4.2　互联网金融，用数据说话

从2013年开始，互联网金融在中国这片土地上发展得如火如荼，其实这是互联网对于金融领域的渗透导致的必然结果，同样的变革也发生在旅游、航空、教育、物流、零售、医药等其他垂直行业。

金融业在互联网上创新的目的是可以直接获取用户的一手信息，增加用户的粘度，巩固并拓展银行与其目标客户之间的存取、货款、汇款、支付等业务关系。互联网金融可不是金融机构简单地“触网”。

我们信仰数据，我们相信金融的本质就是数据，而大数据技术就是能够驱动互联网金融这个横冲直撞的火车头永不停歇的发动机。

金融业的大数据挖掘

在良莠不齐地发展了三年之后，2015年，在十部委发布的《关于促进互联网金融健康发展的指导意见》中，将互联网金融分类为：互联网支付、网络借贷、股权众筹融资、互联网基金销售、互联网保险、互联网信托和互联网消费金融。

互联网与金融的一个共同的基因是数据。因为互联网是由数据构成的，而所有的金融产品其实也都是各种数据的组合。互联网产生的数据量很大，而且数据类型多；同样，金融行业产生的数据量也非常大，数据类型也相当丰富。这是一个大数据的时代。

每一种数据类型都有价值。在经过第一阶段的野蛮生长之后，互联网金融平台如果不考虑监管套利的因素，那么其在资产端和客户资源端其实都很难对传统金融有竞争优势。唯一可能让这些公司有机会胜出的就在于对数据的把握。

对金融行业来说，最重要的两个维度是客户和风险。找到最多和最合适的客户，同时把风险降到最低，是每一家金融机构的追求。如何达成这些目标？在我们看来，数据是唯一的方向标。要充分挖掘互联网行业、金融行业中各种形态的数据，让数据说话，用数据指导各种金融创新，用数据来控制风险。

传统金融主要靠资本赚钱，而互联网金融靠服务客户、满足客户需求赚钱。传统金融行业的竞争很激烈，而在互联网上的竞争则要更高一个层级！互联网中的“吊丝” 和精英们从残酷的市场竞争中学会了只有以客户为中心，充分满足客户的各种需求，才能真正赚到钱。要聆听客户的需求，用大数据的思路变革传统的金融服务。

我们经常听到“大数据挖掘”，其实“大数据”和“数据挖掘”是两个不同的概念，前者说的是数据的规模，而后者说的是数据的使用。

在互联网上，我们有更加丰富和完整的数据，对参与金融的各方来说，信息相对来说是更加对称的。把金融市场运营充分互联网化，可以降低交易成本并提升效率。

金融大数据挖掘发展的主要方向，就在于在互联网数据开发的基础上加速挖掘金融业务的商业附加值，搭建出不同于银行传统模式的业务平台和数据分析平台。

在互联网金融领域，基于大数据的服务创新有很大的想象空间。我们认为，讨论大数据是否“大”本身没有多大的意义，能否充分把数据用起来才是关键。数据挖掘通用流程CRISP-DM的缔造者Tom Khabaza总结过，数据挖掘的九大定律中的第一条：“Business Goals Law”，说的就是每个数据挖掘解决方案的根源都是有商业目的的。

数据挖掘在金融业上有着充分的应用。例如，股票交易商可以利用数据挖掘来分析市场动向，并预测个别公司的营运状况以及股价走向等；又例如，采用数据挖掘中的关联规则挖掘技术，我们可以成功预测银行中不同客户的需求，一旦获得了这些信息，银行就可以改善对不同客户的服务项目。其实，现在银行天天都在开发新的与客户沟通的方法，而这些新方法的依据很多就来自于数据挖掘产生的信息和规则。

大数据技术，为信息的收集、存储和整理提供了一个更大、更快、更有效率的平台，并且让这些信息更流畅地匹配起来。通过运用这些技术，金融机构可以更好地辨识出个人和企业的行为特征，从而对其信用状况进行合理评估。

数据是做一切决定的前提

美国西北大学的Mark Jeffery在他著作的2011年畅销书“The 15 Metrics Everyone in Marketing Should Know”中说到，在他做了大量的对企业市场行为的调查之后发现，80％的公司做市场运营是不基于数据的，而其他20％基于数据做市场运营的公司中的大多数都成了各自领域的领跑者。

虽然我们能够获得的数据很多，但是现在的大部分企业都面临着一个尴尬的境地——Drowning in data．Thirsting for information．

（数据丰富，信息匮乏。）

快速增长的数据，已经远远超过了人们的直观理解能力，如果不借助强有力的工具，则很难弄清大量数据中所蕴含的知识。结果，做出的重要决策往往只是基于决策制定者的个人经验，而不是基于信息丰富的数据。

数据挖掘的存在就是为了填补数据和信息之间的鸿沟。麻省理工的Erik Brynjolfsson教授曾经说过：“有数据支持的（商业）决策才是更好的决策。”

如果数据分析和数据挖掘没有基于商业目的，则数据还只是停留在数据层面。只有通过处理和分析过的数据才能转化成信息，继而归纳成知识，然后才能应用到商业运营中去。

例如，在互联网金融借贷这个领域，如果我们有充足的数据，则计算出的违约概率会有很高的参考价值。而针对这个概率数据，我们可以设定该用户的信用额度。这个信息对于我们做借贷是非常有价值的。

企业要养成“数据驱动做决定”的习惯在刚开始可能很难，不过一旦养成这个习惯之后，你就会发现，做决定原来不会是一件令人纠结的事情。

商业智能

数据挖掘或者大数据研究的最终目的就是要实现数据的价值，而商业智能是在企业中实现数据价值的最佳方式之一。

商业智能（Business Intelligence，BI）的概念最早是由Gartner公司于1996年提出来的。当时将商业智能定义为一类由数据仓库（或数据集市）、查询报表、数据分析、数据挖掘、数据备份和恢复等部分组成的以帮助企业决策为目的技术及其应用。Gartner公司的Howard Dressner把商业智能定义为把数据转化成信息，并通过迭代发现（Iterative Discoveries）把信息转化成商业上可用的知识。

在我们看来，商业智能就是能够从（海量）业务和相关数据中提取有用的信息，把信息转化成知识，然后根据这些知识采用正确的商务行为的工具。也就是说，商业智能的根本作用在于把数据最终转化成商业决策的依据。