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

---

“信息是用來消除不確定性的東西。”——香農《信息論》

“大數據的本質，就是通過信息消除不確定性。”——吳軍《硅谷之謎》

桑文鋒非常認同這兩點，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。顯然大數據是更多的信息，在數據處理上可以在業務中起到更多作用。

數據到底能做什么？一點是數據驅動決策，另一點是數據驅動人工智能。

數據驅動決策主要是 BI 方面，不論是做產品改進、營銷、運營監控、商業決策，都是通過收集更多的數據，讓決策變得更加有效，而非拍腦袋憑感覺。

數據驅動產品智能方面更多體現數據價值，驅動決策只能發揮 20% 的價值。基于數據改進產品，數據的價值遠遠大于幾張報表。驅動產品智能更多稱為 AI 人工智能，智能就是在數據的基礎上，通過一些策略算法，例如深度學習，得出結果，把結果回歸到產品里，產品本身具有學習能力就是一種智能。

數據處理的第一步是數據采集；第二步是數據建模，整合數據模型；第三步是通過數據模型做數據分析；最后一步是做指標。

第一步 數據采集

數據采集原則

數據采集離不開數據源，這是桑文鋒八年百度構建數據平臺的經驗之談。數據分析出問題，往往是數據本身收集不夠好，基于如此的基礎上建高臺，肯定是不穩定的。基于隨心所欲的需求出業務報表，就會發現日后的想法沒有數據支撐。如何把數據源整好？原則就是大、全、細、時。

• 大”強調宏觀的“大”，而非物理的“大”。大數據不是一味追求數據量的“大”，比如每天各地級市的蘋果價格數據統計只有2MB，但基于此研發出一款蘋果智能調度系統，就是一個大數據應用；

• ?“全”強調多種數據源。大數據采集講求全量，而不是抽樣。除了采集客戶端數據，還需采集服務端日志、業務數據庫，以及第三方服務等數據，全面覆蓋。

• “細”強調多維度數據采集，即把事件的維度、屬性、字段等都進行采集。如電商行業“加入購物車”的事件，除了采集用戶的 click 數據，還應采集用戶點擊的是哪個商品、對應的商戶等數據，方便后續交叉分析。

• “時”強調數據的時效性。顯然，具有時效性的數據才有參考價值。

數據采集方式

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

第二步 數據建模

數據建模階段，許多人對數據分析存在一個很嚴重的錯誤理解：將數據庫當成數據倉庫使用。這將導致三個問題。

• 業務人員難以理解，無法直接使用復雜的數據庫，或者業務數據經常改變，達不到人人皆可用數據的狀態，效率降低。

• 常規數據庫性能降低。常規數據庫無法很好地支持大批量數據或長時間跨度數據分析。

• 數據不全，無法靈活組合做分析。

第三步 數據分析

針對用戶的運營情況，我們有不同的模型進行專業分析，如用戶分群、漏斗分析、留存分析等。之所以可以做到專業化、標準化，是因為前期數據基礎采集與建模工作的專業，使數據分析工作變得容易。

第四步 指標

把業務常關注的東西指標化，是數據分析的正確思想。金融行業天然跟數據打交道，在獲取信息的過程中，大家需要圍繞業務建立指標體系，如獲客渠道、用戶激活情況、復投復購率、交易數據、引薦獎勵等，這些指標也都體現在了 AARRR 模型中。

案例一 渠道優化

金融類產品的獲客成本還是相對較高的，渠道分析非常重要。以互金行業融 360 為例，融 360 作為一個連接貸款機構的中間平臺，肩負橋梁作用，貸款機構的許多數據不能做到實時交互。如果廣告推廣只能跟蹤到點擊行為，無法跟蹤轉化與消費，就會缺失核心數據，所以要進行渠道分析。

如上圖，將用戶的價值數據打通，為公司提供可以全景觀察的數據，在渠道分析層面，市場部門通過對效果轉化的分析來判斷廣告取舍，從而讓每一分錢都花的更有價值。

案例二 產品優化

互聯網金融產品業務復雜，產品更需優化。舉個例子，某產品有一個拉新的理財項目，新人第一次使用返利 9.9%，很多人在使用過程中發生了獲取驗證碼失敗的問題，用戶只能流失，并且還容易損傷產品口碑。這個例子充分說明了拉新容易留存難的事實。細致監控用戶注冊、轉化、激活過程，優化產品功能，讓用戶體驗到產品的優勢，有助于用戶留存。

案例三 用戶流失

用戶流失率是每個產品的核心指標之一。每一個用戶都是企業花錢“買”來的，拉新成本非常高，企業更希望用戶在自建平臺上持續活躍，而非每次都要通過廣告跳轉過來。這也是自建平臺的核心價值之一：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，進一步降低獲客成本。對用戶進行詳細的留存分析和流失分析，可以及時找到運營問題環節，對用戶“查漏補缺”。

優質運營的本質是不斷細分，針對不同的用戶使用不同的策略。最極端的案例就是個性化運營，每一個人都擁有定制版本。傳統銀行業務通常采用這種方式，但是互聯網用戶過多，所以需要用有限的設備和工具做精細化運營。

神策數據的產品神策分析有三個特點：

• 私有化部署，幫助金融產品保障數據源頭安全。

• 基礎數據采集與建模，為客戶梳理搭建數據基礎。

• PaaS 平臺深度開發，幫助金融產品對接自有的系統。

點擊下方“閱讀原文”，下載干貨PPT。↓↓↓

總結

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站內容還不錯，歡迎將生活随笔推薦給好友。