不仅是用来作报告，大数据在银行的展现形式

前几天听了一场行里的大数据报告，作报告的是科技部一位做事很扎实的老总，大数据团队在他的指导下取得了相当的进步。作为这次大数据报告的主讲人，在台上的身姿还是很有范的。可就内容来说，离大数据所产生的价值还有比较大的距离。实际上，并不是他们的工作做得不好，而是银行对大数据的认识仍然没有到位。之前，我有一篇文章说过，不要把大数据跟统计搞混了。现在银行对大数据的应用主要还是集中在统计作用上，而展现形式无非就是作报告。

难道大数据就仅仅是拿来作报告的么？实际上大数据的展现形式是多种多样的。我们以前讨论过大数据的应用方向，我提出在银行业主要是两个方向，一是用于精准营销；另一个是用于征信。所以，展现形式就要从这两个应用方向上进行挖掘。

用于征信

对与客户征信来说，大数据的应用实际上是一个最后结果，用于决策。

1、信用结果展现

不知道大家是否用过支付宝的芝麻信用，打开之后，有一个300-950之间的分值，这个分值就是根据支付宝的交易状况提供的信用记录产生结果评价。有的朋友会说，一个分值能说明什么问题？其实分值真的不能说明什么问题，因为展现出来的东西太简单了，大家都不知道这个分值是怎么产生的，受到了什么因素的影响。但话又说回来，咱们要的就是这个效果，才能保证这个最后分值的客观性，就没有办法通过刷单的方式来虚假提高分值。另一方面，与人民银行传统的信用记录比较，可能没有那么多的细项内容，但用起来更方便，比如一家小贷公司跟客户办理业务，就可以简单粗暴地划一条线，芝麻信用700分以上的就贷款，没有的就不贷款，这种应用多简单？

2、贷款智能决策

大批量消费贷款需要大量人工来进行贷款的判断和决策，显然是不现实的，所以在引入了大数据之后，根据上述的信用状况，在增加一部分用途和抵押物标的物的数据，就能形成系统自动演算的贷款只能决策。这种只能决策的过程需要三个因素的参与：一是评价目标贷款的个人信用数据；二是用途和抵押物标的的还款意愿影响数据；三是海量数据基础。将这个个案的个人数据、用途数据、抵押物数据导入海量数据，根据不同的数据产生的违约概率来进行决策，最后形成“贷款”还是“不贷款”的最后结果。

用于精准营销

在大数据的应用中，可以在更多行业上进行应用的就是精准营销，甚至可以将这种数据应用需求延伸到产品制造当中去。

1、分析客户需求推荐

通过决策引擎，对客户需求进行分析，并进行精准推荐。比如在支付宝上，发现一个人的上一笔交易是电影票，那么在2个小时之后可能会带来甜品或者夜宵的需求，这时提供甜品或夜宵餐饮店的推荐将有利于提升客户的体验。这种决策机制，更多的是针对海量客户的决策几率来进行推荐。

2、创造客户需求的推荐

这一点尤其体现在金融业的职能投资顾问领域里。对客户的基本财务状况和财务目标诉求进行分析，给客户提出专业的资金配置建议，这种建议具有很高端的专业性，几乎外行客户无法提出需求，只能由数据持有方提出建议，客户无法预知自己的需求，而是在决策引擎的作用下，在多种方案中进行选择。

3、化繁为简的营销推荐

介于当前中产阶级的生活节奏越来越快，在消费领域的选择性障碍也越来越明显，更多中产阶级在一些基础生活上选择极简决策的方式。比如希望到超市去买洗发水，不要在几十个品牌型号中来选，而是到了超市拿了就走。在这种情况下，大数据的展示实际上就是将客户进行分类，将同类客户中选择概率最大的产品进行推荐。给客户提供分类价值。

大数据展现形式并不是就数据谈数据，也不是依据数据解决问题，而是提供各种各样的决策结果，或可选性的解决方案。将以往需要大量人工处理的工作流程交给决策系统。通过更智能的引擎和算法对海量数据进行处理，这些数据的表征意义通过算法进行体现，其结果显示效果极简化，让非专业人员都很容易看懂。