数据的力量

　　就像我们熟知的“蝴蝶效应”，亚马逊雨林一只蝴蝶翅膀偶尔振动，也许两周后就会引起美国德克萨斯州的一场龙卷风。一个看似很小的变化，经过一系列的发展，可能会对一个看似毫不相干的东西产生巨大的影响。

　　在大数据时代，你买一双鞋的行为可能已经和石油价格的变化同样重要，都会影响到银行的金融决策行为，甚至美国的失业率。

　　是啊！你买一双鞋的行为就像是亚马逊雨林里那只蝴蝶偶尔震动了下翅膀。

　　你的消费行为如何影响大企业决策

　　美国的富国银行在分析能源行业的企业风险时，已经不单是收集能源价格的数据。以石油行业为例，富国银行现在不仅会收集石油产业链下游的石化、塑胶产业的相关数据，同样也会收集每桶原油增加1块钱，生产一双鞋的鞋底会增加多少钱，在零售终端每个顾客能承受的鞋子涨价的幅度是多少。也就是说，大数据时代，银行的数据已经不再区分所谓的个人金融或企业金融，所有的金融决策都是通过一个大的数据池，经过大整合后得出的结论。

　　如何知道当油价下降10个百分点的时候，对下游所有的产业，他们的财务杠杆比率以及信用违约的比率会增加到多少。“当一个情境变化的时候，银行的获利以及风险率会到多少，这些数字已经不是使用传统的经济模型就可以去解释的了。”富国银行企业模型风险部副总裁刘维政说，“我们必须用实际的相关数据来证明，而这个数据已经细化到你购买鞋子的决策行为。”

　　其实，在中国的金融业，数据也已经上升到血液一样重要的地位。

　　与大多数传统银行所面临的困境一样，中信银行也需要面对费用和人力资源的增速低于指标压力和业务发展增速的现实。但是，大数据分析却可以告诉一线客户经理——如何精准营销他的客户。

　　“银行客户的需求是驾驭在客户的衣食住行基础上的次生需求，并不是原生需求。所以我们也在积极地与外部开展一些合作。比如，与百度合作就能知道我们的客户在搜索什么，他们需要什么，在什么样的场景下可以扩充后续的渠道，可以给我们的客户提供他想要的产品和服务。”中信银行总行零售银行部客户服务管理处袁东宁博士说。

　　在富国银行，无论是企业还是个人的资产结构都会被分成两个层面。一个被称为“经验数据”，是来自于银行内部交易或者顾客与银行交易所产生的资讯，另外一个是外部数据，这部分数据并非通过银行所产生，但银行必须针对这些关联行为进行分析，这是现今银行面临的极大挑战。

　　在美国，当车主购买汽车保险时，还会得到一个“加速追踪器”，它的作用是记录车主的急刹车数据，因为经常紧急刹车，代表的是这个人发生事故的几率会不断上升，保险费用就会上调。富国银行同样会收集这些数据来评估个人信用和交易行为。

　　以前银行只知道用户的账户有多少余额、存根等，但是现在通过数据分析，他们可能知道这个客户可能要去度假，或者他要买房子了。那么，越对数据进行挖掘，就越对这个客户能够了解更多，能更好地满足他的需求。

　　与银行业相同，电信行业也在通过客户的网上搜索偏好等信息。沙特电信会对客户进行生命周期进行管理，提升客户体验，并预测他们可能需要从沙特电信购买的下一项产品或服务。“同时，我们也会根据客户的态度、行为的改变来评估他们的流失率风险。”沙特电信客户生命周期管理总经理LucaDecarli说。

　　家电品牌飞利浦电子也开始尝试用云和大数据为用户提供附加值。现在电动牙刷可以收集刷牙者的使用信息，比如刷牙的频率、多长。通过云端和大数据分析，飞利浦可以告诉自己电动牙刷的最终用户，你自己、你的孩子刷牙的情况，这些有分数还可以分享到社交工具中。这就是当数据累加到一定的数量后，飞利浦可以提供给用户的附加值。

　　大数据分析服务供应商Teradata（天睿公司）大中华区大数据事业部总监孔宇华说：“这几年一直都在谈大数据，要知道数据存储起来是没有用的，要把数据拿出来分析，产生分析的价值，再把这些分析出来的洞察放到业务部门、放到营销部门或风险部门等生产系统里，才是最有有价值的。”

　　技术之外，还需过关斩将

　　大数据不是单纯的数据存储，而是利用分析去创造数据的价值。“由于大数据分析技术的支持，信息内容规模和多样化的激增正在带来数据驱动型企业优化分析架构技术的显著变化。下一代数据分析解决方案将是商业和开源技术，甚至不断增加的云部署技术等多元化技术的综合。”Teradata首席技术官Stephen Brobst说。

　　就在4月末，Teradata宣布旗下的全球化咨询公司Think Big公司运用Apache Spark扩展数据湖与管理服务业务。Think Big公司总裁Ronald Bodkin表示：“首次接触数据湖时，企业对正确使用Spark和Hadoop所需专业技术、经验和方法的需求正在爆炸性增长。部署Spark应成为企业信息与分析战略中的重要组成部分。我们的Spark客户已在全渠道消费个性化、高科技制造业实时故障检测等领域付诸实践。“

　　技术似乎永远不是推动新的商业模式或新业务开展的唯一门槛，在技术之外，商业组织还需要面临哪些挑战？

　　在袁东宁看来，银行面临的挑战有5个层面。第一是战略层面，企业是否把数据看作非常重要的战略资产，并且有相应投入；第二是有平台，需要IT的支持去完成数据的存放；第三是分析工具，在业务层面帮助银行更深层次地了解这些数据；第四是找到相应的业务应用；第五是数据人才，也就是数据科学家，这与传统的IT人员还是不同。

　　技术是很容易掌握的，但是这个人要有合适的技能，才是最重要的。有了这个技能，才能够使用技术，才能把这个技术变得更好。

　　大数据分析的过程往往会涉及到数据科学家、数据工程师与数据分析师这三个不同的角色。听上去类似的三类人，在大数据分析的过程中分工并不相同。

　　数据科学家是探索者的角色，负责发现新的数据之间的关联性，他们生产产品供数据分析师使用；数据工程师的职责是把数据科学家的“点子”工业化，做成一个产品；而数据分析师要运用数据工程师生产出来的产品去分析业务问题，并且输出这一问题的解决方案。

　　这与沃达丰新西兰公司分析及数据战略经理David Bloch的观点不谋而合。“大数据时代，核心的技能是数据，而不是技术。”技术在这里充当工具的角色，功能是来做数据分析。“我觉得最大的一个挑战就是，高层领导能够了解分析的洞察力，能够说明某个数据带来的变化，然后告诉高管这些都意味着什么，这其实是业务流程的变化。所以想要变革，首先分析工具要有业务的洞察力，同时，还要看一下成本或利润率。”