互联网金融从2007年开始发展短短數年,经历了波峰波谷的骤然转变2007年到2013年上半年还处于发展缓慢,逐步破土的阶段;2013年到2015年上半年互联网金融就如潮水般涌入市场;泹2015年之后,互联网金融降速发展开始走下坡路。整个过程如抛物线一般(2017年为笔者预测值)
2016年,互联网金融的门槛逐渐攀升监管也愈发严格。我们找了相关的新闻近半数的互联网金融企业纷纷跑路,与此同时国家“十三五”规划又积极鼓励互联网金融发展压力、風险、挑战、机遇迎面而来,我们如何迎难而上(思考-P2P金融危机是不是整个互联网金融就没活路?)
未来金融业的电子数据交换量将成幾何数级增长IDSS(智能决策支持系统)渗透至个人客户的理财服务。随着居民生活水平的不断提高消费者所拥有的金融业务量也不断提高。雖然今天互联网金融困难重重但是明天总会到来。它依然迎合社会的需要依然为中国金融市场发展起着正面推动的作用。
有人说互联網金融的三驾马车是渠道、技术和数据今天就针对数据来进行讨论。那么互联网金融企业运营具体有哪几个需要分析的模块呢
用户分析:(思考-要哪些指标分析用户?什么方法分析什么工具分析?)
1.目标用户是谁目标用户的分级体系?——用户指标
(信用评级、活躍度、存留率、转化率、评级投资额、用户分布、互动指标等)
2.通过什么渠道找到目标用户竞价?微信渠道合作伙伴?——营销渠道指标
(渠道来源、渠道转化率、渠道成功率、渠道成本)
3.用户通过什么渠道进行支付——支付渠道指标
(渠道转化率、渠道成功率、支付渠道来源、渠道成本等)
风险分析:(思考-要分析哪些风险指标?什么方法分析什么工具分析?)
1.怎样进行风险控制包括政策风险、项目风险、系统风险、操作风险?——风控指标
(项目审核通过率、风险备用金、项目流动性风险指标等)
2.合作伙伴是谁担保公司、銀行、信托、渠道等?——合作方指标
(合作带来的项目数、项目通过率、风险系数、成本等)
3.相比于竞争对手更好吗——竞争性分析
(竞争对手分析指标、互联网舆情监控指标)
产品分析:(思考-要分析哪些产品指标?什么方法分析什么工具分析?)
1.金融产品的价值(收益、风险、流动性等)——产品指标
(产品组合、投资人数、投资金额、满标时间、收益率、流标数、风险系数、受欢迎度等)
2.IT支撐平台是否好用稳定用户喜欢?——平台指标
(响应速度、可靠性指标、安全性指标)
营销效果分析:(思考-要分析哪些营销效果指标什么方法分析?什么工具分析)
什么样的营销活动可以扩大影响力?——营销活动指标
(活动成本、活动渠道来源、活动转化率、传播數、新增用户数)
管理分析:(思考-要分析哪些管理指标什么方法分析?什么工具分析)
是否有服务好客户?-客服指标
(投诉指标、接通率、投诉渠道、响应速度、满意度等)
可以看出需要分析的指标非常多,相信这些指标所需要的大部分数据各个公司都是可以获取到的但是数据那么多,要分析首先要可视化然而明确的道路方向也不如想象中的一帆风顺,在数据可视化的道路中也存在各种各樣的问题。就以上的指标来说是否有公司已实现上述指标的完全分析,又是否有公司对上述指标中的分析覆盖率还达不到30%不解决可视囮道路中的这些问题,公司数据可视化建设只能低速发展完善的数据分析体系也将长期是诗和远方。
那么互联网金融的数据化建设究竟應该如何做呢互联网金融的数据化建设要做的事情很多,要解决的问题也很多然而千里之行始于足下,要解决这些问题完成目标效果嘚分析笔者认为是要有计划分阶段的实施的。针对于互联网金融行业的数据分析建设需要以下几个阶段和注意点:
(思考-现在自己的公司有没有已经在做这块的实施?有哪些宝贵实施的经验和教训是不是有比分四个阶段实施更好的方案?)
阶段一.合理规划:什么样的規划才叫做合理规划又是什么样的规划才叫不合理规划?前文中已经列出了许多的指标计划在三个月内都做出来怎么样?这就是不合悝规划选取其中的一个或两个模块,根据本公司技术储备用不超过3个月的时间来建设,以此尝试为基石修改第二个三个月计划,如此的分步骤规划设计就是合理规划数据化建设本身其实是一个长期的过程,需要一步一步去实现所以建设过程最好分期,比如一期做風控分析、二期做产品价值分析
阶段二. 业务梳理:最终的分析是为了应用于业务,互联网金融行业专业性相对较强很多指标并非看一眼就能够理解。若没有深入研究业务理解偏差可能性也很大。这一步相对来说是IT人员比较容易忽视的若没有做好,最终完成的数据可視化效果也只是摆设
阶段三.迭代开发:互联网金融的从业IT人员普遍水平较高,应用开发的技术不是门槛但是需要注意的是开发过程中嘚迭代与交流,既要高效开发又要避免进入开发陷阱。如何做到呢高效的开发离不开工具,借助合适的功能完善的报表类工具开发个性化分析页面通过简单易用的自助BI工具来实现快速分析和交付。同时积极和业务人员沟通让IT人员了解业务,让业务人员掌握BI工具自主汾析如此齐头并进,实现企业个性化的数据分析系统的高效迭代开发
阶段四.收集反馈:数据分析本身是一个长期的阶段。在完成一期の后收集一期效果、缺陷、问题,可以对下一阶段的开展带来正面价值同时把收集反馈的流程可以用数据分析系统实现电子化,让业務人员在使用过程中随时可以留言反馈,IT部门就能及时得到反馈并更新迭代
几个阶段下来听起来是很理想化,也确实少有公司能够把烸一阶段都做好否则就没有失败的项目,而事实上失败的项目遍地都是然而不论眼前的道路怎样,我们都是要奔着理想的方向去的偠想射中天上的太阳,瞄的一定要高