)略數(shù)據(jù)分析”“業(yè)務(wù)數(shù)據(jù)分析” 是企業(yè) ...
2025-09-11Excel 數(shù)據(jù)聚類分析:從操作實(shí)踐到業(yè)務(wù)價(jià)值挖掘 在數(shù)據(jù)分析場景中,聚類分析作為 “無監(jiān)督分組” 的核心工具,能從雜亂數(shù)據(jù)中挖 ...
2025-09-10統(tǒng)計(jì)模型的核心目的:從數(shù)據(jù)解讀到?jīng)Q策支撐的價(jià)值導(dǎo)向 統(tǒng)計(jì)模型作為數(shù)據(jù)分析的核心工具,并非簡單的 “公式堆砌”,而是圍繞特定 ...
2025-09-10CDA 數(shù)據(jù)分析師:商業(yè)數(shù)據(jù)分析實(shí)踐的落地者與價(jià)值創(chuàng)造者 商業(yè)數(shù)據(jù)分析的價(jià)值,最終要在 “實(shí)踐” 中體現(xiàn) —— 脫離業(yè)務(wù)場景的分 ...
2025-09-10機(jī)器學(xué)習(xí)解決實(shí)際問題的核心關(guān)鍵:從業(yè)務(wù)到落地的全流程解析 在人工智能技術(shù)落地的浪潮中,機(jī)器學(xué)習(xí)作為核心工具,已廣泛應(yīng)用于 ...
2025-09-09SPSS 編碼狀態(tài)區(qū)域中 Unicode 的功能與價(jià)值解析 在 SPSS(Statistical Product and Service Solutions,統(tǒng)計(jì)產(chǎn)品與服務(wù)解決方案 ...
2025-09-09