本文整理自桑文鋒在消費(fèi)金融沙龍上的精彩分享，演講主題是《大數(shù)據(jù)分析——如何消除金融不確定性》。

---

“信息是用來消除不確定性的東西?！薄戕r(nóng)《信息論》

“大數(shù)據(jù)的本質(zhì)，就是通過信息消除不確定性?！薄獏擒姟豆韫戎i》

桑文鋒非常認(rèn)同這兩點(diǎn)，引入更多的信息，可以消除更多的不確定性，這就是為什么信息是重要的。顯然大數(shù)據(jù)是更多的信息，在數(shù)據(jù)處理上可以在業(yè)務(wù)中起到更多作用。

數(shù)據(jù)到底能做什么？一點(diǎn)是數(shù)據(jù)驅(qū)動(dòng)決策，另一點(diǎn)是數(shù)據(jù)驅(qū)動(dòng)人工智能。

數(shù)據(jù)驅(qū)動(dòng)決策主要是 BI 方面，不論是做產(chǎn)品改進(jìn)、營銷、運(yùn)營監(jiān)控、商業(yè)決策，都是通過收集更多的數(shù)據(jù)，讓決策變得更加有效，而非拍腦袋憑感覺。

數(shù)據(jù)驅(qū)動(dòng)產(chǎn)品智能方面更多體現(xiàn)數(shù)據(jù)價(jià)值，驅(qū)動(dòng)決策只能發(fā)揮 20% 的價(jià)值?；跀?shù)據(jù)改進(jìn)產(chǎn)品，數(shù)據(jù)的價(jià)值遠(yuǎn)遠(yuǎn)大于幾張報(bào)表。驅(qū)動(dòng)產(chǎn)品智能更多稱為 AI 人工智能，智能就是在數(shù)據(jù)的基礎(chǔ)上，通過一些策略算法，例如深度學(xué)習(xí)，得出結(jié)果，把結(jié)果回歸到產(chǎn)品里，產(chǎn)品本身具有學(xué)習(xí)能力就是一種智能。

數(shù)據(jù)處理的第一步是數(shù)據(jù)采集；第二步是數(shù)據(jù)建模，整合數(shù)據(jù)模型；第三步是通過數(shù)據(jù)模型做數(shù)據(jù)分析；最后一步是做指標(biāo)。

第一步 數(shù)據(jù)采集

數(shù)據(jù)采集原則

數(shù)據(jù)采集離不開數(shù)據(jù)源，這是桑文鋒八年百度構(gòu)建數(shù)據(jù)平臺(tái)的經(jīng)驗(yàn)之談。數(shù)據(jù)分析出問題，往往是數(shù)據(jù)本身收集不夠好，基于如此的基礎(chǔ)上建高臺(tái)，肯定是不穩(wěn)定的。基于隨心所欲的需求出業(yè)務(wù)報(bào)表，就會(huì)發(fā)現(xiàn)日后的想法沒有數(shù)據(jù)支撐。如何把數(shù)據(jù)源整好？原則就是大、全、細(xì)、時(shí)。

• 大”強(qiáng)調(diào)宏觀的“大”，而非物理的“大”。大數(shù)據(jù)不是一味追求數(shù)據(jù)量的“大”，比如每天各地級(jí)市的蘋果價(jià)格數(shù)據(jù)統(tǒng)計(jì)只有2MB，但基于此研發(fā)出一款蘋果智能調(diào)度系統(tǒng)，就是一個(gè)大數(shù)據(jù)應(yīng)用；

• ?“全”強(qiáng)調(diào)多種數(shù)據(jù)源。大數(shù)據(jù)采集講求全量，而不是抽樣。除了采集客戶端數(shù)據(jù)，還需采集服務(wù)端日志、業(yè)務(wù)數(shù)據(jù)庫，以及第三方服務(wù)等數(shù)據(jù)，全面覆蓋。

• “細(xì)”強(qiáng)調(diào)多維度數(shù)據(jù)采集，即把事件的維度、屬性、字段等都進(jìn)行采集。如電商行業(yè)“加入購物車”的事件，除了采集用戶的 click 數(shù)據(jù)，還應(yīng)采集用戶點(diǎn)擊的是哪個(gè)商品、對(duì)應(yīng)的商戶等數(shù)據(jù)，方便后續(xù)交叉分析。

• “時(shí)”強(qiáng)調(diào)數(shù)據(jù)的時(shí)效性。顯然，具有時(shí)效性的數(shù)據(jù)才有參考價(jià)值。

數(shù)據(jù)采集方式

數(shù)據(jù)采集方式共有三種：第一類是通過界面配置采集的可視化埋點(diǎn)；第二類是通過前端和后端將核心邏輯的數(shù)據(jù)信息、維度信息記錄下來的代碼埋點(diǎn)；第三類是人工審核數(shù)據(jù)，實(shí)時(shí)、批量引入的輔助工具導(dǎo)入。

第二步 數(shù)據(jù)建模

數(shù)據(jù)建模階段，許多人對(duì)數(shù)據(jù)分析存在一個(gè)很嚴(yán)重的錯(cuò)誤理解：將數(shù)據(jù)庫當(dāng)成數(shù)據(jù)倉庫使用。這將導(dǎo)致三個(gè)問題。

• 業(yè)務(wù)人員難以理解，無法直接使用復(fù)雜的數(shù)據(jù)庫，或者業(yè)務(wù)數(shù)據(jù)經(jīng)常改變，達(dá)不到人人皆可用數(shù)據(jù)的狀態(tài)，效率降低。

• 常規(guī)數(shù)據(jù)庫性能降低。常規(guī)數(shù)據(jù)庫無法很好地支持大批量數(shù)據(jù)或長時(shí)間跨度數(shù)據(jù)分析。

• 數(shù)據(jù)不全，無法靈活組合做分析。

第三步 數(shù)據(jù)分析

針對(duì)用戶的運(yùn)營情況，我們有不同的模型進(jìn)行專業(yè)分析，如用戶分群、漏斗分析、留存分析等。之所以可以做到專業(yè)化、標(biāo)準(zhǔn)化，是因?yàn)榍捌跀?shù)據(jù)基礎(chǔ)采集與建模工作的專業(yè)，使數(shù)據(jù)分析工作變得容易。

第四步 指標(biāo)

把業(yè)務(wù)常關(guān)注的東西指標(biāo)化，是數(shù)據(jù)分析的正確思想。金融行業(yè)天然跟數(shù)據(jù)打交道，在獲取信息的過程中，大家需要圍繞業(yè)務(wù)建立指標(biāo)體系，如獲客渠道、用戶激活情況、復(fù)投復(fù)購率、交易數(shù)據(jù)、引薦獎(jiǎng)勵(lì)等，這些指標(biāo)也都體現(xiàn)在了 AARRR 模型中。

案例一 渠道優(yōu)化

金融類產(chǎn)品的獲客成本還是相對(duì)較高的，渠道分析非常重要。以互金行業(yè)融 360 為例，融 360 作為一個(gè)連接貸款機(jī)構(gòu)的中間平臺(tái)，肩負(fù)橋梁作用，貸款機(jī)構(gòu)的許多數(shù)據(jù)不能做到實(shí)時(shí)交互。如果廣告推廣只能跟蹤到點(diǎn)擊行為，無法跟蹤轉(zhuǎn)化與消費(fèi)，就會(huì)缺失核心數(shù)據(jù)，所以要進(jìn)行渠道分析。

如上圖，將用戶的價(jià)值數(shù)據(jù)打通，為公司提供可以全景觀察的數(shù)據(jù)，在渠道分析層面，市場(chǎng)部門通過對(duì)效果轉(zhuǎn)化的分析來判斷廣告取舍，從而讓每一分錢都花的更有價(jià)值。

案例二 產(chǎn)品優(yōu)化

互聯(lián)網(wǎng)金融產(chǎn)品業(yè)務(wù)復(fù)雜，產(chǎn)品更需優(yōu)化。舉個(gè)例子，某產(chǎn)品有一個(gè)拉新的理財(cái)項(xiàng)目，新人第一次使用返利 9.9%，很多人在使用過程中發(fā)生了獲取驗(yàn)證碼失敗的問題，用戶只能流失，并且還容易損傷產(chǎn)品口碑。這個(gè)例子充分說明了拉新容易留存難的事實(shí)。細(xì)致監(jiān)控用戶注冊(cè)、轉(zhuǎn)化、激活過程，優(yōu)化產(chǎn)品功能，讓用戶體驗(yàn)到產(chǎn)品的優(yōu)勢(shì)，有助于用戶留存。

案例三 用戶流失

用戶流失率是每個(gè)產(chǎn)品的核心指標(biāo)之一。每一個(gè)用戶都是企業(yè)花錢“買”來的，拉新成本非常高，企業(yè)更希望用戶在自建平臺(tái)上持續(xù)活躍，而非每次都要通過廣告跳轉(zhuǎn)過來。這也是自建平臺(tái)的核心價(jià)值之一：為用戶提供落地頁，減少營銷成本。甚至我們還希望用戶引薦身邊的人，進(jìn)一步降低獲客成本。對(duì)用戶進(jìn)行詳細(xì)的留存分析和流失分析，可以及時(shí)找到運(yùn)營問題環(huán)節(jié)，對(duì)用戶“查漏補(bǔ)缺”。

優(yōu)質(zhì)運(yùn)營的本質(zhì)是不斷細(xì)分，針對(duì)不同的用戶使用不同的策略。最極端的案例就是個(gè)性化運(yùn)營，每一個(gè)人都擁有定制版本。傳統(tǒng)銀行業(yè)務(wù)通常采用這種方式，但是互聯(lián)網(wǎng)用戶過多，所以需要用有限的設(shè)備和工具做精細(xì)化運(yùn)營。

神策數(shù)據(jù)的產(chǎn)品神策分析有三個(gè)特點(diǎn)：

• 私有化部署，幫助金融產(chǎn)品保障數(shù)據(jù)源頭安全。

• 基礎(chǔ)數(shù)據(jù)采集與建模，為客戶梳理搭建數(shù)據(jù)基礎(chǔ)。

• PaaS 平臺(tái)深度開發(fā)，幫助金融產(chǎn)品對(duì)接自有的系統(tǒng)。

點(diǎn)擊下方“閱讀原文”，下載干貨PPT。↓↓↓

總結(jié)

以上是生活随笔為你收集整理的【干货下载】大数据分析——如何消除金融不确定性的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。