中国电子银行网讯 由中国金融认证中心（CFCA）联合近百家成员银行举办的第十四届中国电子银行年度盛典12月13日在京举行。本届年会主题为“聚焦银行金融创新”，包括行业协会领导、银行高管在内的300多位业内精英齐聚峰会。《2018中国电子银行调查报告》同步对外发布，中国电子银行网全网络直播报道此次论坛。

神策数据创始人&CEO桑文锋

　　数据到底有什么用？在下午的“中小银行践行普惠金融与创新之路”分论坛上清华大数据联盟理事、神策数据创始人&CEO桑文锋表示：“数据的价值就是用来支持决策的。”

　　用数据做决策，无非这个决策是“给人做决策”还是“给机器做决策”——给人做决策，银行开展各种各样的业务，做商业决策时需要一些数据做支撑；给机器做决策，银行强化风控或开发智能产品，其核心就是数据使机器更加智能。

　　桑文锋认为，电子银行目前面临着自身的研发能力不够、线上产品迭代较慢、用户运营循环效率较低等问题。对于银行场景来说，要把握用户行为，就要围绕用户运营，要理解用户，把各个环节的数据收集起来。而银行体系中，围绕营销体系、客户服务等各个环节，可能有很多系统，一个银行里可能有几十个甚至上百个系统。这些系统里到底每个环节产生了什么样的数据？这些数据之间如何汇成一条流？银行要转变思路，要面向数据流。有了这条流之后，上层不管是围绕用户的运营还是风控管理，让这些事情变得更加有效。

　　以下是演讲全文：

　　各位嘉宾，领导，下午好！很高兴今天过来给大家做这个分享，不论我在百度还是创业，一直围绕数据驱动这个事情。我对银行这整个领域可以说是外行，但有一些本质的东西还是相通的。比如数据到底有什么用？这也是过去十年我们思考比较多的问题。

　　在我看来，数据的价值就是用来支持决策的，决策包括给人做决策，以及给机器做决策。给人做决策，我们开展各种各样的业务，做商业决策时需要一些数据做支撑；另一方面给机器来使用，比如我们做风控或产品智能的东西，比如今日头条这样的个性化推荐，百度金融广告，核心就是因为我们有了数据，机器本身变得更加智能。

　　我们到底如何通过数据帮助我们做决策？做好任何一件事，存在两个核心环节：决策和执行，两者缺一不可，相辅相成。有了决策之后，你把决策本身下达下去就是指令，然后进行执行，我们收集反馈，进行下一次决策，这样的循环迭代过程。

　　我们如何把决策和指令做得更好？指令和反馈是通信的两个环节，也是决策和执行能无缝对接，发挥最大能量的“连接器”。指令，指决策要变成一个可执行的指令传递下去；反馈，只有通过反馈才能评估过程的进展和质量，同时有益于佐证决策，做出更科学正确的决策。

　　过去二十年是中国信息化建设的二十年，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。

　　一方面，我们需要反馈，情况怎么样，反馈收集的情况如何，原来是侧重劳动密集型的场景，许多时候我们写一个报告把一些情况汇报一下，真实的情况有多少汇报上去，当更上层做决策时，收集到的信息决定能不能做出有效的决策，在真正做决策时，如果反馈环节做不好，这个问题就会非常大。我们内部的反馈，现在有很多环节是人工来执行的，可能我们没有有效收集数据。另一方面，市场调研，有一定的滞后性，等真正收集到数据再做决策时，时机可能就错了了。

　　在传统企业，在企业的发展中工作结构和方式发生了从纯人工，到引入机器，再到建设 IT 系统的转变，例如，某个集团性公司的运作机制，会形成如上图的网状结构，一系列 IT 系统和不同职能线的人构成了整个服务体系，意味着缺少了人，这个体系就无法运转。

　　在互联网企业，像 BAT 这些互联网公司通过接近 20 年的发展，相比传统企业，整个体系运作起来相对完善，即使在一天内没有人工工作，整个服务受到的影响也不会很大，因为整个服务和系统的 IT 化还可以支持企业正常的有效运转。但这样就完成了反馈吗？并不一定，用户使用 IT 化系统的过程中，用户需求是否被有效地反馈很难决断，机器拥有的互动性和理解力与人相比，还是相差很多。

　　我们通过数据，如何把反馈问题解决好？事实上，过去的信息化建设是面对“业务流”的，也就是说，企业通过引入一些 IT 系统，减少某些业务职能，使整个服务能更高效地正常运转，不管是针对传统企业，还是互联网企业来说，在过去信息化建设的过程中，数据也只是 IT 化的副产品，建设IT过程中顺带产生了一些数据，基于这些数据可以做一些数据分析，分析的时候真正去用又会发现很多问题，因为系统之间的数据没有真正连通起来，数据本身又缺胳膊少腿，有些维度的数据没拿到最终会导致没有数据支撑解决问题。

　　比如，不同身高的用户在购买理财产品时有什么区别？你可能没法回答这个问题，因为身高这个维度并没有采集，实际去银行办业务的时候，身高数据通过摄像头是可以采集下来的。因此，数据本身是不全的，我们没有真正围绕构建数据平台，把数据本身建好、思考这个问题。

　　我们需要转变一下理念，对任何企业都是一样的，要面向业务流信息化建设思路，要转变成另外一种思路，就是要面向数据流，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。

　　要相信一点，这些IT系统建设只是为数据流做支撑的，最底层来说，我们建设各种各样的IT系统，有了这样的IT系统之后，我们去支撑，建设一条数据流，之后所有的环节，所有的场景去使用都是在这个数据流的基础上去应用，这个理念和以前通过IT系统把业务完成是两种思路。

　　未来 IT 系统的定位将改变，以前 IT 系统是核心，未来建 IT 系统是为了更好地收集数据，使数据流更高效地流转，最后再建立应用层，这样一来，不管是业务本身还是科学决策和产品智能都能更好地实现。

　　对银行体系来说，围绕营销体系、客户服务、各个环节，可能有很多IT系统，一个银行里可能有几十个甚至上百个系统，这些系统里到底每个环节产生了什么样的数据，这些数据之间如何汇成一条流，有了这条流之后，上层不管是围绕用户的运营还是风控管理，让这些事情变得更加有效。我们和中国银联本身也有合作，像云闪付系统。任何系统，用户进行的操作，任何IT系统本身都是能够产生收益的，我们要有效地把数据采集做好，因为数据这件事情真正要做好，要看最核心的一点就是数据的采集，数据的收录，我们一定要想办法。前面嘉宾也讲到，如何利用第三方数据，把这个事情本身做得更好。我认为，用第三方是一方面，更重要的，我们要把自身的数据如何更全、更细地收集上来。

　　看两个场景，一个场景是围绕产品迭代，现在电子银行就是线上的产品，和互联网公司已经没有太大区别，电子银行里有各种各样的产品，有公众号、小程序、网站和智能App，各种各样的场景，用户使用时也是多种源头使用的。电子银行产品是怎么去迭代的呢？

    过程中很重要的一点是利用数据，我们从点子、产品两个环节变成三个环节点子、产品、数据三个环节，做产品的时候我们要有那些衡量指标，变好还是变坏，要做哪些数据采集，哪些数据测试，有了产品之后有了什么样的数据，再利用内部收集到的数据，还是外部调研，行业研究拿到数据，我们要把这两类数据都应用起来，再产生新的点，让产品迭代过程因为数据引入变成科学的过程，让它不断进行假设、实验，让事情本身变得非常简单。

    对于银行场景来说，要把握整个用户行为，我们要围绕用户运营，一定要理解用户，把各个环节的数据收集起来，我们和一些银行也有合作，银行端上的数据我们要想办法收集过来，现在通过线上的方式把这些数据收集过来之后就可以改进了，用户到我们App里进行贷款，他会进行若干次操作，哪些环节和预期不一样，比如流失率比较高，就要想这个环节有没有什么问题，可能我们也不知道哪一种更好，就用数据进行测试，测试哪个好就用哪个，至于为什么好可以慢慢想，让整个事情变得更加科学。

    比如我们围绕用户最终做转化，转化的过程中发现，整体最后一步还款效率是比较低的，我们就要分析为什么还款效率比较低，流失率比较高，要按维度进行拆分。比如我们拆开iOS和Android，发现Android的转化率比iOS明显低很多，这个问题就非常好办了。我们就要想的是，如何把Android这一步转化变得更好。也就是说，通过数据我们能更精准地定位问题，并且问题改善得如何，我们可以通过数据驱做支撑。

    银行积累了一定的用户，但有些用户是不活跃的，没有有效地使用我们的银行卡、服务，怎么办？我们要做运营，银行针对所有的用户，都给他发条短信做一次营销，在这个过程中，业务人员和数据团队之间要进行若干次交互，交互里可能先要提取用户，制订策略，然后投放，再去收集这些数据，这个循环效率是比较低的，经常人员出现了变动，中间这些环节和数据都丢失掉了。另一种角度，我们能不能让这些过程都变得自动化，让这个经营本身变得更加有效，把每一次运营都当成一次学习，每次针对哪些用户进行了营销操作，他们的反映是怎样的，我们都给它标签化、数据化，这些都作为我们进行下一次营销的基础。这个过程里，同样让运营本身变成科学迭代的过程。

    围绕企业数字化，从互联网角度，我一般会用数据化角度，作为企业如何衡量数据化成熟度到底做得如何，我从四个角度去看：一是IT化，IT化是数据化的基础，没有IT化，数据根本就没有一个载体，怎么去做呢；二是DT化，真正围绕数据流、数据平台的建设，对企业来说现在做的阶段是怎样的；三是数据意识，我们是不是真的用数据驱动的意思，并不是我们引入了一个数据平台就变得数据化了，从高层、一线来说，实际工作里是不是有考虑，先用数据说话，数据支撑我们的观点，支撑我们做决策；四是组织和流程，虽然引入了这些数字，号召要进行数字化的转型，但业务流程是否有改进，产品迭代、用户运营，过程中是不是有效地把数据引入进去了，数据分析成为关键的环节，这都牵涉到组织和流程的改版。

    可以通过以上这四个角度衡量自身现在这个阶段处于什么水平，在哪些环节有问题，有所侧重地进行改进。

    神策数据本身是围绕数据用户分析方向，围绕典型的场景，市场营销、用户运行、产品迭代、产品智能，通过数据帮助我们实现更好的数据驱动，我们服务了银行、证券、保险等很多企业。

    我自己写了一本书《数据驱动：从方法到实践》，围绕数据如何做好驱动，大家有兴趣可以买回来看一看。我的演讲就到这儿，谢谢大家！

责任编辑：Rachel