「数据驱动决策」实践指南,看别人如何数据淘金
天旦 09/06

 

「数字化转型」是企业或早或晚都将面临的新挑战。扑面而来的新客户、新技术、新合作在带给企业新的机遇的同时,也将引发新的问题:新客户的涌入、新技术的投产、新合作的建立,将带来数据积累的井喷式增长。如果这些数据没有为业绩增长带来价值,那么企业就相当于坐在金矿上吃土。


真的有必要改变商业决策模型吗?

不仅是你的用户,也许你也会有这样的犹豫:

如此多的诱惑围绕着您的用户做选择,您还要慢慢想办法吗?


市场瞬息万变,每一个决策不仅要制胜当下的竞争,还要对未来负责,因此决策的时效性非常重要。在过去,企业进行商业决策时往往依赖于个人经验与直觉,即使参考历史数据,也会因为数据的滞后性而导致决策周期延长,进而导致决策的时效性变差,失去与市场状况的最佳匹配性。

 

在这个时代,每个个体的生活都被高度数据化,消费者经历的相当一部分都发生在互联网上,这使得他们在数字世界里的生活成了他们的「第二人生」。这也就意味着,一切在互联网发生的事情,都可以以数据的形式存储下来。而随着市场竞争的加剧,企业的生存空间被逐渐压缩,商业决策时的试错成本大大提高,每一个决定都必须经过深思熟虑。而要实现进一步的业务成长和产品创新,就必须了解消费者需要、读懂他们的内心,这使得对消费者数字化生存所产生的数据进行整合并且得到商业洞察的技术迅速成熟起来,也就是经常被提起的「大数据分析」。这在现实中已经有很多案例,比如某打车软件的「大数据杀熟」,通过对不同用户的用车频次和用车行为进行区分定价以最大化企业利润;还有京东、淘宝等电商购物网站的「千人千面首页」,根据不同消费者购买/浏览记录呈现不同的商品推荐等等。

大数据杀熟,对熟客的消费习惯进行数据分析匹配精准营销规则,不同人不同价


你可能会说,我们公司已经有BI部门(BusinessIntelligence商业智能)和数据分析师根据数据制定企业战略,这不就是数据驱动决策吗?

 

早在1996年,Gartner就提出了商业智能的概念:商业智能描述了一系列的概念和方法,通过应用基于事实的支持系统来辅助商业决策的制定。商业智能技术提供使企业迅速分析数据的技术和方法,包括收集、管理和分析数据,将这些数据转化为有用的信息,然后分发到企业各处。正如著名的BI厂商Tableau定义其使命为:「帮助人们将数据转化为可以付诸行动的见解。探索无所不能的可视化分析。」由此可见,BI实际上就是数据驱动决策的一种实践。

 

二十多年的时间,信息技术快速更迭、推陈出新。大数据的出现,又为BI赋予了新的内涵。IDC咨询对「大数据」的定义中指出其三个特性:「大数据技术是新一代的技术与架构,它被设计用于在成本可承受的条件下,通过非常快速(velocity)的采集、发现和分析,从大体量(volumes)、多类别(variety)的数据中提取价值」。由此可见,时效性从数据挖掘这一概念诞生开始就如影随形。

Gartner在《2018分析和商业智能平台魔力象限报告》中指出:到2020年,增强数据发现能力将带动商业智能和分析平台快速发展,用户数量将以两倍的速度增长,并提供两倍的业务价值。同时,Gartner在报告中强调,2018年魔力象限的关键看点之一,在于“支持实时数据分析”。

 

BI部门依赖于数据仓库(Data Warehouse)供给数据,而数据的来源可分为两大部分:企业外部的消费人群数据,以及企业内部的交易过程数据。

§   外部数据:大到宏观的行业背景数据,小到聚焦到每一个用户的画像,这些数据大部分是非独有的。

§   内部数据:企业天然拥有的数据金矿,只要用户与企业发生线上交互,就会产生用户基于平台的过程数据,不可为外界复制、独一无二。可最容易获取的数据金矿,因为过去信息化发展的遗留原因,却是最难以挖掘价值。

How Google Does Big Data – Devnexus 2014

天旦产品凭借旁路方式部署,可以跨业务条线获取全业务过程数据的天然优势,通过互联数据引擎,全量吐出交易过程数据,精度高达毫秒级。通过互联数据引擎提供的实时数据,赋予BI实时数据分析的能力。

 

用实际案例来看BI与数据决策的关系:企业领导需要宏观上对整个企业的状况有所掌握,以便及时地调整战略布局。在过去,制作报表是一件费心费力的事。一方面,报表的数据统计需要时间,从制作到提交到管理层,再快也只能代表过去。滞后的业务数据带来的也是滞后的业务决策。

 

天旦某全国性股份制商业银行用户,面向总行业务部门和分/支行行长,基于天旦互联数据引擎吐出的秒级交易数据(互联数据引擎吐出的数据最高可达到毫秒级精度),获取资产与负债实时指标,建立实时「行长驾驶舱」,按地域与业务类型,实时呈现全行资金流,与各行机构往来账目数据,行内各渠道当日实时总成交量,对公、个人存款金额实时分析等内容。仅一张图就能够让总行业务部门和分行/支行行长对全行情况全局、实时掌控,并且基于这些数据作出最即时的战略决策,这就是BI实践与实时数据的最佳结合案例。

行长驾驶舱,由天旦互联数据实时驱动的业务数据决策依据


银行的数据驱动决策能帮到我什么?

在数字化转型中面对的一切挑战都可以先参考银行业经验的原因是,作为经济活动的起点和终点,银行首当其冲面临数字化转型的浪潮;而有着所有行业中最严格监管和业务要求(比如可靠性必须达到99.999%)的银行,也最迫切地需要进行数字化转型。因此任何需要经历数字化转型的企业,都可以从银行业的丰富实践案例中学习经验,少走弯路。

 

让我们来看两个实际案例:

案例一,数据驱动用户营销,让用户在乐不思蜀间创造收益。

应对营收重心从大客户向零售客户的转变,银行也努力推出各种产品吸引用户。对于VIP持卡人来说,最有吸引力的自然就是各种用卡权益。在过去,用卡权益与信用卡种类绑定,只能在合同到期后进行变更,成本高、周期长、时效性差,对用户的吸引力也极大受到了限制。而借助对数据分析,用户喜欢用信用卡买什么、从什么渠道买等都可以从交易明细中分析而出,从而对用户画像进行刻画和分类,按需设计用户权益,精准营销。而营销的手法借助于互联网,也是更多玩法、更加灵活、更快反馈。

 

天旦某全国性股份制商业银行用户,自2017年12月开始,将每月10日作为该行固定的VIP会员权益秒杀日。VIP会员通过手机APP,即可参与。权益好礼包括了视听权益、加油权益、酒店免费住、酒店买一送一等等,充满了吸引力。自上线以来,每月10日的用户访问量和交易量屡创新高,今年8月10日,创下18000TPS的交易峰值纪录,仅仅10分钟之内的访问量就约达平日5倍,客户领取权益的总数在活动开始后2分钟内迅速达到10万份以上,连带信用卡申请、理财基金、定存转账等周边业务被盘活。这一活动的成功依托于该行富有远见的数字化转型技术改造。通过天旦BPC,一方面为高压之下的业务性能提供了可靠保障,指导运维部门进行合理的容量规划;另一方面,完整、实时的交易过程数据充分体现用户的喜好,用技术手段“懂用户”,为业务部门的决策提供数据依据。


案例二,南京银行基于实时数据的 “T+0”风控创新

2017年,银监会印发《中国银监会关于银行业风险防控工作的指导意见》,在全国范围内进一步加强银行业风险防控工作,消除重点领域金融风险。《指导意见》指出,银行业金融机构要严格落实信贷寄类信贷资产的分类标准和操作流程,真实、准确和动态地反映资产风险状况。

 

以往的风控系统为“T+1”的事后监控模式,每日日终时从数据库抽取全部交易信息进行分析,从而排查出不良交易发生的账户、渠道、影响面等,以启动风控流程。但是随着手机银行、第三方支付平台等各种交易渠道的普及,交易进行的便捷性大大提高,出现风险交易的可能性也大大增加,传统的“T+1”风控无法跟上业务要求。

 

南京银行通过金融科技创新,富有预见性地走到了政策的前面。早在2016年,南京银行即联合天旦进行了技术创新,通过天旦互联数据,将逐笔交易明细实时输送至风控平台进行模型匹配。在交易发生的当下风控部门就可以进行分析并判定,进而在第一时间启动风控流程挽回损失,让风控从“T+1”突破性地升级到“T+0”。而这一突破仅仅基于运维部门的技术升级,无需改动任何应用,因此不会对任何业务模块造成影响。

对此,南京银行信息技术部副总经理叶照曾称赞道:「BPC项目是我行非常重要的运维项目,目前(截止2016年)已经成功上线了10套业务系统,并通过API与我行风控平台对接,为我们的风控业务提供实时的数据指标依据,让我行风控业务从“T+1”成功升级到“T+0”的管理模式,有效缓解了因为数据时滞而带来的风控瓶颈。」

 

以上两个案例,应该能让你明白数据的宝贵价值和巨大潜力。而数据驱动决策的核心不仅仅是数据,而是实时、精准、全量的业务数据,这又要求企业的运维部门有相应的吐出能力。在服务120+家银行客户的过程中,天旦BPC作为IT系统的业务保障,通过互联数据引擎全量吐出精确到逐笔交易明细的实时数据,赋予了运维部门相应的数据能力,也因此有信心以我们的经验帮助更多企业完成数字化转型。


我打算/已经采取数据驱动决策了,接下来要做什么?

作为数字化转型的一大维度,决策转型不仅仅是技术升级改造,更是通过技术升级实现业务流程的革新。过去喜欢拍脑袋、靠直觉做决定的业务部门如今有了数据这一利器在手,要养成看数据而非靠经验的思维方式;而数据这一工具要在商业决策中发挥更大的作用,也需要业务部门学习更多的数据分析知识,了解如何使用这柄利刃。这将是一个远比技术改造要缓慢得多的过程。

 

在完成从经验决策到数据驱动决策的转型后,企业过往的海量数据积累将转变为数据资产,不仅帮助企业更好地应对环境变动,还能推动业务创新地发生,抢占市场先机。但同时,决策转型也将带来新的挑战:数据高实时化的要求,业务需求的快速变动,以及产品和服务的即刻落地,这些都将使运维所承担的责任更加沉重。而要应对这些挑战,不仅要运维部门自身的改变,企业的组织架构也需要作出大调整,这就是数字化转型的第三个维度:经营模式转型。




本文由新知号发布,如有版权问题请联系我们进行处理。
联系方式:system@shangyexinzhi.com
2000+知识点 7000+案例
商业新知助力数字化转型
下载