王桐，京永洪商智科技有限公司销售副总裁，北京航空航天大学工学硕士。拥有8年商业智能领域的产品销售、市场营销经验，此前效力于甲骨文和IBM，均在咨询、销售岗位担任重要职位，曾成功推进多个大型项目的实施，在电商、政府、金融、互联网等行业积累了丰富经验。王桐目前主要负责产品销售和渠道拓展，已为上百家企业用户提供了完善的数据可视化分析解决方案，这些企业既有宝宝树等电商领域的明星公司，也有中国移动等传统巨头。
今天我的分享主要包括两大部分，一个部分是关于敏捷化的，探讨更加智慧的数据运营的***实践是什么，中间会穿插案例展示给大家。另外一个重要的主题是，对于互联网金融来讲，我们自己的数据运营的体系应该怎么样进行构建，数据应该是通过什么样的指标和数据分析方法，来对我的业务进行决策上的指导和帮助。
先说***部分，现在没有一个企业敢说数据对自己没有任何的价值。因为要想打造一个智慧的企业，数据化的运营是唯一的选择，如果一个企业不做数据化运营的话，首先对业务不会有一个很直观的、量化的感知，对于业务的状况、发展的规律，包括用户的画像都不会有一个清晰的认识，等于在一片漆黑当中凭着感觉发展业务。第二，如果没有数据作为基础的话，我们没有办法非常快速有效的解决一些突发状况，比如资金数突然变多了、坏账率增加了等等；第三，没有数据作支撑，很难做精准的预测。
这是国外大师Lord·Kelvin的一句话，如果你不能测量一个事物，也就意味着你不能改进它。也就是说我们判断今年做的比去年好，是因为我们有一个量化的标准，而不是凭感性的指标。
互联网金融行业对数据分析运营的技术的几点要求。
对于互联网金融行业来说，内部数据化的运营对于底层信息系统技术的要求有自己行业的特点，我们把它总结为三种。
***是敏捷化的要求。因为现在在行业里面，不管是国家或者是监管相关的政策，还是市场本身，还是我们的业务形态，其实经常发生快速的变化。也就意味着我们的数据分析的需求也是要随之经常调整或者变更，这就要求敏捷化的响应。第二是高性能的要求。因为在金融领域里的流量数据、交易数据，还有用户数据数量都是非常庞大的，没有一个性能强大的底层的平台，作为我数据分析的有效的支撑，也就意味着我对于庞大的数据量不能做到非常高效的处理，可能就需要花非常大的代价。第三是自服务的要求。因为咱们在座的各个朋友都是金融公司的，对于咱们金融公司的来讲，可能我们从人员配比上的特点是，90%以上的人员应该都是金融专业的人员，或者都是我们的业务人员，只有10%的人员是咱们公司内部的IT人员，或者是技术人员。有分析需求的业务人员，应该能够亲自的执行分析的过程，达到自服务的效果。而不是所有分析的实现，都需要完全的依赖IT人员，这样才能真正的释放数据的价值，让企业内部人人都是数据分析师，去打造一个强大的企业。所以敏捷化、高性能、自服务这就是互联网金融行业对数据分析运营的技术的几点要求。
刚才说到最重要的是在前期和中期，最重要的是全生命周期的分析。对于全生命周期来讲，假设我是做P2P的，我的生命周期应该是从我的广告投放渠道的引流，到我去看有多少人来我的APP或者到我的网站上，他浏览但是没有注册。再下一步就是有多少人注册，但是没有充值。再下一步就是有多少人充值了，但是没有人投标。以及到***他投了标，但是他没有进行复投，没有第二次、第三次的投标，或者只做了部分的复投。我可以从用户数量，或者从金额，几个不同的角度来看一下我整个生命周期的漏斗，最终形成一个漏斗的分析，看我的流量，包括每一个阶段的转换。
用户就比较常规了，比如用户的属性的分析，和用户一些行动的分析，去看不同细分用户群体他的生命周期的价值，他的留存，还有他投标的偏好，去匹配每一个细分群体的用户的偏好，来投放我的产品，做这种交易的撮合。
谈了这么多，我们可以做这些分析，但是真正要开始做的时候，面对这些海量的数据，我们一定是需要有一个数据分析的系统，和一个IT的系统，帮助我们去非常灵活的、高效的实现我的这些分析的需求。
在数据分析的技术领域里面，也正在经历着一次国际全球化的变革。
以前我们一提到数据分析的IT系统，可能大家首先会想到那些耳熟能详的巨头们，比如说Oracle的BIEE，比如说IBM的Cognos，比如说SAP的BO等等。但是到了今天，比如像我们的永洪科技，像Spotfire，像Tableau、Qlikview这些新锐厂商逐渐的在行业里面变得越来越知名。
这背后代表的是一场潮流。在全球IT咨询最权威的机构之一，Gartner在今年***的数据分析的魔力象限的报告里面提到一个观点，这个报告的标题就是敏捷型的、探索式的数据分析已经成为大势所趋。在这篇报告里面把像BIEE，像Cognos等等这样一些传统的数据分析的系统归为是上一代数据分析的系统。把我们现在正在做的归为是新一代的株距分析的系统。上一代的传统的数据分析系统本身它的定位，就是它的使用用户的定位就是给IT进行使用的，所以它是完全以IT为中心的数据分析系统。这几年，原来上一代传统的以IT为中心的数据分析的平台，正在越来越多的被这种以业务为驱动的数据分析的平台所进行补充，甚至是进行置换。本质上来讲，新一代的数据分析的平台跟上一代数据分析的平台，只有最本质的原则的区别，就是把数据层跟逻辑层要分开，而不是像传统的数据分析平台一样，把数据层跟逻辑层混到一起。
总结来讲，通过这种新一代的敏捷型的数据分析平台，我们能够进一步的释放数据的价值，可以让一线人员灵活分析数据，而不只是让管理层看一些固定报表。让一个企业从少数的数据，到数据真正能够指导每一个人的业务运营。
目前国内比如说艾瑞咨询、宝宝树、涂家网，包括***梯队的P2P积木盒子，这个都是我们的一些标杆的案例和客户。像积木盒子它的风控、征信，还有它流量端的营销相关的分析，目前都是通过我们的平台，让上百个业务人员每天都在做各种实时的分析。
