专访|TalkingData鲍忠铁：精准营销和风控占大数据产业变现80%以上体量
互联网+ 士小文 零壹财经 2016-09-19 阅读：4297
9月13日，第三方移动数据服务平台TalkingData举办了T11 2016暨TalkingData智能数据峰会。期间，TalkingData首席布道师鲍忠铁接受了零壹财经专访。
几年前，英国维克托的《大数据时代》掀起了一股大数据的热潮。近两年我们听得最多的概念是大数据风控，那么，目前大数据到底处于怎样的境况，厂商炒作多还是落地实践多、大数据究竟能运用于那些领域，该如何运用并且变现，关键点又是什么？
针对上述诸多问题，鲍忠铁进行了回答，以下是对话实录摘编，以飨读者。
概念炒作VS落地实践
Q：大数据好像被说烂了，很多人认为这就是厂商炒作的概念，您怎么看待这种观点？
A：市场上可能会有一些媒体、一些专家的声音，说大数据在炒作，可能他们也是看到了一些炒作的事情才提到这个。
我们要客观分析，大数据在这个领域会有一些炒作的现象，比如交易数据，产品还没有好，搭了很多商店，有很多货架，但根本没有商品进行上架；另外可能很多软件公司转型时（会说大数据概念），原来做传统软件，转型一下子变成了大数据软件，这也会出现炒作，但炒作的成分还是比例比较低。中国400多家大数据公司我们看到的有90%是踏踏实实做事情，踏踏实实用自己的技术、工具和能力去帮助企业利用大数据找一些价值。
大数据从宏观上看，对企业的帮助基本上从精细化运营开始，再到增加企业收入，再降低企业支出基本是就三个方面。我们看到从2015年5月到现在，一年多时间的发展过程中，已经有很多大数据企业在这三个方面都取得了特别大的成功，此外，这几年在互联网侧，或者在风险投资侧，针对大数据企业的投资是加大，在提升的。
美国VS中国
Q：中美相比，中国的大数据发展程度如何？
A：我们每年会看很多数据公司，从我们现在拿到的信息，我们会访问几百家硅谷的数据公司，我们看到美国在某一方面领先。比如说技术，大数据的两个核心，一个是技术，一个是应用，但是它的商业模式我们觉得可能没有中国的好，中国的场景更丰富，中国的商业模式层次更多、结构更多、竞争者更多、可用途更多，并且中国还是在增长的市场，还是在经济一个高速发展的阶段，人们愿意尝试新鲜的东西。
从这个角度我们认为在技术上美国的确领先，美国的创业公司模式不一样，只关注技术，不关注商业，一旦在技术上有突破之后，就可以被大公司收购，但在中国，创业公司两年、三年后投资人会要求盈利，这样会造成中国的创业公司在大数据领域相对来说更关注应用，更关注收入，技术相对来说不那么看重，或者没有那么多的精力去做。
中美两国对比，我们认为美国的大数据技术公司领先中国两年以上，尤其开源，我们现在整个大数据开源领域中基本都是国外的，特别是美国贡献的开源代码，开源软件包，在应用上我们会看到中国的应用场景更多，比美国更丰富，在应用方面中国不落后于美国，并且在某些领域领先于他们。
因果关系VS相关关系
Q：关于大数据，有一种观点认为，之前人们更重视因果关系，现在重视相关关系，甚至将相关关系分析奉为圭臬，这种变化您怎么看？
A：因果关系永远是最重要的关系，当有很强（关联）的数据，你可以做因果关系推论，那么就是因果关系。大数据时代来临后，除了原来的因果关系，用关联关系并不代表推翻了因果关系，大数据的应用也不是代表用大数据推翻原来传统应用数据的方式、传统风控的方式，只是做补充。
拿风控举例来说，高学历博士、是金领、有很好的资产，这些数据都跟信用强相关，大数据是做补充的，如果上面的强相关数据不能判断一个人的信用情况，我们会用其他数据判断信用，也就是说，在强相关关系没有的情况下，可以用弱相关数据推测。
总之，大数据的关联关系很重要，但关联关系的前提是在缺少足够的因果关系的数据之后，才会用关联关系，如果有足够的因果数据关系，关联关系的使用相对来说会弱一些。
坦白说有些企业没有那么多因果关系，没有办法去解决他的业务发展问题，但是他会在移动互联网、在网络上有大量相关关系，这种相关关系可以帮助他。
大数据发展的两驾马车：技术与应用
Q：大数据的发展关键点是什么，数据源还是数据分析？
A：大数据的核心是两点，第一是技术，数据的收集、处理、洞察、挖掘和应用的技术能力。
第二是应用，有技术积累后可以解决以前解决不了的问题。如果已经把技术做得很好，还需要应用场景，（因为）如果没有应用场景就没有商业收入，没有商业收入就没有其他投入再形成一个闭环去投资大数据企业。
有很好的数据平台、模型、技术，但没有产生商业，没有为企业发展提供贡献，那技术就没有价值，就没有办法从商业价值拿到一些回馈去迭代，形成不了一个闭环。
总之，大数据的技术和应用结合在一起，才能把大数据产业形成一个正向发展的链条，缺哪一块都不行。没有技术支撑，应用解决不了问题，离开应用，技术则没有用武之地，就没有正向循环。
Q：也就是说数据源多，并非市场上说的，存在数据源不足的问题？
A：现在缺的是数据的商业思维，就是看到这些数据之后怎么用，这是最核心的东西。
然后，就是要有数据场景，如支付、旅游、天气预报、健康等等。
大数据变现方式
Q：大数据风控为何这么火？但其实大数据的运用不仅仅是在这一领域。
A：因为中国2013年到现在互联网金融特别热，互联网金融的核心就是大数据风控，利用人们的行为信息做一些风险控制，它的客群风险都比较高，是银行不愿意服务的客群，这些人只能用大数据的行为信息加上附加信息去做风控，传统的风控效率很低。
其实，这么多年技术提升后，商业模式也在成熟，我发现大数据在营销、精细化运营、决策、风控及智能投顾等方面，这些商业模式已经找到了，大数据的应用场越来越多，比如说像线上线下数据打通，这些都有。
Q：大数据在金融领域的运用，具体来看，应该如何操作？
A：金融本质是经营风险，风险控制能力强，资产定价能力就强，获利能力就强。大数据可以发挥几个作用：
第一，可以补充维度。传统金融企业做风控，用的模型、数据都是传统代代相传的东西，或者没有利用新模型、新数据。传统的数据都是交易数据、资产数据，缺乏行为数据，现在发现很多交互数据和行为数据可以用于反欺诈，如客户申请借款，表示他的工作在北京国贸，收入2万，实际上，可以用行为数据判断客户是否在国贸工作，每个月的消费是否超过收入等，从而判断他是否欺诈。
第二，可以看客户的资产情况。传统方式中，只知道客户在你行的资产，但不知道除此之外的资产，如果能拿到信息，判断客户在外面消费领域或者资产领域的数据，其实就补充了风控模型的维度，风控也会做的更精细。总之就是用行为数据判断反欺诈、用外部数据补充信用情况。
第三，有计算有数据，最重要的是能实时服务。比如以前银行放贷，30万额度可能需要一星期审批，但有了大数据平台，有高速计算能力可能几分钟就能审批。
所以我们看到很多银行、信用卡企业，能很快发卡，很快审批信用额度等，利用的就是多数据源、大数据计算能力再加上原来的业务能力。
Q：大数据变现主要有哪些方式，我们看到上述提到的风控和精准营销是较多的提法。
A：精准营销是大数据变现的两个领域中的一个，一是精准营销，一是风控，精细化决策、投资顾问都是，但现在大数据产业中，精准营销和风控用的最多，占的比例最大，如果是变现的话，这两个加在一起占到80%以上。
其实，精准营销也没有想象中那么高的转化率，大数据是个概率问题。像亚马逊是做这种推荐非常成熟的公司，但在其推荐引擎技术已经是世界上无人能及的情况下，转化率也不过8%。所以大数据是一个概率问题，不要把它神话，人性很难琢磨，大数据只是拿到人性中的点点滴滴，从一个侧面看到一个方向做决策，不完全了解人性。电商的推荐引擎转化率、购买率不会超过10%，但它可以激活购买兴趣。
Q：似乎TalkingData在金融风控方面力度较小，未来会加大力度吗？
A：风控是我们新尝试的一个领域，其实目前大数据和金融有天生的结合点或者说天生的互相吸引力，金融企业特别喜欢大数据，大数据主要的营收来源也是金融企业。
目前，TalkingData的服务还都是偏营销、偏业务的，风控也在接触，但风控数据我们坚持一个观点，必须是第一方数据，其次会加入一些行为数据。
风控其实发展的较为缓慢，为什么？
封闭金融企业的核心是风险管理，它其实不会把风控的相关数据等开放出来，内心是一个障碍。同时，传统金融企业的风控能力、业务理解能力很强，唯一缺的是多维度的数据、计算能力、机器学习能力、人工智能等，我们逐渐也会跟信用卡公司做风控合作，补充一些第三方数据，在原有的环境中建一些风控模型，如反羊毛党模型、反欺诈模型、信用评分、资产保全、债务管理等。
在力度上不会大，我们的重心还是在互联网侧的营销，传统企业跟客户之间会隔移动互联网，隔APP，我们先把这道墙拆掉，让传统商户直接利用数据接触客户，把客户引进来，打破交易墙形成交易，这是我们想做的方向。
风控也在尝试，是一个我们很有力增长的收入来源，可能明年，我们会有一些收获，也不排除这种可能。
相关文章
用户评论
所有评论
主编精选
more专题推荐
more
第四届中国零售金融发展峰会(共15篇)
资讯排行
- 48h
- 7天
-
首页
-
评论
-
回顶部
游客
自律公约