▌ 数字化转型案例
◆德国汉高集团与阿里1688达成年度营销战略合作
1月26日消息，德国百年化工巨头汉高集团与阿里1688达成年度营销战略合作，成为首家与1688数字营销平台达成年度战略合作的化工企业。1688数字营销将基于线上线下全域营销产品矩阵，依靠生态化服务体系，为汉高提供行业化个性化的全年营销解决方案，通过增值服务权益、特色营销场景、服务培训支持、产品数据优势、1&N品牌及经销商联合营销工具等结合全方位赋能，助力汉高更好应对客户日益增长的数字化需求，进一步挖掘市场潜力。
◆联合利华与京东超市达成战略合作
日前，联合利华与京东超市达成战略合作，将在品类建设、营销共创、 科技 驱动、无界零售等方面开展合作。根据协议，2019年联合利华将在京东超市推出多个新品，打造京东专属产品线，京东超市将加速向联合利华开放“用户运营中心”工具使用，帮助双方加速精准营销。此外，联合利华将在2019年上半年落地协同仓等战略合作项目，加速双方全面协同项目落地。
◆房企碧桂园要转型高 科技 企业
1月21日碧桂园集团2019年度会议上，碧桂园董事会主席杨国强表示，我们现在要朝着一个高 科技 企业去做，这是我们未来强大竞争力的源泉，未来我们的三个重点是：地产、农业、机器人。2018年以来，碧桂园不惜重金发力进军机器人、现代农业和新零售等风口领域，从建筑机器人到现代农业，碧桂园的新布局无不是围绕“房”和“地”进行。
◆海尔携手科思创共建数字化联合实验室
近日，全球大型家电品牌海尔与德国材料生产商科思创在青岛正式签订合作协议，依托海尔工业智能研究院，共建“海尔-科思创数字化联合实验室”。该实验室将致力于研发家电生产过程中与聚氨酯工艺相关的数字化解决方案，旨在为化工行业数字化转型树立新标杆。通过“海尔-科思创数字化联合实验室”，双方将在生产线数据获取、在线质量监测、数据分析和挖掘以及工艺流程优化等多个领域联合研发解决方案。
◆百丽国际去中心化推动数字化转型
近日，百丽国际执行董事李良在接受采访时表示，百丽数字化转型的总体思路是去中心化，将数字化工具的运用推到前端去。在李良看来，传统鞋业零售存在“数据割裂”的三大痛点：第一，底层数据是割裂的，商场数据无法及时反馈品牌和商家；第二，不同区域、不同渠道、不同门店的数据是割裂的，无法形成有效的“数据对齐”；第三，反应机制是割裂的，宏观数据和微观决策之间是割裂的，数据无法快速帮助一线销售人员回答问题，无法指导供应链及时调整。
◆中海油试水数字化转型
1月23日，中海油公布新一年的经营策略和发展战略。2019年，中海油计划增加资本开支，而油气增储上产、数字化转型以及 探索 海上风电将是工作要点。中海油管理层表示，关于数字化以及智能化，基于此前积累的带昂勘探开发的资料完善数据库，对未来勘探研究、开发策略形成指导，同时也会利用人工智能技术对海上作业提供远程支持，通过智能油田以及云平台的建设， 探索 业务数字化创新。
▌人工智能
◆华中 科技 大学成立人工智能研究院
1月26日，华中 科技 大学人工智能与自动化学院、人工智能研究院正式成立，副省长陈安丽和华中 科技 大学党委书记邵新宇、校长李元元共同揭牌。目前，华中 科技 大学在人工智能领域学术产量居国内第八位，成果质量居国内第六位。对标国家战略，服务湖北发展，华中 科技 大学深化产教融合、校企合作，以原自动化学院为主体，健全机构，创新体制，成立人工智能与自动化学院、人工智能研究院。
◆海龙大厦完成电子卖场转型升级
随着互联网时代的来临，海龙电子城也加快“改造升级”，开启转型之路。海龙大厦由以前的电子卖场转型升级为全国首家智能硬件创新中心，期间经历了疏解电子产品销售商户、回租回购小业主产权、加强产业升级调整，引入了地平线、旷视 科技 、硬蛋 科技 等在人工智能产业的领军企业，人工智能、孵化器等 科技 创新企业达到了90%以上，转型效果明显。
◆西安交大成立人工智能学院
1月21日，西安交通大学举行“人工智能学院”揭牌仪式。全球人工智能领域顶尖青年学者，北京旷视 科技 有限公司首席科学家、研究院院长孙剑被授予西安交大人工智能学院院长职务。学院将充分发挥西安交大在人工智能领域的学科发展和人才培养优势，形成高端人才积聚效应， 探索 智能产业产学研合作的新模式。
▌物联网
◆康佳携手阿里在物联网时代突围
近日，由康佳互联网事业部主办的“易的N次方”2019康佳互联网战略发布会暨年度营销盛典上，阿里巴巴和康佳集团宣布双方达成战略合作，阿里入股康佳集团旗下易平方和开开视界。2019年，康佳的互联网战略是发力“五大场景”，即在家庭场景、商旅场景、社区场景、景区场景和办公场景全面构建人与屏之间的“情景交融”。
◆华为5G重磅发布
1月24日，华为在北京举办5G发布会暨2019世界移动大会预沟通会，发布了全球首款5G基站核心芯片——华为天罡，致力打造极简5G，助推全球5G大规模快速部署。目前，华为已经获得30个5G商用合同，25,000多个5G基站已发往世界各地。同时，华为正式面向全球发布了5G多模终端芯片和基于该芯片的首款5G商用终端，带来首屈一指的高速连接体验，让万物互联的智慧世界与人们的生活更近了一步。
◆博世与雅观 科技 达成物联网战略合作协议
1月22日，博世安防通讯系统携手国内AIoT全屋智能前沿企业——杭州雅观 科技 共同签署战略合作协议，双方将在IoT物联网及相关领域结成长期、全面的战略伙伴合作关系，共同打造全屋智能体验，推动全屋智能行业发展。根据协议，双方将就博世ZigBee智能无线红外人体移动传感器以及博世ZigBee智能无线多功能传感器，接入雅观 科技 全屋智能解决方案进行合作。
◆菜鸟网络启用首个物联网机器人分拨中心
1月22日，菜鸟网络宣布，全国首个物联网机器人分拨中心在南京启用。机器人通过在分拨中心内移动，去往南京60多个配送网点的包裹按序分类，方便快递员配送。菜鸟柔性自动化工程师钟翔介绍，这一系统以 IoT 技术为核心，应用计算机视觉、多智能体机器人调度技术，实现了大件包裹在整个分拨中心内的全程可控、智能识别以及快速分拨。
▌区块链
◆腾讯与贵阳将在云计算、AI 和区块链等领域进行深度合作
1月26日，腾讯与贵阳市人民政府今天签署了深化合作协议，两方将发展数字经济，打造“数智贵阳”。腾讯将提供云计算、大数据、区块链、人工智能等领域的技术和经验。腾讯云还同步为“数智贵阳”提供底层区块链技术，打造贵阳“网络身份链凭证中心”，建成后将实现一经上链，在个人、企业授权的情况下处处使用，快速验证。
◆中信银行落地山东首笔区块链国内信用证福费廷业务
近日，中信银行济南分行成功为客户办理了辖内首笔区块链国内信用证福费廷业务，成为省内首家开展区块链福费廷业务的银行。2018年9月，中信银行与中国银行、民生银行合力开发了区块链福费廷交易平台。该平台通过运用区块链、大数据等技术手段，能有效解决了传统银行间资产交易存在的诸多弊端，可极大地提高交易效率，提升银行间资产交易的安全性，有效降低交易成本。
◆日本每日新闻社成立区块链实验室
1月22日，区块链风投公司Gaudiy与日本每日新闻社开始共同研究区块链技术及其开发。每日新闻社推出“每日新闻 Blockchain Lab”(简称MBL)，以研究和开发区块链在服务及新闻业的应用。MBL的目标是通过区块链技术构建信息的信任基础，为新闻的健全发展和公正做贡献。
▌大数据
◆山东省文化和 旅游 大数据研究中心成立
近日，山东省文化和 旅游 厅与济南大学战略合作签约仪式在济南大学举行，“山东省文化和 旅游 大数据研究中心”揭牌。双方在协议中约定，将本着资源共享、优势互补、务实重效、共同发展的原则，就建设山东省文化和 旅游 大数据研究中心和山东文化 旅游 研究等事宜，建立长期稳定的合作关系，共同致力于山东文旅融合大发展。
◆河南启动首个大数据信用融资服务平台
1月22日消息，在日前举办的河南省2019年重大项目银企对接会上，河南启动全省首个大数据信用融资服务平台——“信豫融”。该平台通过与工商、税务、不动产登记、海关、司法、环保、医保、社保等涉企经营和监管的信用信息实现实时共享，运用互联网、大数据、云计算和人工智能等新技术为金融机构、企业提供一站式信用大数据服务。
◆首个融媒体与大数据研究中心落户中国人民大学
1月22日，首个融媒体与大数据研究中心在中国人民大学举行挂牌仪式，成为国内首个以打造产学研相结合为特色的融媒体与大数据合作交流平台。中国人民大学文化产业研究院执行院长曾繁文表示，该研究中心首先要下大力气做好智库建设，成为融媒体发展和舆情大数据建设的核心智库。其次，整合资源做融媒体建设解决方案的提供商。同时，强化研究中心的辐射引领作用，为更多的地方政府和县域融媒体发展服务。
▌云计算
◆IDC公布中国云计算厂商份额数据
1月21日消息，市场研究机构IDC公布了2018年上半年中国公有云厂商市场份额数据。数据显示，阿里云、腾讯云和中国电信分列前三，分别是43%、112%和74%。阿里云的市场份额达到了第二名到第九名市场份额的总和，占据了中国云计算市场的半壁江山，这也是阿里云连续三年位居中国市场第一年。
◆启明星辰增资易捷思达，布局云计算
近日，启明星辰发布公告，为加强在信息安全方向布局的发展战略，决定由全资子公司向易捷思达增资5000万元。易捷思达成立于2014 年2月，由IBM中国研发中心OpenStack 核心研发团队创建，为企业级客户提供云计算产品与服务。启明星辰增资易捷思达，一方面，将利用易捷思达在云方面的积累，结合公司自身安全的能力，大力实践云安全；另一方面，公司提出的安全独立运营、安全技术的互联网+、人工智能化战略与云计算密不可分。
▌网络安全
◆爱尔兰调查Twitter数据泄露事件
1月26日消息，爱尔兰正在对Twitter的数据泄露事件发起调查。此前该机构收到Twitter的通知，称这家社交媒体网络发生了数据泄露事件。欧洲《通用数据保护条例》第33条规定，如果发生个人数据泄露事件，相关公司必须在了解情况后的72小时内上报监管方，并明确规定了要提交的资料数据和类型。违反隐私法可能会被处以最高达全球营收4%或2000万欧元的处罚，具体以数额更高者为准，而此前的罚款仅有数十万欧元。
◆国家网络安全产业园正式揭牌
1月21日，网络安全产业园入园企业座谈会在京举行, 在座谈会上，国家网络安全产业园区正式揭牌，包括360企业安全集团在内的10家网络安全企业签约入驻。国家网络安全产业园区的目标是将北京市建设成为国内领先、世界一流的网络安全产业集聚中心。预计，到2020年，产业园区内企业收入规模达到1000亿元；到2025年，将依托产业园区建成我国网络安全产业“五个基地”。
中国物联网是指、全球定位系统、激光扫描器等信息传感设备，按约定的协议，把任何物品与互联网相连接，进行信息交换和通信，以实现智能化识别、定位、跟踪、监控和管理的一种网络概念。物联网的雏形就象互联网早期的形态局域网一样，昭示着的远大前景。
数字货币简称为DIGICCY，是英文“Digital Currency”（数字货币）的缩写，是电子货币形式的替代货币。数字金币和密码货币都属于数字货币（DIGICCY）。数字货币不同于虚拟世界中的虚拟货币，因为它能被用于真实的商品和服务交易，而不局限在网络游戏中。早期的数码货币（数字黄金货币）是一种以黄金重量命名的电子货币形式。现在的数码货币，比如比特币、莱特币和PPCoin是依靠校验和密码技术来创建、发行和流通的电子货币。
扩展资料：
中国物联网校企联盟将物联网定义为当下几乎所有技术与计算机、互联网技术的结合，实现物体与物体之间：环境以及状态信息实时的共享以及智能化的收集、传递、处理、执行。广义上说，当下涉及到信息技术的应用，都可以纳入物联网的范畴，是科技融合体的最直接体现。
数字黄金货币是一种以黄金重量命名的电子货币形式。这种货币的典型计量单位是金衡制克或者金衡制盎司，尽管有时候也使用黄金迪纳尔做单位。数字黄金货币通过未配额或者分散配额的黄金存储来资助。到2006年1月，数字黄金货币供应商持有超过86公吨的黄金作为储备，价值大约154亿美元。
参考资料：
数字货币 百度百科
维华物联网数字货币不是国家出台的项目。
央行指出，近期，个别企业冒用央行名义，将相关数字产品冠以“中国人民银行授权发行”，或是谎称央行发行数字货币推广团队，企图欺骗公众，借机牟取暴利。
央行提示称，尚未发行法定数字货币，也未授权任何机构和企业发行法定数字货币，无推广团队。目前市场上所谓“数字货币”均非法定数字货币。
此外，某些机构和企业推出的所谓“数字货币”以及所谓推广央行发行数字货币的行为可能涉及传销和诈骗，请广大公众提高风险意识，理性谨慎投资，防范利益受损。
扩展资料：
虚拟货币是非法币的电子化，其最初的发行者并不是央行。这类虚拟货币主要限于特定的虚拟环境里流通。而数字货币是可以被用于真实的商品和服务交易,但只有国家发行的数字货币才是法定数字货币。
2013年央行联合五部委曾发布《关于防范比特币风险的通知》，明确将比特币等非法定数字货币定义为虚拟商品，它不是以货币和法币形式存在。
同时，数字货币也有别于电子支付。在实际使用体验中，数字货币可能与电子支付方式感受类似，但是两者从本质上还是有着较大区别。
在数字货币之前，金融业已经高度信息化。如网上银行、微信、支付宝等支付电子化逐渐普及，实物现金仅占全部流通货币的极少部分。
尽管如此，因其交易时所用的钱都是通过银行账户而来，实际上还是对应着一张张钞票。
参考资料：
关联理由 与华为联合发布的智慧城市物联网解决方案，由华为提供平台级产品，通过深度集成华为产品与解决方案，并结合自主研发的 API 开放平台、智慧数据工厂等技术产品，打造城市感知管理平台，面向城市的物联业务运营、设施运营、设施运维提供服务支撑；18年12月，控股子公司与华为签订《网络与机房 T 运维业务外包合同采购说明书》，为华为提供 T 运维业务外包服务
量子通信
关联理由 量子通信行业技术服务龙头，12年开始在量子通信领域深入耕耘，业务已覆盖量子通信网络建设、量子通信网络运行维护服务、量子通信网络应用开发等方面；公司多次中标量子通信项目；与国盾量子、国翔辰瑞共同出资成立神州国信量子 科技 ，加码量子通信业务；19年成功中标“京汉干线”、“汉广干线”、“粤港澳大湾区干线”骨干网项目以及5个重点城市量子保密通信城域网项目，继续扩大在量子通信领域的领导者地位；公司间接持有国盾量子少量股份
物联网
关联理由 公司与华为联合发布智慧城市物联网解决方案，由华为提供平台级产品，包括物联设备连接管理平台、网络管理平台、大数据管理平台以及应用使能平台；神州信息通过深度集成华为产品与解决方案，并结合自主研发的 API 开放平台、智慧数据工厂等技术产品，打造城市感知管理平台
数字孪生﹣
关联理由119年3月，公司表示，正在推广基于物联网的智慧园区解决方案，在方案中运用了数字孪生和边缘计算的技术内容
智慧城市﹣
关联理由 与华为共同合作通州智慧城市物联网项目，并开发了自主知识产权的物联网感知数据平台，管理PM25、粉尘、噪音等数据采集和加工处理，并以此形成智慧城市解决方案，并将在未来持续推广
智慧政务﹣
关联理由 公司智慧政务解决方案将大数据、人工智能、分布式、云计算、物联网等新兴技术应用于政府行业客户；，打造了北京“海淀区智慧政务平台”、常熟市智慧政务服务平台
国产软件-
关联理由 金融 科技 全产业链综合服务商；业内少数拥有银行 T 全产品线解决方案的供应商，在银行核心业务、渠道管理解决方案市场已连续8年排名第一；推动分布式与云计算、大数据、人工智能、量子通信、区块链等新兴技术在金融、政府、农业等各个行业的落地应用；20年软件业务收入4599亿元，营收占比4304%
华为云·鲲鹏﹣
关联理由 公司是华为智能计算机联盟生态成员，公司已将自主创新、高效稳定的金融关键业务系统与鲲鹏920泰山服务器、麒麟 *** 作系统以及 GaussDB TP 级的分布式数据库适配，并达到金融行使用要
回购﹣
关联理由122年4月，拟以1亿元﹣2亿元回购股份，回购价格不超过19元／股
数字经济
关联理由 国内信息化产业领导者和数字中国的践行者；为我国金融、电信、政企、农业等国民经济重点行业提供技术服务、应用软件开发以及行业云建设及运营等产品和
信创
关联理由 国内领先的金融 科技 全产业链综合服务商，公司战略聚焦金融 科技 ，助力金融机构业务创新及架构升级，并积极 探索 与拓展金融信创和场景金融等业务
云计算数据中心
关联理由 国内领先的金融 科技 全产业链综合服务商；已搭建的第三方云服务平台主要有金融云、农业云、税务云，公司可以为行业客户提供行业私有云、混合云及托管云服务
大数据-
关联理由 子公司华苏 科技 在电信大数据建模分析领域拥有较强的技术实力；积极推动基于大数据、客户画像系统的5iABCDs(5G、 IOT 、 AI 、区块链、大数据、云计算、安全）技术在银行业的应用落地，已签约兴业银行、北京银行、广州银行等银行，同时就税务、农业等场景开展大数据应用
数字货币-
关联理由 公司领先市场发布区块链平台 Sm @ rtGAS 和数字货币（ DCEP ）解决方案，数字钱包系统作为承接数字货币、发展数字货币相关业务的重要系统，公目前已在建设银行、广发银行、北京银行实现落地
区块链﹣
关联理由子公司神州方圆作为神州信息区块链业务发展的承载者，在企业数字化服务进行了一些 探索 ，主要包括供应链金融服务、电子发票、消费服务场景等三个方面，同时以“区块链下乡”逐步走通了数字技术融入农业农村场景的创新、实践、推广的闭环路径，带动产业发展，并助推金融行业的高质量发展及数字化转型
独角兽
关联理由 参股科大国盾；持有天津君联林海企业管理咨询合伙企业25％股份，后者持有科大国盾4%股份，标的是量子通信领域绝对龙头
金融 科技
关联理由 国内领先的金融 科技 及大数据应用软件和服务公司，目前已与与华为、龙芯、中标麒麟、中兴、达梦等众多厂商深入合作；携手京东金融合作，打造融信云金融 科技 服务；19年公司金融业务收入3899亿元，占比3843%
数字乡村
关联理由 公司以农村政务的信息化处理为切入点，延伸出三大业务：三农信息化、农产品溯源、农产品单品大数据平台
乡村振兴
关联理由 公司以农村政务的信息化处理为切入点，延伸出三大业务：三农信息化、农产品溯源、农产品单品大数据平台；智慧农业属于乡村振兴战略
土地流转
关联理由 民企，实控人郭为，主营技术服务、农业信息化、应用软件开发、金融专用设备相关业务地流转平台的龙头大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。
大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。
数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。
为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。
1价值导向与内嵌式变革—BCG对大数据的理解
“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。
11成就大数据的“第四个V”
大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。
虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。
另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。
“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？
BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。
12变革中的数据运作与数据推动的内嵌式变革
多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？
无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。
因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。
具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。
121数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度
在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。
122数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”
在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。
123数据分析的成本（Cost）：大数据降低了数据分析的成本门槛
大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。
124数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化
在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。
例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。
2应用场景与基础设施—纵览海内外金融机构的大数据发展实践
金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。
21大数据的金融应用场景正在逐步拓展
大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。
211海外实践：全面尝试
2111银行是金融行业中发展大数据能力的“领军者”
在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。
BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。
银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。
相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。
银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的yhk交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。
客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。
在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。
银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。
BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。
银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）