《奧緯咨詢：2019 數據分析前沿報告（21頁）.pdf》由會員分享，可在線閱讀，更多相關《奧緯咨詢：2019 數據分析前沿報告（21頁）.pdf（21頁珍藏版）》請在三個皮匠報告上搜索。

1、目錄機器學習自動化決策在數據分析領域中保持競爭力的三大關鍵數據分析的下一個前沿不再是“蘋果、香蕉和螺絲刀”數據貨幣化大數據時代的商機未來的銀行346911151718數據分析前沿我很高興與您分享奧緯咨詢的數據分析前沿報告，這份報告旨在幫助管理者在面對不斷變化的挑戰及突破性趨勢時，提升管理效率。我們希望本文的見解能為您帶來與眾不同的啟發，同時也歡迎您進行反饋、討論，并積極提出質疑。此致， Edouard DeMezerac（孟澤凱）您也許已經在某些地方聽說過“機器學習”。它包含一系列進行預測性分析的自動化技術。工程師們利用一組已知數據（訓練集）對計算機進行訓練，使其開啟自動化學習進程。在奧緯咨詢

2、，我們已經發現機器學習是十分強大的技術，可以廣泛應用于一系列經典的商業難題。例如，我們最近利用機器學習，幫助一家電信公司算出哪些客戶有較大可能“解約”并轉為使用其他運營商。當電信公司認為他們發現了某一潛在的“解約者”時，他們通常采取優惠政策來挽留客戶，包括電話升級、贈送免費通話時間或額外流量。如果電信公司將上述優惠贈送給那些本來就對服務感到滿意的客戶（即那些不大可能會解約的客戶），這無異于花了冤枉錢。那么您會如何預測某個客戶是否可能解約呢? 您可以收集某個客戶的所有通話數據，然后查看該客戶的上網習慣以及與客戶呼叫中心的互動情況。有了這些信息，再加上自動化機器學習模型，您將得以預測出哪些客戶有較

3、大可能解約。事實上，通過這種方法我們大幅減少了的誤報率，為電信公司節省了一大筆無謂開銷。假設有兩家電信公司，一家已經琢磨出哪些客戶即將解約，而另一家則無法做出判斷。那么，無法做出判斷的公司將花費巨資，但投資回報率為零；而另一家公司則得以有的放矢地投入成本，并卓有成效。假以時日，掌握這種解約算法的電信公司將獲得更多市場份額。想象一下，如果借助多種手段將機器語言運用到您的業務中，解決各種問題，那結果將是怎樣? 很快，您的組織效率便會出現指數級的提高。機器學習是否想大量節省營銷成本?作者：奧緯咨詢董事合伙人Paul BeswickPaul Beswick是奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及

4、奧緯咨詢數字應用聯席主管。Paul在奧緯咨詢執業超過20年，廣泛涉獵多個行業，包括零售、交通、電信和消費品。PAUL BESWICK董事合伙人、數字應用聯席主管、奧緯咨詢實驗室負責人關于作者返回目錄3許多企業期望將其流程自動化，以實現更高的響應度及更低的成本。而那些涉及較高等級、需要判斷力的決策行為則通常由經理們在自行分析數據后做出。實際上，基于相同類型的數據所作出的成千上萬次決策（如定價、借貸決策、風險評估等）常?？梢越唤o計算機進行運算，但前提是您的數據可靠，且能夠在不同系統之間暢通使用。自動化決策就如同其他流程自動化的系統一樣您編寫一套規則，在數據與作出決策之間創建一種聯系。接著您根據這些

5、規則運行的優劣情況，對該流程進行微調，以提高效率和準確度。然后創建一個反饋循環，將這些規則與其創建的結果不斷地相互比照并加以分析，建立起一個自我學習及自我糾正的系統。最后，您會識別出那些需要專家評估的特殊案例和例外情況，讓他們發揮最佳作用，作出難度最高的判斷。自動化決策管理例外情況并將棘手判斷交給專家作者：奧緯咨詢董事合伙人Paul Beswick“當該流程運行得當時，大多數基礎決策將實現自動化，使企業的優秀人力資源節省寶貴時間，從事真正重要的事務?！?Paul Beswick是奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及奧緯咨詢數字應用聯席主管。Paul在奧緯咨詢執業超過20年，廣泛涉獵多個

6、行業，包括零售、交通、電信和消費品。PAUL BESWICK董事合伙人、數字應用聯席主管、奧緯咨詢實驗室負責人關于作者返回目錄如此一來，您大幅提高了經理們的影響力。與以往相比，每個人將能夠監控更廣闊、更復雜的領域。若缺乏這種主要基于規則的系統和對例外情況的管理能力，許多公司（例如最大型的電子商務公司）將無法管理數以萬計的商品以及千萬次的客戶互動。許多公司將尋找內部流程和決策自動化的可能性，但您也可以直接將客戶互動自動化，這將往往使您在降低成本及增強客戶體驗方面獲益更豐。舉例來說，某個客戶無需聯系中介購買保險單，而是可以輸入相關數據，從具體的承保人那里直接獲得即時報價。這樣一來，自動化過程同時節

7、省了保險人和客戶的時間與金錢。又例如，銀行可以將貸款授信自動化。潛在的借款人無需聯系銀行經理，而是可以將業務賬戶與銀行連接，證明其財務狀況，從而獲得即時的貸款批準（比如上限50,000美元）。若出現例外情況，則交由銀行高級職員處理?！肮芾砝馇闆r”的美妙之處在于經理們擁有更多時間處理棘手的問題（例如異常艱難的判斷或者非?；疑牡貛В?，這樣他們的專長將運用得更富有價值。當然，如果例外情況過多，實質上您將重回起點，進行“手動”操作。但如果該流程運行得當，大多數基礎決策將實現自動化，使企業的優秀人力資源節省寶貴時間，從事真正重要的事務。5長期以來，領先的企業早已意識到，擁有由數據驅動的卓越分析戰略是

8、企業十分重要的競爭優勢。然而，在市場壓力日益增大的背景下，有效使用數據分析的能力更可以成為企業手中的籌碼。目前的市場環境下，企業增長日益緩慢，利潤率一再壓縮，而企業之間的競爭也越發高效、巧妙和靈活。同時，監管要求對利潤和成本施加了更多限制，提高了運營管理的要求。在此背景下，企業迫切需要借助尖端的分析能力升級客戶定位，從而獲取、服務和取悅重要客戶。重重挑戰下，新興初創企業則展現出強大活力，在諸多行業中與傳統企業一同爭搶市場蛋糕。在日益飽和的市場，客戶面對龐雜的數字化信息，對品牌、產品和服務的購買選擇更加苛刻。這也對傳統的市場競爭者提出了更迫切的需求，要重構流程，甚至重新定義基本的價值定位，以吸引

9、留住最有價值的客戶。在80家跨行業企業的研究中，我們發現，那些成功利用數據分析的創新者普遍具有三個特征。聚焦44%的受調查企業已開始使用整合式運營模型。在數據分析領域保持競爭力的三大關鍵作者：奧緯咨詢董事合伙人Paul Mee44%31%25%整合式模型分散式數據分析集中式數據分析6首先，許多領先企業（即44%的受調查企業）已開始使用整合式數據分析的運營模型，并同時使用“二層式跨企業部署”。其核心內容是，由卓越數據分析中心（Data Analytics Center of Excellence，簡稱CoE）啟動企業范圍的分析，并作為數據中介尋找及組織內外部數據。本地分析團隊與業務職能部門緊密協

10、作，并使用尖端工具執行分析任務。通常情況下，由卓越數據分析中心（CoE）的數據科學家改進或重構工具。例如，為了推動試驗內容和快速學習，一家大型工業運輸企業已建立了企業范圍的框架，以期在多個領域實現創新及相關改進。第二，那些已經獲得顯著改進的企業已對數據分析進行更廣泛的投資，將數據分析的應用拓展至下一個前沿。68%的受訪企業正在將數據分析應用到營銷、銷售及客戶定位以外的領域，包括優化運營流程、采購或庫存管理和控制風險。例如，一家大型酒店運營商通過動態客房定價優化，將年度預訂銷售額提高了4,000萬美元。這套優化系統正是基于當地事件、天氣、季節周期及庫存情況的實時數據。第三，在許多領先企業中，IT

11、資源使用與投資之間的平衡點已出現顯著變化，從傳統的交易流程、數據服務和基礎設施供應向共享式、大眾化的分析能力轉變。正如一位受訪者評論所言，“我們的目標就是讓尖端分析能力普及，變得好像使用Excel圖表那樣平?！?。調查中，一家領先的大型金融服務機構為了提高企業認知度，不僅重新選址，還將那些無法提供競爭優勢或客戶增值服務的IT應用和基礎設施外包。越來越多的成功企業正在建立以數據為驅動力的原則和能力，并不斷壯大自身的分析團隊，以保持競爭力或擴大領先優勢。對其他企業來說，迎頭趕上掌握數據的能力、運用現代分析的技能和方法則是當務之急。奧緯咨詢董事合伙人Paul Mee描述整合式數據分析運營模型的重要性。

12、7聚焦68%的受訪企業正在將數據分析應用到營銷、銷售及客戶定位以外的領域。Paul Mee負責奧緯咨詢戰略IT與運營的數據平臺。他擁有超過20年的專業經驗，幫助企業解決涉及數據戰略、數據管理、數據架構及數據質量等具有戰略意義的重要問題。他已在奧緯咨詢供職12年奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及奧緯咨詢數字應用聯席主管。PAUL MEE董事合伙人關于作者返回目錄優化銷售與營銷流程掌控客戶/市場調查以激發洞察力優化運營流程交叉銷售/向上銷售生產監控/流程優化掌控流程質量保證A/B測試防止稅收流失識別與管理企業風險客戶互動78%75%68%56%39%29%28%25%24%5%以發展為導

13、向的運營，即一些企業中盛行的發展和大多數企業中“下一前沿”發展8新一輪以客戶為中心的數據分析熱潮聚焦于數字營銷及客戶體驗提升。為何如此呢?首先，反饋迅速：企業了解目標客戶如何、何時及為何對某一特定的營銷行為作出反應。通過完整的數據，企業能夠理解產品或服務的使用情況、客戶體驗的實質以及再次購買的可能性。其次，企業能夠從投資回報率的角度精準衡量某些行動或營銷聲明的效率。借助諸如A/B對比測試和機器學習等技術，數據驅動的營銷行為可快速轉化成理想結果。因此，銷售、營銷及客戶定位方面的優化在數據分析投入中占據了主要地位。但數據分析還蘊藏著其他的潛力。一家大型連鎖酒店可以利用實時數據進行數據分析，并解答有

14、關客戶偏好的問題。通過動態客房定價優化，該酒店的年度預訂銷售額增加了數千萬美元。數據分析的下一個前沿是運營效率。這將帶來更深遠、更廣泛的效益，也可能更具可持續性。將分析運用到運營層面的例子包括： 由機器作出的流程、決策和建議 及時化庫存管理（例如，精確匹配需求的原料儲存，或用3D打印生產所需零部件） 秉承時間表和工作量均衡確定工作，交給最優的可用資源或實體予以執行 具有成本效益的主動型維護工作（例如，能夠傳送機械狀態并確定相應維護時間表的工廠、車輛、飛行器或其他機器） 采用動態定價的服務或材料，最大限度地減少浪費，充分利用產能 收集有關反洗錢（AML）和了解客戶需求（KYC）的情報，以降低誤判

15、率 使用可視化機器學習進行監控（例如公共場合的高清情景識別或物體探測）數據分析的下一個前沿作者：奧緯咨詢董事合伙人Paul Mee9這些例子都效益可觀，但比起與營銷相關的數據分析，實現的難度更大。要想將數據分析運用到運營層面和日常決策中，需要從根本上改變流程、技術和人才結構。為涉足這片前沿領地，企業需要以全新的方式獲取、消化、處理及儲存數據。在追求這個戰略目標的過程中，通常涉及五大步驟：6. 識別那些可以通過更多或更優的數據顯著改善的運營領域及客戶體驗流程7. 優先考慮新一代的運營安排或可數字化的運營部署，因為數據在其中能發揮最大作用8. 明確數據要求，以及在現有及全新/替代數據資源中滿足這些

16、要求的條件。9. 開發一個有可行性的案例，并確定在何種情況下如何通過更多分析、原型取樣與測試對該案例進行驗證10.計劃并編寫運營藍圖；修改與預期的運營變革及數據能力相關的戰略和績效指標今天，領先企業正布下廣闊的數據搜集網絡，涵蓋社交媒體遠程信息處理、高端傳感器、視頻及物聯網技術能力。從僅僅使用結構化的內部數據到同時使用非結構化的內外部數據，這是一種巨大的轉變。從多種資源獲取數據并進行整合，將使得運營效率出現階躍變化，并可能顯著改變商業模式。最后，比起針對營銷行為的數據分析，針對運營效率的數據分析將更具影響力，也更具可持續性。這個新的前沿值得我們去開拓。Paul Mee負責奧緯咨詢戰略IT與運營

17、的數據平臺。他擁有超過20年的專業經驗，幫助企業解決涉及數據戰略、數據管理、數據架構及數據質量等具有戰略意義的重要問題。他已在奧緯咨詢供職12年奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及奧緯咨詢數字應用聯席主管。PAUL MEE董事合伙人關于作者返回目錄10在奧緯咨詢近期的數據分析能力研究（DACS）中，我們針對某些分析結果的差異性進行了重復觀察。正如一位首席數據科學家所說，“我們最終得出的分析結果可能就像蘋果、香蕉和螺絲刀那樣難以進行比較和調和?！眴栴}是，為何會出現這種現象，以及哪些企業部署能夠以最佳方式規避這一問題。在領先企業中，一系列關鍵的設計原則使得數據分析得以成功執行。其中最為重要

18、的是使用整合式的運營模型。大多數企業開始進行數據分析時采用分散式或集中式模型，這兩種模型均有缺陷，阻礙企業轉型為數據驅動化組織。典型的演變過程應包含以下三個階段： 分散式（或“結盟式”） 碎片化的單位或具有獨立式特點的數據科學家利用自身條件和工具進行分析，且通常以各種相互重疊的方式獲取數據 集中式 技能高超的數據科學家代表某種形式的數據卓越中心（CoE），在各個業務和職能領域完成一系列分析要求。這些數據科學家同時也需要處理來自不同單位的多種數據管理形式 整合式數據分析是整合式的，并通過數據卓越中心啟動企業范圍的分析，解決最棘手、最復雜、通常也最富創新性的建模挑戰；并作為代表企業分析團隊的數據中

19、介，尋找和組織數據。在這種部署之下，數據科學家作為促成因子，幫助更廣泛的團體創造專業工具、提升并重構模型，打造更優秀或更有效的績效表現，使相關模型在企業中具有更廣泛的適用性和互換性。這在實質上將使分析能力實現大眾化，令企業內部更為廣泛的群體（“非數據科學家”）從內容豐富的各類信息以及擁有各種工具和數據集的工作臺中獲益不再是“蘋果、香蕉和螺絲刀”進行數據分析的整合式方法作者：奧緯咨詢董事合伙人Paul Mee11分散式（或結盟式或獨立式）部署可以說是一種“百花齊放”的方式：涉及不同類型的數據收集、不同的業務規則及與邏輯、不同的模型以及最終大相徑庭的結果。每個組織單元在其自身層級及其自身領域運作良

20、好，但卻很難規?；瘧?。再者，一個巨大的潛在負面因素是，生產、銷售、研發、零售等職能部門都采用獨立式的運作模式，彼此之間在人員或觀點的互換方面幾乎沒有透明度。正如奧緯咨詢的一位研究人員所說，“我們發現，共享是特別困難的事情，因為分析人員需要從企業其他部門的其他分析人員那里學習太多工具、數據集、軟件應用及規范等內容”。采用集中式模型，即一個中央實體代表企業開展數據分析工作，也會產生問題。某個數據實驗室可能與距離其服務的業務線或職能部門相距甚遠，因此遺漏了與企業某個領域的具體事務相關的背景、細微之處或某些特殊數據。更重要的是，如果分析資源過于集中化，將帶來事務的積壓或瓶頸，使那些被視為優先級別較低

21、的企業部門失望，或者形成某種形式的“批量處理”，而這將扼殺具有創新性的見解或敏捷度。整合式模型則代表了最佳方法。數據科學家可建立分析資源、重塑模型，使其更加快速、直觀，然后將它們放到強大的分析工作臺，讓每個人（而不僅僅是數據科學家）提出和回答各自的問題。這一模型可以說是以上三種模型中最靈活、最有成效和最大眾化的模型。不再是“蘋果、香蕉和螺絲刀”奧緯咨詢董事合伙人Paul Mee描述整合方式為分析帶來的價值12向整合式模型聚攏組織、管理、部署成熟企業向整合式組織模型靠攏就管理及表面控制權而言，向整合式模型過渡并非易事，因為這需要一種全新的企業思維來對待數據和分析，并服務于共同利益和個體。但通過研

22、究那些業已取得成功的企業，我們觀察到一系列邁向成功的步驟。1. 先建立小而精的團隊，迅速行動。成立由一群敏銳的分析人員組成的團隊，而不是嘗試在整個企業中推行。建立一個愿意分享專門技能、可互換模型及數據流的群組。利用該核心群組作為平臺，向外擴展及進行分析創新2. 發揮想象力，準備構建更穩健的架構。嘗試考慮以下情景：如果您將重新思考標準架構（或其中某些重要部分），您將需要哪些工具? 科學家們（當下的或將來的）將希望獲得哪些數據（資源、形式及保真度）? 組織單位將需要哪些能力并從中獲取最多效益? 盡量避免帶看陳舊的思維或歷史包袱思考，請提出您的創意，保持簡單直接，思考各種關系3. 創建一個有可行性的

23、案例。商業案例并不總是帶來直接的財務回報，但它將體現為一種更新的價值：更迅速、更少浪費、更對大眾和企業有用。例如，一家保險公司建立起健康險索賠的趨勢模型，然后將同一模型應用到意外險索賠。類似地，一家大型電信企業開發了話費定價模型，然后將該模型的升級版應用到有線電視，接著又將其觸角伸向捆綁銷售、特定社會經濟群體，最后又應用于增值服務和關聯方等等。隨著不同的團隊逐漸以一致的方式使用數據和模型，整合式模型將日益成熟，并使企業的分析和決策能力越發與眾不同分析團隊分析團隊卓越數據分析與服務中心分析團隊 數據科學家的卓越中心模型 標準化工具箱和應用套件 數據庫規范 更常見/集體化的數據獲取方法 二層式跨企

24、業部署 數據科學家CoE支持的本地分析人員 常用工具箱、應用套件和企業 “工作臺” 作為傳統內部資源、新型內部資源 （如物聯網）和外部資源的集中式 “數據中介”分散式集中式整合式分析團隊分析團隊分析團隊集中式數據分析 職能部門/業務單元中的分析“單位” 各種工具/應用 本地化數據定義/業務規則 獲取多種點對點數據業業業業業業業業業134. 解決圍繞數據的根本問題。當一個集團創建了對企業有益的模型時，其他集團將很可能加以借鑒。但它們可能在數據規?；杏龅秸系K。整合式模型依賴數據訪問權限、保真度及質量，此外還依賴于以高效的方式提供上述內容，以避免出現需要借助數據高速公路的5. 大量“繩索橋”。在整

25、合式模型作為代表企業分析團隊的數據中介去獲取、組織并豐富數據時，企業將收獲效率與效能的顯著提升“正由于我們能夠得出具有可比性的數字，我們處于更為有利的位置，能夠完成所需的分析，并自信地作出相關決策。2016年數據分析能力研究參與者Paul Mee負責奧緯咨詢戰略IT與運營的數據平臺。他擁有超過20年的專業經驗，幫助企業解決涉及數據戰略、數據管理、數據架構及數據質量等具有戰略意義的重要問題。他已在奧緯咨詢供職12年奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及奧緯咨詢數字應用聯席主管。PAUL MEE董事合伙人關于作者返回目錄”14數據貨幣化唾手可得的目標抑或是誘人的禁果?作者：奧緯咨詢董事合伙人

26、Timoin Pervane數據貨幣化是當下的熱門話題。為了推動業務的發展，各個公司收集并積累大量數據，而數據的處理分析也正變得越來越廉價和快速。因此，利用其他方式對數據進行貨幣化是極為誘人的想法。畢竟，售賣數據是一門極為簡單、高利潤、可帶來經常性收入的生意。當考慮數據貨幣化時，先來看看信息產業的整體演化很有幫助。一開始，企業進行數據收集（如醫院的表現或法律案件的結果），然后將其出售給其他公司（在本案例中，即醫院或律師事務所）。下一步就是添加工作流程工具、軟件以及其他服務，使數據格式更具可讀性和可行性。目前，信息企業越來越注重分析數據，并為客戶提供具有可行性的增值服務?！爱斎?，如果您通過出售數

27、據能獲得收益并能控制風險，那大可以這么做但永遠不要忘記，最有價值的數據貨幣化戰略在于推動您自身的業務。TIMO PERVANE 董事合伙人”15對于尋求讓自身數據貨幣化的公司，可以考慮以下三個階段：第1階段：通過更有效的流程，使用數據提升您的業務。常見的目標是更深刻地理解客戶需求，并提供更好的客戶體驗。每家公司都考慮以這種方式使用數據。第2階段：通過向客戶出售數據獲取收益或提升現有產品。您了解客戶和他們的需求，如果您能夠提供附加價值，您將可能更好地維系客戶。如果您能夠提供數據和工作流工具，使數據對客戶而言具備更多的信息量，您將獲取更高價值。這要求一定的投資，但如果您已經在為自身需求篩選和分析數

28、據，則向他人提供這些數據僅需要您追加少量投資而已。例如，許多零售商將銷售數據打包，出售給供應商，以提升雙方的協調性和系統級的效率。第3階段：將您的數據出售給客戶或供應商以外的其他公司，并實質上啟動新的業務。您的數據可能在意想不到的地方顯得難能可貴。例如，一家對沖基金可能想了解一家新的線上零售商的每日開銷情況，或者能源交易者可能想了解不同人群和地區如何設定空調的溫度。Yodlee Inc.是向大型銀行提供線上金融工具的企業，現已啟動了一項副業，出售其從信用卡和借記卡交易中收集到的數據。這些數據能顯示客戶的購買趨勢，且該趨勢將最終影響股價。您應該抓住哪個數據階段的機會?對大多數公司而言，從零開始啟

29、動信息業務將分散其投入核心業務的精力。除此之外，許多公司高估了自身數據的價值與獨特性，其實很可能其他人已經在供應同樣出色（甚至更好）的內容。再者，如果數據使用不當，客戶可能會受到打擾。但這并不是說沒有值得追求的商業機會，也不是說沒有公司能夠在第2階段和第3階段取得成功。在實際操作中，第3階段的大多數活動很可能是借助與現有信息服務公司的合伙關系來完成的（這些信息服務公司已擁有客戶群和進入市場的能力）。這些公司有更大的優勢，從不同公司收集數據，建立針對特定領域的行業聯營機構。因此，買家從它們那里獲取的數據比起僅依靠單個公司的市場份額產生的數據擁有更寬廣的視野，也提升了價值。當然，如果您通過出售數據

30、能獲得收益并能控制風險，那大可以這么做，尤其是，您能夠利用您的數據加強與現有客戶的合作關系或者在整個價值鏈中實現更高效率。但永遠不要忘記，最有價值的數據貨幣化戰略在于推動您自身的業務。Timoin Pervane是奧緯咨詢的董事合伙人，現在波士頓辦公室工作。他擁有超過18年的戰略咨詢及管理經驗，專注于B2B信息、軟件及服務行業，具體涉及的領域包括保健、能源、地理空間、市場調查、金融、科技。TIMOIN PERVANE董事合伙人、數字應用聯席主管、奧緯咨詢實驗室負責人關于作者返回目錄16大數據時代的商機如何處理與您有關、全世界都在收集的大量信息?作者：奧緯咨詢董事合伙人Timoin Pervan

31、e別再隨意丟棄數據。數據的儲存成本低廉，訪問方法也簡易，因此請保留好您的數據。另外，不要以結構化的形式儲存數據，除非您很清楚要如何提取及使用這些數據。將數據儲存在數據湖中，把結構化與非結構化的數據混合在一起。建立數據分析的團隊。這并非易事。通常，由數據科學家或分析人員組成的新團隊與企業其他人的思維方式不同，而意見也不被聽取。只有把團隊深深融入到流程之中，他們才能發揮作用。一家大型金融企業在付出代價后才明白這個道理。他們聘用了一支由400名數據科學家組成的團隊，但卻發現其作用甚微，最后不得不進行全方位且昂貴的組織改革。將洞察力與商業行動/流程結合。您身旁擁有博士學位的人不一定能夠提出非凡的見解，

32、除非他們理解您正在試圖解決的業務難題。您需要的是既理解業務問題又知道如何將技術應用到分析之中的“中間人”。此方向的第一步是打破IT的獨立，將技術人員安排到各個業務單位去反之亦然。除了靈活的創新公司之外，只有極少數的企業采取這些前瞻性的步驟。當企業成功將數據轉化為洞察力時，將對此大為雀躍，但這也常讓人對深藏在表面之下的真實影響有錯誤印象。不過這并不意味著它不值得我們為此付出努力，爭取這一巨大的商機。這一做法將帶來激進的變革，并大大拉開您與那些變革不得法的企業的距離。Paul Beswick是奧緯咨詢董事合伙人、奧緯咨詢實驗室負責人以及奧緯咨詢數字應用聯席主管。Paul在奧緯咨詢執業超過20年，廣

33、泛涉獵多個行業，包括零售、交通、電信和消費品。PAUL BESWICK董事合伙人、數字應用聯席主管、奧緯咨詢實驗室負責人關于作者返回目錄17未來的銀行當傳統經銷方式消失而數據開放之時作者：奧緯咨詢合作人Gkhan ztrk、Ren Fischer博士、Christoph Knoess在數字化時代，銀行面臨壓力。開放數據環境的出現使得金融科技（FinTechs）和應用程序接口聚合器可能破壞銀行與其客戶之間的一對一關系。新的生態系統正在不斷開發，電子商務和社交媒體的主力軍正在把它們的觸角伸向金融服務領域。數字化正在將銷售和創意向需求端和交易端遷移，讓他人扮演媒介角色。銀行面臨的核心戰略問題是，關系

34、碎片化和脫媒化的威脅來自方方面面，在此情況下，它們應該如何維系在關系金字塔中的頂端位置，以及如何使用數據為自身謀求利益?快速了解全球的金融服務狀況，便可預測未來銀行的面貌。不同地區的動態各不相同，無論是中國（阿里巴巴和微信等公司所扮演的金融服務生態系統）、歐洲（在開放數據訪問法規訂立之際，以靈活的“即插即用式”平臺為中心的戰略模塊化）或美國（對需求端和交易端服務的金融科技合作以及增值功能）。但此等迥然不同的區域趨勢很可能在保留本地特色的同事進行融合，打造出未來銀行的面貌，且很可能圍繞以下四種生態系統支柱： 為客戶帶來更多價值的跨品類生態系統合作關系 通過金融科技和銷售業終端合作的關系 為客戶帶

35、來最優解決方案的產品合作關系 借助增值分析與提供洞見能力整合而得的數據提供組合上述內容均建立在靈活的、即插即用式、基于應用程序接口的生態系統核心部署平臺的基礎上，且各方為爭取業務關系而進行持續的角力?！薄霸谑澜缛找嬗楷F產品專家、迅捷平臺和精明整合者之際，銀行需要采取戰略行動，在構建未來的銀行時避免商品化。18中國：跨品類貨幣化在中國，阿里巴巴和騰訊等占支配地位的品類領導者已經向金融服務業擴張，它們利用各自超過7億用戶的平臺，提供一系列支付和保險產品。微信一開始只是即時通信工具，繼而為購物帶來革命性變化，現已成為社會溝通中的基礎工具。已有超過3億張信用卡與微信賬戶綁定。歐洲：戰略模塊化和開放數據

36、應用程序接口歐洲監管方要求銀行允許外部相關方（如投資推薦服務或賬戶聚合器）在銀行客戶許可的情況下公開訪問客戶數據（如PSD2）。類似地，英國財政部正在開發一個關于開放銀行業務標準的框架，允許第三方通過應用程序接口訪問客戶數據。德國批準通過FinTS（金融交易服務）訪問數據。這催生了一種由模塊化平臺推動的、體現互賴關系的生態系統，該平臺使用應用程序接口分享數據和提供服務。由于模塊化產品使銀行業務關系碎片化，銀行正力圖抓住那些傾向于從不同提供方擇優挑選服務的客戶。銀行通過建立靈活的即插即用式平臺（如法國銀行BPCE收購德國傳統銀行業顛覆者Fidor后建立的BPCE-Fidor平臺）試圖獲取增值整合

37、能力，以在客戶關系中保留其首要地位。銀行利用金融科技合作關系緊跟客戶需求，主動尋找客戶。例如，Figo已經整合了不少相關的金融參與者，正逐步成為一個集聚合服務、咨詢服務、動態賬戶轉換服務及跨產品優化服務于一體的平臺。大多數銀行現已挑選了相應平臺，正積極地在開放數據環境中建立產品及分銷的生態系統。巴克萊銀行（Barclays）和德意志銀行（Deustche Bank）等銀行正在快速建立自己的應用程序接口。美國：需求端的分銷隨著銀行朝著輕資產的模型發展，實體網絡將逐漸消失。未來的銀行將不再試圖吸引客戶到分行辦理業務，而是緊隨客戶的腳步，因為客戶的需求將超出銀行業務并涵蓋方方面面。銀行正越來越多地利

38、用其他合作伙伴和非專屬渠道（如汽車經銷商、零售專賣店、開發商），分銷產品和服務。例如，摩根大通公司的大通汽車直銷（Chase Auto Direct）在與數字汽車購置服務商TrueCar，的合作中，就把汽車金融服務打造成線上汽車購物。線上申請的借款人經核準后，將被納入與大通關聯的代理商網絡中，借款人的借款文書將在這些代理商那里準備妥當。對于需要裝修和建造房屋的借款人來說，五三銀行使用Greensky作為貸款發起工具，然后在承建商或商家那里通過POS機即刻向客戶放款。19呼吁行動為了維持銀行在關系金字塔中的頂端位置，銀行需要基于生態系統的四大支柱開發明確的綜合戰略，并制定核心平臺決策。銀行應該聯

39、合金融科技及其他合作伙伴開發虛擬分銷戰略，在需求端或交易端主動尋找客戶。銀行應該與領先的新型平臺（如Figo、Fidor或Tally）合作，或者自己打造這些平臺。它們應該審核自身的品類地位和機遇，并通過新的跨品類價值將自己與他人的關系貨幣化。它們也應該推動賬戶轉換和跨產品優化，為現有客戶群提供增值服務，盡管用碎片化的方式提供。它們還應該決定在何處生產及在何處分銷，并鎖定正確的合作關系。在世界日益涌現產品專家、迅捷平臺和精明整合者之際，銀行需要采取戰略行動，在構建未來的銀行時避免商品化。返回目錄Gkhan ztrk是奧緯咨詢在法蘭克福辦事處SITO & RBB區的合伙人，精通零售和企業銀行業務以

40、及保險業務，服務范圍涉及德國、奧地利、瑞士、英國、意大利、土耳其、南非、新加坡以及美國。尤以以下業務特別突出，包括公司及商業戰略、IT與運營、流程優化、項目管理辦公室及項目管理協會。Rene Fischer博士是奧緯咨詢在法蘭克福辦事處的合伙人，主要負責為德國、歐洲、中東和非洲地區的大型區域銀行、私人銀行和資產管理公司提供托管服務。其工作重點是私人銀行業務和資產管理業務。在以下領域積攢了豐富的工作經驗：企業戰略、銷售與優化、成長方案、多通道與數字化戰略以及收購、成本與效率計劃。Christoph Knoess是奧緯咨詢合伙人、戰略性IT與運營全球負責人以及奧緯咨詢數字應用全球聯席主管，主要負責

41、公司運營模式、IT與運營績效轉型服務。特別精通大規模運營與商業模式轉型方面，主要集中在銀行業務和行業間的IT戰略與轉型。Christoph在歐洲和北美洲有15年以上的工作經驗，主要為領先的金融機構和通訊、制造、技術與生命科學企業提供支持，幫助其規劃并執行重大的變革方案。關于作者GKHAN ZTRK董事合伙人REN FISCHER博士董事合伙人CHRISTOPH KNOESS董事合伙人、戰略IT與運營全球負責人20奧緯咨詢是領先的全球管理咨詢公司， 業務遍及全球26個國家/地區的50多個城市， 將深層的行業知識與專業技能相結合， 應用于戰略、 運營、 風險管理、 組織以及數據和分析等領域。 公司

42、擁有3,700名專業咨詢人員， 全力幫助客戶優化業務流程， 完善業務運營和風險現狀， 加速實現企業績效， 從而有效把握巨大的商機。奧緯咨詢展現的思維領導力見諸于我們的出版文籍、 白皮書、 研究報告以及商業報刊的文章。 為實現上述目標， 奧緯咨詢公司與學術界知名領導者聯手， 共同研究前沿課題。奧緯咨詢實驗室為我們在數據與分析方面的專業技能提供堅實基礎， 將創新方法應用到技術之中， 幫助客戶提升商業影響力。 奧威咨詢實驗室的使命是幫助客戶讓已有或可得的信息發揮巨大的作用， 并從本質上變為知識型企業， 借此提升競爭優勢和可持續影響力。奧緯咨詢實驗室已為100多個客戶提供服務， 這些客戶的年營業額總和

43、超過500億美元。 在亞太地區， 奧緯咨詢實驗室的數據專家、 數據工程師和技術咨詢師組成的多個團隊已為若干重要城市提供服務。 上海就是其中之一。 在這里， 奧緯咨詢實驗室幫助客戶進行復雜的數據分析， 提供最新技術與解決方案 （如機器學習、A/B對比測試、 跨品類優化以及數據驅動的營銷方案）。 例如， 奧緯咨詢近期幫助了以為客戶采用一系列自動化技術， 進行預測分析。 工程師們利用一組已知數據對計算機進行訓練， 使其開啟自動化學習進程。奧緯咨詢簡介奧緯咨詢實驗室簡介版權所有 2017 奧緯咨詢保留所有權利。未經奧緯咨詢書面準許不得復制或發布本報告所有或部分內容， 奧緯咨詢對第三方的上述行為不承擔任

44、何責任。本報告中的信息和觀點均來自奧緯咨詢。 本報告不構成針對某家金融機構實施公司戰略的定制化專業咨詢意見。本報告并非投資建議， 報告內容不應該作為相關專業投資意見的依據， 也不應該將本報告作為專業會計、 稅務、法律或金融顧問意見的替代。 奧緯咨詢已盡力使用可靠的、 最新的、 完整的信息和分析， 但奧緯咨詢對所含信息不作任何明示或暗示的保證。 奧緯咨詢不承擔更新報告中的信息或結論的責任。 奧緯咨詢對于因本報告內容、引用此處信息的任何報告或資料來源采取或放棄的任何行為而產生的損失， 或者對任何后果性的、 特殊的、 相似的損害（即使得知該損害發生的可能性）不承擔任何責任。 未經奧緯咨詢書面同意， 不得出售本報告。