中國電子銀行網訊 由中國金融認證中心（CFCA）聯合近百家成員銀行舉辦的“2019銀行數字化轉型高峰論壇”暨第十五屆中國電子銀行年度盛典于12月5日在北京舉行。本屆論壇的主題為“發現與創見”，包括主管部門領導，銀行高管在內的300多位業內精英齊聚本次峰會?！?019中國電子銀行調查報告》同步對外發布。

神策數據創始人兼CEO、清華大數據聯盟理事成員桑文鋒先生出席并做主題分享。桑文鋒指出，在數據化建設過程中，數據源很重要，需要把數據從源頭更全、更細、更有時效性建設起來。其次是數據的價值，其包括數據驅動決策和數據驅動產品智能。

神策數據創始人兼CEO、清華大數據聯盟理事成員桑文鋒

他認為，銀行領域真正要把數據化能力這件事情做好，我們需要從IT（Information Technology）、DT（Data Technology）、DO（Data Organization）三個層面去考慮。 

1.IT化（Information Technology），IT 化是 DT 化的前提，企業要做好 DT 化必須要做好 IT 化，很多企業每間隔一段時間便提出各種各樣的理念，但是卻無法有效應用，很大程度上是因為產品沒有線上 IT 化。

2.DT化（Data Technology），DT 化簡單來說就是構建數據流，包括數據的采集、建模存儲、分析、可視化或反饋等。企業要把整個數據流建好，一方面建好數據流，一方面要把數據產品化，也就是讓數據成為企業業務的一部分。

3.DO（Data Organization），即數據組織能力，企業不僅需要IT、DT系統，更需要的是組織建設，我將其分成三個耦合體：第一個耦合體是組織架構與決策機制，其為整個企業的框架；第二個耦合體是文化與制度；第三個耦合體是人才與激勵。

以下為桑文鋒演講全文：

大家下午好！很高興能在這里，與大家探討對數據化建設的認識。

我2007年畢業之后就去了百度，之后在百度工作八年，期間主要做一件事情——從零搭建百度用戶行為大數據平臺。

在這個過程中我有兩個認識：第一個認識是數據源很重要，做好數據的關鍵是數據源的把控，即如何把數據從源頭更全、更細、更具時效性地建設好是基礎。有了這個基礎，數據化便成功了一半；第二個認識是數據的價值，一是數據驅動決策，無論產品、市場還是運營，以正確的數據分析為依據，可以更好地做決策；二是數據驅動產品智能，即在數據的基礎上匹配一定的策略方法，把結果回饋到產品里，讓產品本身具有一種學習能力。這兩個方面，也是神策數據在做數據化建設時和幫助客戶做服務時側重強調的兩個方面。

從2015年我出來創業到現在五年多時間，神策數據已服務了超過1000家企業，其中80%是互聯網公司，20%是傳統企業，在這個過程中，我也一直在思考如何構建一個模型來衡量企業的數據化程度，現在我有了答案。

我認為，企業數據化程度的評估可分為三個層面：

1.IT化（Information Technology），IT 化是 DT 化的前提，企業要做好 DT 化必須要做好 IT 化，很多企業每間隔一段時間便提出各種各樣的理念，但是卻無法有效應用，很大程度上是因為產品沒有線上 IT 化。

2.DT化（Data Technology），DT 化簡單來說就是構建數據流，包括數據的采集、建模存儲、分析、可視化或反饋等。企業要把整個數據流建好，一方面建好數據流，一方面要把數據產品化，也就是讓數據成為企業業務的一部分。

3.DO（Data Organization），即數據組織能力，企業不僅需要IT、DT系統，更需要的是組織建設，我將其分成三個耦合體：第一個耦合體是組織架構與決策機制，其為整個企業的框架；第二個耦合體是文化與制度；第三個耦合體是人才與激勵。這些均和數據有關系，圍繞組織架構有沒有設置專門的數據部門和決策機制，圍繞決策機制是不是可經得起數據的進一步推敲，企業的文化制度是不是用數據說話的，對數據進行管理；圍繞人才和激勵，企業是否是基于數據進行KPI考核。

我認為，一個企業進行數據化要從三個角度去看，不僅依據IT、DT的情況，也需要將企業的DO層戰略考量在內。

神策數據服務了1000+家標桿企業，在這個過程中，我們也在不斷思考這些企業本身數據化能力上到底有什么樣的區別，會圍繞IT、DT、DO分別設置一些標準打分，再綜合評估分數。比如圍繞DO，企業的數據意識、組織流程到底達到什么程度。

神策數據對服務的 500+ 家合作企業進行了數據化成熟度測評，測評標準主要圍繞三點，IT 化占 20%，DT 化占 40%，DO 占 40%。

我們圍繞這些評分維度科學評估后，得出這 500+ 家客戶的平均分為 71 分，中位數為 73 分，74% 的客戶超過 60 分。

進一步分析分數的組成，我們發現數據組織能力（DO）是形成差異化的關鍵，數據組織能力占比越大，評分越高，即企業的數據成熟度更完善。

神策數據服務的行業也比較廣泛，我們把金融類行業，如證券、保險、銀行拆分來看行業數據化成熟度發現，互聯網和金融行業相比，電子商務、互金的數據化成熟度相對較高，證券和銀行的數據化水平相當，保險所處的位置偏低，這與我們實際看到的行業特點是一致的。進一步看城商行的數據化程度，我們對比其及格的分數和不及格的分數，發現不及格的主要差異在數據組織能力上，有些銀行比及格分以上的IT化程度高，但在DO能力上相對會薄弱一些?？傊?，銀行領域的企業真正要把數據化程度做好，需要從IT化、DT化、DO三個層面綜合考量。

圍繞手機銀行，我從數據化建設和運營的角度來看，經歷了四個階段，如下：

1.功能開發階段，讓一些業務能夠線上辦理；

2.平臺建設階段，考慮場景化、差異化方面；

3.目標量化階段，不僅有IT系統，還要關注這個IT系統能不能給我們帶來價值，所以我們進行目標量化，用KPI、數據角度來考核它；

4.數字化運營階段，針對用戶進行精細化運營，如線上遷移運營、客戶活躍運營等。

過去幾年，很多企業完成了線上化的階段，未來線上化如何變成業務的主力，這是接下來面臨的挑戰。

我將數字化運營分成三個大階段：一是要有數據，二是要看數據，三是分析應用數據。

首先圍繞有數據，我們要梳理業務，制訂這些數據的采集規范，進行結構化；看數據時，需關注指標體系的構建；應用數據時，應思考如何更好地支持不同場景和不同的用戶群體的需求。當然，這對企業培養一批具備數據化能力的人才提出了較高要求。具體來說：

有數據：我們需要對業務進行梳理，包含對各個業務板塊、部門、業務場景的關鍵指標和業務流程的抽象；其次，要定規范，即對數據采集、數據埋點等的體系設計規范來建好數據根基。

看數據：很多企業關注MAU，MAU的衡量要基于行為，拆解不同模塊對MAU的貢獻，有些模塊會直接創造MAU，有些模塊聯合創造MAU，我們要針對不同的維度進行拆解分析，到底哪塊薄弱，到底哪塊對企業的價值比較大。

分析應用數據：企業需診斷業務發展現狀，挖掘提升空間及策略。首先對業務模式和本身的數據表現要進行分析，之后要定義第一關鍵指標，即最關鍵的問題，重點要改造哪個環節，再對這些指標進行拆解，拆解成與增長相關的維度，然后結合業務場景再去制訂具體改進的策略，這是一個基本的方法論。

關于數據應用全景圖，可用一張圖進行概括：

關于數據產品化，會通過數據流結合業務流，實現業務智能化，企業可基于用戶行為及其屬性，進行打標簽和分群，并將其投放到兩個引擎中：一是觸達策略引擎，實現企業對用戶的觸達，比如發紅包、優惠券、短信等；二是推薦策略引擎，實現企業的規則推薦機制，如哪些理財產品要給用戶展示，展示順序如何，最終達到提高目標的轉化，達到提升客戶體驗的目標。

就神策數據而言，我們一直致力于幫助客戶在這些環節做得更好：

圍繞標簽畫像，我們提供可視化的標簽畫像中臺，圍繞標簽本身的治理和管理，為企業的差異化、場景化、智能化賦能，支持標簽可視化管理、標簽自助式生產、標簽應用輸出；

圍繞精準營銷，我們提供智能運營平臺，為企業打造自助式、自動化用戶精準觸達營銷閉環。如給不同的用戶發送不同的信息，使給到用戶的有效信息最大化，騷擾最小化，支持策略可視化統籌管理、A/B Test 與閉環效果檢驗及迭代、多層級多分支細分策略自由組合、靈活多類型策略配置、渠道靈活對接與自動化觸達。

圍繞智能推薦，我們提供千人千面策略配置與管理系統，實現智能規則推薦，支持企業可視化配置面向不同人群的不同策略方案，輕量實現必要的過濾、篩選和排序場景。如選擇客群、篩選物品/內容/方案、物品/內容/方案排序等。

總之，銀行數字化轉型整體解決方案，主要包含三個層面：

1.數據基礎建設

·完整的全鏈路數據采集、校驗與整合能力

·底層數據打通，構建統一的用戶 id 體系

·服務于數據應用的完善數據管理與轉化能力

2.數據中臺建設

·靈活、實時的自助式報表與分析查詢能力

·可視化客戶標簽畫像生產、整合與管理

·智能化、自動化客戶分層與差異化運營

·個性化產品與內容推薦與展示

3.數據應用賦能

·目標驅動：客觀、科學量化業務現狀與發展

·分析驅動：深度分析、發掘機會與效果評估

·智能驅動：基于數據實現線上平臺的智能化

目前，神策數據在開一家數據便利店，當然我們不掌握任何數據，更不賣數據，神策數據是賣數據能力的，神策數據幫企業建立好自己的基礎數據，幫企業使用數據做好支持，賦能企業。以上是我的全部分享，謝謝大家！

責任編輯：王超