精华内容
下载资源
问答
  • 先来看下数据化管理的误区:数据多并不意味着能驱动业务发展,因为存在很多因素导致数据并不能很好地应用于业务中。一方面,很多公司在采集数据时,会采集到很多脏数据,比如模拟器刷量、羊毛党刷量。如果未做反作弊...
  • 点击上方蓝字关注我们以下内容来源于Stratifyd 高级解决方案经理周冠男在AWS网络研讨会中的演讲内容「业务篇」,如需查看完整演讲视频和演讲课件,可点击左上方蓝字“Stratif...

     点击上方蓝字关注我们 

    以下内容来源于Stratifyd 高级解决方案经理周冠男在AWS网络研讨会中的演讲内容「业务篇」,如需查看完整演讲视频和演讲课件,可点击左上方蓝字“Stratifyd”关注我们,下周本公众号会发布“数据驱动业务价值,让决策更精准”系列的「技术篇」和「案例篇」,完整演讲资料可在「案例篇」获取。

    在大数据时代,数据已经成为企业的重要资产。挖掘数据价值,用数据驱动业务的运营、决策以及创新,已经成为数字化转型的核心工作。

     

    数据驱动业务的本质可以归结为两点:捕捉业务数据和释放数据价值。需要明确的是,数据驱动业务只是方法,不是目的,最终目的是为了帮助企业增加利润。

    驱动企业数字化转型的“双引擎”

    从增加企业利润这个最终目标出发,构建数据驱动业务的体系可以从两种层面来执行,一种是业务效率驱动型,一种是科学决策驱动型

    对于业务效率驱动型的业务体系,管理人员更加看中业务是否可以省时省力地完成,整个流程是否更加规范化,数据工程师和数据架构师更加关注业务运作过程中产生的业务数据、客户数据是否可以有效采集,说白了这个过程强调的是如何正确地做事;而从另一个角度来讲,如何做正确的事,就要分析一下科学决策驱动型业务体系了,这是构建数据驱动业务体系非常关键和核心的一环。构建科学决策驱动型业务体系要考虑的三个核心要素是:数据资产是否广泛、数据分析是否深入、获得决策是否高效自动

     

    明确了构建数据驱动业务体系的两条路径,再来分析一下两者之间的关系。实际业务运作过程中,这两种业务驱动类型是相辅相成,缺一不可的。业务效率驱动型强调业务数据的沉淀和收集,科学决策驱动型强调数据价值的释放和应用。无论是业务运营相关的数据还是客户反馈相关的数据,都要通过一定的手段释放数据的价值。简言之,业务生产数据、数据反哺业务,这样方可构成业务运作的良性闭环。只有业务和数据发生共振,相互循环,数据驱动业务的价值才能真正释放

    这里列举一个新西兰能源行业的小案例:新西兰某领先能源企业曾借助Stratifyd增强智能数据分析工具全方位洞察和分析员工及消费者的反馈信息,大幅提升NPS分值,提升客户粘性和转化留存率。

     

    可以看出,像能源这种偏传统基建领域的行业也在寻找数字化转型的新突破口,试图通过释放数据价值来驱动业绩增长。在与Stratifyd合作之前,该能源企业已经部署了一套CRM系统,目的是为了及时、快速、高效地与客户进行沟通,方便业务人员及时响应客户需求。但是该企业并不满足于此,虽然业务效率提高了,客户满意度却没有预期中那么好,于是该企业试图寻求其他方法,深入洞察客户所思所想,提升客户体验,Stratifyd也由此与该企业结缘。

     

    Stratifyd帮助该能源企业挖掘和分析全渠道的客户反馈数据,利用AI算法高效提炼和分析消费者的热议重点和问题痛点,帮助企业深入洞察数据背后的商业洞察,提升客户体验,呼叫中心的客诉呼入率下降了43%,客户净推荐值(NPS)增加了40分!通过这个案例我们发现,只有收集、管理数据的业务系统是不够的,还要借助科学工具充分挖掘和释放数据价值,将数据价值再应用于业务和产品本身,也就是形成“业务——产生数据——助力业务”的良性循环。

    以客户为中心构建价值体系

    以客户为中心,就需要了解客户的需求,需要更多的采集客户数据,这其实是从思想到实践一脉相承的体系。Stratifyd合作的众多行业客户,都是以NPS为导向构建指标体系,接下来会重点介绍一下NPS和客户生命价值(LTV)的含义。

    什么是NPS?

    在互联网时代,消费者体验以及消费者传播的知识是非常重要的,客户净推荐值NPS(Net Promoter Score)是一种计量某个客户将会向其他人推荐某个企业或服务可能性的指数。它是最流行的顾客忠诚度分析指标,专注于顾客口碑如何影响企业成长。

    NPS的计算方式

    根据客户愿意推荐的程度让客户在0-10之间来打分,然后根据得分情况来建立客户忠诚度的3个范畴:

     

    • 推荐者(Promoter,得分在9-10之间):是具有狂热忠诚度的人,他们会继续购买并引荐给其他人。

    • 被动者(Passive,得分在7-8之间):总体满意但并不狂热,将会考虑其他竞争对手的产品。

    • 贬损者(Detractor,得分在0-6之间):使用并不满意或者对你的公司没有忠诚度。

    净推荐值(NPS)=(推荐者数/总样本数)×100%-(贬损者数/总样本数)×100%

    NPS计算公式的逻辑是推荐者会继续购买并且推荐给其他人来加速你的成长,而批评者则能破坏你的名声,并让你在负面的口碑中停止成长。

     

    在互联网时代,人是很容易受到影响的,所以很多企业把NPS作为衡量客户忠诚度的指标。

    以NPS作为指标是一种技术上的操作,企业商业上追求的是客户的生命周期价值(LTV)。从概念上讲其实比较容易理解,客户生命周期价值就是从潜在客户期到客户开发期、成长期、成熟期、衰退期直至客户流失整个生命周期过程所产生的价值。这是从长远的、以客户为中心的角度去评价客户的价值,所以是非常重要的。

    数据驱动业务整个体系搭建起来的话,以客户为中心作为指导,以NPS作为具体指标,想方设法去了解客户对于公司和产品的想法,这样,企业就可以有更好的协同体系去创造更满足客户需求的服务和产品,这时客户的体验度更高了,满意度更高了,忠诚度更高了。从下图可以看出,搭建了「数据驱动业务体系」的企业可以让客户的生命周期价值变得更长远、更持久,这对企业带来的其实是更多正向的收益。

    明确了以客户为中心去构建数据驱动业务的体系以后,接下来还有一个难点,就是如何释放数据的价值。下周本公众号会发布“数据驱动业务价值,让决策更精准「技术篇」”,在「技术篇」内容里我们会详细介绍如果利用增强智能去挖掘更广的数据资产、运用更多的算法技术、执行更自动的决策方案,进而找到客户反馈数据中更深的故事含义,敬请关注。

    Stratifyd在全国诚募合作伙伴,如有合作意向,欢迎发邮件至 partner@stratifyd.cn 。 

    END

    往期精选

    关于Stratifyd

    Stratifyd, Inc.总部位于美国南部金融重镇夏洛特,是全球领先的增强智能(Augmented Intelligence)数据分析服务提供商。公司拥有强大的非结构化数据语义分析能力,致力于推进AI在企业数据分析以及商业智能领域的进步。Stratifyd增强智能平台通过整合多个数据源的结构化和非结构化数据,深入洞察消费者反馈数据背后的故事场景,在短时间内呈现出价值非凡的商业见解,助力企业提高客户体验和满意度,提升客户转化与留存,实现高质量的收入增长。

    扫描下方二维码,免费体验极速数据洞察!

    微信号 : Stratifyd

    新浪微博:@Stratifyd

    ● 扫码申请试用

    我知道你

    在看

    展开全文
  • 前两篇介绍了构建数据驱动业务体系的方法以及如何利用增强智能技术释放数据价值,为了帮助大家更好地理解数据在业务工作流中发挥的价值,本文将结合几个有趣的案例,为大家介绍增强智能技术在挖掘数据价值、驱动...

     点击上方蓝字关注我们 

    以下内容来源于Stratifyd 高级解决方案经理周冠男在AWS网络研讨会中的演讲内容「案例篇」,如需查看完整演讲视频,请点击文末“阅读原文”,扫描文末二维码还可免费领取Stratifyd演讲课件哦!

    前两篇介绍了构建数据驱动业务体系的方法以及如何利用增强智能技术释放数据价值,为了帮助大家更好地理解数据在业务工作流中发挥的价值,本文将结合几个有趣的案例,为大家介绍增强智能技术在挖掘数据价值、驱动企业科学决策方面发挥的重要作用。

    增强智能助您轻松找到数据背后的故事

    无论是结构化数据还是非结构化的语音、文本、视频数据,增强智能是否可以给我们带来更深入的商业洞察呢?答案是肯定的。增强智能的本质就是将人类擅长的技能与机器能力相结合,赋予人类更强的分析能力,帮助人们更快地找到数据背后的故事。接下来会给大家介绍几个有趣的案例,从数据分析的深度和自动化两个角度去展开。

    数据分析深度:只有结构化数据是远远不够的

    数据驱动业务体系:

    电商数据收集—>NLU 分析—>业务建议

    美国某领先健康护理快消品牌借助 Stratifyd 挖掘非结构化电商反馈,完成新品上市验证。

     

    故事背景:事业部打算推出新的卷纸 SKU。新款卷纸采用无中心纸筒的新设计,不仅降低了制造成本同时也节省了仓储物流空间。为了验证是否受消费者欢迎,他们在电商平台上进行了一次带有试验性质的短期促销活动,发现销量不错。

     

    结构化数据的积极推论:无论从财务角度还是销量角度,似乎都预示着如果正式将其推广到市场中,公司将获得高额利润。

    但是,非结构化数据却得到相反的结论。

    数据分析部门利用 Stratifyd NLU 模块对消费者的评论进行深度挖掘,发现消费者的反馈是比较负面的,系统自动归纳出的主流话题为:

    • 该产品销量不错只是因为很多消费者是冲着牌子和新品促销折扣购买的;

    • 很多消费者收到产品后才发现是无中心纸筒的卷纸,表示自己没仔细看商品介绍买错了;

    • 很多消费者表示不喜欢这种设计,并声称不会再买这种卷纸了。

    决策层听取了数据分析部门的这些洞察发现,决定停止该产品的正式推广计划。

    数据分析深度:挖掘客户主动表达的业务痛点最有价值

    数据驱动业务体系:

    反馈数据收集—>情感/文本分析—>业务建议

    美国某领先的金融集团旗下银行,借助 Stratifyd 情感预测及话题抽取模块发现手机银行体验痛点。

     

    故事背景:银行的 DCX 数字化客户体验部门为了提升客户在全行各个业务触点的体验,维持长久的客户关系,推行以 NPS 作为核心指标的决策驱动型数字化转型项目,旨在发现客户生命旅程的业务痛点。其中在手机银行部门进行客户反馈收集及分析过程中,他们发现了诸多问题:在更新手机银行 App 后,整体客户情感和 NPS 都出现了下滑情况,仅仅通过用户的行为,并没有很好地找到问题出在哪里。

    DCX 数字化客户体验部门利用Stratifyd增强智能平台收集并分析了 App 内的文本反馈和手机应用市场的公开评论后,有了重大发现:

    • 部分手机指纹验证功能出现多次验证不通过的问题,大量客户在短时间内表达了相当程度的沮丧情绪;

    • 另外,一些功能因为美观问题被收纳到“hamburger”样式的菜单中,导致有需求的客户无法找到这些功能,反而在页面中停留了很长时间,业务无法顺利展开。

    发现产品设计和流程问题后,该银行的产品团队立即着手修复此功能,客户的满意度得到提升,留存率也大大增加,这正是得益于 Stratifyd 提供的转型工作和非结构化数据分析能力。

    数据分析深度:掌握客户口味偏好,调整产品研发战略

    数据驱动业务体系:

    电商数据收集—>NLU 分析—>业务建议

    Stratifyd帮助某全球知名烟草集团监控竞品市场动态,洞察消费者口味趋势和情感诉求,开发新口味市场。

     

    故事背景:该烟草集团在全球都有电子烟销售业务,寻求与Stratifyd合作主要是出于两个目的:一方面是为了更好地监控竞争对手的市场动态,找到差异化竞争优势;另一方面想更好地了解消费者的口味偏好,以推出更迎合市场需求的产品。

    在研究竞品的消费者反馈时,发现 “口味”是一大话题,消费者尤其喜欢糖果、咖啡、红糖等口味,深挖发现很多消费者提到“孤独感”,这些口味可以让他们放松,是很好的情感依赖。

    以上发现引起决策层的注意,后来企业在及时调整了电子烟口味策略,弱化真烟,更加偏重生产甜口味的烟。此外,该企业也积极地研究其他领域(如饮料、食品)最流行的口味是什么,将这些发现也整合在电子烟的研发工作流中。

     

    通过这个案例可以看出,如果不以客户需求为中心,就很难发现这些商业洞察。

    数据分析自动化:意图识别模型,帮助人员判断

    数据驱动业务体系:

    收集数据—>相关性判断—>意图识别—>运营执行

    中国某500 强集团旗下人力资源外包及品牌咨询服务公司,使用 Stratifyd AI AutoLearn 模块,打造自动化多层意图识别模型,完成运营业务的数字化转型。

    故事背景:该企业帮助客户运营品牌并提供咨询服务,其中一个策略就是提升客户品牌在社交媒体上的发声并增加消费者互动。最开始该工作需先由人工团队对社交媒体内容进行筛选和分类,识别意图后交由运营团队进行消费者互动,但因为相关内容体量大,产能有限无法实现业务规模化,效率低。

    解决方案:借助 Stratifyd增强智能数据分析工具,数据分析师完成 AI 模型训练,实现文本的自动分类与意图识别,大幅提升运营效率,产能得到指数级优化。

    数据分析自动化:潜客识别模型,优化产能分配

    数据驱动业务体系:

    通话录音—>转文本—>潜客模型识别—>意向客户筛选分组

    中国某保险行业外呼团队,利用 Stratifyd AI AutoLearn 训练潜客意向判断模型,找到高意向客户,节约产能,提高成单。

     

    故事背景:该保险公司有数百名代理人以电话营销的方式销售保单,通常情况下,一个代理人要打4通电话才能促成一单,为了提高销售单量,加快成单时间,该公司急需一种解决方案,帮助其快速分析客户与代理人质检的通话内容,快速甄选更有可能成单的高价值潜客。

     

    解决方案:Stratifyd可以全面分析客户与代理人互动数据,利用AI模型训练框架快速识别出匹配业务目标的高价值潜客。模型训练全自动完成,每完成一次通话即可给出是否进入下次触达流程的判断结果,帮助外呼部门在单位时间内快速找到更多的高意向成单客户。在Stratifyd AI训练模型的帮助下,150个代理人一周内的成单率提升了20%!

    如需了解更多有关数据驱动业务的趣味案例,可点击文末“阅读原文”查看回放视频。扫描下方二维码,还可免费领取Stratifyd演讲课件哦!

    Stratifyd在全国诚募合作伙伴,如有合作意向,欢迎发邮件至 partner@stratifyd.cn 。 

    END

    往期精选

    关于Stratifyd

    Stratifyd, Inc.总部位于美国南部金融重镇夏洛特,是全球领先的增强智能(Augmented Intelligence)数据分析服务提供商。公司拥有强大的非结构化数据语义分析能力,致力于推进AI在企业数据分析以及商业智能领域的进步。Stratifyd增强智能平台通过整合多个数据源的结构化和非结构化数据,深入洞察消费者反馈数据背后的故事场景,在短时间内呈现出价值非凡的商业见解,助力企业提高客户体验和满意度,提升客户转化与留存,实现高质量的收入增长。

    扫描下方二维码,免费下载Stratifyd演讲课件!

    微信号 : Stratifyd

    新浪微博:@Stratifyd

    ● 扫码下载课件

    我知道你

    在看

    展开全文
  • 数据驱动的实现,需要什么的组织结构,甚至,不仅仅是组织结构本身能够解决的?希望我能和大家一起找到答案。人人都渴望数据,但这可能隐藏着陷阱。拥有数据意味着什么?——Nothing。数据不等于信息,更不等于...
  • 第四章、战略分析案例解析  如思维篇所述,分析思路是从研究目的到研究内容的分解过程。...假设你是数据分析师,负责该项目调研,你打算怎么做? 1、研究目的:提升品牌价值 1.1、品牌的内涵

    第四章、战略分析案例解析

            如思维篇所述,分析思路是从研究目的到研究内容的分解过程。因此需要考虑如下两个问题:

    • 战略分析的研究目的
    • 战略分析的研究内容
    1、研究目的:战略选择

            战略分析的研究目的是帮助企业进行战略选择,选择适合自己的目标市场。需要回答以下两个问题:

    • 市场吸引力:这个市场好不好,有没有钱赚
    • 企业竞争力:企业能否有一战之力,是吃肉还是喝汤亦或者自取灭亡
    2、研究内容:环境分析
    • 如何判断市场的吸引力:分析宏观环境市场环境
    • 如何判断企业的竞争力:分析竞争环境
    2.1、宏观环境分析: PEST分析法
    • 政治环境: Political
      政治体制、经济体制、政局稳定性、财政政策、税收政策、投资政策、政府补贴、地区关系、
    • 经济环境: Economic
      GDP及其增长率、居民可支配收入、消费偏好、失业率、利率汇率、产业结构、
    • 社会文化环境: Social
      人口规模、性别比、年龄结构、死亡率、教育状况、风俗习惯、价值观、责任感、
    • 技术环境: Technological
      国家研发费用、国家重点支持项目、该领域技术动态、研发费用及专利、新技术发明、
    2.2、市场环境分析

            市场环境是指市场的现状,主要衡量市场环境的指标有:市场规模、利润水平、增长速度、成长潜力、所处生命周期
            企业当然想寻找一个市场规模大、利润水平高、增长速度快、成长性足够强以及处于成长期的市场。但是这样的市场往往可遇不可求,不可能在每一个指标上都表现的完美,所以企业需要根据自身资源与定位进行取舍。

    2.3、竞争环境分析:波士顿五力模型
    • 供应商的议价能力
    • 购买者的议价能力
    • 新进入者的威胁
    • 替代品的威胁
    • 同业竞争者的威胁
              分析竞争环境,就是将企业与影响企业生存的波士顿五力进行对比,分析自己的优势与劣势。
    3、定性与定量分析
    3.1、定性分析: SWOT分析

            战略分析的分析框架如下表所示:
    在这里插入图片描述        然后将企业的优势劣势,机会威胁填入SWOT的各个象限之中,便可对企业的整体环境有个大致的了解,但注意SWOT是定性研究,只能做战略梳理,不能做主战略选择。

    3.2、定量分析: 内外因素评价矩阵

            分析是谁是内在因素,谁是外在因素:

    • 机会和威胁是用来判断市场吸引力的,而市场有没有吸引力度企业而言是外部因素
      因此可用外部因素评价矩阵 EFE

    • 优势和劣势是用来判断企业竞争力的,而企业有没有竞争力是企业的内在表现
      因此可用内部因素评价矩阵 IFE
              内外部因素又如何量化SWOT分析中的各个因素呢?

    • 首先,分别计算各个因素的评分和权重

    • 接着,分别计算机会、威胁、优势、劣势的加权平均数

    • 最后,用加权平均数的大小判断市场吸引力和企业竞争力,并给出相应的战略建议

    第六章 保险公司客户分类分析

    1、研究目的:精准营销

            背景的不同会造成客户消费需求和行为上的偏好差异。而客户的偏好差异是企业开客户分类的根源。如果不做客户分类,不了解哪类客户是你的目标群体,则无法针对目标客户做针对服务,无异于拿着大炮打蚊子,地毯式狂轰滥炸,收益却不明显;反之若深谙客户分类之道,就能开展精准营销,投入有限的资源,建立自己的相对优势。

    2、研究内容:客户分类维度

            客户分类共有五种维度,具体如下:

    • 自然属性因素——客户作为自然人的性别、年龄、地域等属性;
    • 社会特征因素——客户作为社会人的收入、职业、教育程度等因素
    • 行为特征因素——客户在购买过程中对媒体、渠道、产品、服务、价格、品牌的选择,以及购买数量和购买频次等行为特征。
    • 行为偏好因素——客户的心理需求、购买动机、使用习惯、使用体验与态度倾向等
    • 生活状态与个性因素——客户的生活方式、价值观与个性特点等
              其中前三种为事前分类维度,后两种为事后分类维度
    2.1、事前分类维度

            自然属性、社会特征和行为特征这些维度是外在的,在尚未开展客户分类项目之前,企业家就可以凭借经验从这些维度对客户进行分类,这些维度被称作事前维度,对企业而言是起到验证性作用。

    2.2、事后分类维度

            态度偏好、生活状态与个性因素这些维度是隐藏在内的,需要进行调研才能了解,在未开展客户分类项目之前,是很难从这些维度去给客户进行分类,此类维度被称作事后分类维度,对企业而言起探索性作用。
            不同分类维度的难易程度和竞争优势不同,与事前分类维度相比,事后分类维度需要调研,实施难度更大,但事后分类维度往往体现了客户内在的本质区别,价值更高。

    3、数据获取与处理
    3.1、问卷调查设计

            结合客户分类的五个维度以及客户行为五阶段理论来设计调查问卷。
    在这里插入图片描述

    3.2、调研计划

            为了获取调查问卷的数据,需要回答六个问题:调查方法、调查对象、调查地点与样本量、项目周期、项目成员及其职责、项目质量与进度控制

    4、数据分析架构

            STP分析:客户细分(Segmentation)、目标客户选择(Targeting)、目标客户分析(Positioning)
    在这里插入图片描述

    4.1、客户细分

           选择分类维度后,若维度之间存在相关性,则要做因子分析。若为杜建量纲不同,则要做标准化处理。最后用所选的细分方法对客户进行聚类,过程如下:

    • 客户要聚成几类?(确定类别数)
    • 每个客户具体属于哪一类?(保存聚类成员)
    • 聚类效果是否有效?(聚类效果检验)
    • 聚类出的各类客户各自具有什么特征?(细分客户命名)
    4.2、目标客户选择
    • 首先,确定按什么标准选择目标客户,即确定衡量客户吸引力和企业竞争力
    • 然后,根据各细分客户在这些指标上的表现,计算客户吸引力企业竞争力得分
    • 最后,采用矩阵分析,找出吸引力和竞争力较好的细分客户作为目标客户
    4.3、目标客户定位

           目标客户定位需要解决以下两个问题:

    • 目标客户长得什么样,和其他细分客户相比,有哪些显著的特征?
      目标客户的特征描述:方差分析——>对比分析
    • 目标客户有哪些偏好,和其他客户相比,有哪些不同的需求?
      目标客户的需求定位: 方差分析——>交叉分析、比较均值。最后结合需求特点,提出营销组合策略。

    第七章 品牌建设分析案例解析

    背景:国内手机市场竞争日益激烈,品牌提升成为品牌B杀出红海的市场利器。而要提升品牌,就要摸清目前品牌建设的现状和存在的问题,为此品牌B打算开战手机品牌建设调研。假设你是数据分析师,负责该项目调研,你打算怎么做?

    1、研究目的:提升品牌价值
    1.1、品牌的内涵
    展开全文
  • 一切数据业务化,通过数据驱动业务发展 。 更多精彩,请实时关注2018数据技术嘉年华,牛新庄老师将更多的技术干货面对面分享给屏幕前的你! 限时注册报名享受到场退费0元享活动(限99元票种) :   时间 : 2018年...
    640?wx_fmt=png


    牛新庄,博士,中国民生银行总行信息科技部总经理,民生科技有限公司执行董事、总经理,作为银行信息科技领域的管理者和领军人物,他积极投身新时代、新金融、新服务模式下的科技引领事业,带领民生银行科技团队和民生科技有限公司探索科技金融创新模式,建设金融科技生态圈。众所周知,牛博士还是DB2领域的知名专家,著有《深入解析 DB2》,《DB2 数据库性能调整和优化》、《循序渐进 DB2》等畅销书。


    在即将于11.16 ~ 17 举办的『数据技术嘉年华』大会上,我们邀请到牛新庄先生进行主题分享:『大数据及分布式技术在银行系统中实践应用』。在大会之前,我们整理了他近期关于金融科技的一些技术观点,和大家分享。


    从互联网金融的冲击,到传统银行的变革,近年金融领域的变革可谓风起云涌。民生银行对于未来的判断是:“未来的银行一定是以互联网为平台,云端大数据为动力,智能化为方向,往科技公司方向发展,从而实现传统银行的转型。十年之内民生银行一定会成为科技金融公司。

    640?wx_fmt=jpeg


    科技对金融的影响,牛新庄表示主要表现在三个方面:

    第一、提高传统银行运作效率,通过技术变革提升传统银行服务的深度与广度;

    第二、减少银行的的运营成本,民生银行在五年前用的是IOE技术,成本高昂。在2018年1月28号,把整个直销银行核心系统切到分布式系统,将过去每账户的成本从2.2元降低到8分钱。

    第三、提升客户体验,中国的传统银行甚少能真正将客户体验做好,各个服务单元、服务部门之间的边界造成了金融机构很难为用户提供良好体验。


    民生银行的科技系统建设,围绕大数据和客户服务,持续构建科技加金融的综合化生态服务,更好的服务用户,提升客户体验:

    640?wx_fmt=jpeg


    在云栖大会上,牛新庄在演讲中表达,民生银行目前有6万人,组织架构呈现“金字塔”状,未来银行需要向“哑铃型”转变,哑铃的一端有强大的后台,包括数据、科技、产品设计等人才;另一端是客户经理,每个人都希望得到关怀,我们需要客户经理为用户提供有温度的服务;中间的一层完全可以通过引入技术来进行“瘦身”,目前大量的人力被用在重复性、操作性、流程性、审计性的工作里。


    640?wx_fmt=jpeg

    每年民生银行要处理增值税专用发票30万张,增值税普通发票100多万张,过去发票收集起来贴到纸上再通过外包人力资源扫描,财务机器人上线后大大节省了整个运营成本,类推到单据类、凭证类的操作都是完全可以通过技术来取代。信用卡过去依靠地推、扫街、扫楼的方式进行推广,现在通过算法在发卡量增加了几倍的情况下反而工作人员减少了2000人,这也是通过技术力量来改变运营模式的实践。

    640?wx_fmt=jpeg

    民生银行科技转型的目标是打造极致的客户体验、将应用场景化、服务智能化、管理精细化,在降低成本的同时实现快速交付、支持海量高并发、实现高可用。


    今年的5月份,总行通过了民生银行科技的“三年规划”,通过分布式、人工智能、大数据让民生银行成为“民营企业的银行、科技金融的银行、综合化服务的银行”,通过3-5年的时间构建面向未来的数字金融。

    640?wx_fmt=jpeg

    One Bank,One System ,民生科技金融银行系统建设蓝图最底层是IT平台和大数据平台,在两端是场景和数据。今天我们除了关注技术外,数据也是一个重要方向。数据即资源,如今的技术变革需要数据支撑完成风控、营销以及决策。而这些数据过去更多是孤岛式的,我们在两年前成立了大数据管理部,目前已经扩展到一百多人的规模,这也彰显出我们用技术和数据双轮驱动银行转型的决心。


    我们希望把整个IT架构重构,把前台做薄、中台做厚、后台做稳。我们希望一切业务数据化,一切数据业务化,通过数据驱动业务发展

    640?wx_fmt=jpeg


    更多精彩,请实时关注2018数据技术嘉年华,牛新庄老师将更多的技术干货面对面分享给屏幕前的你!限时注册报名享受到场退费0元享活动(限99元票种)

     

    时间2018年11月16日-17日(周五、周六)

    地址北京市东三环中路61号富力万丽酒店


    超值赠送(限时优惠)


    本次大会由 云和恩墨 鼎力支持,恰逢云平台【墨天轮】上线开放,注册云服务平台,您将可以得到大会『免费』参会的限时礼遇 + 云服务大礼包

    注册获赠服务礼包:价值 ¥20000 云服务优惠券;

    限时购票参会返还:现场参会即原路退还全部购票费用(仅限单价99元票种

    注:退款在会后5个工作日内完成。


    请扫描以下二维码,在网站完成注册即可购买限时优惠门票,并获赠云服务大礼包:

    640?wx_fmt=png


    票种


    640?wx_fmt=png


    温馨提示:本次大会不支持退票,敬请谅解。

    部分嘉宾

    640?wx_fmt=png

    部分内容参考:阿里金融云



    近期文章

    删了库之后,不要着急跑路

    一道面试题看数据库性能和安全的方方面面

    Percona发布XtraBackup for MySQL 8.0

    独立发布的Oracle严重CVE-2018-3110公告

    Oracle宣布在云上正式上线 自治事务处理数据库

    为什么看了那么多灾难,还是过不好备份这一关?640?wx_fmt=jpeg

    展开全文
  • 你老想着数据驱动业务,但发现有力无处使,或者没人鸟你,大鱼也有同样的经历,下面有18条策略锦囊,望你笑纳。第一条 数据驱动业务中的“数据”广义来讲不仅仅是指存储在大数据平台的那堆数据(反映...
  • 大数据驱动业务增长 Henry 疑 惑 大数据治理 大数据分析 大数据驱动 现 状 永洪科技当下的愿景 永洪科技当下的愿景 永洪科技当下的进展 2016 大数据领域标杆企业奖 2016 创新类电子信息领域项目第一名 2016 最受欢迎...
  • 数据分析新手最为头疼的两个问题就是: 这么想? 怎么做?。本书基于企业营销环节的业务需求从这两个环节入手,帮助收据分析新手破局! 以下是本书行文框架: 第一章、明确分析问题 黄金思维圈法则的应用: Why ...
  • CDAlevel1-数据分析实战参考
  • 想要改善你的决策过程?如今,如果你想保持市场竞争力,只靠直觉和本能已经不够了。大多数组织认识到数据应该是组织决策的核心。...你可以采取一些简单的步骤,使业务决策更具数据驱动力。 数据...
  • 汽车行业数据驱动业务转型方案.pptx
  • 汽车行业数据驱动业务转型方案.pdf
  • 数据驱动业务增长的底层逻辑2.0

    千次阅读 2020-08-21 07:00:00
    数据说·梦想季》漫漫人生路,向左,向右,方向心已确定,只是等车来,不管前行有多难,只要怀揣梦想,终能到达心所想的目的地。数据之路,与你同行!——数据说·梦想季导读:随着国内经济增速逐渐...
  • 数据驱动业务-实现数字化转型与创新.pptx
  • 旅游业数据驱动业务面临的5大挑战.pdf
  • 品牌零售行业数据驱动业务指南精品报告2020.pdf
  • 使用数据驱动的模式,可以根据业务分解测试数据,只需定义变量,使用外部或者自定义的数据使其参数化,从而避免了使用之前测试脚本中固定的数据。可以将测试脚本与测试数据分离,使得测试脚本在不同数据集合下高度...
  • 有赞-云腾-基于增长黑客的数据驱动业务增长实践.pdf
  • 本文来自于csdn,文章介绍了ddt库的...因此只需要创建一个测试脚本就可以处理上表的测试数据和条件的组合,使用数据驱动的模式,根据业务逻辑分解测试数据,并且定义变量,使用外部的excel里的数据使其参数化,从而避
  • 上海技术峰会,数据驱动企业运营创新
  • 数据驱动下智慧水电一体化大数据平台建设及其业务应用探讨.pdf
  • 数据驱动管理让企业发现了新的宝藏。两者结合,方可帮助企业实现智能化跨越。 流程驱动管理 企业信息化,有好些年都在强调“业务流程化、流程信息化”,像ERP/MES之类的大型管理系统,咨询顾问最关注的是企业的...
  • 数据驱动的大数据服务平台

    千次阅读 2020-01-17 23:34:52
    首先分析了工业大数据的现状和特性, 针对大数据时代的数据应用挑战, 提出元数据驱动的大数据服务平台的体系结构, 利用元数据实现数据标准化管理, 并驱动合适粒度的数据服务, 实现大数据时代的数据自服务平台, 推动...
  • 详解大数据本质、理念与现状,围绕数据驱动四环节—采集、建模、分析、指标,深入浅出地讲述企业如何将数据驱动方案落地,并指出数据驱动的价值在于“数据驱动决策”、“数据驱动产品智能”。最后通过互联网金额、...
  • 提升数据驱动能力的意义

    千次阅读 2019-07-12 16:34:19
    人人都在谈数据驱动,如数据化管理、数据驱动的运营、或者数据驱动的测试等,关于数据驱动的应用的讨论很多,那么,数据到底如何驱动?能够驱动什么?数据驱动能力如何提升? 提高数据驱动能力能够做到哪些事? 如果...
  • 比曼 针对房地产业务工具使用Core Java,Selenium WebDriver,关键字驱动框架,数据驱动,POM和BDD方法的混合框架设计。

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 277,982
精华内容 111,192
关键字:

怎样用数据驱动业务