• 快捷搜索
  • 全站搜索

大数据应用的拓展之路

2017-12-05 16:33:52作者:电子商务与电子支付国家工程实验室 徐燕军 华锦芝编辑:金融咨询网
当前,我们正在进入一个崭新的大数据时代。各界正逐渐达成这样的普遍共识:数据是企业的重要战略资源,大数据应用能力将会成为企业成长和竞争的关键。对企业来说,选择正确的大数据发展道路,是大数据战略得以落实的首要条件。

自2011年麦肯锡在《大数据:创新、竞争和生产力的下一个前沿领域》报告中首次系统阐述“大数据”概念后,“大数据"逐渐成为人们的口头禅。互联网公司、开源界、风投机构、传统行业、政府部门、专家以及普通民众正置身于一场五彩斑斓的“大数据嘉年华”。如何穿越表面的浮华,找到合适的方法、路径,真正挖掘出大数据的价值并投入应用,这是值得思考的问题。

大数据的应用模式

  企业日常经营中,与数据相关的工作可划分为3个层次,分别是:数据(本身)、产品、商业。与之相对应,对大数据的应用模式分别为数据分析、数据模型、数据业务。

  1.数据层面

  主要围绕数据本身开展“数据分析”的工作,对各类数据的统计分析是主要形式。企业日常经营活动中会产生各种各样的数据,通过使用数据库软件、编写脚本和程序、利用各种数据挖掘软件可以从数据中得到各种基本统计信息,例如业务量、客户增长率、财务指标情况、风险指标变化,等等。“数据分析”工作具有明确的目标指向性,工作过程相对明确,工作效果易显现。

  2.产品层面

  当数据和产品之间建立起紧密的联系,基于数据而研发的大量“数据模型”就成为各类产品的重要组成部分,从“数据模型"中发现的规律成为产品运营和优化的重要依据。例如,在面向C端用户的产品中,可以通过分析用户的历史行为特征数据形成用户画像模型,据此提供个性化推荐功能,还可以通过分析海量用户在使用产品时过程路径的特点形成用户操作模型,据此优化产品的业务流程设计;在面向B端用户的产品中,可以通过分析其历史经营数据、进行同业数据横向比较等多种方式,形成经营特征模型,提供丰富的经营决策支持功能。“数据模型”正日益成为各类产品不可或缺的一部分,借助“数据模型",数据对产品在功能设计、运营全流程的支持作用日益凸显。

  3.商业层面

  数据不再是其它工作的辅助、不再是配角,以数据价值挖掘和利用为核心的“数据业务"成为业务发展的重要支撑。当前市场上比较流行的数据业务包括:通过整合多方数据对个人或企业进行征信评分和评估,从而为用户自身提供小微信贷或向第三方提供征信服务;综合金融市场交易数据、互联网数据、宏观经济数据及行业发展数据建立指数模型,进而推出大数据指数型金融产品;为供需双方或多方提供数据交换、买卖相关服务的数据交易所,等等。“数据业务"能为业务发展开拓新的方向,是业务转型和创新发展的重要抓手。

  虽然这3个层次的工作没有必然的先后顺序,但一般的企业都从“数据分析"入手,逐步向“数据模型”演进,并期待开启“数据业务"。“数据分析"中积累的经验能为“数据模型"的研发提供很好的基础,“数据模型”中获得的认知与洞察是“数据业务"顺利开展的重要逻辑支撑。

  不同层面的数据工作各有其用武之地,都能体现各自的价值,为特定工作带来帮助。能在某个层面上做好相关工作,已是对大数据的积极实践。能在3个层面上齐头并进,大数据则已成为企业发展的重要支撑。

大数据应用的发展阶段

  当企业开展大数据应用工作的时候,必然要考虑到自身拥有的数据、数据应用范围等因素。单个企业拥有的数据都是有限的,数据的应用范围也是不断拓展的。我们认为,大数据应用的发展过程来看,存在几个不同的阶段,我们称为“大数据1.0”至“大数据4.0"。

   1.大数据1.0阶段

   企业利用自身拥有的数据,为自身的各方面工作提供服务和支持。这个阶段的关键是看自身的数据积累是否足够、数据人才的队伍建设是否到位。

  2.大数据2.0阶段

  企业开始利用自己的数据为外部合作伙伴提供支持和服务,并从中得到直接收益或间接收益。这个阶段的关键是看提供的数据产品和服务与外部需求的匹配程度。

  3.大数据3.0阶段

  企业从外部获取合适的数据,并与自身拥有的数据进行有效聚合,从而产生具有更高价值的新数据,催生新的数据产品,为自身和外部合作伙伴提供服务。这个阶段的关键是看能获取的外部数据的质量、内外部数据的关联度。

   4.大数据4.0阶段

   企业与相关方建立良好的数据合作与开放模式,相关各方都以合适的形式开放自己的数据,“我为人人、人人为我”,形成以数据为核心业务驱动力的数据生态系统。这个阶段的关键是看商业模式的设计是否合理、相关政策法规是否到位。

  当前,业界各方的主要工作集中在大数据1.0和大数据2.0的阶段,并已取得了显著成果。尽管如此,针对大数据3.0和大数据4.0的探索和尝试也正在越来越多的展开,“多方数据聚合产生更大价值”的理念在业界得到普遍认同。从长远来看,大数据3.0和大数据4.0是数据工作必然会到达的阶段:只有将企业自身的数据放在更大的视野里,和其它领域的数据进行结合,才能使自身的数据价值得到充分的释放和利用,企业也能从中获取更多的收益与回报。

  在大数据应用从1.0/2.0往3.0/4.0发展的过程中,最重要的就在于不同企业之间的数据合作,在符合相关法律法规的基础上,通过有效的技术手段进行数据的安全可靠交互,进而开展数据服务合作,产生更丰富的数据价值。其中,合作模式、数据关联、数据安全是影响合作成败及效果的3个最重要因素。

  合作模式:一个合法、合理的合作模式是数据合作取得成功的基础。一个能正常运转的数据合作模式至少应包括如下内容:一个多层次的决策和议事的组织架构,一份根据业务场景而设定的数据定价和服务收费等相关的商务协议,一系列指导日常数据合作的业务规则和技术标准,一套用于处理各类争议纠纷的流程。合法、公平、自愿、友好协商应是建立这类合作模式重要的基本原则。

  数据关联:数据合作的基础在于双方或多方的数据能够进行有效的聚合,这就需要有一个或多个关联主键。举例而言,当需要双方将关于个人的数据进行有效关联时,关联主键可以用身份证号、手机号、银行卡号、邮箱等实体信息,也可选择用户账号、设备ID等虚拟用户标识。当有多个合作方存在的场景时,不一定要求所有合作方都采用同样的关联主键,可以两两之间选用一种合适的关联主键,并通过逐级关联形成最终的关联数据。当某些场景下无法精确进行用户标识匹配时,也可以考虑特征属性匹配、行为关联、模糊概率匹配等技术手段进行数据的关联聚合,一定程度上弥补关联主键的先天不足。解决了关联主键问题之后,合作伙伴之间就可以通过服务接口调用、数据流传输、页面跳转访问等多种方式实现数据交互,提供数据服务。

  数据安全:数据安全是数据合作中的重要因素,甚至是决定性因素。一定程度上,数据的开放合作与安全合规是相对的,这就要求合作各方在遵循国家、地方政府和行业监管机构相关规定、企业数据管理制度等的前提下,建立起规范的数据合作制度,在数据开放的过程中充分保证数据以及服务的安全性。当前,在一些数据合作的实践中,原则上数据明细、用户标识等敏感信息不直接开放,代之以脱敏后的虚拟ID参与数据关联;以统计量信息、标签特征信息、群体统计数据为主要的数据开放内容,基于统计量和特征信息等开展业务合作。

推动大数据应用的关键举措

  为能够顺利推动大数据应用成功,当前需要从机制保障、技术支撑、数据治理、应用设计、合作联动等方面发力。

  1.机制保障

  对很多企业来说,当前正处于大数据应用发展的战略机遇期。为加快步伐、争取在较短时间内取得突破,形成影响力和竞争力,需要企业在从组织、财力和人力等方面给予大数据工作相应的保障,并采取物质激励、精神激励和机会激励为一体的激励措施。例如:企业内部应形成对大数据应用相关事宜进行最终决策的高层议事机构,可以视条件成立专门负责数据运营和管理的部门或子公司,对大数据项目采取相对灵活的财务预算及收益计算政策,通过引进高水平人才、进行系统化培训、激励政策倾斜等措施,打造出高水平、多层次的数据人才队伍,等等。

  2.技术支撑

  要想大数据应用取得成功,建立以统一的大数据平台为核心的技术支撑体系必不可少。大数据平台是为各类内外部数据提供统一的存储、分析、挖掘、访问等全方位服务的基础软硬件平台,是大数据发展的关键基础设施。大数据平台应具备海量的数据存储能力、快速的分析挖掘能力、高效的数据访问能力以及丰富的可视化展现能力等基础能力,形成面向数据内容、服务、产品的立体架构,满足企业内外部各类数据服务需求。在大数据平台的建设过程中,应注意做好传统技术与新兴技术的适当运用、大数据平台与其它应用系统的高效互通、统一处理与分散应用的合理布局、长远规划与眼前需求的综合考量等工作。

  3.数据治理

  完善的数据治理可以确保数据的可用性、完整性及一致性,是大数据平台良性运转、数据得到合理管理、数据价值得以充分利用的必要条件。数据治理是企业大数据战略实施的重要基础,只有在企业内部建立一套行之有效的数据治理体系,企业才会真正进入商业智能的大数据时代。数据治理体系包括制定并实施数据相关标准、持续维护和改善数据质量、形成整体的元数据与基础数据模型规划并付诸实施、制定并落实数据安全方案、制定体系化的数据相关流程制度,等等。数据治理是一项长期、艰苦的重要工作,需要得到从上到下的高度重视和自始至终的一贯执行,才能确保企业大数据战略的长期有效执行。

   4.应用设计

   大数据的价值最终需要通过大数据的各类应用模式来体现。在“数据分析”层面,应充分挖掘大数据对智能运营、精准营销、客户服务、风险管控等各方面工作的支撑作用,提高工作效率,优化工作模式。在“数据模型"层面,一方面,需要为各类产品设计丰富的大数据元素,提供相应的数据支持,丰富产品功能,优化用户体验,增强用户粘性;另一方面,也需要在各类产品设计中贯彻大数据思维,将收集各类数据、获取用户授权、记录行为模式、产品自身评估和优化等工作渗透到产品设计、研发和运营的各个环节,为大数据长期发展提供坚实的数据基础。在“数据业务”层面,需要充分利用好内外部各类数据,规划、设计和研发以大数据服务为核心的创新产品,丰富产品体系,形成新的业务收入来源。

  5.合作联动

  企业的大数据应用想要取得更大的成功,良好的外部合作与联动也是重要的途径。在数据内容的丰富、数据处理技术和价值挖掘的经验借鉴、数据应用的推广、数据工作影响力的拓展等诸多方面,合适的外部合作伙伴往往能提供很好的帮助,起到事半功倍的效果。在数据采集、加工、共享方面,可联合数据交易所或行业合作伙伴进行非敏感数据收集、购买、存储及加工;在数据挖掘及商业分析方面,可在与合作方充分沟通市场的需求的情况下,提供无偿和有偿相结合的高价值数据产品及商业咨询服务,帮助合作伙伴实现业务创新和完善现有业务,扩大本企业大数据在其他相关行业的影响力;在技术共享及人才培养方面,可定期举行大数据技术交流论坛和培训,更大程度的培育企业使用大数据的能力。在实际操作过程中,为了使合作联动进一步常态化及正式化,可与外部合作伙伴形成某种形式的大数据联盟,并根据合作活动的影响力、实际数据需求采取灵活的、差异化的合作方式。

图片1.jpg
图 数据合作的关键要素

总结

  当前,我们正在进入一个崭新的大数据时代。各界正逐渐达成这样的普遍共识:数据是企业的重要战略资源,大数据应用能力将会成为企业成长和竞争的关键。对企业来说,选择正确的大数据发展道路,是大数据战略得以落实的首要条件。

(文章来源:金融电子化杂志)

扫码即可手机
阅读转发此文

本文评论

相关文章