楔子
前天饭桌上,大家无意中聊起了几件痛心事。话说大王同学三年前买车的时候因为没货比三家结果损失2万元,现在手头稍微宽裕的他,想换一辆心慕已久的新车,可那旧车在二手车市场兜转多次未果,因价格被压得太低一直没出手,现在新车到了,旧车还砸在手里。这叫一个糟心啊!
老崔说,你这都不叫事。原来老崔投身商海创业多年,之前事业搞得风生水起,近期却因资金短缺而愁容满面。银行以“没有固定资产抵押”为由拒绝贷款。老崔诉苦道:公司有一大票订单,只不过迟迟没能回款而已,跟风投谈判的A轮融资也基本敲定,就待最后一轮考察了。可现在资金耗尽了,公司面临倒闭的风险。传统银行贷款“不见兔子不撒鹰”,老崔的理由不能成为银行审批的硬标准。
于是大王和老崔抱头痛哭。
痛客、痛点、大数据
时下,有人将大王和老崔这种人称为“痛客”,痛客产生源自痛点,我们的生活中痛点无处不在,比如买卖房子难,手机以旧换新难,保险赔偿难,办理贷款难,交通出行难等等。原来我们认为造成痛点的原因是供需信息不对称,比如打车难是痛点,于是有了打车软件;餐馆林立难以甄别是痛点,于是有了大众点评。而信息爆炸时代,意味着数据过溢,用户很难第一时间寻找到有价值信息。于是,在大数据时代,企业如何利用大数据做精准营销方案,挖掘用户真实需求,成为新的痛点。
有痛点就有机会,现在摆在企业面前的问题有:一,有没有数据,需要哪些数据?二,如何利用数据。有没有数据是前提,没有数据需要数据采集;如何利用数据讲的是数据挖掘,这需要解决方案。作为非专业大数据企业来说,99%的企业无法解决自身所处的行业痛点问题。数据堂大数据解决方案团队长期深入行业研究其痛点产生的原因及解决途径,通过调研、走访、数据采集、处理、分析和挖掘,有针对性地提出各行业大数据解决方案。
要数据,找数据堂
数据堂的数据采集包含两种数据和四大方式。两种数据为线上和线下数据,四大方式包括网络爬取、数据众包、行业合作和政府数据运营。线上数据主要是综合互联网数据,通过网络爬取和部分互联网企业合作完成采集;线下数据有政企数据,以及“无中生有”(比如100万条粤语数据采集)的众包数据。从数据应用或数据价值角度衡量,互联网数据应用大都来自本行业外部数据源补充,基于主业做优化工作;线下数据更多得益于跨界应用。
目前数据堂汇集了科技、信用、交通、医疗、卫生、通信、天气、地理、质监、环境、商户、电力等数十大领域大规模数据。
有了数据,如何分析挖掘?
下面就以金融风控、精准营销、交通数据、企业征信四大行业痛点为例,逐一揭开数据堂行业大数据解决方案的神秘面纱。
金融风控行业——痛点与解决方案
痛点:没有资产抵押,是否放贷,放贷多少?
在贷前审核环节:通过公安、运营商、高检法、航空系统等多维度数据评估借款人,允许80%的申请通过率,逾期率为1.3%;60%的通过率,逾期率为0.75%。
痛点:是否多头贷款,经营状况是否异动?
在贷后监控环节:P2P高达40%的借款人存在多头借贷!通过P2P平台、工商总局、银联交易等数据监控借款人,出现异常触发通知,对风险预判准确率提升38%。
痛点:他已逾期三个月,失去联系,怎么催缴?
在逾期催缴方面:通过运营商、互联网、交通数据等定位借款人经常活动区域,锁定借款人行踪,提供合法催缴的线索。
综合政府数据+行业数据+互联网数据,融入业务场景进行挖掘,在有效控制借款人贷前、贷中、贷后的风险同时筛选出合格借款人。
精准营销领域——痛点与解决方案
痛点:房产行业:谁买房,谁卖房,谁租房?
通过运营商、互联网数据,定位近一个月频繁浏览房产信息用户情况,针对需求实施精准营销,成交率从1%转化率提升到4.9%。
痛点:汽车行业:谁买车,谁换车,买什么车?
通过银联、移动互联网数据判断用户家庭情况、金融资产状况,针对孕期、0-6月宝宝家庭精准营销,48.3%的客户明确有购车需求,11.3%的客户应邀到店咨询。
痛点:手机行业:谁换机,换什么机, 购机影响因素?
手机平均换机周期为13-14个月,通过运营商数据进行换机分析、基于目标人群热力图进行手机促销活动,效果提升2-3倍。
充分利用政企数据+互联网数据分析用户喜好、行为、需求,开展精准营销,提升转化率,促进交易量。
交通行业——痛点与解决方案
痛点:怎样让互联网保险更加个性化?
数据驱动“保险”:通过对高速路、车管所、旅游等数据进行分析,可锁定车险产品设计,车主的风险评估,车险产品目标客户群体特征,制定高速路险的设计及风险评估细则,进而进行精准客群在线推荐。
痛点:汽车后市场如何提升效益?
依据车主的身份、收入、常住地、车辆过户记录、车辆评估报告等数据,以及二手车交易身份验证信息,获取潜在客户,有效推动汽车后市场车辆交易。
围绕交通数据跨界应用的案例很多,交通数据的价值也非常大,目前在车险定价、车主贷款、二手车交易等市场领域潜力巨大。
企业征信——痛点与解决方案
痛点:对金融机构来说:企业贷款风险,贷款额度,坏账率?
可依据企业基本信息、企业司法报告、年报、股东信息、对外投资 、企业风控等数据挖掘推出企业信贷风控模型,从而对企业动态了如指掌。
痛点:对于投资方来说:企业投资风险, 收益率,风险控制?
从企业对外投资 、财税、关系族谱、商标、专利信息、变更、负债等数据上分析企业投资收益,进而控制其风险。
由于企业的社会属性,其数据更容易实现开放化,与个人数据涉及隐私相比,从数据变现角度看,企业征信市场比个人征信市场更容易实现变现。(文/潘启铜)
关键词: