1、目录机器学习自动化决策在数据分析领域中保持竞争力的三大关键数据分析的下一个前沿不再是“苹果、香蕉和螺丝刀”数据货币化大数据时代的商机未来的银行346911151718数据分析前沿我很高兴与您分享奥纬咨询的数据分析前沿报告，这份报告旨在帮助管理者在面对不断变化的挑战及突破性趋势时，提升管理效率。我们希望本文的见解能为您带来与众不同的启发，同时也欢迎您进行反馈、讨论，并积极提出质疑。此致， Edouard DeMezerac（孟泽凯）您也许已经在某些地方听说过“机器学习”。它包含一系列进行预测性分析的自动化技术。工程师们利用一组已知数据（训练集）对计算机进行训练，使其开启自动化学习进程。在奥纬咨询

2、，我们已经发现机器学习是十分强大的技术，可以广泛应用于一系列经典的商业难题。例如，我们最近利用机器学习，帮助一家电信公司算出哪些客户有较大可能“解约”并转为使用其他运营商。当电信公司认为他们发现了某一潜在的“解约者”时，他们通常采取优惠政策来挽留客户，包括电话升级、赠送免费通话时间或额外流量。如果电信公司将上述优惠赠送给那些本来就对服务感到满意的客户（即那些不大可能会解约的客户），这无异于花了冤枉钱。那么您会如何预测某个客户是否可能解约呢? 您可以收集某个客户的所有通话数据，然后查看该客户的上网习惯以及与客户呼叫中心的互动情况。有了这些信息，再加上自动化机器学习模型，您将得以预测出哪些客户有较

3、大可能解约。事实上，通过这种方法我们大幅减少了的误报率，为电信公司节省了一大笔无谓开销。假设有两家电信公司，一家已经琢磨出哪些客户即将解约，而另一家则无法做出判断。那么，无法做出判断的公司将花费巨资，但投资回报率为零；而另一家公司则得以有的放矢地投入成本，并卓有成效。假以时日，掌握这种解约算法的电信公司将获得更多市场份额。想象一下，如果借助多种手段将机器语言运用到您的业务中，解决各种问题，那结果将是怎样? 很快，您的组织效率便会出现指数级的提高。机器学习是否想大量节省营销成本?作者：奥纬咨询董事合伙人Paul BeswickPaul Beswick是奥纬咨询董事合伙人、奥纬咨询实验室负责人以及

4、奥纬咨询数字应用联席主管。Paul在奥纬咨询执业超过20年，广泛涉猎多个行业，包括零售、交通、电信和消费品。PAUL BESWICK董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录3许多企业期望将其流程自动化，以实现更高的响应度及更低的成本。而那些涉及较高等级、需要判断力的决策行为则通常由经理们在自行分析数据后做出。实际上，基于相同类型的数据所作出的成千上万次决策（如定价、借贷决策、风险评估等）常常可以交给计算机进行运算，但前提是您的数据可靠，且能够在不同系统之间畅通使用。自动化决策就如同其他流程自动化的系统一样您编写一套规则，在数据与作出决策之间创建一种联系。接着您根据这些

5、规则运行的优劣情况，对该流程进行微调，以提高效率和准确度。然后创建一个反馈循环，将这些规则与其创建的结果不断地相互比照并加以分析，建立起一个自我学习及自我纠正的系统。最后，您会识别出那些需要专家评估的特殊案例和例外情况，让他们发挥最佳作用，作出难度最高的判断。自动化决策管理例外情况并将棘手判断交给专家作者：奥纬咨询董事合伙人Paul Beswick“当该流程运行得当时，大多数基础决策将实现自动化，使企业的优秀人力资源节省宝贵时间，从事真正重要的事务。”4Paul Beswick是奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。Paul在奥纬咨询执业超过20年，广泛涉猎多个

6、行业，包括零售、交通、电信和消费品。PAUL BESWICK董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录如此一来，您大幅提高了经理们的影响力。与以往相比，每个人将能够监控更广阔、更复杂的领域。若缺乏这种主要基于规则的系统和对例外情况的管理能力，许多公司（例如最大型的电子商务公司）将无法管理数以万计的商品以及千万次的客户互动。许多公司将寻找内部流程和决策自动化的可能性，但您也可以直接将客户互动自动化，这将往往使您在降低成本及增强客户体验方面获益更丰。举例来说，某个客户无需联系中介购买保险单，而是可以输入相关数据，从具体的承保人那里直接获得即时报价。这样一来，自动化过程同时节

7、省了保险人和客户的时间与金钱。又例如，银行可以将贷款授信自动化。潜在的借款人无需联系银行经理，而是可以将业务账户与银行连接，证明其财务状况，从而获得即时的贷款批准（比如上限50,000美元）。若出现例外情况，则交由银行高级职员处理。“管理例外情况”的美妙之处在于经理们拥有更多时间处理棘手的问题（例如异常艰难的判断或者非常灰色的地带），这样他们的专长将运用得更富有价值。当然，如果例外情况过多，实质上您将重回起点，进行“手动”操作。但如果该流程运行得当，大多数基础决策将实现自动化，使企业的优秀人力资源节省宝贵时间，从事真正重要的事务。5长期以来，领先的企业早已意识到，拥有由数据驱动的卓越分析战略是

8、企业十分重要的竞争优势。然而，在市场压力日益增大的背景下，有效使用数据分析的能力更可以成为企业手中的筹码。目前的市场环境下，企业增长日益缓慢，利润率一再压缩，而企业之间的竞争也越发高效、巧妙和灵活。同时，监管要求对利润和成本施加了更多限制，提高了运营管理的要求。在此背景下，企业迫切需要借助尖端的分析能力升级客户定位，从而获取、服务和取悦重要客户。重重挑战下，新兴初创企业则展现出强大活力，在诸多行业中与传统企业一同争抢市场蛋糕。在日益饱和的市场，客户面对庞杂的数字化信息，对品牌、产品和服务的购买选择更加苛刻。这也对传统的市场竞争者提出了更迫切的需求，要重构流程，甚至重新定义基本的价值定位，以吸引

9、留住最有价值的客户。在80家跨行业企业的研究中，我们发现，那些成功利用数据分析的创新者普遍具有三个特征。聚焦44%的受调查企业已开始使用整合式运营模型。在数据分析领域保持竞争力的三大关键作者：奥纬咨询董事合伙人Paul Mee44%31%25%整合式模型分散式数据分析集中式数据分析6首先，许多领先企业（即44%的受调查企业）已开始使用整合式数据分析的运营模型，并同时使用“二层式跨企业部署”。其核心内容是，由卓越数据分析中心（Data Analytics Center of Excellence，简称CoE）启动企业范围的分析，并作为数据中介寻找及组织内外部数据。本地分析团队与业务职能部门紧密协

10、作，并使用尖端工具执行分析任务。通常情况下，由卓越数据分析中心（CoE）的数据科学家改进或重构工具。例如，为了推动试验内容和快速学习，一家大型工业运输企业已建立了企业范围的框架，以期在多个领域实现创新及相关改进。第二，那些已经获得显著改进的企业已对数据分析进行更广泛的投资，将数据分析的应用拓展至下一个前沿。68%的受访企业正在将数据分析应用到营销、销售及客户定位以外的领域，包括优化运营流程、采购或库存管理和控制风险。例如，一家大型酒店运营商通过动态客房定价优化，将年度预订销售额提高了4,000万美元。这套优化系统正是基于当地事件、天气、季节周期及库存情况的实时数据。第三，在许多领先企业中，IT

11、资源使用与投资之间的平衡点已出现显著变化，从传统的交易流程、数据服务和基础设施供应向共享式、大众化的分析能力转变。正如一位受访者评论所言，“我们的目标就是让尖端分析能力普及，变得好像使用Excel图表那样平常”。调查中，一家领先的大型金融服务机构为了提高企业认知度，不仅重新选址，还将那些无法提供竞争优势或客户增值服务的IT应用和基础设施外包。越来越多的成功企业正在建立以数据为驱动力的原则和能力，并不断壮大自身的分析团队，以保持竞争力或扩大领先优势。对其他企业来说，迎头赶上掌握数据的能力、运用现代分析的技能和方法则是当务之急。奥纬咨询董事合伙人Paul Mee描述整合式数据分析运营模型的重要性。

12、7聚焦68%的受访企业正在将数据分析应用到营销、销售及客户定位以外的领域。Paul Mee负责奥纬咨询战略IT与运营的数据平台。他拥有超过20年的专业经验，帮助企业解决涉及数据战略、数据管理、数据架构及数据质量等具有战略意义的重要问题。他已在奥纬咨询供职12年奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。PAUL MEE董事合伙人关于作者返回目录优化销售与营销流程掌控客户/市场调查以激发洞察力优化运营流程交叉销售/向上销售生产监控/流程优化掌控流程质量保证A/B测试防止税收流失识别与管理企业风险客户互动78%75%68%56%39%29%28%25%24%5%以发展为导

13、向的运营，即一些企业中盛行的发展和大多数企业中“下一前沿”发展8新一轮以客户为中心的数据分析热潮聚焦于数字营销及客户体验提升。为何如此呢?首先，反馈迅速：企业了解目标客户如何、何时及为何对某一特定的营销行为作出反应。通过完整的数据，企业能够理解产品或服务的使用情况、客户体验的实质以及再次购买的可能性。其次，企业能够从投资回报率的角度精准衡量某些行动或营销声明的效率。借助诸如A/B对比测试和机器学习等技术，数据驱动的营销行为可快速转化成理想结果。因此，销售、营销及客户定位方面的优化在数据分析投入中占据了主要地位。但数据分析还蕴藏着其他的潜力。一家大型连锁酒店可以利用实时数据进行数据分析，并解答有

14、关客户偏好的问题。通过动态客房定价优化，该酒店的年度预订销售额增加了数千万美元。数据分析的下一个前沿是运营效率。这将带来更深远、更广泛的效益，也可能更具可持续性。将分析运用到运营层面的例子包括： 由机器作出的流程、决策和建议 及时化库存管理（例如，精确匹配需求的原料储存，或用3D打印生产所需零部件） 秉承时间表和工作量均衡确定工作，交给最优的可用资源或实体予以执行 具有成本效益的主动型维护工作（例如，能够传送机械状态并确定相应维护时间表的工厂、车辆、飞行器或其他机器） 采用动态定价的服务或材料，最大限度地减少浪费，充分利用产能 收集有关反洗钱（AML）和了解客户需求（KYC）的情报，以降低误判

15、率 使用可视化机器学习进行监控（例如公共场合的高清情景识别或物体探测）数据分析的下一个前沿作者：奥纬咨询董事合伙人Paul Mee9这些例子都效益可观，但比起与营销相关的数据分析，实现的难度更大。要想将数据分析运用到运营层面和日常决策中，需要从根本上改变流程、技术和人才结构。为涉足这片前沿领地，企业需要以全新的方式获取、消化、处理及储存数据。在追求这个战略目标的过程中，通常涉及五大步骤：6. 识别那些可以通过更多或更优的数据显著改善的运营领域及客户体验流程7. 优先考虑新一代的运营安排或可数字化的运营部署，因为数据在其中能发挥最大作用8. 明确数据要求，以及在现有及全新/替代数据资源中满足这些

16、要求的条件。9. 开发一个有可行性的案例，并确定在何种情况下如何通过更多分析、原型取样与测试对该案例进行验证10.计划并编写运营蓝图；修改与预期的运营变革及数据能力相关的战略和绩效指标今天，领先企业正布下广阔的数据搜集网络，涵盖社交媒体远程信息处理、高端传感器、视频及物联网技术能力。从仅仅使用结构化的内部数据到同时使用非结构化的内外部数据，这是一种巨大的转变。从多种资源获取数据并进行整合，将使得运营效率出现阶跃变化，并可能显著改变商业模式。最后，比起针对营销行为的数据分析，针对运营效率的数据分析将更具影响力，也更具可持续性。这个新的前沿值得我们去开拓。Paul Mee负责奥纬咨询战略IT与运营

17、的数据平台。他拥有超过20年的专业经验，帮助企业解决涉及数据战略、数据管理、数据架构及数据质量等具有战略意义的重要问题。他已在奥纬咨询供职12年奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。PAUL MEE董事合伙人关于作者返回目录10在奥纬咨询近期的数据分析能力研究（DACS）中，我们针对某些分析结果的差异性进行了重复观察。正如一位首席数据科学家所说，“我们最终得出的分析结果可能就像苹果、香蕉和螺丝刀那样难以进行比较和调和。”问题是，为何会出现这种现象，以及哪些企业部署能够以最佳方式规避这一问题。在领先企业中，一系列关键的设计原则使得数据分析得以成功执行。其中最为重要

18、的是使用整合式的运营模型。大多数企业开始进行数据分析时采用分散式或集中式模型，这两种模型均有缺陷，阻碍企业转型为数据驱动化组织。典型的演变过程应包含以下三个阶段： 分散式（或“结盟式”） 碎片化的单位或具有独立式特点的数据科学家利用自身条件和工具进行分析，且通常以各种相互重叠的方式获取数据 集中式 技能高超的数据科学家代表某种形式的数据卓越中心（CoE），在各个业务和职能领域完成一系列分析要求。这些数据科学家同时也需要处理来自不同单位的多种数据管理形式 整合式数据分析是整合式的，并通过数据卓越中心启动企业范围的分析，解决最棘手、最复杂、通常也最富创新性的建模挑战；并作为代表企业分析团队的数据中

19、介，寻找和组织数据。在这种部署之下，数据科学家作为促成因子，帮助更广泛的团体创造专业工具、提升并重构模型，打造更优秀或更有效的绩效表现，使相关模型在企业中具有更广泛的适用性和互换性。这在实质上将使分析能力实现大众化，令企业内部更为广泛的群体（“非数据科学家”）从内容丰富的各类信息以及拥有各种工具和数据集的工作台中获益不再是“苹果、香蕉和螺丝刀”进行数据分析的整合式方法作者：奥纬咨询董事合伙人Paul Mee11分散式（或结盟式或独立式）部署可以说是一种“百花齐放”的方式：涉及不同类型的数据收集、不同的业务规则及与逻辑、不同的模型以及最终大相径庭的结果。每个组织单元在其自身层级及其自身领域运作良

20、好，但却很难规模化应用。再者，一个巨大的潜在负面因素是，生产、销售、研发、零售等职能部门都采用独立式的运作模式，彼此之间在人员或观点的互换方面几乎没有透明度。正如奥纬咨询的一位研究人员所说，“我们发现，共享是特别困难的事情，因为分析人员需要从企业其他部门的其他分析人员那里学习太多工具、数据集、软件应用及规范等内容”。采用集中式模型，即一个中央实体代表企业开展数据分析工作，也会产生问题。某个数据实验室可能与距离其服务的业务线或职能部门相距甚远，因此遗漏了与企业某个领域的具体事务相关的背景、细微之处或某些特殊数据。更重要的是，如果分析资源过于集中化，将带来事务的积压或瓶颈，使那些被视为优先级别较低

21、的企业部门失望，或者形成某种形式的“批量处理”，而这将扼杀具有创新性的见解或敏捷度。整合式模型则代表了最佳方法。数据科学家可建立分析资源、重塑模型，使其更加快速、直观，然后将它们放到强大的分析工作台，让每个人（而不仅仅是数据科学家）提出和回答各自的问题。这一模型可以说是以上三种模型中最灵活、最有成效和最大众化的模型。不再是“苹果、香蕉和螺丝刀”奥纬咨询董事合伙人Paul Mee描述整合方式为分析带来的价值12向整合式模型聚拢组织、管理、部署成熟企业向整合式组织模型靠拢就管理及表面控制权而言，向整合式模型过渡并非易事，因为这需要一种全新的企业思维来对待数据和分析，并服务于共同利益和个体。但通过研

22、究那些业已取得成功的企业，我们观察到一系列迈向成功的步骤。1. 先建立小而精的团队，迅速行动。成立由一群敏锐的分析人员组成的团队，而不是尝试在整个企业中推行。建立一个愿意分享专门技能、可互换模型及数据流的群组。利用该核心群组作为平台，向外扩展及进行分析创新2. 发挥想象力，准备构建更稳健的架构。尝试考虑以下情景：如果您将重新思考标准架构（或其中某些重要部分），您将需要哪些工具? 科学家们（当下的或将来的）将希望获得哪些数据（资源、形式及保真度）? 组织单位将需要哪些能力并从中获取最多效益? 尽量避免带看陈旧的思维或历史包袱思考，请提出您的创意，保持简单直接，思考各种关系3. 创建一个有可行性的

23、案例。商业案例并不总是带来直接的财务回报，但它将体现为一种更新的价值：更迅速、更少浪费、更对大众和企业有用。例如，一家保险公司建立起健康险索赔的趋势模型，然后将同一模型应用到意外险索赔。类似地，一家大型电信企业开发了话费定价模型，然后将该模型的升级版应用到有线电视，接着又将其触角伸向捆绑销售、特定社会经济群体，最后又应用于增值服务和关联方等等。随着不同的团队逐渐以一致的方式使用数据和模型，整合式模型将日益成熟，并使企业的分析和决策能力越发与众不同分析团队分析团队卓越数据分析与服务中心分析团队 数据科学家的卓越中心模型 标准化工具箱和应用套件 数据库规范 更常见/集体化的数据获取方法 二层式跨企

24、业部署 数据科学家CoE支持的本地分析人员 常用工具箱、应用套件和企业 “工作台” 作为传统内部资源、新型内部资源 （如物联网）和外部资源的集中式 “数据中介”分散式集中式整合式分析团队分析团队分析团队集中式数据分析 职能部门/业务单元中的分析“单位” 各种工具/应用 本地化数据定义/业务规则 获取多种点对点数据业业业业业业业业业134. 解决围绕数据的根本问题。当一个集团创建了对企业有益的模型时，其他集团将很可能加以借鉴。但它们可能在数据规模化中遇到障碍。整合式模型依赖数据访问权限、保真度及质量，此外还依赖于以高效的方式提供上述内容，以避免出现需要借助数据高速公路的5. 大量“绳索桥”。在整

25、合式模型作为代表企业分析团队的数据中介去获取、组织并丰富数据时，企业将收获效率与效能的显著提升“正由于我们能够得出具有可比性的数字，我们处于更为有利的位置，能够完成所需的分析，并自信地作出相关决策。2016年数据分析能力研究参与者Paul Mee负责奥纬咨询战略IT与运营的数据平台。他拥有超过20年的专业经验，帮助企业解决涉及数据战略、数据管理、数据架构及数据质量等具有战略意义的重要问题。他已在奥纬咨询供职12年奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。PAUL MEE董事合伙人关于作者返回目录”14数据货币化唾手可得的目标抑或是诱人的禁果?作者：奥纬咨询董事合伙人

26、Timoin Pervane数据货币化是当下的热门话题。为了推动业务的发展，各个公司收集并积累大量数据，而数据的处理分析也正变得越来越廉价和快速。因此，利用其他方式对数据进行货币化是极为诱人的想法。毕竟，售卖数据是一门极为简单、高利润、可带来经常性收入的生意。当考虑数据货币化时，先来看看信息产业的整体演化很有帮助。一开始，企业进行数据收集（如医院的表现或法律案件的结果），然后将其出售给其他公司（在本案例中，即医院或律师事务所）。下一步就是添加工作流程工具、软件以及其他服务，使数据格式更具可读性和可行性。目前，信息企业越来越注重分析数据，并为客户提供具有可行性的增值服务。“当然，如果您通过出售数

27、据能获得收益并能控制风险，那大可以这么做但永远不要忘记，最有价值的数据货币化战略在于推动您自身的业务。TIMO PERVANE 董事合伙人”15对于寻求让自身数据货币化的公司，可以考虑以下三个阶段：第1阶段：通过更有效的流程，使用数据提升您的业务。常见的目标是更深刻地理解客户需求，并提供更好的客户体验。每家公司都考虑以这种方式使用数据。第2阶段：通过向客户出售数据获取收益或提升现有产品。您了解客户和他们的需求，如果您能够提供附加价值，您将可能更好地维系客户。如果您能够提供数据和工作流工具，使数据对客户而言具备更多的信息量，您将获取更高价值。这要求一定的投资，但如果您已经在为自身需求筛选和分析数

28、据，则向他人提供这些数据仅需要您追加少量投资而已。例如，许多零售商将销售数据打包，出售给供应商，以提升双方的协调性和系统级的效率。第3阶段：将您的数据出售给客户或供应商以外的其他公司，并实质上启动新的业务。您的数据可能在意想不到的地方显得难能可贵。例如，一家对冲基金可能想了解一家新的线上零售商的每日开销情况，或者能源交易者可能想了解不同人群和地区如何设定空调的温度。Yodlee Inc.是向大型银行提供线上金融工具的企业，现已启动了一项副业，出售其从信用卡和借记卡交易中收集到的数据。这些数据能显示客户的购买趋势，且该趋势将最终影响股价。您应该抓住哪个数据阶段的机会?对大多数公司而言，从零开始启

29、动信息业务将分散其投入核心业务的精力。除此之外，许多公司高估了自身数据的价值与独特性，其实很可能其他人已经在供应同样出色（甚至更好）的内容。再者，如果数据使用不当，客户可能会受到打扰。但这并不是说没有值得追求的商业机会，也不是说没有公司能够在第2阶段和第3阶段取得成功。在实际操作中，第3阶段的大多数活动很可能是借助与现有信息服务公司的合伙关系来完成的（这些信息服务公司已拥有客户群和进入市场的能力）。这些公司有更大的优势，从不同公司收集数据，建立针对特定领域的行业联营机构。因此，买家从它们那里获取的数据比起仅依靠单个公司的市场份额产生的数据拥有更宽广的视野，也提升了价值。当然，如果您通过出售数据

30、能获得收益并能控制风险，那大可以这么做，尤其是，您能够利用您的数据加强与现有客户的合作关系或者在整个价值链中实现更高效率。但永远不要忘记，最有价值的数据货币化战略在于推动您自身的业务。Timoin Pervane是奥纬咨询的董事合伙人，现在波士顿办公室工作。他拥有超过18年的战略咨询及管理经验，专注于B2B信息、软件及服务行业，具体涉及的领域包括保健、能源、地理空间、市场调查、金融、科技。TIMOIN PERVANE董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录16大数据时代的商机如何处理与您有关、全世界都在收集的大量信息?作者：奥纬咨询董事合伙人Timoin Pervan

31、e别再随意丢弃数据。数据的储存成本低廉，访问方法也简易，因此请保留好您的数据。另外，不要以结构化的形式储存数据，除非您很清楚要如何提取及使用这些数据。将数据储存在数据湖中，把结构化与非结构化的数据混合在一起。建立数据分析的团队。这并非易事。通常，由数据科学家或分析人员组成的新团队与企业其他人的思维方式不同，而意见也不被听取。只有把团队深深融入到流程之中，他们才能发挥作用。一家大型金融企业在付出代价后才明白这个道理。他们聘用了一支由400名数据科学家组成的团队，但却发现其作用甚微，最后不得不进行全方位且昂贵的组织改革。将洞察力与商业行动/流程结合。您身旁拥有博士学位的人不一定能够提出非凡的见解，

32、除非他们理解您正在试图解决的业务难题。您需要的是既理解业务问题又知道如何将技术应用到分析之中的“中间人”。此方向的第一步是打破IT的独立，将技术人员安排到各个业务单位去反之亦然。除了灵活的创新公司之外，只有极少数的企业采取这些前瞻性的步骤。当企业成功将数据转化为洞察力时，将对此大为雀跃，但这也常让人对深藏在表面之下的真实影响有错误印象。不过这并不意味着它不值得我们为此付出努力，争取这一巨大的商机。这一做法将带来激进的变革，并大大拉开您与那些变革不得法的企业的距离。Paul Beswick是奥纬咨询董事合伙人、奥纬咨询实验室负责人以及奥纬咨询数字应用联席主管。Paul在奥纬咨询执业超过20年，广

33、泛涉猎多个行业，包括零售、交通、电信和消费品。PAUL BESWICK董事合伙人、数字应用联席主管、奥纬咨询实验室负责人关于作者返回目录17未来的银行当传统经销方式消失而数据开放之时作者：奥纬咨询合作人Gkhan ztrk、Ren Fischer博士、Christoph Knoess在数字化时代，银行面临压力。开放数据环境的出现使得金融科技（FinTechs）和应用程序接口聚合器可能破坏银行与其客户之间的一对一关系。新的生态系统正在不断开发，电子商务和社交媒体的主力军正在把它们的触角伸向金融服务领域。数字化正在将销售和创意向需求端和交易端迁移，让他人扮演媒介角色。银行面临的核心战略问题是，关系

34、碎片化和脱媒化的威胁来自方方面面，在此情况下，它们应该如何维系在关系金字塔中的顶端位置，以及如何使用数据为自身谋求利益?快速了解全球的金融服务状况，便可预测未来银行的面貌。不同地区的动态各不相同，无论是中国（阿里巴巴和微信等公司所扮演的金融服务生态系统）、欧洲（在开放数据访问法规订立之际，以灵活的“即插即用式”平台为中心的战略模块化）或美国（对需求端和交易端服务的金融科技合作以及增值功能）。但此等迥然不同的区域趋势很可能在保留本地特色的同事进行融合，打造出未来银行的面貌，且很可能围绕以下四种生态系统支柱： 为客户带来更多价值的跨品类生态系统合作关系 通过金融科技和销售业终端合作的关系 为客户带

35、来最优解决方案的产品合作关系 借助增值分析与提供洞见能力整合而得的数据提供组合上述内容均建立在灵活的、即插即用式、基于应用程序接口的生态系统核心部署平台的基础上，且各方为争取业务关系而进行持续的角力。”“在世界日益涌现产品专家、迅捷平台和精明整合者之际，银行需要采取战略行动，在构建未来的银行时避免商品化。18中国：跨品类货币化在中国，阿里巴巴和腾讯等占支配地位的品类领导者已经向金融服务业扩张，它们利用各自超过7亿用户的平台，提供一系列支付和保险产品。微信一开始只是即时通信工具，继而为购物带来革命性变化，现已成为社会沟通中的基础工具。已有超过3亿张信用卡与微信账户绑定。欧洲：战略模块化和开放数据

36、应用程序接口欧洲监管方要求银行允许外部相关方（如投资推荐服务或账户聚合器）在银行客户许可的情况下公开访问客户数据（如PSD2）。类似地，英国财政部正在开发一个关于开放银行业务标准的框架，允许第三方通过应用程序接口访问客户数据。德国批准通过FinTS（金融交易服务）访问数据。这催生了一种由模块化平台推动的、体现互赖关系的生态系统，该平台使用应用程序接口分享数据和提供服务。由于模块化产品使银行业务关系碎片化，银行正力图抓住那些倾向于从不同提供方择优挑选服务的客户。银行通过建立灵活的即插即用式平台（如法国银行BPCE收购德国传统银行业颠覆者Fidor后建立的BPCE-Fidor平台）试图获取增值整合

37、能力，以在客户关系中保留其首要地位。银行利用金融科技合作关系紧跟客户需求，主动寻找客户。例如，Figo已经整合了不少相关的金融参与者，正逐步成为一个集聚合服务、咨询服务、动态账户转换服务及跨产品优化服务于一体的平台。大多数银行现已挑选了相应平台，正积极地在开放数据环境中建立产品及分销的生态系统。巴克莱银行（Barclays）和德意志银行（Deustche Bank）等银行正在快速建立自己的应用程序接口。美国：需求端的分销随着银行朝着轻资产的模型发展，实体网络将逐渐消失。未来的银行将不再试图吸引客户到分行办理业务，而是紧随客户的脚步，因为客户的需求将超出银行业务并涵盖方方面面。银行正越来越多地利

38、用其他合作伙伴和非专属渠道（如汽车经销商、零售专卖店、开发商），分销产品和服务。例如，摩根大通公司的大通汽车直销（Chase Auto Direct）在与数字汽车购置服务商TrueCar，的合作中，就把汽车金融服务打造成线上汽车购物。线上申请的借款人经核准后，将被纳入与大通关联的代理商网络中，借款人的借款文书将在这些代理商那里准备妥当。对于需要装修和建造房屋的借款人来说，五三银行使用Greensky作为贷款发起工具，然后在承建商或商家那里通过POS机即刻向客户放款。19呼吁行动为了维持银行在关系金字塔中的顶端位置，银行需要基于生态系统的四大支柱开发明确的综合战略，并制定核心平台决策。银行应该联

39、合金融科技及其他合作伙伴开发虚拟分销战略，在需求端或交易端主动寻找客户。银行应该与领先的新型平台（如Figo、Fidor或Tally）合作，或者自己打造这些平台。它们应该审核自身的品类地位和机遇，并通过新的跨品类价值将自己与他人的关系货币化。它们也应该推动账户转换和跨产品优化，为现有客户群提供增值服务，尽管用碎片化的方式提供。它们还应该决定在何处生产及在何处分销，并锁定正确的合作关系。在世界日益涌现产品专家、迅捷平台和精明整合者之际，银行需要采取战略行动，在构建未来的银行时避免商品化。返回目录Gkhan ztrk是奥纬咨询在法兰克福办事处SITO & RBB区的合伙人，精通零售和企业银行业务以

40、及保险业务，服务范围涉及德国、奥地利、瑞士、英国、意大利、土耳其、南非、新加坡以及美国。尤以以下业务特别突出，包括公司及商业战略、IT与运营、流程优化、项目管理办公室及项目管理协会。Rene Fischer博士是奥纬咨询在法兰克福办事处的合伙人，主要负责为德国、欧洲、中东和非洲地区的大型区域银行、私人银行和资产管理公司提供托管服务。其工作重点是私人银行业务和资产管理业务。在以下领域积攒了丰富的工作经验：企业战略、销售与优化、成长方案、多通道与数字化战略以及收购、成本与效率计划。Christoph Knoess是奥纬咨询合伙人、战略性IT与运营全球负责人以及奥纬咨询数字应用全球联席主管，主要负责

41、公司运营模式、IT与运营绩效转型服务。特别精通大规模运营与商业模式转型方面，主要集中在银行业务和行业间的IT战略与转型。Christoph在欧洲和北美洲有15年以上的工作经验，主要为领先的金融机构和通讯、制造、技术与生命科学企业提供支持，帮助其规划并执行重大的变革方案。关于作者GKHAN ZTRK董事合伙人REN FISCHER博士董事合伙人CHRISTOPH KNOESS董事合伙人、战略IT与运营全球负责人20奥纬咨询是领先的全球管理咨询公司， 业务遍及全球26个国家/地区的50多个城市， 将深层的行业知识与专业技能相结合， 应用于战略、 运营、 风险管理、 组织以及数据和分析等领域。 公司

42、拥有3,700名专业咨询人员， 全力帮助客户优化业务流程， 完善业务运营和风险现状， 加速实现企业绩效， 从而有效把握巨大的商机。奥纬咨询展现的思维领导力见诸于我们的出版文籍、 白皮书、 研究报告以及商业报刊的文章。 为实现上述目标， 奥纬咨询公司与学术界知名领导者联手， 共同研究前沿课题。奥纬咨询实验室为我们在数据与分析方面的专业技能提供坚实基础， 将创新方法应用到技术之中， 帮助客户提升商业影响力。 奥威咨询实验室的使命是帮助客户让已有或可得的信息发挥巨大的作用， 并从本质上变为知识型企业， 借此提升竞争优势和可持续影响力。奥纬咨询实验室已为100多个客户提供服务， 这些客户的年营业额总和

43、超过500亿美元。 在亚太地区， 奥纬咨询实验室的数据专家、 数据工程师和技术咨询师组成的多个团队已为若干重要城市提供服务。 上海就是其中之一。 在这里， 奥纬咨询实验室帮助客户进行复杂的数据分析， 提供最新技术与解决方案 （如机器学习、A/B对比测试、 跨品类优化以及数据驱动的营销方案）。 例如， 奥纬咨询近期帮助了以为客户采用一系列自动化技术， 进行预测分析。 工程师们利用一组已知数据对计算机进行训练， 使其开启自动化学习进程。奥纬咨询简介奥纬咨询实验室简介版权所有 2017 奥纬咨询保留所有权利。未经奥纬咨询书面准许不得复制或发布本报告所有或部分内容， 奥纬咨询对第三方的上述行为不承担任

44、何责任。本报告中的信息和观点均来自奥纬咨询。 本报告不构成针对某家金融机构实施公司战略的定制化专业咨询意见。本报告并非投资建议， 报告内容不应该作为相关专业投资意见的依据， 也不应该将本报告作为专业会计、 税务、法律或金融顾问意见的替代。 奥纬咨询已尽力使用可靠的、 最新的、 完整的信息和分析， 但奥纬咨询对所含信息不作任何明示或暗示的保证。 奥纬咨询不承担更新报告中的信息或结论的责任。 奥纬咨询对于因本报告内容、引用此处信息的任何报告或资料来源采取或放弃的任何行为而产生的损失， 或者对任何后果性的、 特殊的、 相似的损害（即使得知该损害发生的可能性）不承担任何责任。 未经奥纬咨询书面同意， 不得出售本报告。