大数据驱动金融业快速发展

十几年前，国内的银行因为各省间的数据不联通，还不能进行异地存取款。今天的中国已然成为世界上的移动支付大国，境内同城异地支付几乎为实时到账。中国金融行业经历的巨大变化，大数据的行业应用是背后的重要驱动。

得益于政府的大力推动，2015年贵阳大数据博览会成为我国大数据爆发式增长的起点。越是在经济下行的压力下，大数据越能给企业带来效益。金融行业就是数据利用最早，受益最多的行业。TalkingData为银行、证券和保险公司等金融企业广泛提供大数据产品、解决方案和服务，在三个关键方面表现出较强的竞争力：

提高效率：通过大数据算法优化业务效率，过去需要两三周完成的业务，利用数据分析、数据决策后，可能两天，甚至两分钟就完成，比如说反欺诈，信用评估、贷款审批。

增加营收：一改过去被动营销方式，通过数据分析实时掌握客户情况的变化，并预判客户的金融需求，实现主动推送服务。通过精准营销大幅提高了营销收入。信用卡的现金贷和账单分期、证券机构的股票经纪业务等方面都得到了良好的效果。

降低成本：客户在不同的年龄阶段、收入层次和业务场景中需要不同的产品。TalkingData通过这三个维度，细分人群，通过数据分析和营销发现了很多意想不到的结果。银行发现一直开车的人反而是最需要叫车软件;休眠客户中有30%左右的高价值客户，可以低成本唤醒;通过精准营销，下载App的用户中，至少10%可以转化为绑卡消费用户，银行从此不再海量推送广告，大大节省了营销成本。

产品服务迭代更新，同客户伙伴共勉

TalkingData的发展轨迹就是为企业客户提供的产品和服务不断深化的过程。

TalkingData最早的核心产品是移动互联网上的统计分析平台，即采集用户手机APP上的行为数据加以分析。但因为采集上来的数据很难处理，TalkingData花费了大量精力和成本去处理这些本不可用的数据，转化成可用的报表数据。正是TalkingData的这种数据处理和分析能力，使不少客户与我们一直合作。

目前，统计分析平台已具备了运营功能，并改称移动运营平台，与用户运营平台、营销闭环平台、客流运营平台和数据科学平台一起成为TalkingData的五大工具平台。

除了指导客户使用平台工具外，TalkingData还指导业务、运营和营销，为客户进行驻场数据咨询，协助提升用户活跃度和单客价值，优化产品体验，降低渠道成本等。

在此基础上，2017年的TalkingData又开始着手解决客户的垂直业务问题。例如，信用卡需要增加分期客户的比例，数据分析发现，在选择分期时很多用户会在第四步时放弃——当用户不知道要还多少钱的时候，往往就不选择分期了，这就是所谓的“分期恐惧症”。TalkingData因此建议默认选择3期，让客户可以选6期，12期，一万块钱选3期，一个月还3000多块钱，12期可能还800块钱，当用户看到每个月具体要还多少钱的时候，选择分期意愿明显上升。这样一来，第四步的漏损率一下降低了20%。

TalkingData也帮助券商解决垂直场景问题。大盘低迷时，股票客户交易不活跃。此时如何提高客户的活跃度?TalkingData就采用了一些数据模型、分析和智能手段，根据用户关注板块和行为，推送相关财经咨询。客户因此被激活，券商收入显著增加。在解决客户垂直业务问题的过程中，TalkingData的数据、模型和工具也实现了价值化。

保险公司还利用TalkingData的数据和模型筛选高风险客户，分析精确度比原来提高了三倍，在针对此客户群提价后，成功降低了理赔成本。

客户创造价值即为TalkingData的价值

TalkingData一直追求以先进的数据产品和服务为客户打开新的价值之门，因此成果不断创造新高。

信用卡

除了协助大幅降低选择账单分期的漏损率外，TalkingData还利用现有外部数据，帮助银行以积分换现金/礼物的方式在电子游戏中进行跨界的信用卡营销，短短几个月就新增了数万客户，而且激活了40%的“沉睡客户”。

进一步来说，通过分析用户APP采集来的行为数据，判断用户的金融需求，再进行电话营销，获得了超过10%的高转化率。

银行

TalkingData还利用机器学习(Machine learning)技术解决银行客户的痛点。

在银行业，TalkingData利用机器学习，在10亿个活跃设备中筛选出约2万多最优质客户，推送理财营销短信，使这些客户注意到了平时没有注意到的投资机会。一个周之内，这2万多条短信就转化成为2.2亿元理财销售业绩，人均购买12万元。

同样通过机器学习的方法，TalkingData还帮助国内区域银行成功找回高价值流失客户3000多位，顺利销售了5.5亿元的理财产品，人均购买18万元。

机器学习的模型准确率取决于两个条件：不同的情况下参数的模型调优，以及高度相关的数据数据。TalkingData所使用的算法是Lookalike。Facebook、Google等都使用这个算法寻找相似人群。TalingData利用自身的技术能力和开放数据平台Fregata不断优化Lookalike算法，正是这样的技术迭代和商业应用使TalkingData在很多项目中获得了较高响应率和准确度。

有伙伴自客户来不亦乐乎

TalkingData把客户当成一个Partner(合作伙伴)——客户的价值就是我们的价值，客户因使用我们的产品而创造了新价值，那才是我们的成功。正是基于这样的认同，TalkingData获得了越来越多客户的信赖。

TalkingData会频繁回访客户，了解工具使用情况，协助解决业务困难等。同时，依据这些重要的数据反馈，产品和方案得以优化。

2017年，TalkingData的业务增长了一倍，统计分析平台业务在金融市场中占据了70%左右的份额。四大国有银行，十六家股份制银行，包括前20家证券公司和两家大型保险公司80%都在使用TalkingData的产品和解决方案。国内某大型保险公司利用此平台，每天支持几千万日活跃设备(日活)。

而TalkingData在移动互联网的SaaS平台总共支持约两个亿的日活设备，约6.5亿月活设备，并且这些数据都经过排重处理。如此庞大的数据量就已经表明了其技术架构、数据处理能力、数据分析能力、系统性能的成熟度和领先性。将这样的技术平台经过优化之后服务于金融行业，在技术上和应用上的领先优势就比较明显了，特别是在数据处理能力上和系统稳定上，TalkingData的平台具有较大优势。

数据金融珠联璧合 全新未来迈进智能

未来银行的竞争不会再是网点之争，而从数字化转向智能化，主动营销全面取代被动营销。未来的大数据分析也一定是趋向智能化的。因此，未来的金融业将更加依赖于大数据、智能、模型算法和自动化工具，其核心意义就是提升运营效率，降低运营成本，增加企业潜在收入。可以说，大数据、人工智能和应用场景的利用决定着未来金融企业的市场份额。