從五大行業(yè)案例看大數(shù)據(jù)的應(yīng)用邏輯

從五大行業(yè)案例，看大數(shù)據(jù)的應(yīng)用邏輯本文從一則搞笑的大數(shù)據(jù)應(yīng)用案例入手：某超市通過(guò)度析一位女顧客的購(gòu)物數(shù)據(jù)（涉及購(gòu)物清單，瀏覽物品，征詢(xún)信息，視頻監(jiān)控信息<超市內(nèi)徘徊區(qū)域>等），根據(jù)分析成果給該女顧客寄來(lái)了孕嬰童試用品，這一舉動(dòng)讓該女顧客的爸爸非常氣憤，立馬致電該超市投訴，由于她女兒尚未成年！超市經(jīng)理立馬登門(mén)拜訪(fǎng)道歉，但是事實(shí)是，不久后這位小女孩因遮蓋不住隆起的腹部而不得不向爸爸告知真相：她真的懷孕了。對(duì)于公司而言，大數(shù)據(jù)有時(shí)候就像是一種偵探家，可以撥開(kāi)重重迷霧，找到問(wèn)題的本質(zhì)以及解決方案，而核心在于，你與否真的懂得如何去駕馭它，讓它為你服務(wù)。在經(jīng)歷了喊標(biāo)語(yǔ)、布局深耕之后，大數(shù)據(jù)應(yīng)用開(kāi)始顯現(xiàn)出巨大的商業(yè)價(jià)值，觸角已延伸到零售、金融、教育、醫(yī)療、體育、制造、影視、政府等各行各業(yè)。隨著中國(guó)公司數(shù)據(jù)中心數(shù)據(jù)存儲(chǔ)量的迅速增長(zhǎng)，非構(gòu)造化數(shù)據(jù)呈指數(shù)級(jí)增長(zhǎng)，有效地解決和分析構(gòu)造化數(shù)據(jù)和非構(gòu)造化數(shù)據(jù)中所富含的對(duì)公司和政府有價(jià)值的信息將帶動(dòng)新的賺錢(qián)模式、管理模式、創(chuàng)新模式以及思維模式。在維克托·邁爾·舍恩伯格的《大數(shù)據(jù)時(shí)代》一書(shū)中解釋?zhuān)髷?shù)據(jù)是指不用隨機(jī)分析法（抽樣調(diào)查）這樣的捷徑，而采用所有數(shù)據(jù)的措施。隨著云時(shí)代的來(lái)臨，大數(shù)據(jù)也吸引了越來(lái)越多的關(guān)注。大數(shù)據(jù)是繼云計(jì)算、物聯(lián)網(wǎng)之后IT產(chǎn)業(yè)又一次顛覆性的技術(shù)變革，消費(fèi)者的網(wǎng)絡(luò)足跡是互聯(lián)網(wǎng)基因，網(wǎng)絡(luò)中的足跡、點(diǎn)擊、瀏覽、留言直接反映消費(fèi)者的性格、偏好、意愿等，互聯(lián)網(wǎng)交互大數(shù)據(jù)就是研究每個(gè)顧客碎片行為的過(guò)程。大數(shù)據(jù)對(duì)于經(jīng)濟(jì)發(fā)展、公司決策、組織和業(yè)務(wù)流程，對(duì)個(gè)人生活方式等都將產(chǎn)生巨大的影響。大數(shù)據(jù)作為當(dāng)下非?；鸨囊环N詞，其價(jià)值不言而喻，今天，《互聯(lián)網(wǎng)周刊》不談價(jià)值，通過(guò)聚攏某些實(shí)實(shí)在在的應(yīng)用，如電商，老式金融，互聯(lián)網(wǎng)金融，醫(yī)療，制造五大領(lǐng)域的案例，進(jìn)而衍射出大數(shù)據(jù)內(nèi)在的應(yīng)用邏輯?！邦櫩彤?huà)像”直擊零售商需求在如此劇烈而又龐大的市場(chǎng)中，電商們迫切想懂得的想必就是顧客需求。當(dāng)這個(gè)顧客登陸網(wǎng)站的瞬間，就能猜出來(lái)這個(gè)顧客今天為什么而來(lái)，然后從電商的商品庫(kù)里面把合適的商品找出來(lái)并推薦給她，進(jìn)而呈現(xiàn)出符合客戶(hù)需求的產(chǎn)品均有哪幾款。這種服務(wù)是消費(fèi)者想要的，但是誰(shuí)能協(xié)助電商們做到呢？隨著互聯(lián)網(wǎng)和電子商務(wù)的迅速發(fā)展，“顧客畫(huà)像”這個(gè)概念悄然而生，它抽象地描述了一種顧客的信息全貌，是進(jìn)行個(gè)性化推薦、精確營(yíng)銷(xiāo)、廣告投放等應(yīng)用的基本。如某電子商務(wù)平臺(tái)通過(guò)客戶(hù)的網(wǎng)絡(luò)瀏覽記錄（點(diǎn)擊、鏈接等）和購(gòu)買(mǎi)記錄等掌握客戶(hù)的消費(fèi)模式，從而分析并分類(lèi)客戶(hù)的消費(fèi)有關(guān)特性如收入、家庭特性、購(gòu)買(mǎi)習(xí)慣等，最后掌握客戶(hù)特性，并基于這些特性判斷其也許關(guān)注的產(chǎn)品與服務(wù)，從消費(fèi)者進(jìn)入網(wǎng)站開(kāi)始，在列表頁(yè)、單品頁(yè)、購(gòu)物車(chē)頁(yè)等四個(gè)頁(yè)面，部署了5種應(yīng)用不同算法的推薦欄為其推薦感愛(ài)好的商品，從提高商品曝光，增進(jìn)交叉/向上銷(xiāo)售連個(gè)角度對(duì)網(wǎng)站進(jìn)行全面的優(yōu)化，應(yīng)用后商城提高下定訂單轉(zhuǎn)化率增長(zhǎng)66.7%、下定商品轉(zhuǎn)化率增長(zhǎng)18%、推薦欄上線(xiàn)前后動(dòng)銷(xiāo)量增長(zhǎng)46%。將消除個(gè)人信息后的數(shù)據(jù)魔方賣(mài)給商家，以便商家調(diào)節(jié)產(chǎn)品投放方略，提高服務(wù)，精確挽留客戶(hù)，進(jìn)而提高客戶(hù)粘性。尚有，在互聯(lián)網(wǎng)沖擊下，大部分老式零售商必須要做變化，大數(shù)據(jù)下的顧客思維便成為符合其需求的一種互聯(lián)網(wǎng)思維方式和實(shí)際體驗(yàn)。那何為大數(shù)據(jù)體系下的顧客思維呢？其實(shí)就是以“顧客畫(huà)像”最為核心和基本，通過(guò)線(xiàn)上、線(xiàn)下，交易、交互等多種構(gòu)造化和非構(gòu)造化的數(shù)據(jù)，讓顧客更加完整的展目前公司面前，該顧客是誰(shuí)？她在哪里？怎么聯(lián)系到她？她需要什么產(chǎn)品？她通過(guò)哪些渠道購(gòu)買(mǎi)？她得購(gòu)買(mǎi)習(xí)慣是如何的？……，在完整的顧客畫(huà)像面前，零售公司相對(duì)于面對(duì)“裸泳”的顧客，顧客需要什么，怎么獲取，怎么營(yíng)銷(xiāo)一目了然，大數(shù)據(jù)時(shí)代的來(lái)臨，讓顧客畫(huà)像有了基本，顧客畫(huà)像的完善更讓零售商有了連接線(xiàn)上和線(xiàn)下，用互聯(lián)網(wǎng)方式進(jìn)行商業(yè)運(yùn)營(yíng)的也許，老式零售商互聯(lián)網(wǎng)運(yùn)營(yíng)管理的時(shí)代算也已悄然來(lái)臨。再例如沃爾瑪和寶潔，一種是非常理解消費(fèi)者在線(xiàn)下店里購(gòu)買(mǎi)行為的老式連鎖零售巨頭，一種是掌握消費(fèi)者偏好的品牌，她們從不同的角度去收集消費(fèi)者的數(shù)據(jù)。但這還遠(yuǎn)遠(yuǎn)不夠，如果將這些數(shù)據(jù)和汽車(chē)生產(chǎn)制造商，乃至上下游公司共享某些數(shù)據(jù)，就會(huì)讓這個(gè)鏈條中不同的公司對(duì)于數(shù)據(jù)、消費(fèi)者有更深刻的洞察，從而通過(guò)多維數(shù)據(jù)來(lái)提高運(yùn)營(yíng)效率。然而，隨著大數(shù)據(jù)應(yīng)用的發(fā)展，隱私保護(hù)的問(wèn)題和概念也在不斷地發(fā)展，網(wǎng)絡(luò)顧客在互聯(lián)網(wǎng)的評(píng)論、圖片、視頻、個(gè)人信息、愛(ài)好愛(ài)好、交易信息、訪(fǎng)問(wèn)的網(wǎng)站等等均被公司記錄在案。公司掌握了大量消費(fèi)者的行為數(shù)據(jù)，對(duì)大數(shù)據(jù)進(jìn)行整合和分析，從而可以發(fā)現(xiàn)新的商機(jī)，發(fā)明新的價(jià)值。然而這些數(shù)據(jù)常常涉及消費(fèi)者的真實(shí)信息，如在淘寶網(wǎng)上交易時(shí)的真實(shí)姓名、家庭住址以及銀行賬號(hào)等重要的真實(shí)信息，逐漸引起了我們對(duì)個(gè)人隱私的擔(dān)憂(yōu)。正如美國(guó)出名的計(jì)算機(jī)專(zhuān)家迪博德所言，在信息時(shí)代，計(jì)算機(jī)內(nèi)的每一種數(shù)據(jù)、每一種字節(jié)，都是構(gòu)成一種隱私的血肉。信息加總和數(shù)據(jù)整合，對(duì)隱私的穿透力不僅僅是“1＋1＝2”的，諸多時(shí)候，是不小于2的。因此，針對(duì)隱私保護(hù)方面的問(wèn)題，電子商務(wù)公司應(yīng)當(dāng)遵守行業(yè)道德，不能將消費(fèi)者的個(gè)人信息進(jìn)行交易和泄露，我們國(guó)家也應(yīng)當(dāng)盡快制定并完善與之相應(yīng)的隱私保護(hù)的法律和法規(guī)，的保證護(hù)公民的隱私權(quán)。客戶(hù)價(jià)值最大化破冰老式金融業(yè)在大數(shù)據(jù)時(shí)代，越來(lái)越多的公司管理者已意識(shí)到了業(yè)務(wù)分析的重要性。業(yè)務(wù)分析洞察已經(jīng)成為了公司轉(zhuǎn)型的有利抓手。固然，銀行也不例外，從以產(chǎn)品為中心，也就是銷(xiāo)售產(chǎn)品和服務(wù)轉(zhuǎn)向目前以客戶(hù)為中心，更像零售業(yè)和制造商。對(duì)于以客戶(hù)為中心的公司，最重要的一點(diǎn)是理解到客戶(hù)究竟是誰(shuí)，以及客戶(hù)究竟有如何的需求。當(dāng)下，銀行業(yè)都在大力投入資金做著如下三件事：一是建立客戶(hù)的單一視窗，將此前不同銀行部門(mén)所理解的客戶(hù)狀況集成在一起；二是按照顧客行為對(duì)顧客進(jìn)行分類(lèi)，將之前按照地理區(qū)域、年齡、收入分類(lèi)改為按照顧客行為來(lái)對(duì)顧客進(jìn)行分類(lèi)；三是為客戶(hù)提供質(zhì)量一致的客戶(hù)體驗(yàn)，不管顧客通過(guò)銀行網(wǎng)點(diǎn)、移動(dòng)設(shè)備還是社交媒體等渠道來(lái)使用銀行服務(wù)，都要為客戶(hù)提供質(zhì)量一致的體驗(yàn)。隨著互聯(lián)網(wǎng)，特別是移動(dòng)互聯(lián)網(wǎng)的不斷發(fā)展，互聯(lián)網(wǎng)金融也在給老式金融業(yè)帶來(lái)不小的沖擊，但是，互聯(lián)網(wǎng)金融與否會(huì)對(duì)銀行等老式機(jī)構(gòu)構(gòu)成威脅仍無(wú)法得出定論。但是，這并不表達(dá)銀行業(yè)可以忽視這股沖擊的浪潮，在這個(gè)大數(shù)據(jù)不斷壯大的時(shí)代，老式金融業(yè)如何運(yùn)用大數(shù)據(jù)來(lái)不斷創(chuàng)新與變革，如何借助大數(shù)據(jù)減少金融風(fēng)險(xiǎn)，提高客戶(hù)體驗(yàn)，進(jìn)而挖掘客戶(hù)價(jià)值最大化是每個(gè)公司都應(yīng)當(dāng)進(jìn)一步思考的問(wèn)題。如某金融全牌照集團(tuán)公司但愿學(xué)習(xí)美國(guó)花旗集團(tuán)對(duì)已有客戶(hù)價(jià)值挖掘最大化的經(jīng)驗(yàn)，對(duì)既有保險(xiǎn)客戶(hù)進(jìn)行深度分析，通過(guò)對(duì)已有客戶(hù)的大數(shù)據(jù)分析及問(wèn)卷調(diào)查來(lái)細(xì)分人群、刻畫(huà)人群需求特性，從而制定針對(duì)不同客戶(hù)群體的集保險(xiǎn)、銀行、投資、證券、資產(chǎn)管理、信托等一攬子綜合金融產(chǎn)品方略，為客戶(hù)提供一站式財(cái)務(wù)金融解決方案，以期得到每個(gè)客戶(hù)最大價(jià)值。在選用大數(shù)據(jù)解決方案后，通過(guò)度析已有保險(xiǎn)客戶(hù)數(shù)據(jù)及外部調(diào)研問(wèn)卷，將人群細(xì)分為記錄學(xué)上明顯區(qū)別的人群；根據(jù)群體規(guī)模、年齡、性別、教育水平、家庭特性、現(xiàn)階段的收入、消費(fèi)、理財(cái)?shù)刃袨槟Ｊ揭约八齻兯幍纳c財(cái)富階段，精確分析群體的需求動(dòng)因后制定有針對(duì)性的產(chǎn)品方略及營(yíng)銷(xiāo)方略。但是，面對(duì)來(lái)勢(shì)洶洶的互聯(lián)網(wǎng)公司，老式金融業(yè)們也在加快步伐，但還是沒(méi)有互聯(lián)網(wǎng)公司動(dòng)作快。目前，互聯(lián)網(wǎng)金融業(yè)正從單純的支付業(yè)務(wù)向轉(zhuǎn)賬匯款、跨境結(jié)算、小額信貸、鈔票管理、資產(chǎn)管理、供應(yīng)鏈金融、基金和保險(xiǎn)代銷(xiāo)、信用卡還款等老式銀行業(yè)務(wù)領(lǐng)域滲入。除了存款，銀行的重要業(yè)務(wù)幾乎已遇到全面挑戰(zhàn)?；ヂ?lián)網(wǎng)金融正在叫板老式金融，老式金融業(yè)又該何去何從？值得思考。精確營(yíng)銷(xiāo)加速互聯(lián)網(wǎng)金融沖刺在國(guó)外，大數(shù)據(jù)金融領(lǐng)域的應(yīng)用相對(duì)成熟，我們先來(lái)回憶一下在美國(guó)做得非常典型的大數(shù)據(jù)金融的三大案例。人們習(xí)慣性地覺(jué)得，只有銀行才干建立信用體系，然而在大數(shù)據(jù)時(shí)代，互聯(lián)網(wǎng)公司運(yùn)用大數(shù)據(jù)控制信貸風(fēng)險(xiǎn)已初露端倪。在進(jìn)行數(shù)據(jù)解決之前，對(duì)業(yè)務(wù)的理解、對(duì)數(shù)據(jù)的理解非常重要，這決定了要選用哪些數(shù)據(jù)源進(jìn)行數(shù)據(jù)挖掘，并且越來(lái)越多的互聯(lián)網(wǎng)在線(xiàn)動(dòng)態(tài)大數(shù)據(jù)被添加進(jìn)來(lái)。例如一種虛假的借款申請(qǐng)人信息就可以通過(guò)度析網(wǎng)絡(luò)行為痕跡被辨認(rèn)出來(lái)，一種真實(shí)的互聯(lián)網(wǎng)顧客總會(huì)在網(wǎng)絡(luò)上留下蛛絲馬跡。對(duì)征信有用的數(shù)據(jù)的時(shí)效性也非常核心，一般被征信行業(yè)公認(rèn)的有效的動(dòng)態(tài)數(shù)據(jù)一般是從目前開(kāi)始倒推24個(gè)月的數(shù)據(jù)。通過(guò)多渠道獲得的數(shù)據(jù)來(lái)源，運(yùn)用數(shù)學(xué)運(yùn)算和記錄學(xué)的模型進(jìn)行分析，從而評(píng)估出借款者的信用風(fēng)險(xiǎn)，典型的公司是美國(guó)的ZestFinance。這家公司的大部分員工是數(shù)據(jù)科學(xué)家，她們并不特別地依賴(lài)于信用擔(dān)保行業(yè)，用大數(shù)據(jù)分析進(jìn)行風(fēng)險(xiǎn)控制是ZestFinance的核心技術(shù)。她們的原始數(shù)據(jù)來(lái)源非常廣泛。她們的數(shù)據(jù)工廠(chǎng)的核心技術(shù)和機(jī)密是她們開(kāi)發(fā)的10個(gè)基于學(xué)習(xí)機(jī)器的分析模型，對(duì)每位信貸申請(qǐng)人的超過(guò)1萬(wàn)條原始信息數(shù)據(jù)進(jìn)行分析，并得出超過(guò)7萬(wàn)個(gè)可對(duì)其行為做出測(cè)量的指標(biāo)，而這一過(guò)程在5秒鐘內(nèi)就能所有完畢。事實(shí)上，在美國(guó)，征信公司或者大數(shù)據(jù)挖掘公司的產(chǎn)品不僅用于提供應(yīng)有關(guān)公司用于減少金融信貸行業(yè)的風(fēng)險(xiǎn)，同步也用于協(xié)助做決策判斷和市場(chǎng)營(yíng)銷(xiāo)。尚有，運(yùn)用社交網(wǎng)站的大數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)借貸的典型是美國(guó)的LendingClub。Lendingclub于5月24日在facebook上開(kāi)張，通過(guò)在上面鑲嵌的一款應(yīng)用搭建借貸雙方平臺(tái)。運(yùn)用社交網(wǎng)絡(luò)關(guān)系數(shù)據(jù)和朋友之間的互相信任聚合人氣。借款人被分為若干信用級(jí)別，但是卻不必發(fā)布自己的信用歷史。尚有一家在美國(guó)為網(wǎng)上商家提供金融信貸服務(wù)的公司Kabbage，于4月上線(xiàn)，重要目的客戶(hù)是ebay、Amazon、PayPal等電商。它的奇特之處在于，其通過(guò)獲取ebay等公司的網(wǎng)店店主的銷(xiāo)售、信用記錄、顧客流量、評(píng)論、商品價(jià)格和存貨等信息，以及她們?cè)贔acebook和Twitter上與客戶(hù)的互動(dòng)信息，借助數(shù)據(jù)挖掘技術(shù)，把這些店主提成不同的風(fēng)險(xiǎn)級(jí)別，以此來(lái)擬定提供貸款金額數(shù)量與貸款利率水平，風(fēng)險(xiǎn)過(guò)高則回絕，風(fēng)險(xiǎn)高下與利率成正比，與貸款金額成反比。顯然，若以銀行體系來(lái)評(píng)價(jià)此類(lèi)網(wǎng)上商家大多數(shù)都不符合銀行的貸款資格，但是在互聯(lián)網(wǎng)時(shí)代，Kabbage的案例闡明了運(yùn)用大量數(shù)據(jù)足以支撐這些小微公司信用評(píng)價(jià)體系。固然，Kabbage的這種模式也在國(guó)內(nèi)被成功運(yùn)用，其中，宜信的互聯(lián)網(wǎng)金融產(chǎn)品就是以互聯(lián)網(wǎng)為獲客重要渠道，除了借貸信用記錄，還結(jié)合大數(shù)據(jù)分析技術(shù)，捕獲來(lái)自大眾點(diǎn)評(píng)、豆瓣等社交網(wǎng)絡(luò)上的有用信息，協(xié)助信用審核人員多維度分析借款客戶(hù)的信用狀況。大數(shù)據(jù)對(duì)于互聯(lián)網(wǎng)金融的助推作用首要體目前尋找合適的目的顧客，實(shí)現(xiàn)精確營(yíng)銷(xiāo)?；ヂ?lián)網(wǎng)金融領(lǐng)域的新創(chuàng)公司或做貸款，或賣(mài)產(chǎn)品，憑借高額收益率，手續(xù)費(fèi)優(yōu)惠，吸引顧客選擇自己。然而，在越來(lái)越多同類(lèi)公司吹響混戰(zhàn)號(hào)角的同步，互聯(lián)網(wǎng)金融公司也不得不面對(duì)來(lái)自同行業(yè)的競(jìng)爭(zhēng)。欲在競(jìng)爭(zhēng)劇烈的市場(chǎng)中占有一席之地，互聯(lián)網(wǎng)金融公司需要更精確地定位產(chǎn)品，并推送給自己的目的人群。誰(shuí)是潛在的購(gòu)買(mǎi)者？如何找到她們？并讓她們產(chǎn)生愛(ài)好？精確營(yíng)銷(xiāo)的實(shí)現(xiàn)限度是互聯(lián)網(wǎng)金融公司存活與崛起的核心所在，這個(gè)領(lǐng)域雖然未達(dá)到成熟的發(fā)展?fàn)顟B(tài)，但的確已有了某些有參照價(jià)值的營(yíng)銷(xiāo)案例。如：大數(shù)據(jù)通過(guò)動(dòng)態(tài)定向技術(shù)查看互聯(lián)網(wǎng)顧客近期瀏覽過(guò)的理財(cái)網(wǎng)站，搜索過(guò)的核心詞，通過(guò)瀏覽數(shù)據(jù)建立顧客模型，進(jìn)行產(chǎn)品實(shí)時(shí)推薦的優(yōu)化投放，直擊顧客所需。另一方面就是風(fēng)控。通過(guò)度析大量的網(wǎng)絡(luò)交易及行為數(shù)據(jù)，可對(duì)顧客進(jìn)行信用評(píng)估，這些信用評(píng)估可以協(xié)助互聯(lián)網(wǎng)金融公司對(duì)顧客的還款意愿及還款能力做出結(jié)論，繼而為顧客提供迅速授信及鈔票分期服務(wù)。事實(shí)上一種人或一種群體的信用好壞取決于諸多變量，如收入，資產(chǎn)，個(gè)性，習(xí)慣等，且呈動(dòng)態(tài)變化狀態(tài)?？梢哉f(shuō)數(shù)據(jù)在個(gè)人信用體系中體現(xiàn)為芝麻信用，它便于解決陌生人之間以及商業(yè)交易場(chǎng)景中最基本的身份可信性問(wèn)題，以及協(xié)助互聯(lián)網(wǎng)金融產(chǎn)品和服務(wù)的提供者辨認(rèn)風(fēng)險(xiǎn)與危機(jī)。這些數(shù)據(jù)廣泛來(lái)源于網(wǎng)上銀行，電商網(wǎng)站，社交網(wǎng)絡(luò)，招聘網(wǎng)，婚介網(wǎng)，公積金社保網(wǎng)站，交通運(yùn)送網(wǎng)站，搜索引擎，最后聚合形成個(gè)人身份認(rèn)證，工作及教育背景認(rèn)證，軟信息（涉及消費(fèi)習(xí)慣，愛(ài)好愛(ài)好，影響力，社交網(wǎng)絡(luò)）等維度的信息。對(duì)于P2P網(wǎng)貸行業(yè)而言，能否運(yùn)用互聯(lián)網(wǎng)技術(shù)有效地收集顧客信息，并對(duì)顧客的信用信息進(jìn)行鑒定和管理，成為考量一家P2P網(wǎng)貸平臺(tái)風(fēng)控水平的重要原則。嚴(yán)密的風(fēng)控手段是保證平臺(tái)出借人的資金安全的重要環(huán)節(jié)，在風(fēng)控技術(shù)手段創(chuàng)新摸索方面，宜信宜人貸作為行業(yè)技術(shù)創(chuàng)新的代表，顯然走得更快人一步。其已通過(guò)精確的風(fēng)險(xiǎn)建模，實(shí)現(xiàn)了對(duì)顧客資質(zhì)的高效審批，為顧客提供更便捷的體驗(yàn)。它是基于對(duì)自身平臺(tái)數(shù)萬(wàn)名借款顧客的理解，同步借鑒宜信八年累積的對(duì)于顧客的理解，從地區(qū)、年齡段、職業(yè)、等多維度對(duì)借款顧客進(jìn)行了劃分，通過(guò)精確的風(fēng)險(xiǎn)模型建立，宜信宜人貸建立了一套獨(dú)有的，行之有效的信用評(píng)估系統(tǒng)，通過(guò)對(duì)顧客信息的多維度考察，可以迅速對(duì)顧客的信用資質(zhì)進(jìn)行評(píng)估，從而極大地提高服務(wù)效率。如某P2P小額信貸機(jī)構(gòu)如何使用個(gè)人及機(jī)構(gòu)的外部數(shù)據(jù)建立自己的征信系統(tǒng)，在極其有限的客戶(hù)實(shí)質(zhì)接觸基本上僅憑問(wèn)卷數(shù)據(jù)、自有數(shù)據(jù)庫(kù)等對(duì)不同客戶(hù)進(jìn)行信用評(píng)估，并結(jié)合內(nèi)部業(yè)務(wù)數(shù)據(jù)建立風(fēng)險(xiǎn)定價(jià)系統(tǒng)、風(fēng)險(xiǎn)預(yù)警系統(tǒng)、風(fēng)險(xiǎn)管控方案、應(yīng)對(duì)欺詐規(guī)則、懲罰方案等一系列影響核心業(yè)務(wù)賺錢(qián)能力的系統(tǒng)方案。通過(guò)采用大數(shù)據(jù)解決方案后，通過(guò)自建、購(gòu)買(mǎi)、客戶(hù)授權(quán)后合伙分享等多種方式整合涉及互聯(lián)網(wǎng)社交網(wǎng)絡(luò)數(shù)據(jù)在內(nèi)的多種數(shù)據(jù)、建立個(gè)人及機(jī)構(gòu)消費(fèi)、借貸、財(cái)務(wù)交易、資金往來(lái)等多源信用數(shù)據(jù)庫(kù)，在此基本上建立符合自身業(yè)務(wù)范疇的客制化信用評(píng)估模型，根據(jù)此模型評(píng)估借、貸款雙方的信用級(jí)別。通過(guò)建模確立如何匹配借貸雙方，與具體業(yè)務(wù)相應(yīng)的風(fēng)險(xiǎn)評(píng)級(jí)、授權(quán)級(jí)別、額度發(fā)放級(jí)別以及與此相應(yīng)的風(fēng)險(xiǎn)價(jià)格等，并通過(guò)已有拖欠、欺詐案例反饋回模型進(jìn)行機(jī)器辨認(rèn)，進(jìn)一步完善模型。將來(lái)，依托于互聯(lián)網(wǎng)大數(shù)據(jù)技術(shù)的發(fā)展，相信將會(huì)浮現(xiàn)更優(yōu)質(zhì)，更便捷的P2P網(wǎng)貸服務(wù)，來(lái)協(xié)助更多有信用的借款人釋放信用的價(jià)值，讓信用生金。但是，互聯(lián)網(wǎng)金融在如此大好的機(jī)遇面前，自身也隱匿著某些繞不開(kāi)的難題。一方面，其以新生事物野蠻式生長(zhǎng)，帶來(lái)便捷的同步，如何解決風(fēng)控的問(wèn)題，是目前互聯(lián)網(wǎng)金融必須解決的一種問(wèn)題；但是另一方面，也面臨自身因監(jiān)管缺失帶來(lái)的風(fēng)險(xiǎn)?？梢?jiàn)，互聯(lián)網(wǎng)金融尚有待于時(shí)間的磨練。個(gè)性化數(shù)據(jù)為醫(yī)療插上智慧的翅膀凱文·凱利（KK）在《失控》的第22章，“預(yù)言機(jī)”里曾提到：信息就是數(shù)據(jù)，數(shù)據(jù)一旦流動(dòng)，就發(fā)明出透明。社會(huì)一旦聯(lián)網(wǎng)，就可以理解自己。因此，諸多熱衷于大數(shù)據(jù)概念的人，她懂得哪里有數(shù)據(jù)，卻沒(méi)有措施去促成數(shù)據(jù)的流動(dòng)。因此，第一要義，數(shù)據(jù)如何才干形成流動(dòng)？它的驅(qū)動(dòng)力在哪里？以目前很熱的醫(yī)療健康大數(shù)據(jù)為例，來(lái)探究數(shù)據(jù)是如何流動(dòng)的？維克托?邁爾-舍恩伯格的《大數(shù)據(jù)時(shí)代》一書(shū)中有兩個(gè)有關(guān)大數(shù)據(jù)與公共衛(wèi)生結(jié)合的案例令人印象深刻：?jiǎn)滩妓棺灶景┲岭x世長(zhǎng)達(dá)8年之久，這幾乎發(fā)明了胰腺癌歷史上的奇跡。據(jù)悉，喬布斯曾在此期間支付大量費(fèi)用獲得了自己涉及整個(gè)基因密碼在內(nèi)的數(shù)據(jù)文檔。借此，醫(yī)生們能基于喬的特定基因構(gòu)成以及大數(shù)據(jù)按所需效果用藥，并調(diào)節(jié)醫(yī)療方案。如果上述案例是個(gè)體的，那么帶來(lái)群體價(jià)值的案例，便是Google成功預(yù)測(cè)流感爆發(fā)期。甲型H1N1流感爆發(fā)幾周前，Google通過(guò)對(duì)人們網(wǎng)上搜索記錄的觀測(cè)、分析、建模，成果顯示，她們的預(yù)測(cè)與官方數(shù)據(jù)的有關(guān)性高達(dá)97%，且判斷比疾控中心更及時(shí)。從個(gè)人健康管理到公共健康管理，大數(shù)據(jù)在對(duì)個(gè)人醫(yī)療的變化以及極富價(jià)值的預(yù)警能力吸引著IT巨頭們迫不及待與醫(yī)療聯(lián)姻。例如在中國(guó)，某慢性病管理遠(yuǎn)程醫(yī)療解決方案供應(yīng)商籌劃外包商保的糖尿病遠(yuǎn)程管理業(yè)務(wù)，需要提供：人群的糖尿病管理方案涉及接觸、回應(yīng)、問(wèn)卷、回饋、互動(dòng)、宣教、指引、測(cè)試成果報(bào)告、產(chǎn)品銷(xiāo)售等各個(gè)環(huán)節(jié)的方案設(shè)計(jì)以及人群配合度、依從性、短期及長(zhǎng)期醫(yī)療效果、經(jīng)濟(jì)效果評(píng)估方案。遠(yuǎn)程醫(yī)療提供方方案中的的成本、經(jīng)濟(jì)效益回報(bào)會(huì)作為與商保、社保合伙方案中的重要構(gòu)成部分。通過(guò)采用大數(shù)據(jù)解決方案后，運(yùn)用既往研究、文獻(xiàn)及歷史數(shù)據(jù)中的成果為外包業(yè)務(wù)人群設(shè)計(jì)糖尿病病管理全流程數(shù)據(jù)分析方案，涉及數(shù)據(jù)生成、采集、分析方案等，根據(jù)一定假設(shè)運(yùn)用糖尿病決策樹(shù)模型來(lái)逐級(jí)擬定慢病管理各個(gè)環(huán)節(jié)中的成本及產(chǎn)出。應(yīng)接觸人群、反饋人群、互動(dòng)人群、依從人群、效果人群、對(duì)比人群生成及最后的醫(yī)療效果、經(jīng)濟(jì)效果評(píng)估方案是本項(xiàng)目的核心。運(yùn)用遠(yuǎn)程終端的客戶(hù)反饋數(shù)據(jù)分析提高客戶(hù)反饋、依從、購(gòu)買(mǎi)產(chǎn)品的方略，平衡成本與樣本規(guī)模，提高供應(yīng)商的投產(chǎn)比；使用記錄學(xué)措施清晰論證及展示慢性病管理遠(yuǎn)程醫(yī)療解決方案的經(jīng)濟(jì)學(xué)價(jià)值，投入產(chǎn)出比。便利供應(yīng)商開(kāi)展與社保、商保的合伙；提高供應(yīng)商自身的投產(chǎn)比。雖然我們談了許多有關(guān)醫(yī)療行業(yè)大數(shù)據(jù)的價(jià)值和作用，但今天的大數(shù)據(jù)在醫(yī)療行業(yè)應(yīng)用仍然處在初級(jí)應(yīng)用的階段，部分醫(yī)療機(jī)構(gòu)僅使用了初級(jí)功能如BI等，要想讓醫(yī)療行業(yè)把大數(shù)據(jù)發(fā)揮出最大的價(jià)值，需要解決如下幾方面問(wèn)題：從技術(shù)角度來(lái)看，數(shù)據(jù)采集及原則問(wèn)題。收集數(shù)據(jù)是大數(shù)據(jù)基本，但目前醫(yī)療機(jī)構(gòu)采集數(shù)據(jù)的能力有限，阻礙了大數(shù)據(jù)的應(yīng)用；從醫(yī)療經(jīng)營(yíng)角度來(lái)看，管理層缺少數(shù)據(jù)價(jià)值認(rèn)知問(wèn)題。雖然目前醫(yī)療機(jī)構(gòu)領(lǐng)導(dǎo)們對(duì)于數(shù)據(jù)的注重限度很高，但是范疇僅僅局限于對(duì)于內(nèi)部的數(shù)據(jù)認(rèn)知，從總體來(lái)看，并沒(méi)故意識(shí)到外部數(shù)據(jù)如互聯(lián)網(wǎng)數(shù)據(jù)與內(nèi)部數(shù)據(jù)的結(jié)合所產(chǎn)生的價(jià)值；從投入成本角度來(lái)看，目前大數(shù)據(jù)的投入產(chǎn)出比不明確。目前IT投資都需要講ROI(投資回報(bào)率)，由于醫(yī)療行業(yè)缺少大數(shù)據(jù)的成熟案例，考慮到成本因素，公司決策者大都不都不敢隨便在大數(shù)據(jù)領(lǐng)域砸錢(qián)；從產(chǎn)品角度來(lái)看，大數(shù)據(jù)產(chǎn)品單一，行業(yè)成熟度不夠。從以上問(wèn)題我們可以看出，醫(yī)療行業(yè)開(kāi)展大數(shù)據(jù)仍然有一段路要走，但是面對(duì)所存在的問(wèn)題，將來(lái)隨著技術(shù)的推動(dòng)、意識(shí)的提高、成本的下降以及有關(guān)政策的成熟，相信用不了幾年時(shí)間就可以逐漸解決問(wèn)題，將來(lái)，大數(shù)據(jù)必然可覺(jué)得醫(yī)療行業(yè)提供更好的服務(wù)。數(shù)據(jù)分析模型讓制造業(yè)煥然一新工業(yè)4.0時(shí)代正撲面而來(lái)。這是繼以蒸汽機(jī)、大規(guī)模流水線(xiàn)生產(chǎn)和電氣自動(dòng)化為標(biāo)志的前三次工業(yè)革命之后的第四次工業(yè)革命。其特點(diǎn)是通過(guò)充足運(yùn)用嵌入式控制系統(tǒng)，即物理信息融合系統(tǒng)（其中大數(shù)據(jù)扮演主角），實(shí)現(xiàn)制造業(yè)向智能化轉(zhuǎn)型。滄桑巨變，今天中國(guó)已是全球制造業(yè)大國(guó)。來(lái)自中國(guó)工業(yè)與信息化部的記錄數(shù)據(jù)顯示，中國(guó)工業(yè)占GDP的37%，提供全國(guó)25%的就業(yè)崗位。在500余種工業(yè)產(chǎn)品中，有220多種產(chǎn)量居世界第一。中國(guó)制造業(yè)在全球的占比約為20%。然而，中國(guó)制造業(yè)面對(duì)云蒸霞蔚的移動(dòng)互聯(lián)網(wǎng)和大數(shù)據(jù)景觀卻有些不知所措，若不趕緊扭轉(zhuǎn)局面，有也許逐漸喪失制造業(yè)大國(guó)的地位。大而不強(qiáng)是我們的軟肋，大多數(shù)中國(guó)工廠(chǎng)仍然龜縮在產(chǎn)業(yè)鏈低端，缺少制造的核心材料、設(shè)備、工藝，停留在近乎原始的OEM（貼牌代工）階段，缺少原創(chuàng)技術(shù)和創(chuàng)新產(chǎn)品。但是，憑借龐大的內(nèi)需市場(chǎng)支撐，中國(guó)制造的優(yōu)勢(shì)尚存，13億人口積累的消費(fèi)數(shù)據(jù)十分可觀。因此，如果能在大數(shù)據(jù)挖掘和分析上下點(diǎn)功夫，中國(guó)制造業(yè)還能保持較強(qiáng)的競(jìng)爭(zhēng)力。在中國(guó)制造業(yè)依托大數(shù)據(jù)打翻身仗的陣營(yíng)中，小米可謂特立獨(dú)行的領(lǐng)頭羊。成立的小米公司是中國(guó)制造業(yè)公司的成功典范，其主打產(chǎn)品小米手機(jī)已蜚聲海外，被業(yè)內(nèi)視作蘋(píng)果、三星的潛在威脅。小米超越同行的業(yè)績(jī)，緣于其用涉及軟件、硬件和應(yīng)用生態(tài)的整體措施，小米在發(fā)明全新顧客體驗(yàn)的同步，高擎大數(shù)據(jù)的旗幟，顛覆了中國(guó)制造業(yè)公司的老式做法。有了這樣的底氣，小米董事長(zhǎng)雷軍才敢與老式制造業(yè)的空調(diào)玫瑰—格力掌門(mén)人董明珠立下10億元的對(duì)賭承諾。那么，大數(shù)據(jù)是如何協(xié)助研發(fā)人員提高新藥研發(fā)效率的呢？有關(guān)專(zhuān)業(yè)人士覺(jué)得：一方面，由于藥物的生物過(guò)程和藥物模型越來(lái)越復(fù)雜，大數(shù)據(jù)可以通過(guò)運(yùn)用分子和臨床數(shù)據(jù)，預(yù)測(cè)建模來(lái)協(xié)助辨認(rèn)那些具有很高也許性被成功開(kāi)發(fā)為藥物的安全有效的潛力備選新分子。另一方面，運(yùn)用大數(shù)據(jù)可以協(xié)助提高臨床實(shí)驗(yàn)的效率。例如篩選臨床實(shí)驗(yàn)受試者的篩選原則通過(guò)大數(shù)據(jù)，可以瞄準(zhǔn)特定人群，這樣臨床實(shí)驗(yàn)就可以規(guī)模更小、時(shí)間更短、成本更低，更加有效。同步可以通過(guò)大數(shù)據(jù)分析來(lái)實(shí)時(shí)監(jiān)控臨床實(shí)驗(yàn)，及早發(fā)現(xiàn)也許浮現(xiàn)的問(wèn)題，避免實(shí)驗(yàn)過(guò)程中成本增長(zhǎng)或浮現(xiàn)不必要的延誤。第三，相對(duì)于本來(lái)僵化的數(shù)據(jù)孤島，使用大數(shù)據(jù)可以協(xié)助數(shù)據(jù)在不同功能單元之間順暢流動(dòng)。通過(guò)打破內(nèi)部各功能之間的信息壁壘并提高跟外部合伙伙伴的協(xié)作，制藥公司可以大幅擴(kuò)展她們的知識(shí)和數(shù)據(jù)網(wǎng)絡(luò)，如與外部合伙伙伴——醫(yī)生和CRO共享核心數(shù)據(jù)。數(shù)據(jù)的這種順暢流動(dòng)，對(duì)能發(fā)明商業(yè)價(jià)值的實(shí)時(shí)預(yù)測(cè)性數(shù)據(jù)進(jìn)行分析非常核心。此外，為保證合理分派稀缺的研發(fā)資金，項(xiàng)目組合與產(chǎn)品線(xiàn)有關(guān)的迅速?zèng)Q策至關(guān)重要。但制藥公司常常發(fā)現(xiàn)，她們很難做出合適的決定。例如哪個(gè)項(xiàng)目該繼續(xù)，或者有時(shí)更重要的是，哪個(gè)項(xiàng)目該砍掉。基于信息技術(shù)的項(xiàng)目組合管理能迅速無(wú)縫地實(shí)現(xiàn)數(shù)據(jù)驅(qū)動(dòng)的決策。通過(guò)數(shù)據(jù)分析目前項(xiàng)目的商業(yè)開(kāi)發(fā)機(jī)會(huì)，預(yù)測(cè)其市場(chǎng)競(jìng)爭(zhēng)力，協(xié)助公司客觀地做出決定，以保證研發(fā)投入的合理性。雖然大數(shù)據(jù)可以有效地協(xié)助研發(fā)人員提高新藥研發(fā)效率，但目前大數(shù)據(jù)技術(shù)尚有某些方面需要改善。牛津大學(xué)記錄學(xué)專(zhuān)家彼得·多納利