隨著移動化、智能化、競爭同質(zhì)化不斷加強，各大金融企業(yè)持續(xù)加大對線上渠道的建設(shè)投入，意識到數(shù)據(jù)、智能對企業(yè)整體運營能力和行業(yè)競爭力能力提升的價值。基于準確、完備的數(shù)據(jù)，科學、體系化的指標量化評估業(yè)務(wù)現(xiàn)狀，金融行業(yè)紛紛深度分析挖掘業(yè)務(wù)增長點，推動業(yè)務(wù)線上化、全渠道精細化運營，降低對傳統(tǒng)線下重人工、非標模式的提高，提高線上化直接客戶運營的能力，從而達到降本增效，提高企業(yè)效益的目標。

麥肯錫 2019 年 11 月27日發(fā)布研究報告指出，規(guī)模化應(yīng)用大數(shù)據(jù)和高級分析可顯著提升銀行業(yè)務(wù)績效、降低運營成本、優(yōu)化風控和決策、改善監(jiān)管數(shù)據(jù)效率及提升客戶體驗，能推動銀行業(yè)利潤增長10%～15%。

盡管各大金融企業(yè)都已經(jīng)認識到數(shù)字化轉(zhuǎn)型的必要性，但在實際落地層面，卻常常面臨著人才、方法論、跨部門協(xié)作等多重困局。金融企業(yè)在數(shù)字化運營實踐中，常見的典型問題如下。

• 數(shù)據(jù)驅(qū)動業(yè)務(wù)的具象認知不足

數(shù)據(jù)的重要性和價值已然毫無爭議，但具體到實際的業(yè)務(wù)應(yīng)用中，受制于企業(yè)領(lǐng)導班子對數(shù)據(jù)的理解程度、員工數(shù)據(jù)應(yīng)用的方法技能、數(shù)據(jù)質(zhì)量和應(yīng)用標準等層面均存在較大的不足，導致實際上數(shù)據(jù)并未真正成為推動業(yè)務(wù)決策和業(yè)務(wù)迭代的有力支撐，反倒有可能成為各業(yè)務(wù)團隊爭取話語權(quán)、粉飾太平的手段。

• 對數(shù)據(jù)基礎(chǔ)建設(shè)的重要性認知與投入不足

數(shù)據(jù)價值發(fā)揮的基礎(chǔ)，需要建立在完備、準確的數(shù)據(jù)基礎(chǔ)之上。沒有數(shù)據(jù)的基礎(chǔ)，任何數(shù)據(jù)指標、數(shù)據(jù)分析、算法模型的投入，都無法為業(yè)務(wù)提供真正有效的輸出。這種情況下，數(shù)據(jù)本身不止不能提供價值，反而是一種負資產(chǎn)，除了數(shù)據(jù)采集和處理本身的投入外，數(shù)據(jù)在應(yīng)用環(huán)節(jié)常常需要為數(shù)據(jù)可信度問題投入過高的溝通、排查與清洗的成本，經(jīng)不起應(yīng)用層的檢驗，使得數(shù)據(jù)資產(chǎn)變成負資產(chǎn)。

• 重視各類系統(tǒng)能力建設(shè)，未關(guān)注數(shù)據(jù)對業(yè)務(wù)的應(yīng)用價值交付

數(shù)據(jù)的價值發(fā)揮，最終一定要回歸業(yè)務(wù)，不管是通過數(shù)據(jù)洞察驅(qū)動業(yè)務(wù)優(yōu)化，還是直接通過數(shù)據(jù)工程化實現(xiàn)與業(yè)務(wù)系統(tǒng)的直接對接。其中，系統(tǒng)是對工作流、方法的承載，是提升效率的工具，最終一定是要回歸到對業(yè)務(wù)人員的應(yīng)用交付，真正能為業(yè)務(wù)帶來價值，才算是完成了數(shù)據(jù)驅(qū)動的閉環(huán)。

• 忽視高級分析技術(shù)人才、算法建模型人才的業(yè)務(wù)理解能力建設(shè)

隨著大數(shù)據(jù)與 AI 智能的概念興起，數(shù)據(jù)挖掘、算法工程師等大數(shù)據(jù)技術(shù)人才受到金融機構(gòu)極大的追捧。與此同時，大多數(shù)技術(shù)性人才往往缺乏業(yè)務(wù)理解與數(shù)據(jù)技術(shù)相結(jié)合的能力，實際在業(yè)務(wù)層落地時往往達不到預(yù)期，導致空有技術(shù)實力，卻難以最終對業(yè)務(wù)產(chǎn)生實質(zhì)性的提升效果。

• 對線上行為類數(shù)據(jù)的采集與深度應(yīng)用度不足

隨著業(yè)務(wù)的線上化程度逐漸提升，用戶線上瀏覽、搜索、業(yè)務(wù)辦理嘗試等非直接業(yè)務(wù)結(jié)果類行為，可為企業(yè)提供豐富的用戶意愿、需求、潛力的判斷依據(jù)，進而為客戶特征與偏好判斷、潛在客群識別、精準營銷、客戶體驗提升等方面提供高價值的信息，這對業(yè)態(tài)豐富、客群結(jié)構(gòu)復(fù)雜的金融企業(yè)來說，是非常寶貴的信息。然而大多數(shù)金融企業(yè)在行為數(shù)據(jù)的采集和應(yīng)用上，系統(tǒng)性投入還不足，并未充分挖掘數(shù)據(jù)的價值。

要系統(tǒng)性地解決以上問題，核心是提升對數(shù)據(jù)驅(qū)動的真正理解，以及把握數(shù)據(jù)驅(qū)動落地層的要點，轉(zhuǎn)變數(shù)字化運營建設(shè)的基本思路，其中最核心的是解決意識、能力及方法3 個核心問題。

1、意識——數(shù)據(jù)驅(qū)動理念與認知建設(shè)先行

自上而下整體提升全公司數(shù)據(jù)驅(qū)動理念與認知，從企業(yè)高層或者獨立業(yè)務(wù)線的骨干領(lǐng)導班子開始，統(tǒng)一對數(shù)據(jù)驅(qū)動落地過程的難點認知，提升團隊數(shù)據(jù)解讀、應(yīng)用的能力，形成推動數(shù)據(jù)驅(qū)動落地的堅實基礎(chǔ)。

2、 能力——建設(shè)跨業(yè)務(wù)與數(shù)據(jù)的專業(yè)人才梯隊

無論是高級數(shù)據(jù)分析技術(shù)，還是算法建模能力，在實際到業(yè)務(wù)層落地時，都需要結(jié)合業(yè)務(wù)場景和特點才能確定更合適的解決方案，對輸出結(jié)果進行有效解讀和判斷，以及給予有效的業(yè)務(wù)迭代策略的能力，也決定了是否能真正形成業(yè)務(wù)閉環(huán)，帶來實質(zhì)性業(yè)務(wù)提升的空間。這些都與數(shù)據(jù)人員的業(yè)務(wù)理解能力強相關(guān)，業(yè)務(wù)理解能力其實是決定數(shù)據(jù)專業(yè)人才實際輸出效果的核心因素之一。因此在團隊能力搭建時，不僅要關(guān)注技術(shù)型人才的引進，也同時需要關(guān)注業(yè)務(wù)分析型人才的引入，以及對技術(shù)型人才業(yè)務(wù)理解能力的考察與培養(yǎng)。

3、 方法——從數(shù)據(jù)到應(yīng)用的MVP閉環(huán)交付

數(shù)據(jù)化運營轉(zhuǎn)型，本身是一個系統(tǒng)性工程，依次需要落實解決數(shù)據(jù)采集與整合、數(shù)據(jù)指標可視化、數(shù)據(jù)分析洞察、數(shù)據(jù)智能應(yīng)用等各個環(huán)節(jié)。很多金融機構(gòu)，由于本身的業(yè)務(wù)單元、業(yè)務(wù)形態(tài)的復(fù)雜度較高，一上來就希望做大而全的解決方案，這往往是不現(xiàn)實的。單純就數(shù)據(jù)采集與整合來看，就是一個非常重的工作項，數(shù)據(jù)分析應(yīng)用哪怕對單一業(yè)務(wù)線來說，也是一個持續(xù)建設(shè)不斷深入的過程，因此更實際的做法，是借鑒互聯(lián)網(wǎng)的 MVP （Minimum Viable Product,最小可行性產(chǎn)品）思路，根據(jù)業(yè)務(wù)側(cè)重點和優(yōu)先級，從單一業(yè)務(wù)單元、業(yè)務(wù)形態(tài)開始，圍繞具體的業(yè)務(wù)目標、業(yè)務(wù)場景，從需求倒推數(shù)據(jù)驅(qū)動體系建設(shè)規(guī)劃和階段性目標，依次實現(xiàn)各個業(yè)務(wù)單元、不同業(yè)務(wù)形態(tài)的數(shù)據(jù)和價值挖掘的覆蓋，整體解決方案的思路如下圖：

圖 1 數(shù)字化轉(zhuǎn)型整體解決方案思路

#推薦閱讀#

• 金融業(yè)數(shù)字化轉(zhuǎn)型 MVP 實踐（下）

如果您想了解更多企業(yè)數(shù)子化轉(zhuǎn)型干貨知識及案例，歡迎訪問36氪企服點評！