京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融创新中的云计算和大数据角色_数据分析师
阿里如何应用大数据和云计算。第一部分回顾阿里的平台模式;第二部分阐述阿里如何依赖数据和平台技术;第三部分看阿里的支付宝(目前更名为蚂蚁金服)和阿里金融云在哪几个方面、如何应用这些数据。
马云是最早意识到互联网是唯一能够聚合长尾工具的人,并有了做一个中国企业黄页的想法,这是阿里巴巴使命的真正起点。为中小企业服务必须承担巨大的信息处理成本。今天大多数银行,每笔交易的IT 成本大概介于十几、二十块钱之间;而阿里每笔金融交易的成本是几分钱;金融行业就是靠IT 吃饭,关键成本就是IT。
大数据和云计算这个平台所解决的最核心问题,是大幅降低每一笔交易的IT 成本以及用数据驱动业务,从而引发金融创新的全新生态。
互联网公司都是受业务驱动的,阿里从做电商开始到做余额宝,背后隐藏着一个理念。众所周知今年阿里似乎进入一个互联网商业的大门,然而背后马云对服务于屌丝企业和屌丝个人的精神大家往往忽略掉。这个精神,与技术变革的结合,才能真正衍生一些创新的商业模式。今天阿里所有的技术平台依托大数据和云计算,因此具备一个颠覆性的IT 成本优势,它可以推出一个跟银行合作的数据服务,可以做几分钱成本的对客户的评级。普通个人仅需100 块钱就可以使用云计算了。
到今天为止只有互联网实现了平台模式,所有以物理搬运为主的任何产业都无法形成平台模式,因为只有互联网和信息平台才能解决平台经济问题。这背后是信息拥有成本极低的这个基本事实,互联网本身即为具备多边网络效应、放大效应的一种平台。未来十年,是互联网公司和传统产业通过平台模式融合的时代,左侧,BAT 通过体验来解决上亿消费者连接的问题。比如得益于支付宝的入口,余额宝很容易起步;右侧,传统企业有非常强大的产业资源;目前的问题是,互联网运营和传统行业两个世界之间彼此不了解对方。公平来讲互联网公司是非常了解互联网运营,他们并不了解传统行业,他可以从他最熟悉的客户以一种随机甚至探索方式获得意外的收获,但真正的互联网金融还没有开始,现在只能算互联金融V0.1;金融行业和互联网行业今天还有很大距离,他们更紧密的合作才是解决未来模式问题的关键。
阿里走的路是小应用,大平台,富生态。到今天为止,只有线上的大数据才是容易获得的大数据,如果这些数据不在线上,那么数据将分布在不同的数据中心,不同应用,集成和获取得难度极高。因此,今天能用的大数据应用,一定要从线上数据开始。未来这种平台模式,客户看到得是小应用,是体验好的APPs,背后是大数据。
传统金融企业感受到了互联网的来势汹汹。互联网有三个基本能力,第一是入口。入口是很关键的,比如余额宝的快速扩张与利用支付宝钱包这个入口有关系。传统的金融行业,做互联网金融,第一缺的就是入口,开发保险电子商务,做直销银行没有入口,就没有客户。第二是有效流量,金融行业需要高转化率,客户体验变得很重要,客户体验是提升转化率的关键。客户体验对电商来说很简单,他随时通过客户行为,客户画像等摸清客户的需求。传统行业没有意识到转换流量核心是在客户体验,客户体验的核心是在数据控制点的采集分析,背后需要大数据来推动。第三是客户运营,即使是互联网公司在客户运营方面也还有很长得路要走,当然,他们有个先天条件是,对客户购买行为非常了解,但这个不等于客户运营。金融行业和电商的区别在于金融行业最终是玩“账户”,比如余额宝要让账户有黏性,让客户在我账户里多消费,因此更愿意保持我的账户。大数据的工具要对账户进行保护和提升黏性。对金融机构来说更重要的是背后的统一账户。今天所有90 后客户都把自己所有的行为都暴露在网上,他的数字随时可以拿到,这是一代人的特点。关于代际特点:90 后不在乎什么“隐私”,00 后认为所有屏幕都可以触摸,这是技术塑造时代的特点。大数据可以帮助抓住这群90 后的“数字痕迹”;从客户运营角度,聚焦完全暴露在网上的人的成本绝对要远远低于广场上跳舞的大妈们。比如,余额宝也是先从年轻人开始逐步到年长的群体,可能通过这些90 后反向告诉他们母亲应该用余额宝,应该用这个消费。这背后有一个客户洞察和客户运营,所有东西都是依赖数据。
未来几个月阿里希望能把自己用的金融云平台对外变成开放的平台。这里有两个开放,一个是云平台的能力开放,面向金融行业的中间件还有PaaS 的能力。希望中小银行业可以用。另一个是数据服务的开放,要准备数据跟金融机构合作。阿里金融云去年上线之后,有大量小的银行、证券公司都上云了,他们想快速上线,做网络银行这样的业务、大量的支付业务、与电子商务有关的业务。未来,云平台应该有一定的公益性。对外,数据一定要流动,一定可买卖,你中有我,我中有你。
今天阿里数据演进的速度比计算架构还要快,目前阿里是数百PB 级别。很多机构讲的大数据不是大数据,是普通的小数据,数据量很少超过50T。到了PB 这个级别,是计算跟着大数据走,而不是数据跟着计算走,这是今天大数据和云计算的关系。
下面说说阿里小贷的例子,阿里小贷这个业务用了30PB 数据,800 亿个信息项,100 多个数据模型。今天做一个阿里小贷不需要流程判断,数据判断就可以给他放贷,一个在银行没有记录的农民甚至可以通过阿里小贷贷十块钱。
上文提到大数据的一个方向是用大数据开辟长尾市场,像余额宝,采用极低交易处理IT 成本和精准数据分析一直服务于屌丝,提升交易效果。大数据还有两个方向,分别是提升交互体验和提升交易效率。
银行过去多年的经营具有交易性,围绕交易有一个庞大体系,包括风控体系。互联网公司是做交付,不一定马上变现。银行未来的转移是逐步平衡交易处理安全以及交互式的黏合度。阿里小微的风控体系是全新的,依赖阿里数据做标准。
提升交互体验,张瑞敏把整个海尔客服人数降了七八成,他认为不需要人工客服,不需要声音甜美的妹子为客户服务,但却很难解决问题。他想让一切都在线上自动化解决。这还是一个成本问题,比如人工最贵,比线上贵几十倍,未来五年不仅是整个广告公司不断变成数字化的过程,也是客服中心无人化运营的过程。今天,一些保险公司恨不得有五千个人客服,这说明整个行业设计需要重构,依赖大数据重构。
总而言之,如今做互联网化的金融创新必须理解两个要点,一个是理解小微,微金融,屌丝的习惯行为。第二要理解平台经济,互联网是唯一支持平台经济的模式,背后依靠大数据和云计算平台。传统企业、金融机构转型互联网,就是在互联网模式下进行创业,只有把入口、有效流量和客户运营三个方面做好才有希望。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
逻辑回归是数据分析、机器学习、统计建模中应用最广泛的二分类预测模型,常用于风险判断、行为预测、归因分析等场景。在SPSS、Py ...
2026-06-02数字经济时代,市场竞争日趋同质化,用户消费需求愈发个性化、多元化,传统依托经验、粗放式、广撒网的营销模式弊端日益凸显。长 ...
2026-06-02 很多数据分析师做过按月份的销售额趋势图,画过按天的流量折线图,但当被问到“时间序列和普通数据有什么本质区别”“季节性 ...
2026-06-02在市场竞争日趋饱和、用户需求不断细分的当下,企业创业创新、产品迭代与市场拓展不再依赖经验决策,而是需要系统化、工具化的商 ...
2026-06-01【核心关键词】调度、岗位、数据库、企业、报表、培训、程序、数据分析、数据加工、业务部门、企业数据、调度工具、业务指标、 ...
2026-06-01 很多数据分析师能熟练地计算指标、搭建标签体系,但当被问到“画像到底在解决什么问题”“画像和标签是什么关系”“画像如何 ...
2026-06-01在数据统计分析、数据清洗、异常值识别与数据分布研究中,箱型图是最直观、高效、专业的可视化分析工具。相较于柱状图、折线图仅 ...
2026-05-29Tkinter是Python内置的标准GUI图形界面库,具备无需额外安装、调用简单、兼容性强、轻量化高效等优势,是Python快速开发桌面小程 ...
2026-05-29 很多分析师在设计标签时思路清晰,但真到落地环节却面临“数据在手,不知如何转化为可用标签”的困境:或因加工方式选择不当 ...
2026-05-29【核心关键词】大数据、经理、专业、金融、客户、传统、建模、数据产品、互联网金融、产品经理、数据分析、金融行业、数据模型 ...
2026-05-28 很多分析师每天和数据打交道,但当被问到“标签是什么”“标签和指标有什么区别”“标签体系如何设计”时,却常常答不上来。 ...
2026-05-28随着大数据技术的快速普及,各行各业积累了海量的用户数据、交易数据、生产数据与行为数据。单纯的数据统计与报表分析只能呈现表 ...
2026-05-28在Python网络请求、接口测试、数据爬取、业务对接开发中,Requests库是最简洁、最高效的HTTP请求工具,凭借简洁的语法、完善的适 ...
2026-05-272025 年,零售与服务行业的竞争已从 “经验驱动” 全面转向 “数据驱动”。中小企业门店普遍面临数据零散、分析浅层、决策凭感觉 ...
2026-05-27 很多数据分析师每天都在写SQL,但当被问到“数据查询语言(DQL)的本质是什么”“SELECT语句中各子句的书写顺序与实际执行顺 ...
2026-05-27在统计学分析、实验研究、业务数据复盘过程中,单因素方差分析是检验自变量对因变量是否存在显著影响的核心方法。其中,两个水平 ...
2026-05-26【核心关键词】算法、客户、大数据、互联网、调优、建模、模型优化、机器学习、评分卡模型、模型开发、智能风控、业务场景、数 ...
2026-05-26 很多数据分析师写过无数个 SELECT,但当被问到“新建一张表,该如何定义字段类型来保证数据质量”“创建视图和存储物理表有 ...
2026-05-26在数据清洗、统计分析与数据质量检测工作中,箱型图(又称箱线图、Box Plot)是最直观、最高效的可视化分析工具之一。相较于柱状 ...
2026-05-25在大数据分析、数据清洗、质量管控、风险监测等领域,异常数据识别是保障数据质量、确保分析结论精准、规避业务决策失误的核心基 ...
2026-05-25