你好,游客 登录
背景:
阅读新闻

数据如何驱动金融产品智能化?

[日期:2018-11-01] 来源:网络  作者: [字体: ]

10 月 25 日- 26 日,由中国电子银行网与清华大学五道口金融学院联合主办的银行中高层管理者研修班(第三期)在北京举行。神策数据创始人兼CEO,清华大数据联盟理事桑文锋在课上分享了题为《数据驱动用户经营模式创新》的内容,就数据驱动产品迭代,数据驱动产品智能化方面发挥的重要作用,以及如何构建数据平台发表了自己的看法。

中国信息化建设所面临的问题

桑文锋以井冈山的故事入题,指出,纵观我国企业信息化与数据化建设,信息传输方面存在三方面的问题,包括数据传输不及时、数据传递不准确、数据收集不全面。

他指出,即使是在今天,一些企业在内部实现了IT化以后,这三个问题依然没有得到明显改善。虽然决策与执行之间可以通过OA、ERP、CRM等来实现指令的发出与反馈,但也会面临不少问题。比如,内部往往会反馈数据缺失。这是因为部分环节为人工操作,没有记录,另外,IT系统之间的信息还不是互通的,一些相关数据需要外部调研机构来提供,而且反馈周期较长。

导致这些问题出现的原因是:企业 IT 化过程在源源不断地产生一些数据,曾经的业务流程的思路并未考虑到数据的收集与应用,导致在数据驱动决策方面,数据采集的全面性、处理效率都存在突出问题。

信息化建设转变为面向“数据流”

解决信息化建设的根本问题,要在整个企业信息化建设过程中,实现面向“业务流”到面向“数据流”的转变,不单只是考虑业务流,而是更多考虑如何把整个数据体系建立起来,来支撑业务更好地发展。

桑文锋介绍了以神策数据的 ToB 数据流建设。神策数据就是 ToB 数据流建设的一个很好的例子,神策数据的整个业务对外有三个重要的环节:市场营销、销售和客户成功。

这三个环节覆盖了神策数据服务客户的整个全生命周期,不同的环节都会产生一些数据,通过整合营销、售前行为、销售行为、客户行为、业务等数据建立数据流,虽然建立的过程会出现一些挑战,但是一旦建立了完善的数据流,就会消除不同团队、各业务之间的割裂,让各部门为同一目标而努力,加速公司目标的实现。

面向数据流的产品迭代

传统的产品迭代方式相对简单,可以理解为两个步骤:点子和产品。时至今日,依旧有很多互联网公司仅凭借一个好的想法,开始盲目地做产品,如此非常依赖于产品经理的悟性,但人难免犯错。所以,我们要思考如何让整个产品迭代的过程变得更加科学,面向数据流的产品迭代,就是一个科学的方式。

在传统的产品迭代方式中加入数据变成三个环节:点子、产品、数据。

加入数据流后的产品迭代方式

如上图,有了数据的加入,我们在将想法转化为产品时,可实现建立可衡量的假设和指标、数据采集方案以及 A/B 测试的实施,让想法先得到科学的验证,再投入技术的开发,防止无畏的技术资源、时间、精力的浪费,实现投入产出比最大化产品迭代。

数据驱动产品智能

迭代后的产品会产生相关的新数据,通过数据分析,企业员工可以有所学习和思考,从而产生新的点子,然后让这个循环有效地运转下去。如此,将产品迭代变成一件科学的事情,所谓科学就是不断地假设、实验,验证。通过迭代可以使产品不断改进,但是更多的时候我们期望产品能自动感知、适应、满足用户的实际所需,也就是产品智能。

所谓的智能,就是使产品具备学习能力,而具备学习能力,需要知识的输出与输入,对于机器来说,数据就是它最好的知识。将用户的行为数据、交易数据、业务数据等整合起来,使用一定的机器算法,构建产品的指令和反馈的闭环,也就使机器具备了决策和执行能力,实现了智能。

数据是如何帮助企业解决问题的?

桑文锋以某理财平台为案例,向学员们介绍了注册转化率、开户转化率,再到投资转化率的过程中会碰到的问题,以及解决方案。比如该企业欢迎页交互不合理导致用户流失问题,首页布局不合理导致的注册开户转化率不高的问题等。该企业如何添加“立即体验”入口,提升首页新手福利的聚焦,突出“立即注册”的视觉焦点等。这些都是通过一系列数据挖掘和分析之后得来的答案。

在这个案例中,一些产品在运营时出现开户和投资转化率低的原因主要集中在交互路径长,引导不明显,用户不同状态无差异等方面。通过数据分析,针对新手,页面展示预期收益率和奖励,增加注册成功后引导用户的投资体验,以及首投成功后引导分享好友等。

数据驱动在企业落地需要注意三个关键点

数据可以帮助我们解决很多问题,但在企业应用层做到落地并非易事。他认为,一家企业落地数据驱动包括三个层面:第一层是从企业高层开始,老板的数据驱动意识; 第二层是公司的整体业务流程的改造,包括产品、市场、运营等,并把数据驱动引入到实际的工作流程之中;第三层是真正的落地层面,包括数据基础平台的建设,以及如何围绕数据驱动决策和智能让数据发挥更大的价值。

大、全、细、时

数据如此重要,那么在做数据采集时需要注意哪些点呢?桑文锋总结说,数据采集与平台建设的要点是“大、全、细、时”。

大:大数据的“大”强调宏观的“大”,而非一味追求数据量的“大”。

全:“全”是全量,强调多种数据源,包括前端、后端的数据,以及日志、数据库数据等。大数据时代有了更前沿的数据采集手段,让获取全量数据成为可能。

细:“细”强调多维度数据,包括事件、商品的各种维度、属性、字段等。比如我现在问“你所在公司的客户中,不同身高的群体在平均消费额上有什么差异”,你很可能回答不出来,因为你没有记录“身高”这一维度的数据。

时:时效性,强调实时数据采集和实时数据分析的价值。

收藏 推荐 打印 | 录入:Cstor | 阅读:
相关新闻      
本文评论   查看全部评论 (0)
表情: 表情 姓名: 字数
点评:
       
评论声明
  • 尊重网上道德,遵守中华人民共和国的各项有关法律法规
  • 承担一切因您的行为而直接或间接导致的民事或刑事法律责任
  • 本站管理人员有权保留或删除其管辖留言中的任意内容
  • 本站有权在网站内转载或引用您的评论
  • 参与本评论即表明您已经阅读并接受上述条款