寒冬之下，互聯網金融的數據化建設心得

閱讀時長：7min

核心要點：3個

1.P2P金融雖處寒冬，但互聯網金融前景仍大好，2017再崛起；

2.建設重點抓好用戶分析、風險分析、產品分析、營銷效果分析、管理分析；

3.建設步驟四步走合理規劃、業務梳理、迭代開發、收集反饋。

【正文】

序一：行業回顧

nn互聯網金融從2007年開始發展，短短數年，經歷了波峰波谷的驟然轉變。2007年到2013年上半年還處於發展緩慢，逐步破土的階段；2013年到2015年上半年，互聯網金融就如潮水般湧入市場；但2015年之後，互聯網金融降速發展，開始走下坡路。整個過程如拋物線一般。（2017年為筆者預測值）

序二：行業寒冬

nn2016年，互聯網金融的門檻逐漸攀升，監管也愈發嚴格。我們找了相關的新聞。近半數的互聯網金融企業紛紛跑路，與此同時國家「十三五」規劃又積極鼓勵互聯網金融發展。壓力、風險、挑戰、機遇迎面而來，我們如何迎難而上？（思考-P2P金融危機是不是整個互聯網金融就沒活路？）

序三：行業前景

nn未來金融業的電子數據交換量將成幾何數級增長，IDSS(智能決策支持系統)滲透至個人客戶的理財服務。隨著居民生活水平的不斷提高，消費者所擁有的金融業務量也不斷提高。雖然今天互聯網金融困難重重，但是明天總會到來。它依然迎合社會的需要，依然為中國金融市場發展起著正面推動的作用。

nn有人說互聯網金融的三駕馬車是渠道、技術和數據。今天就針對數據來進行討論。那麼互聯網金融企業運營具體有哪幾個需要分析的模塊呢？

用戶分析：（思考-要哪些指標分析用戶？什麼方法分析？什麼工具分析？）

nn1.目標用戶是誰，目標用戶的分級體系？——用戶指標

nn（信用評級、活躍度、存留率、轉化率、評級投資額、用戶分布、互動指標等）

nn2.通過什麼渠道找到目標用戶，競價？微信？渠道合作夥伴？——營銷渠道指標

nn（渠道來源、渠道轉化率、渠道成功率、渠道成本）

nn3.用戶通過什麼渠道進行支付？——支付渠道指標

nn（渠道轉化率、渠道成功率、支付渠道來源、渠道成本等）

風險分析：（思考-要分析哪些風險指標？什麼方法分析？什麼工具分析？）

nn1.怎樣進行風險控制，包括政策風險、項目風險、系統風險、操作風險？——風控指標

nn（項目審核通過率、風險備用金、項目流動性風險指標等）

nn2.合作夥伴是誰？擔保公司、銀行、信託、渠道等？——合作方指標

nn（合作帶來的項目數、項目通過率、風險係數、成本等）

nn3.相比於競爭對手更好嗎？——競爭性分析

nn（競爭對手分析指標、互聯網輿情監控指標）

產品分析：（思考-要分析哪些產品指標？什麼方法分析？什麼工具分析？）

nn1.金融產品的價值（收益、風險、流動性等）？——產品指標

nn（產品組合、投資人數、投資金額、滿標時間、收益率、流標數、風險係數、受歡迎度等）

nn2.IT支撐平台是否好用穩定用戶喜歡？——平台指標

nn（響應速度、可靠性指標、安全性指標）

營銷效果分析：（思考-要分析哪些營銷效果指標？什麼方法分析？什麼工具分析？）

nn什麼樣的營銷活動可以擴大影響力？——營銷活動指標

nn（活動成本、活動渠道來源、活動轉化率、傳播數、新增用戶數）

管理分析：（思考-要分析哪些管理指標？什麼方法分析？什麼工具分析？）

nn是否有服務好客戶？－客服指標

nn（投訴指標、接通率、投訴渠道、響應速度、滿意度等）

nn可以看出，需要分析的指標非常多，相信這些指標所需要的大部分數據各個公司都是可以獲取到的。但是數據那麼多，要分析首先要可視化。然而明確的道路方向也不如想像中的一帆風順，在數據可視化的道路中，也存在各種各樣的問題。就以上的指標來說，是否有公司已實現上述指標的完全分析，又是否有公司對上述指標中的分析覆蓋率還達不到30%？不解決可視化道路中的這些問題，公司數據可視化建設只能低速發展，完善的數據分析體系也將長期是詩和遠方。

nn那麼互聯網金融的數據化建設究竟應該如何做呢？互聯網金融的數據化建設要做的事情很多，要解決的問題也很多。然而千里之行始於足下，要解決這些問題完成目標效果的分析，筆者認為是要有計劃分階段的實施的。針對於互聯網金融行業的數據分析建設，需要以下幾個階段和注意點：

（思考-現在自己的公司有沒有已經在做這塊的實施？有哪些寶貴實施的經驗和教訓？是不是有比分四個階段實施更好的方案？）

階段一.合理規劃：什麼樣的規劃才叫做合理規劃，又是什麼樣的規劃才叫不合理規劃？前文中已經列出了許多的指標，計劃在三個月內都做出來怎麼樣？這就是不合理規劃。選取其中的一個或兩個模塊，根據本公司技術儲備，用不超過3個月的時間來建設，以此嘗試為基石，修改第二個三個月計劃，如此的分步驟規劃設計就是合理規劃。數據化建設本身其實是一個長期的過程，需要一步一步去實現。所以建設過程最好分期，比如一期做風控分析、二期做產品價值分析。

階段二. 業務梳理：最終的分析是為了應用於業務，互聯網金融行業專業性相對較強，很多指標並非看一眼就能夠理解。若沒有深入研究，業務理解偏差可能性也很大。這一步相對來說是IT人員比較容易忽視的。若沒有做好，最終完成的數據可視化效果也只是擺設。

階段三.迭代開發：互聯網金融的從業IT人員普遍水平較高，應用開發的技術不是門檻。但是需要注意的是開發過程中的迭代與交流，既要高效開發，又要避免進入開發陷阱。如何做到呢？高效的開發離不開工具，藉助合適的功能完善的報表類工具開發個性化分析頁面，通過簡單易用的自助BI工具來實現快速分析和交付。同時積極和業務人員溝通，讓IT人員了解業務，讓業務人員掌握BI工具自主分析。如此齊頭並進，實現企業個性化的數據分析系統的高效迭代開發。

階段四.收集反饋：數據分析本身是一個長期的階段。在完成一期之後，收集一期效果、缺陷、問題，可以對下一階段的開展帶來正麵價值。同時把收集反饋的流程可以用數據分析系統實現電子化，讓業務人員在使用過程中，隨時可以留言反饋，IT部門就能及時得到反饋並更新迭代。

nn幾個階段下來聽起來是很理想化，也確實少有公司能夠把每一階段都做好，否則就沒有失敗的項目，而事實上失敗的項目遍地都是。然而不論眼前的道路怎樣，我們都是要奔著理想的方向去的，要想射中天上的太陽，瞄的一定要高。

一張圖總結

文 | captain

數據分析製作：FineReport