一、企業(yè)大數(shù)據(jù)如何起步：從小數(shù)據(jù)到大數(shù)據(jù)

　　目前國內(nèi)外關(guān)于大數(shù)據(jù)的談?wù)摵芏?，大多是談運(yùn)營級別的，或者說從服務(wù)端、服務(wù)方提得較多一些。筆者要跟大家交流的問題是作為各類企業(yè)尤其是客戶方的企業(yè)來說，大數(shù)據(jù)跟他們有什么關(guān)系，或者說作為企業(yè)方怎樣去參與，這是企業(yè)方現(xiàn)在面臨的最大問題。

　　這個(gè)問題的答案重點(diǎn)在于大數(shù)據(jù)應(yīng)該從小數(shù)據(jù)開始。因?yàn)楝F(xiàn)在很多企業(yè)面臨的最大問題不是怎么用大數(shù)據(jù)，而是內(nèi)部的一些小數(shù)據(jù)整合出現(xiàn)問題，或者小數(shù)據(jù)都沒用好的情況下怎么用大數(shù)據(jù)。大數(shù)據(jù)應(yīng)該是從小數(shù)據(jù)逐漸演變上去的，是一個(gè)正常的生態(tài)，而不是瞬間變化的。大數(shù)據(jù)這個(gè)概念跟自媒體的概念類似，需要企業(yè)自己去建設(shè)，而不是從一開始就想著依靠別人。很多企業(yè)在談自媒體的時(shí)候，像談別人的事情一樣。比如一談自媒體，就覺得那是第三方提供的一個(gè)平臺，大家在那兒發(fā)發(fā)牢騷。自媒體是自己的媒體，企業(yè)自己也要參與進(jìn)去。同樣大數(shù)據(jù)不是別人的大數(shù)據(jù)，我們假設(shè)有一個(gè)第三方提供了大量的數(shù)據(jù)，有很多很多信息，CI、BI之類的很多模塊化東西供我們來用。如果這樣的話，你有，競爭對手也有，你能得到的東西，競爭對手也能得到的情況下，就不能稱之為核心競爭力。大數(shù)據(jù)作為企業(yè)來說要變成自身的一個(gè)競爭力，企業(yè)必須得建立自己的企業(yè)級的數(shù)據(jù)。

　　要做大數(shù)據(jù)，首先要了解自己的企業(yè)，或者自己所在的行業(yè)的核心是什么。我們現(xiàn)在經(jīng)常發(fā)現(xiàn)，有很多企業(yè)在競爭的過程中，最終不是被現(xiàn)在的競爭對手打敗，而是被很多不是你的競爭對手所打敗。很簡單的一個(gè)例子，大家都認(rèn)為亞馬遜是做電商的，但這是錯(cuò)的,它現(xiàn)在最主要的收入來自于云(云服務(wù))。也就是說企業(yè)需要找到自己的核心數(shù)據(jù)(價(jià)值)，這個(gè)是最關(guān)鍵的。只有在這個(gè)基礎(chǔ)上，建立自己的大數(shù)據(jù)才有可能，才能做一些延伸。其次，要找到內(nèi)部的一些外圍相關(guān)數(shù)據(jù)，去慢慢地成長它。有點(diǎn)像滾雪球，第一層是核心，第二層是外圍相關(guān)的數(shù)據(jù)。第三層是什么？就是外部機(jī)構(gòu)的一些結(jié)構(gòu)化數(shù)據(jù)。第四層是社會化的，以及各種現(xiàn)在所謂的非結(jié)構(gòu)化的數(shù)據(jù)。這幾層要一層一層地找到它，而且要找到與自己相關(guān)的有價(jià)值的東西。這樣你的大數(shù)據(jù)才能建立起來。

　　第一步，找到核心數(shù)據(jù)。核心數(shù)據(jù)現(xiàn)在對很多企業(yè)來說實(shí)際上就是CRM，自己的用戶系統(tǒng)，這是最重要的。第二步，外圍數(shù)據(jù)。比如企業(yè)經(jīng)常會在線上線下舉辦一些活動(dòng)，在做活動(dòng)的時(shí)候，消費(fèi)者的信息只是簡單地提供在表單里面，還是進(jìn)入了CRM的系統(tǒng)里？第三步，常規(guī)渠道的數(shù)據(jù)。舉例來說一個(gè)銷售快銷品的企業(yè)，能不能夠得到沃爾瑪?shù)臄?shù)據(jù)，家樂福的數(shù)據(jù)？很多國外大數(shù)據(jù)的案例，說消費(fèi)者買啤酒的時(shí)候也會購買剃須刀之類，或者一個(gè)母嬰產(chǎn)品的消費(fèi)者她今天在買這個(gè)產(chǎn)品，預(yù)示著她后面必然會買另一個(gè)產(chǎn)品。這就有一個(gè)前期的挖掘。這些價(jià)值怎么來的，這就需要企業(yè)去找常規(guī)渠道里面的數(shù)據(jù)，跟自己的CRM結(jié)合起來，才能為自己下一步做市場營銷、做推廣、產(chǎn)品創(chuàng)新等建立基礎(chǔ)。

　　第四步，外部的社會化的或者非結(jié)構(gòu)化的數(shù)據(jù)，即現(xiàn)在所謂的社會化媒體數(shù)據(jù)。這方面信息的主要特征是非結(jié)構(gòu)化，而且非常龐大。這對企業(yè)來說最大的價(jià)值是什么？當(dāng)你的用戶在社會化媒體上發(fā)言的時(shí)候，你有沒有跟他建立聯(lián)系？這里有個(gè)概念叫做DC(digital connection)。所謂的互聯(lián)網(wǎng)實(shí)際就是一種DC，但是通?；ヂ?lián)網(wǎng)上的那種DC是在娛樂層面。用到商業(yè)里面的話，就是企業(yè)必須得跟消費(fèi)者建立這種DC關(guān)系，它的價(jià)值才能發(fā)揮出來。否則，你的數(shù)據(jù)以及很多的CRM數(shù)據(jù)都是死的。就像國外CRM之父Paul Greenberg寫的四本CRM相關(guān)書籍，前面三本都是在講數(shù)據(jù)庫、系統(tǒng)之類的。第四本書的時(shí)候，就沒有再講那些東西，講什么？講互動(dòng)，講DC，講怎么跟消費(fèi)者建立關(guān)系。

　　有了這個(gè)數(shù)據(jù)庫去進(jìn)行數(shù)據(jù)挖掘，或者在建立數(shù)據(jù)的過程中，企業(yè)需要從什么方向去探索，也不是漫無目的的。首先應(yīng)該跟著你的業(yè)務(wù)，業(yè)務(wù)現(xiàn)在有哪些問題，或者說這個(gè)行業(yè)里面主要的競爭點(diǎn)在哪里，這是很關(guān)鍵的。有了這個(gè)業(yè)務(wù)關(guān)系以后，再形成假設(shè)，也就是說未來的競爭點(diǎn)可能在哪里，大到未來的戰(zhàn)略競爭，小到哪些方面。然后下一步要怎么做，這些形成一個(gè)假設(shè)，其次做一些小樣本的測試。很多企業(yè)一看大數(shù)據(jù)就很恐怖，說我也買不起那些大數(shù)據(jù)，也雇不起那么專業(yè)的團(tuán)隊(duì)，怎么辦？自己做一些小樣本的測試，甚至通過電子表格Excel都可以做數(shù)據(jù)挖掘。不一定非要那么龐大、那么貴的數(shù)據(jù)。然后再做大樣本的驗(yàn)證，驗(yàn)證出來的結(jié)果就可以應(yīng)用到現(xiàn)實(shí)中去。

　　在大數(shù)據(jù)尤其是互聯(lián)網(wǎng)時(shí)代還有一個(gè)最重要的點(diǎn)，就是失效預(yù)警。即你發(fā)現(xiàn)一個(gè)規(guī)律，在現(xiàn)實(shí)中應(yīng)用了，但是你一定要設(shè)立一些預(yù)警指標(biāo)。就是當(dāng)指標(biāo)達(dá)到什么程度的時(shí)候，之前發(fā)現(xiàn)的規(guī)律失效，那你就必須發(fā)現(xiàn)新的、相關(guān)的，否則也會造成一種浪費(fèi)。筆者看到一篇文章，其中有一個(gè)重要結(jié)論。大家都在說大數(shù)據(jù)的價(jià)值很有用的時(shí)候，很多企業(yè)說我積累了多少TB，多少PB，但是你基于老的數(shù)據(jù)得出的很多結(jié)論實(shí)際是在浪費(fèi)你的資源。你挖掘出來很多數(shù)據(jù)、很多規(guī)律，如果錯(cuò)了，明天按這個(gè)去做，就是浪費(fèi)。因此需要有一個(gè)失效預(yù)警。在這樣的過程中，最終你需要對應(yīng)建立起內(nèi)部團(tuán)隊(duì)，他們對數(shù)據(jù)的敏感度也才能培養(yǎng)起來。這時(shí)候你再去買大數(shù)據(jù)服務(wù)的時(shí)候才是有價(jià)值的。

　　所有這些工作作為企業(yè)來說是需要內(nèi)部去做的，最終才能開花結(jié)果，有一些收獲。企業(yè)大數(shù)據(jù)起步，要從小數(shù)據(jù)開始。

　　二、決策科學(xué)及大數(shù)據(jù)在金融行業(yè)的應(yīng)用

　　今天我想和大家聊的題目有關(guān)金融、決策科學(xué)(Decision Science)和大數(shù)據(jù)，這就是我在美國多年的工作領(lǐng)域，不僅是我的初戀，而且還嫁的無怨無悔(哈哈)，今天在各位專家面前班門弄斧了，希望大家多多指教，想和大家討論以下幾個(gè)話題：(1)決策科學(xué)是什么、為什么重要、給我們的啟示(2)如何理解并踏實(shí)地真正理解大數(shù)據(jù)(3)大數(shù)據(jù)在金融行業(yè)應(yīng)用方面的案例分享

　　(1)決策科學(xué)：先說說決策科學(xué)吧，就是Decision Science，在美國大公司工作的朋友們對此應(yīng)該都不陌生。顧名思義，它就是運(yùn)用科學(xué)的理論和方法做決策，而非主觀意識、完全憑經(jīng)驗(yàn)。

　　聽上去很簡單，但是內(nèi)容很多，在美國，它是高校單獨(dú)的一個(gè)科目、一個(gè)系，它被稱為跨學(xué)科專業(yè)(transdisciplinary major)，學(xué)生要學(xué)習(xí)一些統(tǒng)計(jì)、數(shù)學(xué)、工程、計(jì)算機(jī)語言等，同時(shí)又要學(xué)習(xí)管理、經(jīng)濟(jì)、行為學(xué)、甚至心理學(xué)。MIT、Carnegie Mellon University、George Washington University等都有決策科學(xué)專業(yè)，Harvard、Stanford有決策科學(xué)實(shí)驗(yàn)室，歐美國家都有自己的決策科學(xué)學(xué)會或機(jī)構(gòu)。

　　在大學(xué)的網(wǎng)站上，想吸引生源的決策科學(xué)部門會問“Do you want to be a leader?”，就好像說想當(dāng)領(lǐng)導(dǎo)者，一定要學(xué)決策科學(xué)，因?yàn)檫@是時(shí)代趨勢，的確，在一年一度的美國國家大學(xué)協(xié)會和雇主工薪調(diào)查中，決策科學(xué)榮登了去年8大最高工薪的非傳統(tǒng)高校專業(yè)排行榜。這個(gè)專業(yè)成為傳統(tǒng)的工商管理和工程學(xué)的橋梁，滿足了市場對綜合能力、決策能力的需求。

　　人們渴望通過決策科學(xué)實(shí)現(xiàn)的是，在尊重經(jīng)驗(yàn)、感知的前提下，把Science引薦到人文、社會、政治、商務(wù)、決策等領(lǐng)域，并讓之可行可靠，推動(dòng)決策的科學(xué)性、準(zhǔn)確性、有效性、時(shí)效性等，最終的目的，是減少決策的風(fēng)險(xiǎn)，制定出好的、能創(chuàng)造巨大價(jià)值的決策。如同Computer Science一樣，國外的Decision Science已經(jīng)有了很長的歷史，并且走人了各行各業(yè)。

　　美國一流金融公司決策科學(xué)的大規(guī)模開始，大約在1985年左右吧，從累加的邏輯規(guī)則飛躍到單一評估、模型的使用，再飛躍到貫通的、多元行為的分析，發(fā)展之迅猛令人感嘆。今天，一流公司在做優(yōu)化，各種優(yōu)化軟件、系統(tǒng)層出不窮，比如風(fēng)險(xiǎn)定價(jià)、offer設(shè)置，可以因人而異，公司的網(wǎng)頁信息，可以根據(jù)登入信息不同而有不同呈現(xiàn)等等。在中國我的觀察是各大公司也越來越注重?cái)?shù)據(jù)分析、用科學(xué)方法判斷風(fēng)險(xiǎn)、創(chuàng)造收益了。這與我十幾年前離開中國的時(shí)候有了很大進(jìn)

　　(2)大數(shù)據(jù)時(shí)代

　　不管我們是否已經(jīng)準(zhǔn)備好了，大數(shù)據(jù)時(shí)代已經(jīng)到來了。最近大數(shù)據(jù)非常時(shí)髦，大家都在談它，有人說：大數(shù)據(jù)到底是什么呢，它代表著一個(gè)時(shí)代，就是一個(gè)數(shù)據(jù)量已經(jīng)到了大小超過了現(xiàn)有典型的數(shù)據(jù)庫軟件和工具的處理能力，而必須使用在數(shù)十、數(shù)百甚至數(shù)千臺服務(wù)器上同時(shí)平行運(yùn)行的軟件來處理。

　　摩根大通近一兩年已經(jīng)調(diào)整了IT部門的組織架構(gòu)，并投資進(jìn)行系統(tǒng)更新。摩根大通使用的決策科學(xué)工具非常多，比如數(shù)據(jù)庫解決方案用的是被譽(yù)為“商業(yè)并行處理的領(lǐng)導(dǎo)者”的Teradata系統(tǒng)，傳統(tǒng)的數(shù)據(jù)分析平臺是SAS，還有用戶界面用Tableau，Cognos以及Qlikview等等。這些平臺工具，使得數(shù)據(jù)分析、決策科學(xué)大放光彩。

　　然而求索的腳步是不會停歇的，在已經(jīng)很前沿的基礎(chǔ)上，國外一流公司進(jìn)而在研究非傳統(tǒng)性數(shù)據(jù)的采集、讀取、錄入，比如社交媒體數(shù)據(jù)、網(wǎng)絡(luò)日志、語音視頻數(shù)據(jù)等等，新時(shí)代的大數(shù)據(jù)平臺要能夠完美接受非結(jié)構(gòu)化數(shù)據(jù)、使之可用，并實(shí)現(xiàn)數(shù)據(jù)實(shí)時(shí)性。比如現(xiàn)在機(jī)構(gòu)都有了微信，大家在微信或facebook里討論了一款產(chǎn)品，分析人員要去讀取、輸錄、之后分析。未來這些信息可直接推送出結(jié)論，比如某產(chǎn)品差評過多，某產(chǎn)品引來市場熱議等。

　　國內(nèi)目前即使是很好的金融機(jī)構(gòu)，可能不少還停留在有了數(shù)據(jù)庫和存儲數(shù)據(jù)能力，但是數(shù)據(jù)使用不多，工具不多，普及也不廣的狀態(tài)。同時(shí)我們每天又在各種新聞中體會著無比絢麗、神奇的未來，也有著時(shí)不待人的急迫感。所以我個(gè)人認(rèn)為，當(dāng)前，我們要心懷偉岸的夢想，腳踏實(shí)地的先做好最基礎(chǔ)的工作，比如搭建數(shù)據(jù)分析平臺，建立決策科學(xué)環(huán)境，利用現(xiàn)有數(shù)據(jù)，增加決策科學(xué)思維，“為飛奔的汽車換輪胎”，不斷努力，不斷進(jìn)取。

　　我就帶著這樣的心懷夢想、腳踏實(shí)地的心態(tài)，回了家，今天能在早餐會上和這么多專家、精英們相識，特別榮幸，先感謝大家的支持、幫助、鼓勵(lì)，希望和大家一起努力，踏實(shí)做些事情。

　　(3)大數(shù)據(jù)及決策科學(xué)在金融行業(yè)的應(yīng)用和有四、五十年歷史的美國知名的卡組織Visa、Mastercard一樣，銀聯(lián)是中國的卡組織。在短短的十二年里，銀聯(lián)已經(jīng)成為世界第二大的卡組織，40億張卡片，400家發(fā)卡機(jī)構(gòu)，140多個(gè)國家，1400多萬商戶，年交易100億條以上，已經(jīng)成為中國知名品牌，在世界上有著越來越大的影響力。這是寶貴的財(cái)富，尤其是我們自己的卡組織的寶貴財(cái)富。

　　銀聯(lián)的大數(shù)據(jù)，如果有效開發(fā)利用，可以帶給中國政府、企業(yè)、銀行、機(jī)構(gòu)、商戶等很大價(jià)值。比如Visa和Mastercard,他們利用美國市場的交易數(shù)據(jù)，做出各種零售消費(fèi)分析，做類似美國政府的消費(fèi)者信心指數(shù)，幫助沒有實(shí)力搭建高端決策科學(xué)平臺的小企業(yè)主做精準(zhǔn)營銷，極大的減少營銷成本。

　　他們的防欺詐模型，通過對每一筆、每一次交易的行為、規(guī)律、時(shí)間、地點(diǎn)、用途、金額等多維度的規(guī)律的判斷，來評估欺詐的風(fēng)險(xiǎn)。如果風(fēng)險(xiǎn)傾向高，那么防欺詐部門立刻行動(dòng)，凍結(jié)這筆交易，電話客戶驗(yàn)證客戶身份。全程1-3分鐘，通過驗(yàn)證則交易通過，否則交易失敗。大數(shù)據(jù)良好的應(yīng)用，最終使公司、消費(fèi)者都受益。

　　我現(xiàn)在任職的公司，銀聯(lián)智策，是銀聯(lián)旗下的子公司，成立于2012年底，總部在上海浦東，是一家金融大數(shù)據(jù)咨詢公司。大數(shù)據(jù)時(shí)代下的決策科學(xué)，需要符合三方面的條件，即以海量數(shù)據(jù)為支撐，有先進(jìn)的數(shù)據(jù)分析平臺為依托，有前沿的決策科學(xué)方法、技術(shù)力量和實(shí)戰(zhàn)經(jīng)驗(yàn)為核心。就好比做頓飯需要米、鍋和巧媳婦！三者具備就可以轉(zhuǎn)換數(shù)據(jù)為準(zhǔn)確、快速、高效的可執(zhí)行策略，轉(zhuǎn)化大數(shù)據(jù)時(shí)代下的市場不確定性為可確定性，從而幫助客戶實(shí)現(xiàn)客戶管理的差異化，產(chǎn)品的創(chuàng)新化、渠道的多樣化及服務(wù)的高效和人性化。我很高興我的公司是具備這些能力的。

　　最近一個(gè)銀行信用卡額度提升項(xiàng)目，成為該銀行歷史上第一次應(yīng)用風(fēng)險(xiǎn)模型、消費(fèi)量預(yù)測模型，并完美剔除了套現(xiàn)行為的突破，也是該行歷史上第一次通過多元測試跟蹤到準(zhǔn)確活動(dòng)效果，展示了交易額提升30%，盈利千萬元的好項(xiàng)目。請?jiān)试S我舉最后一個(gè)決策科學(xué)應(yīng)用實(shí)例，就是貸款的風(fēng)險(xiǎn)管理。