关于数据商业价值的理论框架,这个框架非常简单,就三个关键词:收入、支出、风险.
第一是收入.你要看自己的数据产品能否帮客户带来额外的收入.这里的关键词是"额外".比如客户是卖豆浆的,以前没有你的数据分析,他每天卖100碗.有了你的数据分析之后,每天能卖150碗,多卖出去的50碗豆浆,就是你的数据带来的价值.
最理想的额外收入应该是新兴市场.比如我们放假开车出去玩的时候,会遇到堵车.这时候能不能出一个堵车险?每堵1分钟,保险公司赔你1块钱,补偿一下你郁闷的心情.传统保险公司之所以不做,是因为没办法实时监控一辆车的状态,不知道有没有堵车,更不知道堵了多久.但现在有了车联网数据,这种监控就有可能实现.这就是车联网数据带来的价值.
第二个关键词是"支出".如果你的数据分析有可能给客户节约不必要的支出那就更好了.因为收入的增加往往有很强的不确定性,但相对来说,成本的控制是可以做到非常准确的.就像堵车险这个新兴市场,究竟能带来多少额外收入非常不确定.但如果你说有个超市,现在有100个收银员,通过技术改造,数据分析,合理安排,发现20个人就够了,直接节省了80个人的成本,这是非常确定的.
所以,如果数据分析可以节省支出,这件事更靠谱,更加可以预期.就拿中国的制造业来说,不管是生产汽车还是电脑,体量都很巨大.这些设备上的每个功能都是必须的吗?电脑上真的需要那么多USB接口吗?过去我们很难下判断,因为不知道用户是怎么使用这个设备的.但是今天有了物联网之后,这样的数据分析就有可能变成现实,这就是物联网数据的商业价值所在.
第三个关键词是"风险".如果你的数据不能直接增加收入,也不能直接节省成本,但是可以控制风险,也有商业价值.看一个具体的例子.很多商业银行都有网上申请系统,用户通过互联网直接就能申请信用卡,或者别的产品.之所以在网上做,是因为流量大、成本低、效率高.但缺点是风险比较大,有些线下才能提供的材料无法获得.这时银行为了把控风险,就只能提高在线申请的门槛,降低通过率.这样做虽然增加了安全性,把坏人拦在了外面,但同时也可能挡住了很多好人,也就是银行需要的客户.这时候,如果你能提供独特的数据和分析,帮银行更准确地区分哪些线上申请的人是好人,哪些是坏人,银行就能放心地给更多人发卡,从而增加收入.数据在这里的价值,就是把对风险的把控转化为收入的提高.
那有了收入、支出、风险这三方面是不是就足够了呢?还不够,你还需要一个可以量化的参照系.举个例子,你给客户做了一个客户流失预警模型,准确度75%,其实挺靠谱的,但对方一直不满意,觉得你怎么连90%的准确度都做不到.原因就在于,客户对预测准确度缺少参照,没有一个合理的预期.所以,这时候,你要给他一个参照系,让客户明白,在没有你的情况下,他自己能做到多少.可能在你到来之前,客户自己是有流失预警得分的,这个得分一般都不会太高,你可以帮他评测一下.评测之后,你和客户的交流就很容易了,你可以说,之前这边的精准度是65%,已经挺好了,但现在咱们双方共同努力,把这个精准度提高到了75%,帮咱们公司节省了不少不必要的支出.这么做之所以有说服力就是因为有了一个可量化的参照系.
大数据技术成为信息社会基建设施之后,大数据产品的商业化自然被提上日程.与传统的技术发展路径类似,助力传统行业节约成本、提升收入是大数据技术的首要着眼点,而在未来商业中,对于风险管控将是另外一个更具普世意义的应用尝试.不同于前两个目标的显性化,风控的不确定性更大,且难于量化结果,但对于大数据技术而言,风控的精确化成为可能,因为这是由大数据自身的特点决定的.大数据研究的目标之一就是为决策提供依据,更全面的数据可以更透彻地分析风险,进而为风控提供必要的支持,而这是之前的业态很难达到的效果.
本篇文章是有青岛达内培训为您呈现,希望给您带来更多更好的文章
更多青岛IT培训相关资讯,请扫描下方二维码