金融业数字化转型 MVP 实践（上）
随着移动化、智能化、竞争同质化不断加强，各大金融企业持续加大对线上渠道的建设投入，意识到数据、智能对企业整体运营能力和行业竞争力能力提升的价值。基于准确、完备的数据，科学、体系化的指标量化评估业务现状，金融行业纷纷深度分析挖掘业务增长点，推动业务线上化、全渠道精细化运营，降低对传统线下重人工、非标模式的提高，提高线上化直接客户运营的能力，从而达到降本增效，提高企业效益的目标。
麦肯锡 2019 年 11 月27日发布研究报告指出，规模化应用大数据和高级分析可显著提升银行业务绩效、降低运营成本、优化风控和决策、改善监管数据效率及提升客户体验，能推动银行业利润增长10%～15%。
尽管各大金融企业都已经认识到数字化转型的必要性，但在实际落地层面，却常常面临着人才、方法论、跨部门协作等多重困局。金融企业在数字化运营实践中，常见的典型问题如下。
-
数据驱动业务的具象认知不足
数据的重要性和价值已然毫无争议，但具体到实际的业务应用中，受制于企业领导班子对数据的理解程度、员工数据应用的方法技能、数据质量和应用标准等层面均存在较大的不足，导致实际上数据并未真正成为推动业务决策和业务迭代的有力支撑，反倒有可能成为各业务团队争取话语权、粉饰太平的手段。
-
对数据基础建设的重要性认知与投入不足
数据价值发挥的基础，需要建立在完备、准确的数据基础之上。没有数据的基础，任何数据指标、数据分析、算法模型的投入，都无法为业务提供真正有效的输出。这种情况下，数据本身不止不能提供价值，反而是一种负资产，除了数据采集和处理本身的投入外，数据在应用环节常常需要为数据可信度问题投入过高的沟通、排查与清洗的成本，经不起应用层的检验，使得数据资产变成负资产。
-
重视各类系统能力建设，未关注数据对业务的应用价值交付
数据的价值发挥，最终一定要回归业务，不管是通过数据洞察驱动业务优化，还是直接通过数据工程化实现与业务系统的直接对接。其中，系统是对工作流、方法的承载，是提升效率的工具，最终一定是要回归到对业务人员的应用交付，真正能为业务带来价值，才算是完成了数据驱动的闭环。
-
忽视高级分析技术人才、算法建模型人才的业务理解能力建设
随着大数据与 AI 智能的概念兴起，数据挖掘、算法工程师等大数据技术人才受到金融机构极大的追捧。与此同时，大多数技术性人才往往缺乏业务理解与数据技术相结合的能力，实际在业务层落地时往往达不到预期，导致空有技术实力，却难以最终对业务产生实质性的提升效果。
-
对线上行为类数据的采集与深度应用度不足
随着业务的线上化程度逐渐提升，用户线上浏览、搜索、业务办理尝试等非直接业务结果类行为，可为企业提供丰富的用户意愿、需求、潜力的判断依据，进而为客户特征与偏好判断、潜在客群识别、精准营销、客户体验提升等方面提供高价值的信息，这对业态丰富、客群结构复杂的金融企业来说，是非常宝贵的信息。然而大多数金融企业在行为数据的采集和应用上，系统性投入还不足，并未充分挖掘数据的价值。
要系统性地解决以上问题，核心是提升对数据驱动的真正理解，以及把握数据驱动落地层的要点，转变数字化运营建设的基本思路，其中最核心的是解决意识、能力及方法3 个核心问题。
1、意识——数据驱动理念与认知建设先行
自上而下整体提升全公司数据驱动理念与认知，从企业高层或者独立业务线的骨干领导班子开始，统一对数据驱动落地过程的难点认知，提升团队数据解读、应用的能力，形成推动数据驱动落地的坚实基础。
2、 能力——建设跨业务与数据的专业人才梯队
无论是高级数据分析技术，还是算法建模能力，在实际到业务层落地时，都需要结合业务场景和特点才能确定更合适的解决方案，对输出结果进行有效解读和判断，以及给予有效的业务迭代策略的能力，也决定了是否能真正形成业务闭环，带来实质性业务提升的空间。这些都与数据人员的业务理解能力强相关，业务理解能力其实是决定数据专业人才实际输出效果的核心因素之一。因此在团队能力搭建时，不仅要关注技术型人才的引进，也同时需要关注业务分析型人才的引入，以及对技术型人才业务理解能力的考察与培养。
3、 方法——从数据到应用的MVP闭环交付
数据化运营转型，本身是一个系统性工程，依次需要落实解决数据采集与整合、数据指标可视化、数据分析洞察、数据智能应用等各个环节。很多金融机构，由于本身的业务单元、业务形态的复杂度较高，一上来就希望做大而全的解决方案，这往往是不现实的。单纯就数据采集与整合来看，就是一个非常重的工作项，数据分析应用哪怕对单一业务线来说，也是一个持续建设不断深入的过程，因此更实际的做法，是借鉴互联网的 MVP （Minimum Viable Product,最小可行性产品）思路，根据业务侧重点和优先级，从单一业务单元、业务形态开始，围绕具体的业务目标、业务场景，从需求倒推数据驱动体系建设规划和阶段性目标，依次实现各个业务单元、不同业务形态的数据和价值挖掘的覆盖，整体解决方案的思路如下图：
图 1 数字化转型整体解决方案思路
#推荐阅读#
如果您想了解更多企业数子化转型干货知识及案例，欢迎访问36氪企服点评！
