大家好，我是邢志峰，现任凤凰金融大数据副总裁。今天跟大家交流一下大数据在凤凰金融实践的一些成果，以及大数据如何帮助一家企业实现创新型的增长，希望对大家有所启发。
除了上帝，任何人都必须用数据说话。
在互联网公司，数据文化可能是一个基础常识，但是在互联网金融行业，特别是在传统金融转型的互联网金融行业，数据文化是非常需要推行的一件事。所以我今天分享的第一个部分就是数据驱动需要数据文化。
1. 数据驱动是一把手文化
如果想在公司推行数据驱动增长，那么一定需要基本的数据基因，而推行数据驱动最重要的，就是公司创始人或最高层的认同。如果没有创始人或者最高层的认同，数据驱动是很难在一家公司落地的。
举个简单的例子，如果我们在开会讨论的时候，比的是职级大小、声音高低或者工作年限的长短，而不是实实在在的数据的话，那么这家公司是很难用数据驱动增长的。在这种情况下，数据只能扮演衡量业绩的角色，而不能为业务的增长提供价值。所以我们一定要打破经验主义、官僚主义，认同数据的价值和权威性。
2. 数据是裁判，但不是武器
即使数据文化获得了高层和大部分同事的认同，我们也需要继续营造真正的数据氛围：数据是裁判，但不是武器。大部分公司在成立初期都会反对办公室政治，但是随着公司规模的增长，数据常常扮演着武器而非裁判的角色。
数据本身是中立的，关键在于人们如何应用。
3. 数据只能解决战术问题
作为一名大数据从业者，我从来都不认为数据是万能的，它有其自身无可避免的局限性。我们要认识到数据的价值，但是不能夸大数据的意义。数据是无法解决战略问题的，一家公司的战略只能通过对行业深度的洞察，对用户真实需求的理解来完成。数据可以在此基础上帮助你落地想法，做的更好，但是前期的方向数据没有办法告诉你，而事实上前期也并没有数据。
这三点构成了一家公司非常重要的数据文化，有了这三点，数据部门和业务部门才能紧密地协作，通过数据去创造一些价值。然而大数据能力不仅仅是数据部门独有的，而应该是全公司的事情。
比如上图，一个公司的大数据能力建设应该是跨部门协作才能完成的，因为这会涉及到业务、产品、研发和数据等多个部门。这也就是为什么很多公司都在打造增长团队，将各个部门的人整合到一个小的团队，一起用数据实现公司的增长。
二、大数据打造企业竞争力
在很多公司的早期，大数据只是一个辅助性的角色，支持业务部门监测工作效果，更高级一点的可能会实现部分的业务洞察，但是这绝对不是数据的全部价值。
在想象当中，做数据驱动这件事非常高大上，像最新出的苹果手机；但在现实中这件事可能只是老版诺基亚。今天我们有很多谈大数据的会议和活动，看起来非常热闹，但是其实正是因为在公司里数据的声音很弱。正如我们今天很少有举办移动互联网的会议，因为这个想法早就被大众所接受、实践并且成为一个常识了。
那么互联网时代，大数据对企业的长远意义是什么呢？我想这个部分会对一些企业的高层有所启发。
1. 中国经济的 5 个阶段
中国的经济其实经历了 5 个典型的阶段：
关系密集型
第一个阶段我称为”关系密集型”，那个时候竞争力最强的是人脉，而劳动力、资金、技术、数据等等都是非常次要的，最富有的人还是最有权力的那批人。
劳动密集型
接下来进入了”劳动密集型”，这个阶段人脉的作用降低，能否获得低价但高质量的劳动力成为创业是否成功的关键，资金、技术、数据仍然是比较靠后的因素。
资本密集型
然后我们经历了资本密集时代，互联网也就是在这个时候开始崛起的，很多 VC 让大量草根创业成功，获得了大量的财富。
知识密集型
在门户网站时期，网站的构架等等都是非常简单的，技术的作用并不明显，但是到了现在，技术的作用越来越重要。
互联网+
互联网只是一种形式或者思维，之所以能和那么多的传统行业相结合，比如说制造业、房地产行业、金融，就是因为大数据发挥了价值。所以在互联网时代，大数据对企业有着非常重要的长远价值。
2.大数据的 3 大价值
那对于企业来说，大数据的价值到底体现在哪里呢？我认为至少体现在这三个方面，分别是链接/展现、洞察/分析、服务和变现。
连接/展现
一家公司可能有很多业务，数据能够将一个个业务孤岛连接起来形成闭环，让公司有能力整合各个业务，形成合力。这也是为什么数据部门需要去构建数据平台，定义指标体系，搭建分析体系等等，都是为了将一个个业务孤岛连接起来。
洞察/分析
将业务串联之后，我们能很快地洞察到问题和增长点，这个时候数据就像是一个中立的解读者，它能很好地帮助业务人员拆解业务问题，及时做出改进，让结果符合预期。
服务/变现
前面两点其实是很多公司已经在做的，但是第三点只有那些具备非常好的数据战略和数据视角的公司才会做的。我认为在很多行业数据都可以提供这样的价值，就像亚马逊，本来是做零售的，但是成为了云计算的巨头。这就是创始人对数据的深刻理解，才能带来的价值。
三、数据驱动在凤凰金融的实践
凤凰金融是一家一站式智能投资理财平台，我们有很多理财产品，包括网贷、基金、保险、海外等等，我们通过网站/App 为用户提供理财服务。
我们通过大数据平台的建立和应用，打造了公司在数据方面的核心竞争力。数据可以支持我们的商业决策、精细化运营、智能投顾/投研，以及复杂的金融风控等等。截止到目前，我们累积交易金额已达到 550 亿+，总共有 500 万+用户，累积为用户赚取 26 亿+收益。
那么我们是如何通过数据驱动，达到如此大的交易规模的呢？所以接下来的这部分内容主要是围绕“洞察 / 分析”来展开，和大家分享数据驱动在凤凰金融的应用场景与案例。
1.解读：评估运营效果
我非常认同一个观点，在数据驱动业务带来价值的过程中，很多时候数据解读的意义往往比数据存储、计算、展现更重要。如果一个数据团队，对业务有很深的理解力，那么数据解读也会做的很好。我从来不认为数据洞察只是业务团队的事，而是应该从需求出发，谁有数据分析的业务需求，谁就应该做好数据洞察。
下面给大家举个简单的关于数据解读的例子：
在 2017 年的某月，分析给出的报告称周末签到红包带动投资金额 1.2 亿，费效比低于历史平均值。单单从这个数据来看，这次运营活动效果非常好。但是我们更进一步的拆解这个数据，就会发现这批用户的质量并不是特别高。
比如我们拆解后发现：77.1% 的用户投资产品期限小于一个月，61.2% 的用户被标记为羊毛党，56.6%的用户被标记为低潜力用户。拆解下来的数据就说明，这个活动拉新效果很不错，但是这个渠道带来的用户质量可能比较低，那么从整体 ROI 来看，不一定就是很好的运营活动。
这也是为什么我在前面一直强调，数据应该是客观中立的裁判，而不是用来攻击其他部门的武器。我们应该通过拆解下来的数据，更客观全面地判断一个活动或者一个渠道的质量，然后做出相应的提升和改进。
2.预测：识别潜力用户
大家都知道，互金行业的获客成本是非常高的。我们的市场运营人员会通过营销渠道的投放、运营活动的制定以及电话销售等方式来获得一些用户，这些方式的成本都是非常高的。特别是渠道的投放，通常来讲我们需要花费 1-3 个月的时间来观察各个渠道进来的用户投资行为，进而判断这些渠道的质量。然而这 1-3 个月的时间里，营销人员的费用是在源源不断地花出去的。
我们就开始思考，是否可以通过其他的数据来迅速判断各个投放渠道的质量呢？于是我们做了下面这件事情：对用户平均累积投资金额的深度洞察。
我们会收集跟用户相关的信息，而哪些信息是跟用户投资潜力强挂钩的呢？我们认为有两个，一个是银行卡的会员等级，一个是手机设备价格。
在投资理财产品中，用户投资之前都必须绑定银行卡，绑定银行卡的比例远远超过真正投资的比例。用户绑定银行卡之后，我们就可以通过用户的银行卡会员等级去反推出用户的日均余额。后来我们发现，用户的银行卡会员等级越高，未来的投资潜力就越好。
通过我们历史数据的验证，发现用户的手机设备价格也是非常重要的一个信息，它与用户平均累积投资金额的相关性高达 91%。
于是我们通过银行卡和手机设备的标签，进而构建潜力用户识别系统。通过这个系统，我们的业务人员可以在两三天内判定一个投放渠道的质量高低，而后续的数据也确实证明了这个系统的有效性。
我认为这个案例是数据驱动业务增长案例中较为超前的一个，如何在没有用户行为数据，或者数据质量较低的情况下，通过其他方案来构建高效的数据工具，为业务人员提升工作效率。这样的数据思维，以及为业务带来的巨大价值，才是一个数据团队应该具有的。
3.创新：智能咨询产品
这个部分我想讲讲凤凰金融的一个经典案例，来说明我们如何通过数据驱动业务创新。
用户在投资理财领域的痛点是什么呢？总结下来一共有三个：
专业/个性化
投资理财是个非常专业，同时又非常个性化的事情。相对于普通大众来说，这件事的门槛很高；对于有投资理财需求的用户来说，大家的需求差异又非常大。
透明/聚合
在现在的市场环境中，信息不对称的状况比较严重，对于普通投资者来说，他们掌握的信息往往是比较片面的。而诡异的是，信息不是太少了，而是因为太多了。对于普通投资者来说，获取信息非常容易，但是如何有效地筛选真实有用的信息就太难了。
信任/可评估
对于互金公司来说，与用户建立信任，量化评估你给用户的建议，就是一个非常巨大的挑战。
针对这几个痛点，凤凰金融做了什么？我们做了一个智能资讯产品-凤鸣引擎，你可以把它理解为金融领域的”今日头条”。总结下来，我们就做了上面这三个事情：海量信息聚合、深度专业分析、可评估和个性化。
那么这个智能平台具体是如何通过数据分析给普通投资用户带来好处的呢？下面给大家举个简单的例子：
对于一个新闻事件，比如『国务院：2017 年底前启动税延型养老险试点』。很多普通用户看过之后就忘记了，但是对于专业的分析人员来说，他们马上就会意识到这个事件其实对保险行业有很大影响。所以我们会通过我们的平台，马上把这个事件与保险行业相关联，在我们的『金融标的池』中打上保险行业的标签，进一步对这个事件的影响做分析。
我们会定位到这个时间发生的前后三日，从时间维度上对影响高低做判断，三种分析包括相关性分析，影响大小分析，以及多空分析。通过这三个维度的分析，以及简单的交互，我们就能给到用户非常直观的可量化的评估数据，很好地建立与用户之间的信任感。
目前客观一点儿说，互联网金融这个行业真的太缺乏创新了；不是说这个行业不能创新，而是这个行业里面的人的思维已经被禁锢得太久了。其实很多互金公司的人都应该忘掉以往经验，在对金融充满敬畏的前提下，去拥抱时代和用户的需求、去拥抱行业的趋势，这才是“数据驱动增长”能够真正发挥作用的一个现实条件。
我今天的分享就到这里了，谢谢大家！
作者：邢志峰，凤凰金融大数据副总裁
