原标题：怎么利用数据赚钱？

在“大数据”时代,数据将是企业,特别是金融企业的核心资产。如何充分利用历史积累的和每天仍在产生的海量数据,如何从数据中提取有价值的信息,如何把信息转化成商业智能的知识和规则,可以对金融企业的竟争力乃至成败起到至关重要的作用。

互联网企业注重的是用户感受和用户体验。针对消费者的个性化需求提供定制产品或者服务是一家互联网企业需要努力去做的。在下一节我们会看到数据挖掘为这样的个性化提供的支

撑。而金融业的增值业务也可以建立在以数据为基础,更好地为客户服务的金融创新服务之上。服务好客户,是用数据赚钱最根本的出发点。

在前文中我们介绍了 Capital One公司在CRM上使用数据挖掘充分挖掘老客户的价值的案例,而客户价值不但是互联网金融的核心,其实也是互联网和金融这两个行业本身的核心。

互联网尊重客户体验,强调互动式营销。而互联网金融最大的价值在于用户规模和行为数据的积累。

当互联网金融企业有了海量的用户数据和行为数据之后,我们可以做各种深层次的数据挖掘,从而进一步了解我们的客户,有效掌握用户特点和他们的需求,继而为他们提供高度个性化甚至定制化的金融服务。

·每次有利率变化的时候,你会得到通知;

·每次有新的符合你投资需求的产品出现的时候,你会得到通知

·每次当你通过邮件、网页或者App询问的时候,2秒之内会得到“林小姐”、“黄教授”这样个性化的称呼;

·每当你发出询问的时候,他们立刻了解你的需求,并在3秒钟之内回答你关心的问题。

你对这家金融机构的印象会是怎样的呢?你会不会推荐你周围所有的朋友都来试用这家金融机构呢？

在大数据的场景下,上面这些场景都是完全可能实现的。

中国网络零售业在经历15年的发展后,于2013年超越美国跃居全球第一。我们完全有理由相信,这一趋势极有可能延续至金融电商和互联网金融领域。

虽然银行的数据是最多的,包括用户开户信息,存取和支付流水信息,不过这些数据很难被充分整合。数据虽然“大”,但如果无法充分使用,那么这里的大数据只能停留在“大”这个字上。

CRM的概念最初由全球最具权威的I研究与顾问咨询公司高德纳咨询 Gartner Group提出的。而近年来欧美金融业不仅广泛将CRM系统应用于管理和改普客户关系上,而且以此为基础,通过对客户大数据的分析和挖掘,转变过去建立在产品之上的运营方式,把运营建立于客户大数据之上,以客户为中心实现金融创新,并且获得了相当好的效果。

CRM系统作为针对金融业运营方法、信息技术和电子商务能力的一种整合工具,特别适用于目前有了大规模客户群和海量数据后的金融行业。

下面我们来看在大数据的背景下,CRM的分析工作到底能为金融行业的企业做些什么：

基于大数据的CRM系统在金融行业有着非常好的适用性,因为它以数据为基础,着重于解决金融业关心的三个基本问题：

如何得到客户?

如何留住客户?

如何使客户价值最大化?

首先,对金融业而言,把客户群细分,找出最有价值的客户是最重要的工作。金融机构可以通过CRM对收集到的客户的海量交易数据和行为信息进行综合分析和挖掘,识别出普通手段难以发现的价值客户群,特别是那些具有最大长期价值的客户,并以此作为确定最终目标市场的依据。

CRM通过多个不同指标和多个数据维度对所有有数据的客户进行分类,并针对不同的客户,实施定制的策略。为每个目标客户群提供一对一式的、符合客户行为和心理的个性化的产品。

其次,CRM是一种旨在改善金融机构服务体验,改进与客户之间关系的新型管理方法的工具。它的存在,使得金融机构的产品、市场营梢、销售和服务等各个部门不再是各自为政,而是以客户信息为核心,使得金融机构内的各个部门之间能够对客户的信息进行充分、一致的分析与交流,最终使得各部门能够协同建立并维护真正一对一的个性化客户服务体系。

此外,CRM更是一种基于数据的先进管理思想和管理理念。从本质上看,CRM是在将企业文化同业务系统结合的同时,形成以客户为中心、以数据为中心的运营理念,而不再是传统的以产品为核心。企业把客户作为最重要的企业资源,通过提供更快速、周到和准确的优质服务来吸引并保持更多的客户,达到个性化的服务,以提高客户满意度。

同时所有的运营活动都可以基于数据,特别是客户的反馈数据之上,无论是新产品的制定、推出市场营销的效果评定,还是服务和技术支持的满意度,都可以用数据说话,实现基于数据的弹性运营,加快运营流程,实现金融创新。

在本章前面的部分,我们讨论过在金融机构发放贷款的时候,如果有充足的数据,计算出的违约概率就可以有很高的参考价值。

如果说以 Capital One为代表的成功案例,是对金融企业内部数据的应用,可以被称为金融大数据应用的1.0版本的话,那么对外部非金融数据的应用,则可以被称为金融大数据应用的2.0版本。

目前许多欧美国家对金融企业内部数据的应用已经非常成熟,而对金融企业外部其他数据的应用也开始逐步走入商业阶段。我们以 Zest Finance为例,来看如何使用社交媒体上的大数据来为用户做信用背书。

案例: Zest Finance用社会化媒体的大数据来做背书

公司: Zest Finance

网址:htpo:/www.zesttinance.con

zest finance

Zest Finance是由前谷歌首席信息官及工程副总裁 Douglas Merrill和前 Capital One公司主管 Shawn budde一起合作的结晶。这家位于洛杉矶的初创公司,使用了大数据技术来评估个人贷款的信贷风险指数,特别是为那些个人信用不良或者不满足传统银行贷款资格的个人提供服务。在2012年1月份, Zest Finance在B轮融资中获得了7300万美元的风险资金,其中包括2300万美元的股权融资和5000万美元的债务融资。

Zest Finance相信不仅仅是银行的内部数据,一切数据都可以是信用数据,实际上,他们大量采集用户在社会媒体上留下的数据,从这些数据中对用户的信用进行判断,预测用户拖廷还贷的概率。 Zest finance通过这种分析,能够在低于行业平均拖延还贷率的条件下,进行更快更低成本的贷款发放。

我们在下一章中会提到的美国FICO信用系统参考的变量是15~20个,而在 Zest Finance的分析模型中大约有70000个变量!其中包括第三方支付数据和网络上获取的数据。Zest Finance使用一些大数据挖据的算法进行分析。

点评：我们来具体看一下 Zest Finance的分析流程究竟是怎样实现的：

(来源: Zest Finance)

Zest Finace的模型可以分成以下步骤

1. 收集最初的原始数据,而这些数据就是原始的变量;

2. 在数据模型中转化这些原始数据,把它们变成可用的格式;

3. 转化好的变量整合成宏变量( Meta Variable),而这些宏变量可以用来描述申请借贷人的某些特征;

4. 这些宏变量被送进各种数据模块,而每个模块都是有自己不同的功能的;

5. 每个模块都会各自打分投票,而最后汇总的分数就是用户的最终得分。

一旦机器承接了大部分的工作,那么人类就只需要根据分析结果进行一些逻辑分析和判断。总之, ZestFinance声称这种方式相比传统的最好的衡量模型,提升了40%的效率,而且最重要的是他们能在不降低银行违约率的情况下扩大用户范围。

Zest Finance并不是唯一的金融大数据2.0公司, Zebit、Avant Credit和 Kreditech等公司也提供类似的方法。我们相信在不久的将来将看到越来越多的金融大数据20的商业应用。也许,中国的第一家金融大数据公司就属于你,我们亲爱的读者。

返回搜狐，查看更多

责任编辑：