大數據應用:落地才能開花

　數據資源，在未來社會將扮演與礦石能源同等重要的角色。如同瓦特的蒸汽機、愛迪生的白熾燈一樣，對當下及未來生產、生活模式發生顛覆性影響。而當下如火如荼的大數據核心產業，仍面臨諸多挑戰，需要經歷復雜過程。這不禁讓人想起：19世紀初，英國屢次發生工人搗毀生產機器的事件；晚清時期，技術先進的鐵路、蒸汽機車被清朝君臣視為“奇技淫巧”，破壞風水。人們接受新生事物，從認知、接受，到使用、建立經營模式，非一朝一夕之功，需從業者謹慎面對，避免概念炒作，創新商業模式，讓技術真正“落地“服務。就如同今日的中國機械馳名中外，高速鐵路縱橫南北，技術“落地”才能生根發芽。

“供給創造它自己的需求”，誕生于19世紀的薩伊定律提出，只要有供給，就會產生相匹配的需求，市場會自動出清。在大數據廣泛應用的今天，這一破產于20世紀大蕭條時期的理論似乎暗藏新含義。

當前，全球圍繞大數據挖掘、采集、存儲管理，正在形成一個生態圈，即大數據產業。在消費市場快速變化背景下，依靠大數據分析，市場供應者可精準對接需求，一定程度上，或許真的可以“出清”。

2015年9月，李克強總理簽發《促進大數據發展行動綱要》，將大數據產業推向最高熱度。2017年政府工作報告中提到，深入推進“互聯網+”行動和國家大數據戰略。并指出，加快大數據、云計算、物聯網應用，以新技術新業態新模式，推動傳統產業生產、管理和營銷模式變革。2016年，全球大數據核心產業規模達到300億美元。然而，在迅猛發展過程中，一些現象仍值得思考。

過熱炒作的弊端

根據中國信息通信研究院測算：2015年，我國大數據核心產業市場規模達到115.9億元，增速達38%，預計2016年達到168億元，2017-2018年還將維持40%左右的高增長。一些大型企業，紛紛建立自己的數據分析團隊。阿里巴巴董事局主席馬云提出，未來的制造業不僅生產產品，未來的制造業制造出來的機器必須會思考，必須會說話，必須會交流，未來所有的制造業都將會成為互聯網和大數據的終端企業?！拔磥淼闹圃鞓I要的不是石油，它最大的能源是數據”?？墒?，高增長背后，一些現象透露出隱憂：

2017年初，高德地圖公布的大數據分析結果引發爭議。其發布的《2016年度中國主要城市交通分析報告》汽車用戶畫像指出，中高檔車主駕駛“野蠻”，其中被看作最野蠻的是mini車主，凱迪拉克車主偏愛洗浴中心。瞬間，一石激起千層浪，不僅相關車主、車友會群起攻之，也引起部分汽車廠商關注。當事方表示，這份分析資料由高德地圖交通大數據團隊撰寫，基于高德積累的海量交通出行數據，通過大數據挖掘計算所得。即便如此，數據來源、計算方法、數據用途都受到質疑。

同樣困擾大數據應用的不僅是內容，更有過度的概念炒作、投資過熱。2016年，數家大數據技術與應用服務商開始削減團隊人數，其中一部分，即便經過多輪融資，但實際經營利潤仍無法彌補成本或無法擴大營業規模，出現虧損。伴隨而來的是投資削減：據統計，2016年，在大數據領域第三季度共發生投資案例801起，同比減少2.2%。就投資總額看，披露金額的727起投資案例共涉及投資金額1141億元人民幣，同比下降4.9%，較第二季度下降51.1%。投資項目同比降低三分之一。

短短數年時間，大數據分析的商業理念就已經遍布各個行業。而其真正能為產業革新作出的貢獻以及產業本身生存狀態仍值得商榷。

比計算方法更重要的是制定策略

二戰時，英國空軍請哥倫比亞大學統計學教授統計戰機受損情況，以統計結果作為飛機加強改裝的依據。受當時技術局限，飛機只能做部分加強。他們積累了很多數據，統計飛機所有受傷的彈孔位置。最后發現：機翼兩端彈孔最多，人們認為應把加強鋼板放在機翼，但教授卻堅持認為，那些薄弱的部位，就是沒有統計出來的地方，因為這些地方受傷的飛機根本沒有飛回來。不管是原始的統計方式，還是大數據廣泛應用的當下，人們進行統計分析，會忽略很多樣本，甚至策略制定發生偏差。如此，再精確的數據統計，也將無濟于事。

中國信息通信研究院發布的《大數據白皮書（2016）》指出：我國大數據產業發展已具備一定基礎，但要實現從“數據大國”向“數據強國”轉變，還面臨諸多挑戰：一是對數據資源及其價值認識不足。二是技術創新與支撐能力不夠。三是數據資源建設和應用水平不高。四是信息安全和數據管理體系尚未建立。五是人才隊伍建設亟須加強。在數據資源建設和應用層面。白皮書提出：“用戶普遍不重視數據資源的建設，即使有數據意識的機構，大多只重視數據的簡單存儲，很少針對后續應用需求進行加工整理。數據資源普遍存在質量差，標準規范缺乏，管理能力弱等現象，跨部門、跨行業的數據共享仍不順暢，有價值的公共信息資源和商業數據開放程度低。數據價值難以被有效挖掘利用，大數據應用整體上處于起步階段，潛力遠未釋放?！?

在金融應用領域，91金融CEO許澤瑋認為，不能過分依賴數據，要設立風險委員會，使專業人員的經驗與數據統計相結合。同時，企業一定要具有足夠的數據處理能力，同時要確保安全?！霸跈z測防控風險方面，需采用線上和線下相結合的風險管理體系，包括基于大數據的線上征信和風控模型，以及傳統的線下調查和貸后管理?！痹S澤瑋介紹，建立具備豐富風控經驗的從業團隊，基于線上的大數據匹配，嚴格篩選借款人，確保他們有穩定的企業和還款能力，此外，借款人借款金額必須在抵押物評估值的70%以內，而且借款期限不得超過6個月。5位風控委員會委員均投票通過，則可以借出，如有一人不同意，則此項目作廢。在很多行業愈發依賴大數據的當下，這些人工程序和經驗愈發重要。

現在，公眾對“大數據”已有基本認知，各種大數據的案例故事廣為流傳。但在當下，概念性的故事，未必能帶來真正效果。人們需要的是，把停留在“講故事”層面的內容深挖、落地，變成真正可行，低成本高效率的商業模式，讓當下的概念在應用場景中發揮真正價值。

用數據解決實際問題

解決大數據應用的痛點，要解決使用者的大數據認知，更要實現大數據應用“落地服務”。

多數企業需要的不是數據本身，而是用數據解決實際問題。不是每個企業經營者都需要具備數據分析系統，但他們都希望大數據帶來收益并節約成本。能夠給企業帶來價值的大數據“落地服務”，才有可能被企業接受。避免炒作、制定策略、落地服務是決定大數據核心產業長足發展的關鍵。

就金融行業而言，大數據主要業務應用于企業風險管理、信用評估、借貸、保險、理財、證券分析等。在這些領域，可以通過獲取、關聯和分析更多維度、更深層次的數據，通過不斷發展的大數據處理技術得以更好、更快、更準確的實現，更多的金融企業利用大數據技術整合來自互聯網等渠道的外部數據，從而使得原來不可擔保的信貸可以擔保，不可保險的風險可以保險。 《大數據白皮書（2016）》披露：中信銀行信用卡中心從2010年開始引入大數據分析解決方案，為企業中心提供了統一的客戶視圖。借助客戶統一視圖，可以從交易、服務、風險、權益等多層面獲取和分析數據，對客戶按照低、中、高價值來進行分類，根據銀行整體經營策略積極地提供相應的個性化服務，在降低成本的同時大幅提升精準營銷能力。

許澤瑋介紹，他們通過自主研發搜索引擎，捕捉借款用戶的網絡行為軌跡，鼓勵借款用戶將賬號與微博等社交網絡賬號關聯，監測用戶登錄習慣，不斷積累和健全用戶行為因子，擴展并完善大數據風控模型。他說，完善的用戶數據主要有兩大作用，一方面是為了更好地防范金融風險，另一方面則是為了進一步完善用戶畫像，實現精細化運營。讓數據真正服務于業務。