平臺玩大數據？投資人覺得不靠譜！

文|網貸之家

11月30日訊，受互聯(lián)網思維影響，互金圈一直都有追逐“潮流”的習慣。早期玩補貼紅包加息券，過渡到跨界營銷做事件。隨著互聯(lián)網滲透率到達高位，流量紅利逐漸消失，大數據概念開始在圈內被熱炒。在各類與大數據搭界的公司估值創(chuàng)出一個個新高的形勢下，像阿里巴巴，騰訊這類獨角獸企業(yè)為我們展示了許多大數據的玩法，也充分證明了大數據的價值潛力。在劉大看來，這些獨角獸級的企業(yè)在大數據領域有三個共性：

首先，他們開創(chuàng)了一個大數據獲取的場景，或者說他們的商業(yè)模式本身就有“眾包”優(yōu)勢。眾包：一個公司或機構把過去由員工執(zhí)行的工作任務，以自由自愿的形式外包給非特定的(而且通常是大型的)大眾網絡的做法。

其次，他們擁有通過海量數據“獲取真相”的能力。

在突破建立眾包場景或渠道的門檻后，大家同樣擁有了海量元數據，此時可以通過定量模型或經驗模型從中提取“真相”，比如在中國最了解消費者的是阿里巴巴而不是消費者協(xié)會。

最后，他們成功將得到的“真相”變現。

通過資產配置或其他方式，在執(zhí)行層面由“真相”替代原有的推演，讓大數據解決了“做什么”、“怎么做”的問題，而沒有糾纏在“為什么”的層面。

劉大覺得，每個人都是復雜的個體，無論是過去的行為、當下的狀態(tài)還是未來的可能性都無法通過一個人或是一個團隊的主觀邏輯推斷來判斷。過去基于“我認為”、“我覺得”式的策略，都需要長期的試錯調整。大數據最大的魅力就在于置換掉了這個時間和邏輯都比較長且復雜的過程。

今天，讓我們換一種風格，嚴肅且正經地聊一下，留給想玩大數據的P2P平臺們的幾個問題：

為什么現在投資人普遍都覺得P2P平臺宣傳的大數據沒有那么可靠?拋開行業(yè)本身承載的一些負面印象不談，即使是一些處于行業(yè)第一階梯的大平臺，在打大數據這張牌的時候都或多或少遭到了一些質疑。

到底是大數據概念的賣點本身有問題，還是這張牌的打法有問題呢?

實際上，2015年中國大數據整體產業(yè)規(guī)模接近1700億元，而且今年增勢迅猛。這說明，不是大數據本身沒賣點，而是大多P2P平臺的打法同質化、表面化嚴重，沒有戳到投資人的點，沒有將大數據真正的與平臺的品牌、運營等方面結合起來，而是局限在“概念營銷”的淺層。劉大認為，每個P2P平臺都要仔細考慮三個問題：

第一個問題，大數據“變現”前，有沒有做好定位?

如果用大數據做運營，你有沒有足夠維度的投資人行為偏好數據?有沒有在水平層面上做交叉分析?如果用大數據做風控，你的數據維度與你的資產類型是否匹配?或者用大數據來做產品，或大數據本身是產品，不同的位置需要考慮不同的打法。初步定為之后要深入下去圍繞這個核心做一系列的工作。

以定位運營為例，實踐起來應關心這個數據的運用是不是能降低成本、能不能做到精準推廣、會不會大幅提高投資人體驗，而不必糾結該用哪個渠道宣傳平臺采用了大數據、怎樣宣傳才能吸引更多投資人。淘寶不必宣傳自己使用了大數據，消費者使用過后發(fā)現這個網站很“了解”自己，推薦的東西都是自己需要的，于是一邊花錢一邊大呼神奇，形成了一定規(guī)模之后，媒體和渠道自己就找上門來了。

第二個問題，有沒有找到或者成為一個合適的數據眾包場景?

阿里巴巴兩年前All in的戰(zhàn)略讓淘寶、支付寶全面進軍可移動平臺，達成了眾包場景化的先決條件。接著借助用戶支付行為，逐漸開放數據接口，進行了長期的用戶引導和培養(yǎng)，形成了現在數據獲取的絕對優(yōu)勢。對比支付大戰(zhàn)中敗落的百度錢包，你會發(fā)覺，對于大數據“源頭”的把控有點先到先得的意思。用戶都是非常懶惰的，這種懶惰如果引導得當可以成為“粘性”，可以提高忠誠度，沒有把握好就成為了“門檻”。

說回P2P平臺，第一類通過合作方式獲得數據的，不將大數據本身作為產品變現。在眾包的選擇上是否做到的準確且迅速?第一家對接芝麻信用征信數據做消費信貸的平臺會讓投資人眼前一亮，畢竟比起只cover了3億多人的中央征信記錄，幾乎人人都用的支付寶從數據廣度(使用人數、頻次)和深度(交易行為類別等)都要更牢靠一些。選擇小貸公司或者地方征信公司作為眾包的P2P平臺，有沒有做地域上，行業(yè)上的交叉分析?這些數據本身是靜態(tài)的還是動態(tài)的，能不能在將來支撐你的風控模型變量地調整?

再比如第二類，自己作為眾包入口，收集多維度投資人數據，再運用到運營或其他層面，或者作為數據產品變現的平臺。也至少需要考慮行業(yè)內數據的交叉分析，不然得出的結論并沒有太大意義。

第三個問題，在大規(guī)模執(zhí)行從大數據中得到的“真相”之前，有沒有充分考慮可能造成數據表現異常的情況?是否進行過試錯?

比如Google在2008年第一次嘗試通過瀏覽器搜索的大數據預測美國流感的發(fā)生就取得了很好的效果，比美國疾病中心提前兩周預判到了流感的爆發(fā)。但不久后的一次預測，Google的預判結果比實際嚴重程度高出了至少50%。原因是由于媒體的過度渲染，影響力搜索的趨勢，因而造成數據表現的階段性扭曲。劉大認為這是過于依賴和相信大數據的結果。

大數據和模型的優(yōu)勢不是替你做決策，這些只是輔助做決策的工具。要抓住這個工具，用它去做事情，而不是讓這個工具替你做事情，依靠但不依賴才是正解。

舉個例子，某P2P平臺使用10月份的投資人行為數據分析結果發(fā)現，85-90后投資人當月投資金額有顯著下滑，得出結論下個月要針對這個年齡區(qū)間的投資人進行集中推廣活動。在這個決策過程中，平臺完全沒有對數據可靠性進行判斷，比如，十一小長假是不是影響了這個年齡區(qū)間投資人的儲蓄行為等等。在面對時間區(qū)間較短，量大的數據時，要考率會造成大范圍影響的事件或者活動。

劉大來總結一下，大數據解決的是相關性問題，但不回答因果關系，所以只能優(yōu)化、簡化我們的決策過程。

互聯(lián)網金融行業(yè)一路走來，從獲客、品牌建設、運營推廣各個方面我們都看到了“時間窗口”的重要性。在大數據概念“當紅”之際，平臺想要趕在這個窗口之內搶占市場，確立市場認知是很重要，但不要只注重表層鋪開式的擴張，鉆研下去，讓大數據帶來是不僅僅是流量而是平臺的成長才能壘起真正的護城河。

生成海報

免責聲明：本網站內容主要來自原創(chuàng)、合作伙伴供稿和第三方自媒體作者投稿，凡在本網站出現的信息，均僅供參考。本網站將盡力確保所提供信息的準確性及可靠性，但不保證有關資料的準確性及可靠性，讀者在使用前請進一步核實，并對任何自主決定的行為負責。本網站對有關資料所引致的錯誤、不確或遺漏，概不負任何法律責任。任何單位或個人認為本網站中的網頁或鏈接內容可能涉嫌侵犯其知識產權或存在不實內容時，應及時向本網站提出書面權利通知或不實情況說明，并提供身份證明、權屬證明及詳細侵權或不實情況證明。本網站在收到上述法律文件后，將會依法盡快聯(lián)系相關文章源頭核實，溝通刪除相關內容或斷開相關鏈接。