1.1.3　大数据的价值

大数据最大的价值，是能够通过数据之间的相关性把模糊的、隐含的、时滞性的问题，以可视化的、明确的、预演的方式展现出来，以便于决策和管理单元采取措施，解决所暴露的问题。这和传统的数据分析有着明显的不同，以往的数据分析或商业智能，更多的是面向过去已经发生的，而大数据是面向未来即将发生的。对金融行业来说，大数据主要有以下7点价值（见图1.3）。

图1.3　大数据在金融行业中的价值

1．销售机会增多

金融企业掌握了海量的资金往来数据，再结合用户搜索行为、浏览行为、交易行为、评论历史、个人资料等数据，可以洞察消费者的整体需求，进而有针对性地进行产品生产、改进和营销。《纸牌屋》选择演员和剧情、百度基于用户喜好进行精准广告营销、阿里根据天猫用户特征包下生产线定制产品、亚马逊预测用户点击行为提前发货等均是受益于互联网用户行为预测。

2．客户服务改善

大数据的应用可以有效地改善客户服务。大数据不仅可以分析量化数据，还可以进行文本、语音分析。在客户体验方面，通过对交易数据、多渠道交互数据、社交媒体数据等进行全面分析，帮助企业真正了解客户需求，并预测客户未来行为，从而为客户提供更好的服务。在客户情感分析方面，通过对客服中心、社交媒体等数据的文本分析、语音分析，洞察客户情绪变化，分析客户的兴趣点、异常行为、意见、态度等，指导相关部门制定销售策略、市场策略等，并优化改进客户服务。

3．客户流失预警

开发新客户往往比留住老客户要付出更高的成本。大数据技术的应用可以预警客户流失，降低客户流失率。利用大数据技术分析用户在整个相关产品的使用行为的数据，识别可能流失的客户以及可能导致客户放弃的原因，如客户对产品不满意、对服务不满意、因为其他竞争对手等，以便企业及时采取策略，进行积极有效的改进。研究表明，客户在最终离开之前，很可能会持续关注或已购买了竞争对手的产品，这些可以利用大数据进行探查。

4．金融产品创新

大数据应用对金融行业突破传统金融产品具有现实意义。高端数据分析系统和综合化数据分享平台能够有效地对接银行、保险、信托、基金等各类金融产品，使金融企业能够从其他领域借鉴并创造出新的金融产品。国内的数据挖掘最早也是基于授信所需要的分类挖掘算法而发展的。比如，金融贷款产品正在从抵押贷款向无抵押贷款演变，通过大数据应用建立信用评估机制，极大地提高了信用风险评级的及时性和准确性，抵押贷款模式正在逐步被信用贷款模式取代。

5．运营效率提升

在销售运营方面，金融机构能够通过现有客户的人际网络或业务网络，发现更多有价值的潜在客户，利用大数据的分析和预测模型，实现对客户消费模式和购买需求的分析，针对其个性需要展开精准营销，大大提升销售运营效率。在业务流程方面，通过大数据存储和处理方面的优势，各种数据可被直接推送到需要这些信息的岗位，信息传递的中间环节被压缩，业务流程得到简化，带来巨大的效率提升。在资金需求预测方面，可以借助大数据构建资金需求预测模型，实现对资金需求的有效预算，帮助金融企业提高周转效率。

6．商业模式创新

互联网技术和大数据技术对传统金融产生巨大冲击，大数据打破了信息不对称的局面，使金融商业模式发生了重大变化。一个很重要的表现形式就是大数据的征信和网络贷款，可以根据企业行为数据计算出企业可能违约的概率，在这个基础上进行贷款，比如当前典型的阿里小贷。未来基于大数据的保险也是这样的，根据行为的数据进行保险差别的定价。比如，对人体的心率、体重、血脂、血糖、运动量、睡眠量等数据进行分析，预测客户的健康指数，帮助人身保险公司提高客户识别率，以此制定个性化的费率和承保方案。

7．风险管控加强

由于金融的本质是对风险的控制和管理，这一特点决定了金融企业对风险管控方面的重视程度远远高于其他行业。风险管控是金融企业运营的一个重要组成部分。风险发现得越早，挽回损失的概率越大。大数据的运用有助于金融企业提升风险管控能力，对最底层交易数据进行全面甄别和分析，使企业能提高风险透明度，实现事前预警、事中控制。比如，大数据可以帮助银行建立动态的、可靠的信用系统，识别高风险客户以及各种交易风险，进而有效地进行防范和控制。

金融行业的业务范围是由客户、交易、资金、场所共同组成的联合体，任何一个要素的变化，都会带来意想不到的价值。