xyx性爽欧美,在线成人看片黄a免费看

99999久久久久久亚洲,欧美人与禽猛交狂配,高清日韩av在线影院,一个人在线高清免费观看,啦啦啦在线视频免费观看www

鮑忠鐵：深度商業(yè)分析的7大基石

2016-09-12

本文為TalkingData首席金融行業(yè)專家在CDAS2016大數(shù)據(jù)金融分論壇上的分享，已經(jīng)過(guò)嘉賓審核，整理出來(lái)，以饗讀者。
----------------------------------------

今天跟大家分享三方面的內(nèi)容，一個(gè)是深度商業(yè)分析的七大基石，另外是怎么做客戶洞察和數(shù)據(jù)的應(yīng)用，因?yàn)槲覀兒芏啻髷?shù)據(jù)應(yīng)用在金融行業(yè)的初始點(diǎn)就是進(jìn)行客戶畫(huà)像和客戶洞察的，最后講機(jī)器學(xué)習(xí)在金融行業(yè)應(yīng)用實(shí)踐。

我先講一個(gè)案例，大數(shù)據(jù)從2012年開(kāi)始火爆，談到大數(shù)據(jù)應(yīng)用，就會(huì)講到Target 百貨分析16歲的少女買無(wú)香型沐浴露之后，判斷她懷孕了的這個(gè)故事。那么這個(gè)故事的原因是什么？通過(guò)哪些線索和數(shù)據(jù)分析來(lái)判斷這個(gè)少女懷孕了呢？詳細(xì)我就不詳細(xì)介紹了，大家可以看，科學(xué)家對(duì)懷孕這件事件做了一個(gè)預(yù)測(cè)，設(shè)25個(gè)指標(biāo)，根據(jù)用戶的購(gòu)買行為進(jìn)行打分，如果你超過(guò)了某一個(gè)分值的話，可能你就屬于高概率懷孕的人群了。

另外，在大數(shù)據(jù)應(yīng)用的過(guò)程中，很多都是大概率事件，大數(shù)據(jù)不是百分之百確定的事件，往往談的是一種概率。就像這個(gè)女孩子似的，她有很高的概率是懷孕了，當(dāng)然也有預(yù)測(cè)失誤的時(shí)候，有很大的概率她是不懷孕。我們學(xué)概率的時(shí)候?qū)W過(guò)一句話“小概率事件不等于不發(fā)生”，這種概率基本上趨近于零，但是它已經(jīng)發(fā)生了。

我們看一下深度商業(yè)分析，分析團(tuán)隊(duì)和執(zhí)行團(tuán)隊(duì)對(duì)待數(shù)據(jù)是不一樣的，執(zhí)行團(tuán)隊(duì)拿到數(shù)據(jù)知道該怎么做，正在做什么和未來(lái)做什么，分析團(tuán)隊(duì)拿到數(shù)據(jù)之后他要知道發(fā)生了什么，什么正在發(fā)生，什么原因在發(fā)生？最重要的不是對(duì)歷史的回溯，也不是對(duì)歷史數(shù)據(jù)的結(jié)論，其實(shí)是對(duì)未來(lái)的一個(gè)預(yù)測(cè)。所以說(shuō)深度分析的目的就是為了預(yù)測(cè)未來(lái)即將發(fā)生的一些商業(yè)經(jīng)營(yíng)活動(dòng)。

深度商業(yè)分析還沒(méi)有一個(gè)行業(yè)的定義，我們按照我們的一些理解去定義：利用數(shù)據(jù)和工具找到一些隱藏在數(shù)據(jù)背后的商業(yè)規(guī)律，對(duì)即將發(fā)生的商業(yè)行為進(jìn)行預(yù)測(cè)，為企業(yè)的經(jīng)營(yíng)者提供決策支持，這是我們認(rèn)為是深度商業(yè)分析。數(shù)據(jù)的成熟度有五個(gè)階段，一個(gè)是數(shù)據(jù)的采集、一個(gè)數(shù)據(jù)的描述、一個(gè)數(shù)據(jù)的挖掘、一個(gè)數(shù)據(jù)的預(yù)測(cè)、一個(gè)數(shù)據(jù)的決策，整個(gè)數(shù)據(jù)科學(xué)最成熟的階段就是數(shù)據(jù)的決策，就是AI要做的事情。

丨一、深度商業(yè)分析的七大基石

深度分析有幾個(gè)基石：

商業(yè)挑戰(zhàn)

在過(guò)去一段時(shí)間產(chǎn)品沒(méi)有很豐富的時(shí)候，我們面對(duì)的商業(yè)挑戰(zhàn)和現(xiàn)在商品過(guò)度豐富的情況不一樣，比如說(shuō)新客戶的獲取、存量客戶的保存、怎么樣面對(duì)市場(chǎng)份額，怎么樣提高單客價(jià)值，怎么樣提高客戶的體驗(yàn)和客戶對(duì)產(chǎn)品服務(wù)的需求。商業(yè)挑戰(zhàn)是數(shù)據(jù)分析的一個(gè)入手點(diǎn)，你的數(shù)據(jù)分析就是從你的商業(yè)挑戰(zhàn)、KPI來(lái)進(jìn)行的，這些商業(yè)挑戰(zhàn)就是商業(yè)分析，或者叫深度商業(yè)分析的一個(gè)切入口。

第二塊就是數(shù)據(jù)基石。

過(guò)去的科學(xué)家統(tǒng)計(jì)過(guò)，在沒(méi)有大數(shù)據(jù)的時(shí)代之前，人類社會(huì)中至少有70%的決策沒(méi)有數(shù)據(jù)支撐，也就是只有30%的決策是在數(shù)據(jù)的基礎(chǔ)上進(jìn)行的。如果進(jìn)行了深度的商業(yè)分析，數(shù)據(jù)就是一個(gè)基石，可以是自己的數(shù)據(jù)，也可以是外部的數(shù)據(jù)，也可以是一些分析后的數(shù)據(jù)，也可以是行業(yè)的數(shù)據(jù)。無(wú)論是哪一種數(shù)據(jù)，最后歸結(jié)到數(shù)據(jù)應(yīng)用的成熟度，也就是所謂的決策。

我們提到整個(gè)數(shù)據(jù)應(yīng)用的決策，是五個(gè)階段最重要的。大數(shù)據(jù)有兩個(gè)特點(diǎn)，一個(gè)特點(diǎn)就是可以很快地處理海量的實(shí)時(shí)數(shù)據(jù)，第二是可以利用實(shí)時(shí)的處理能力找到一些數(shù)據(jù)背后的規(guī)律，用這些規(guī)律做一些模型。數(shù)據(jù)是整個(gè)商業(yè)分析的基礎(chǔ)，現(xiàn)在有些企業(yè)在做數(shù)據(jù)分析的時(shí)候說(shuō)我沒(méi)有數(shù)據(jù)，比如制造業(yè)或者其他傳統(tǒng)企業(yè)，沒(méi)有像電商、金融這樣的豐富數(shù)據(jù)，但是它有一些社交數(shù)據(jù)、外部數(shù)據(jù)和銷量數(shù)據(jù)，這些數(shù)據(jù)都可以作為數(shù)據(jù)分析的基石。

第三塊就是分析實(shí)施的基石。

在進(jìn)行分析的過(guò)程中，你要考慮處理好哪些數(shù)據(jù)，比如說(shuō)你的商業(yè)目標(biāo)是什么？你怎么樣能達(dá)到你的商業(yè)目標(biāo)，需要哪些部門支持？需要哪些數(shù)據(jù)？哪些軟件？大家做數(shù)據(jù)分析的時(shí)候，除了要了解商業(yè)挑戰(zhàn)，除了要有數(shù)據(jù)，還要有一些其他資源。一個(gè)成功的企業(yè)有兩個(gè)成功的要點(diǎn)，一個(gè)是業(yè)務(wù)場(chǎng)景一個(gè)是技術(shù)場(chǎng)景，如果商業(yè)模式特別好，有好的業(yè)務(wù)場(chǎng)景，但是沒(méi)有技術(shù)手段去實(shí)現(xiàn)這個(gè)業(yè)務(wù)場(chǎng)景，商業(yè)模式也不能成功。一個(gè)企業(yè)既有技術(shù)的領(lǐng)先性又有商業(yè)模式的領(lǐng)先性才能成功。

第四塊是洞察基石。

分析人員在做深入商業(yè)分析的時(shí)候，可以用IMPACT的方法論，首先我們要掌控?cái)?shù)據(jù)，賦予一些數(shù)據(jù)的標(biāo)簽，最后是做傳播、觀察，最后再回到確定問(wèn)題，大數(shù)據(jù)時(shí)代深度商業(yè)分析最核心的就要做一個(gè)數(shù)據(jù)閉環(huán)，因?yàn)橛袛?shù)據(jù)支撐的閉環(huán)對(duì)你整個(gè)決策的反饋有很大的支撐作用。

在這里要強(qiáng)調(diào)一點(diǎn)，在洞察一個(gè)商業(yè)機(jī)會(huì)的時(shí)候，我們基于數(shù)據(jù)的決策，無(wú)論在企業(yè)里面碰到多大的阻力，還是要提出自己的建議。往往你的建議在很小的環(huán)境下，或者在一些很幸運(yùn)的環(huán)境里是可以得到驗(yàn)證的。我們?cè)谝恍┢髽I(yè)里看到，往往基于數(shù)據(jù)的決策，基于數(shù)據(jù)的分析最后被論證是正確的。

第五塊是執(zhí)行和預(yù)算基石。

執(zhí)行和預(yù)算是否完成了目標(biāo)、展示了成果，怎么增加收益，提升生產(chǎn)力，基本是從這三個(gè)緯度。數(shù)據(jù)的運(yùn)用在整個(gè)中國(guó)，或者在世界上基本上集中在兩塊，一個(gè)是我們說(shuō)的精準(zhǔn)營(yíng)銷，或者風(fēng)控。精準(zhǔn)營(yíng)銷就是類似于有推薦引擎，風(fēng)控就是今天我們講這些大數(shù)據(jù)風(fēng)控。數(shù)據(jù)對(duì)企業(yè)的作用也是基于三個(gè)方面，一個(gè)是增加企業(yè)的收入，第二是提高它的效率，降低它的成本，第三就是提高客戶滿意度，如果你的分析從這三方面可以幫助企業(yè)的話，你的分析對(duì)于企業(yè)業(yè)務(wù)類的場(chǎng)景就可以得到支持。

下一個(gè)是知識(shí)共享基石。

在做商業(yè)分析的時(shí)候，企業(yè)不是靠一個(gè)人，是靠一個(gè)團(tuán)隊(duì)，這個(gè)團(tuán)隊(duì)有可能是屬于信息中心，也有可能是屬于業(yè)務(wù)部門，無(wú)論是哪個(gè)部門，我們歷史上分析的結(jié)論、工具、智慧，其實(shí)都是要共享的。這樣的話才能為后面的人、后面的商業(yè)分析提供一些基礎(chǔ)。有了這樣的共享的話，對(duì)企業(yè)來(lái)說(shuō)，以后進(jìn)一步做商業(yè)分析、做數(shù)據(jù)分析之后會(huì)減少很多的彎路。

第七個(gè)就是創(chuàng)新的基石

商業(yè)分析首先是揭示一些邏輯，然后是預(yù)測(cè)商業(yè)行為，最后是優(yōu)化商業(yè)活動(dòng)。成功的企業(yè)在數(shù)據(jù)分析和商業(yè)分析有幾個(gè)特征，第一個(gè)要聚焦客戶，過(guò)去都是以產(chǎn)品為中心，未來(lái)一定是以客戶為中心。另一個(gè)要做到產(chǎn)品的差異化，第三要做理解和預(yù)測(cè)市場(chǎng)以及趨勢(shì)，第四要執(zhí)行的迅速，還要鼓勵(lì)員工推行分析和創(chuàng)新。

以上講的七個(gè)方面都是做深度商業(yè)分析的基石，如果按照這個(gè)方法論和這個(gè)基礎(chǔ)去做的話，相信這個(gè)企業(yè)在數(shù)據(jù)文化、數(shù)據(jù)思維和數(shù)據(jù)的商業(yè)應(yīng)用上會(huì)有提升。

丨二、客戶洞察和數(shù)據(jù)應(yīng)用

接下來(lái)就分享一下，在金融企業(yè)里面我們做的一些客戶洞察或者是數(shù)據(jù)應(yīng)用——我們?cè)趺唇o企業(yè)做客戶畫(huà)像。

客戶畫(huà)像這個(gè)詞在數(shù)據(jù)應(yīng)用的中提得比較頻繁。做客戶畫(huà)像的時(shí)候我分享一些方法，首先要以信用信息和人口信息為主，在金融企業(yè)里信用信息代表你消費(fèi)能力，不同消費(fèi)能力的人群需要推薦不同的金融產(chǎn)品，屌絲有屌絲的，中產(chǎn)階級(jí)有中產(chǎn)階級(jí)的，高富帥有高富帥的。

另外就是人口屬性，就是我們的年齡、職業(yè)、郵箱、電話號(hào)碼，就是人們?cè)谶@個(gè)社會(huì)上標(biāo)識(shí)的一些屬性，有了這些屬性之后金融企業(yè)可以進(jìn)行一些營(yíng)銷。我們認(rèn)為人口屬性是聯(lián)系到這個(gè)人的，刻劃這個(gè)人的信息，有了人口屬性你可以定義營(yíng)銷手段是郵件還是短信、還是面對(duì)面地觸達(dá)。

第二要采用強(qiáng)相關(guān)的信息，我們做用戶畫(huà)像的時(shí)候，或者做一個(gè)商業(yè)場(chǎng)景的時(shí)候，會(huì)考慮到信息跟場(chǎng)景之間的相關(guān)關(guān)系，比如說(shuō)看這個(gè)人的投資偏好，看這個(gè)人投資的風(fēng)險(xiǎn)偏好，他的歷史交易行為和收入可以支撐個(gè)人的一些投資偏好和風(fēng)險(xiǎn)特征，至于血型、星座跟這個(gè)沒(méi)多大關(guān)系，進(jìn)行用戶畫(huà)像時(shí)基本上有一些強(qiáng)相關(guān)的信息，不會(huì)有弱相關(guān)的信息。

最后一個(gè)就是定量，金融企業(yè)也好，或者是其他企業(yè)也好，會(huì)有大量的非定量的信息，而我們?cè)谶M(jìn)行機(jī)器學(xué)習(xí)和預(yù)算的時(shí)候，機(jī)器只能識(shí)別一些量化的信息，如果沒(méi)有量化的信息，只是一個(gè)描述的信息，比如說(shuō)白羊座、A型、B型，這對(duì)機(jī)器信息是無(wú)效的。我們會(huì)把非量化的轉(zhuǎn)化成量化信息，比如說(shuō)年齡21歲—35歲，你可以定為青年。在對(duì)不同年齡段的人推薦產(chǎn)品、做風(fēng)控的時(shí)候不一樣，年齡越大的人風(fēng)險(xiǎn)越高，因?yàn)樗嶅X的可能性會(huì)越來(lái)越低。所有的這些信息都是為了評(píng)他的信用，找到有效的場(chǎng)景。

具體來(lái)說(shuō)，我們畫(huà)像的時(shí)候會(huì)從五類信息對(duì)客戶進(jìn)行畫(huà)像，比如說(shuō)他的人口屬性，知道這個(gè)用戶是誰(shuí)，我們?cè)趺礃勇?lián)系這個(gè)用戶；另外一個(gè)是知道信用信息，知道資產(chǎn)收入、支付，用于風(fēng)險(xiǎn)控制，然后看他的消費(fèi)習(xí)慣和喜好偏好，還有個(gè)人興趣，以及社交媒體，大部分不會(huì)短時(shí)期內(nèi)改變，社交信息由于不同的場(chǎng)景，比如說(shuō)上半年是旅游，下半年可能去買房，可能再過(guò)幾年結(jié)婚，這種社交屬性的信息的話，是需要實(shí)時(shí)更新的。在用戶畫(huà)像的時(shí)候，基本上我們采用這五類信息，大家做用戶分析的時(shí)候，也會(huì)采用這五類信息，只不過(guò)前四類是靜態(tài)的信息，第五類是動(dòng)態(tài)的信息。

社交信息到底有什么用呢？大家如果在汽車之家，或者在途牛、窮游上發(fā)一條信息，這些信息基本上已經(jīng)被企業(yè)拿到了，比如說(shuō)你認(rèn)為奧迪A6比較好的時(shí)候，其實(shí)這個(gè)網(wǎng)站已經(jīng)把你的信息抓給平安了，平安可能會(huì)對(duì)你提供推銷車險(xiǎn)，或者推銷相應(yīng)的購(gòu)車的優(yōu)惠活動(dòng)。當(dāng)你在途?；蛘吒F游上發(fā)了一條消息，比如說(shuō)羅馬哪個(gè)地方好完，信用卡就會(huì)獲取這條信息，給你推一些出游信息。在精準(zhǔn)營(yíng)銷這一塊，很多網(wǎng)站信息聯(lián)動(dòng)都已經(jīng)達(dá)到了，比如說(shuō)你在京東上看了一個(gè)筆記本，網(wǎng)易也都給你推薦出來(lái)，因?yàn)閿?shù)據(jù)都是打通的。

金融企業(yè)做用戶畫(huà)像，我們建議做五步，一個(gè)是要把畫(huà)像相關(guān)的數(shù)據(jù)集中在一起，第二步找到跟業(yè)務(wù)場(chǎng)景相關(guān)的數(shù)據(jù)。第三對(duì)數(shù)據(jù)進(jìn)行標(biāo)簽和分類，如果前三類數(shù)據(jù)不夠的時(shí)候，可能會(huì)引用一些外部數(shù)據(jù)，包括今天匯百川分享的客戶的點(diǎn)擊的數(shù)據(jù)，你愿意上旅游網(wǎng)站，還是愿意上電商網(wǎng)站，還是愿意上教育網(wǎng)站，這個(gè)標(biāo)簽都是可以拿到的，你的標(biāo)簽在移動(dòng)互聯(lián)網(wǎng)上也是透明的。最后引用外部數(shù)據(jù)之后就按照你的業(yè)務(wù)場(chǎng)景進(jìn)行篩選數(shù)據(jù)了，你是找到高富帥，還是找到高風(fēng)險(xiǎn)客戶，都根據(jù)場(chǎng)景來(lái)選。最后金融企業(yè)可以通過(guò)大數(shù)據(jù)管理平臺(tái)把數(shù)據(jù)引用進(jìn)來(lái)，進(jìn)行標(biāo)簽化、場(chǎng)景化，進(jìn)行數(shù)據(jù)的投放，還有一些應(yīng)用。

DMP可以認(rèn)為是阿拉丁神燈，可以幫助你利用數(shù)據(jù)進(jìn)行分析。過(guò)去金融企業(yè)在數(shù)字化的過(guò)程中采的數(shù)據(jù)都是做效益提升的，或者是風(fēng)險(xiǎn)控制，現(xiàn)在采了很多行為數(shù)據(jù)和客戶的外部標(biāo)簽數(shù)據(jù)，這些數(shù)據(jù)主要是做營(yíng)銷的。

這是我們用DMP的一個(gè)場(chǎng)景，我就不具體介紹了。我們可以利用DMP尋找一些貸款客戶、理財(cái)客戶、購(gòu)買學(xué)區(qū)房的客戶，結(jié)合內(nèi)部數(shù)據(jù)和外部數(shù)據(jù)是可以實(shí)現(xiàn)的。大家不要對(duì)大數(shù)據(jù)營(yíng)銷有過(guò)高的期望性，實(shí)際上在市場(chǎng)好最好的推薦引擎是亞馬遜，亞馬遜整個(gè)推薦引擎轉(zhuǎn)化率也不超過(guò)8%，大數(shù)據(jù)營(yíng)銷只是一個(gè)概率的問(wèn)題，轉(zhuǎn)化率其實(shí)沒(méi)有那么高。

丨三、機(jī)器學(xué)習(xí)在金融行業(yè)的實(shí)踐應(yīng)用

最后一塊，我跟大家分享一下機(jī)器學(xué)習(xí)在金融行業(yè)中的應(yīng)用，我再重復(fù)一遍，整個(gè)數(shù)據(jù)科學(xué)的成熟度基本上是五個(gè)階段，第一個(gè)階段就是數(shù)據(jù)的采集，第二個(gè)階段就是數(shù)據(jù)的表述，就是所謂的標(biāo)簽化，第三個(gè)階段就是數(shù)據(jù)的挖掘，第四個(gè)階段就是數(shù)據(jù)的預(yù)測(cè)，第五個(gè)階段就是通過(guò)數(shù)據(jù)去做決策。

現(xiàn)在我們還處于一個(gè)挖掘的階段，就是聚類分析。過(guò)去金融行業(yè)都是很強(qiáng)相關(guān)的數(shù)據(jù)，比如說(shuō)這個(gè)人叫什么名字、什么職業(yè)、收入多少、學(xué)歷是什么，我們對(duì)已有的信息進(jìn)行分類，按照年齡預(yù)測(cè)他可能未來(lái)兩三年會(huì)買車、買房，收入有些增加，會(huì)出國(guó)旅游等。實(shí)際上還有另外一些信息，比如他在社交媒體的信息，網(wǎng)站訪問(wèn)信息和APP上的行為信息、交易信息等。所有的這些信息可以用機(jī)器學(xué)習(xí)，也就是用聚類這種方法進(jìn)行一些標(biāo)準(zhǔn)的分類。

我們會(huì)發(fā)現(xiàn)用結(jié)構(gòu)化數(shù)據(jù)分類的這些人有很大的一個(gè)誤差，這是為什么？建議大家有時(shí)間可以去關(guān)注一個(gè)學(xué)科，現(xiàn)在比較熱，叫“行為金融學(xué)”。這個(gè)行為金融學(xué)里面透露一個(gè)道理，大家在跟外部溝通的時(shí)候，每個(gè)人內(nèi)心會(huì)隱藏自己的個(gè)性。舉個(gè)例子，你到金融網(wǎng)點(diǎn)去買理財(cái)產(chǎn)品的時(shí)候，他讓你會(huì)填一個(gè)你收入多少，你風(fēng)險(xiǎn)承受程度是多少？你是價(jià)值投資者，還是風(fēng)險(xiǎn)投資投資者？如果不拿行為信息，僅僅根據(jù)客戶調(diào)查的信息的話，很難判斷一個(gè)人的投資偏好，或者是個(gè)性。

聚類有很多方法，很多模型，比如說(shuō)基于模型的聚類等等，我基本上選三類以上，根據(jù)實(shí)際數(shù)據(jù)的驗(yàn)證效果來(lái)決定哪一個(gè)模型更適合。因?yàn)槟愕臄?shù)據(jù)緯度、質(zhì)量是不一樣的。

基本上，我們首先利用行為信息進(jìn)行聚類，完全利用行為信息，發(fā)現(xiàn)在金融企業(yè)里，客戶分三類，一個(gè)是僵尸型，注冊(cè)之后買一支產(chǎn)品就不動(dòng)了。第二就是一次性買投資的，可能是家庭主婦，買了投資之后放在那兒就不動(dòng)了，另外就是投資理財(cái)型的，非常活躍，利用過(guò)去結(jié)構(gòu)化發(fā)現(xiàn)不了。利用聚類找的這三類客戶之后，針對(duì)每一類客戶要提供不同的營(yíng)銷手段。

這個(gè)是決策樹(shù)的案例，當(dāng)摩根收購(gòu)大通銀行的時(shí)候，有600億住房抵押貸款，所有住房抵押貸款的客戶都有兩個(gè)風(fēng)險(xiǎn)，一個(gè)風(fēng)險(xiǎn)就是說(shuō)這些客戶不還錢了。第二個(gè)風(fēng)險(xiǎn)他提前還款，如果不還款銀行就有壞賬，如果提前還款銀行就沒(méi)有得到更多的收益，怎么辦呢？摩根大通請(qǐng)來(lái)了一個(gè)叫丹尼爾的科學(xué)家花了一百多萬(wàn)美金做了一個(gè)分析，能夠提前預(yù)測(cè)哪些客戶要提前還款，對(duì)這一部分客戶就給他推薦一些理財(cái)產(chǎn)品，他就會(huì)把多余的錢買理財(cái)產(chǎn)品，就不會(huì)去還他的抵押貸款，銀行就有兩份收益，一是原來(lái)貸款給它產(chǎn)生利息，二是新的理財(cái)產(chǎn)品也會(huì)給它帶來(lái)收益。大概運(yùn)行了一年通過(guò)這種決策分析給大通銀行創(chuàng)造了6個(gè)億美金的收入。

另外一個(gè)是Machine Learning，我們叫Lookalike算法，通過(guò)3%的用戶去尋找潛在的客戶，找到之后再給客戶發(fā)短信營(yíng)銷，正常的情況下我們短信營(yíng)銷打開(kāi)率只有0.1%，通過(guò)Lookalike計(jì)算之后，精準(zhǔn)營(yíng)銷的短信打開(kāi)率達(dá)到6.5%，也很另客戶吃驚，通過(guò)機(jī)器學(xué)習(xí)這種行為數(shù)據(jù)找到客戶比他用結(jié)構(gòu)化數(shù)據(jù)找到客戶可能更真實(shí)。

下一個(gè)是沃森。沃森2012年開(kāi)始在美國(guó)花旗銀行幫很多金融理財(cái)客戶做顧問(wèn)，DBS也是2014年開(kāi)始做保險(xiǎn)理財(cái)?shù)耐扑]，它會(huì)根據(jù)掌握的信息去給客戶推薦產(chǎn)品。

當(dāng)時(shí)為什么選沃森呢？因?yàn)镈BS它有自己一套評(píng)估方法，它找到了8個(gè)Top 保險(xiǎn)理財(cái)產(chǎn)品銷售跟沃森進(jìn)行了三輪測(cè)試，分別面對(duì)三個(gè)客戶，三輪測(cè)試之后。DBS的銷售客戶推薦了理財(cái)產(chǎn)品，沃森也給客戶推薦了理財(cái)產(chǎn)品，經(jīng)過(guò)三輪的PK最后都是沃森勝了，客戶選擇了沃森提供的保險(xiǎn)理財(cái)方案。機(jī)器學(xué)習(xí)在人工智能這方面有天然的優(yōu)勢(shì)，因?yàn)樗梢蕴幚砗Ａ康男畔ⅰＮ稚苍谕浦袊?guó)的市場(chǎng)，但暫時(shí)還有些慢，因?yàn)樵谥袊?guó)我們知道英語(yǔ)是叫邏輯語(yǔ)言，可以根據(jù)一些語(yǔ)言行為判斷出你的行為，但是漢語(yǔ)是非邏輯性語(yǔ)言，我們經(jīng)常開(kāi)玩笑說(shuō)“中國(guó)隊(duì)大敗美國(guó)隊(duì)”，這句話很難判斷是那一方勝利了。

沃森正在做一些認(rèn)知學(xué)的應(yīng)用，拿歷史醫(yī)療檔案進(jìn)行一些分析，利用它認(rèn)知學(xué)、人工智能的方式去幫助醫(yī)生制定一個(gè)好的方案。所以沃森和阿爾法狗是人工智能發(fā)展的兩個(gè)比較好的案例。

Machine Learning也可以幫助DMP Plus進(jìn)行的營(yíng)銷響應(yīng)、高價(jià)值客戶挖掘、客戶挽留、關(guān)聯(lián)產(chǎn)品分析，這個(gè)中國(guó)一些大的金融企業(yè)已經(jīng)在做了，比如說(shuō)一些證券公司。

下面就講講在證券行業(yè)的應(yīng)用，倫敦的證券交易所有40%的金融交易是用量化交易，就是機(jī)器自己進(jìn)行交易的。在國(guó)內(nèi)，我們量化交易的市場(chǎng)這幾年有了提升，大概有30%，美國(guó)是70%的基金都是量化交易基金，在美國(guó)TOP100的基金基本上第二年很少再進(jìn)入TOP100了，因?yàn)槭袌?chǎng)競(jìng)爭(zhēng)非常激烈，沒(méi)有一家基金可以長(zhǎng)時(shí)間保持在TOP100。

約翰·埃爾德建立了一個(gè)股票預(yù)測(cè)的黑盒子，押上了全部身家10年，像一些黑天鵝事件很容易影響股票市場(chǎng)的波動(dòng)。有一些股票的模型都是用歷史交易去做的，如果用歷史交易預(yù)測(cè)未來(lái)的話有很大的欺騙性。

下面就是UBI，也是UBI在做金融企業(yè)深度學(xué)習(xí)，或者是Machine Learning常用的一種方式，美國(guó)有20%的車險(xiǎn)市場(chǎng)定價(jià)是UBI決定的，就是基于你的價(jià)值行為，比如說(shuō)你的手機(jī)上傳感器傳的數(shù)據(jù)到車險(xiǎn)APP之后，它會(huì)判斷你的急剎車、急轉(zhuǎn)彎和行駛道路是否平坦、是否闖紅燈，是否邊開(kāi)車邊打電話，通過(guò)這些數(shù)據(jù)可以進(jìn)行一些風(fēng)控模型的判斷，也會(huì)對(duì)你的價(jià)值行為進(jìn)行一個(gè)評(píng)分。但中國(guó)暫時(shí)UBI還沒(méi)有大規(guī)模興起，未來(lái)是一個(gè)很大的市場(chǎng)。

今天的分享大概就到這兒，未來(lái)機(jī)器學(xué)習(xí)在金融領(lǐng)域應(yīng)用是非常廣闊的，希望大家做數(shù)據(jù)分析的時(shí)候，除了做表格了解之外，也再想想怎么樣去預(yù)測(cè)、去決策，謝謝！

提問(wèn)：我想問(wèn)一下封閉性系統(tǒng)和死循環(huán)有什么區(qū)別？

鮑忠鐵：咱們先把概念搞清楚，看看咱們倆了解的概念是不是一樣，封閉式系統(tǒng)所有的反饋都是在內(nèi)部，沒(méi)有外部，他這個(gè)反饋有可能形成死循環(huán)，有可能不會(huì)形成死循環(huán)，反饋沒(méi)有波動(dòng)了，沒(méi)有任何的干擾了，所有的數(shù)據(jù)輸入和數(shù)據(jù)輸出結(jié)果都一樣。

這種現(xiàn)象可以從兩方面解釋，第一個(gè)就是你的數(shù)據(jù)的采集，這種情景做模型分析的時(shí)候很少能出現(xiàn)，如果你出現(xiàn)這種的話，我們認(rèn)為就是你的模型有很大的缺陷，會(huì)出現(xiàn)一種死循環(huán)。第二就是模型在任何的噪聲，或者說(shuō)在任何的臟數(shù)據(jù)的處理下，不要形成死循環(huán)，你的模型在設(shè)計(jì)的時(shí)候要抗死循環(huán)。

提問(wèn)：給用戶打標(biāo)簽，建立用戶畫(huà)像之后，其實(shí)是對(duì)用戶深度地去解讀，我可能去猜測(cè)這個(gè)用戶的喜好和他的行為習(xí)慣做一些推薦，如果我這么做的話，可能會(huì)和推薦的多樣性有沖突，有沒(méi)有一些方法，針對(duì)用戶的多樣性。

鮑忠鐵：這個(gè)問(wèn)題比較簡(jiǎn)單一點(diǎn)，她說(shuō)用戶的深度分析之后，就把用戶定到一個(gè)很小的領(lǐng)域，但是我貨架上有一百個(gè)產(chǎn)品，我如果給用戶定到一個(gè)很小的領(lǐng)域的話，那一百個(gè)產(chǎn)品就沒(méi)辦法給他了，我只能挑一個(gè)商品給他，這樣對(duì)我來(lái)說(shuō)是不是一個(gè)商業(yè)上的損失，做用戶分析就得不償失了。

做商業(yè)分析的時(shí)候，我們最終看到的一個(gè)結(jié)論，增加企業(yè)的收入，其實(shí)還是你這個(gè)商品的銷售收入，即使你把客戶定到一個(gè)很小的領(lǐng)域中，這個(gè)客戶到了之后你商品的轉(zhuǎn)化率比原來(lái)提高了。你有兩個(gè)選擇，要么沒(méi)定他很細(xì)的領(lǐng)域給他推薦一百個(gè)產(chǎn)品，最后看他的結(jié)果，整個(gè)收入提高了，你的深入分析就是有效的，如果你的深度分析之后，他定的收入是降低了，那么你的分析就是有問(wèn)題的。

實(shí)際上換一個(gè)角度來(lái)說(shuō)的話，你給用戶推薦一百個(gè)產(chǎn)品，和給用戶推薦五個(gè)產(chǎn)品，用戶的體驗(yàn)和你推薦的成本是不一樣的。所以從這個(gè)角度來(lái)說(shuō)的話，我還是強(qiáng)調(diào)，通過(guò)深度分析對(duì)用戶的精準(zhǔn)分析和精準(zhǔn)營(yíng)銷，做精準(zhǔn)推薦是一個(gè)趨勢(shì)，這也是現(xiàn)在電商在做的一個(gè)事情。你要有一個(gè)平衡點(diǎn)，當(dāng)轉(zhuǎn)化率高于多少的時(shí)候我就做精準(zhǔn)營(yíng)銷，低于多少的時(shí)候我就普通推。

對(duì)商業(yè)數(shù)據(jù)分析感興趣的同學(xué)可移步至CDA數(shù)據(jù)分析師微店了解課程：