九次方大数据CEO:金融行业与大数据的天作之合

本文涉及的产品
云原生大数据计算服务MaxCompute,500CU*H 100GB 3个月
云原生大数据计算服务 MaxCompute,5000CU*H 100GB 3个月
简介:

从两年前开始,大数据这个词真真正正从一个IT领域进入到人们的生活当中,时间在推移到2010年时,在当时大数据应用还在各大IT座谈会上以PPT的形式展现在专业领域人士面前,对于普通用户知道的寥寥无几。而现今用户经常能够看到一些网页上推荐信息,而上面的商品正是近期所关注,并有购买需求的,没错这就是我们生活中肉眼可见的大数据。

而大数据又细分了不同的领域,分别为医疗大数据、金融大数据、交通大数据等,每个行业都会有自己的大数据应用。而面对这么广泛的领域,究竟大数据在哪里才能发挥其最大的长处呢?此次,我们邀请到了九次方大数据CEO王叁寿先生来为我们做一些分享。

2010聚焦金融行业

两年时间,中国的大数据‘已成大势’,现今国内的大数据又分很多种,比如以阿里巴巴为首的电子商务大数据,以百度为首的社会大数据,以腾讯为主的社交大数据,而九次方主要专注在金融大数据领域。

九次方公司于2010年便开始进行研发,经过三年的研发,2014年开始正式投入市场,由于当时成型产品少之又少,也让这个业界翘楚产品在一开始便为公司带来了收益。也正是自2013年起,大数据开始爆发,这也对九次方大数据从在中国从开始普及到爆发起到了助力。

在采访王叁寿时他提到:“其实大数据这个行业不是说你砸多少钱才能做出来的,就像爬泰山一样,你爬不到山顶你永远看不到太阳!所以原来九次方在做企业数据沉淀,最开始沉淀几万家,几十万家,几百万家,其实后来感觉都不行,那并非大数据,只是有一定量的数据,有一定比例的数据。现今九次方相当把中国法人企业数据已经汇聚完了,汇集了全中国一千万家公司法人企业数据。基于这些数据,九次方主要是服务银行、服务政府和金融机构,投资公司、小贷公司、互联网金融公司等等。”

金融业与大数据的天作之合

正如我们看到的,每个行业都有自己大数据的应用,而为何金融行业与大数据能够称之为天作之合呢?我们在采访时得到了这样的答复:“大数据分很多条块,比如政府大数据、金融大数据、交通大数据、能源大数据、医疗大数据啊,九次方在成立初期便在观察,从而发现其实最容易赚钱的就是金融大数据,它服务的是经营主,和其他大数据略有差异,金融大数据买单群体格外庞大,资金格外雄厚。”

这也是任何其他领域的大数据公司都不具备的一个特点,医疗大数据,卖给生物制药企业,交通大数据卖给一些交通相关的企业,智慧城市企业。唯独金融大数据它能够服务于银行、基金、证券、保险、投资、小贷、担保、信托等等各类机构,这些企业也有着极强的买单能力。

而九次方的产品也能够帮助客户解决传统方式无法解决的问题,例如利用大数据做精准营销、风险控制、产业链金融以及互联网金融。目前旗下的客户囊括了农业银行、北京银行、苏州银行、贵阳农商行、重庆农商行、南阳商业银行等等。

在采访时王叁寿一直强调:“大数据是互联网金融之母,没有大数据就没有互联网金融的明天。为什么有很多互联网金融公司有的做的好有的做得不好呢?主要是因为有没有数据的问题,像阿里巴巴做互联网金融为什么做得那么好,它有别人没有的数据。所以大数据能够称之为互联网金融之母。”

虽然说了很多,但是话题的中心依旧是数据。那么九次方大数据的数据究竟来源于哪里,在采访王叁寿先生时他给出了答案:“数据来源主要通过海陆空三种渠道。第一种跟地方政府部门合作,共享数据。第二,九次方有一个国内非常先进的互联网大数据挖掘技术,能够抓全网的数据,只要网上和企业行为有关的数据都将被挖取。第三,地面部队会针对重点企业做点对点的拜访、调研,这便是九次方海陆空三个渠道。现在已经建了20多个省市诚信大数据平台,然后再跟这些城市合资合作。”

传统金融模式的颠覆

大数据的引入,可以说让金融行业有了一番天翻地覆的变革。传统的金融模式,银行若是想要销售自己的产品,可能需要进行走访,填写信息后在进行分析,从而锁定用户。现今大数据能够让银行在一秒钟的时间内快速调取附近所有公司数据进行分析,进行精准营销。

能做精准营销的同时,客户也不需要上门进行购买。有了大数据和互联网之后,未来银行支行网点将会被取缔(5-10年),以后银行的网点就是一部手机、一部电脑,没有支行的概念。并且在5-10年后,伴随消费主力人群的变更,不会再有人愿意去银行领号,目送一个个大爷大妈交完水电费后,在办理自己的业务。

成功案例

九次方大数据公司的产品现已覆盖到各大金融平台,在采访过程中记者特邀王叁寿先生分享了一些著名的案例:“九次方在第一次接触北京银行的时候,他们让我们去演示我们的产品,展示完了非常兴奋,他说我们给北京地区五个管理部全都安装,全都用起来,用起来的时候他们就可以利用我们的系统去控制风险,前一段时间他们就利用我们的系统控制了一笔风险,突然在我的系统里发现它贷过款的一个客户有一些相关的负面的资讯,于是赶紧让他们人员去企业查,结果那个企业已经连续三个月没发工资了。因为我的系统可以实时监控企业的行政处罚、工商处罚、税务处罚、环保处罚、海关处罚、法院诉讼、正在执行和执行状态,已经结案的情况都实时监控,一发现我的系统就自动报警。这个企业现有的客户,或者它即将要贷款的客户,只要在我系统里有各种处罚、诉讼、纠纷,劳资纠纷、互联网负面的资讯,说他不发工资,老板跑路,老板诈骗,立刻我们这个系统就报警给北京银行,北京银行就可以对他的客户做预警,他买我的东西一个端口才30万块钱,但是我帮他控制一千万的风险,这个价值是无限的。”

其次便是做精准营销,中国农业银行从2015年开始他们有一个战略,叫“营销渠道下沉”,原来它的很多公司业务在分行和支行层面做,下一步要下沉到网点去做,这时候没有一个大数据的工具在支持你的话,你根本不知道它企业在哪!有了这个大数据之后,若想查一下大厦里有什么公司,一秒钟全出来了,并能够对这些企业做各种交叉分析。此外在此之前,九次方还曾配合民生银行做过产业链金融。

大数据3.0时代,数据之间的核聚变

大数据演变至今,王叁寿先生将其分为了4个时代,2000年到2005年属于数据积累阶段,而2005年到2014年,属于数据爆发的阶段。现今我们已处于大数据3.0时代。

在大数据2.0时代,数据相互之间的没有太多价值,而在3.0时代,数据之间能够相互交易,这也就证明了为何马云的数据之前。数据交易后能够产生各大的价值,数据与数据之间的碰撞更能够引发‘核聚变’。

九次方大数据之前也在推动与腾讯数据进行融合,两家公司之间的数据融为一体成就了腾讯财经大学,并且在腾讯财经那里面大数据频道里面的数据均是由九次方大数据公司所提供的。王叁寿先生先生也讲到:“它发生这种交易,价值是无限的。”

九次方Inside构建生态产业链

在采访最后,王叁寿先生提到:“在做大数据的时候我一直坚信,如果想超过BAT就是一条路子大数据,做其他的东西没有办法超过,BAT是中国IT行业三座大山,怎么也绕不过去。做社交不行,肯定不如腾讯,做搜索不如百度,做电子商务,滴滴打车,大众点评网这些小众产品,就算在弯道也无法超车。唯独大数据和互联网行业是有相似性的,这30年来互联网为什么能创造一大批伟大的公司和富豪,互联网已经渗透到政治、经济、商业、文化、生活等方方面面,唯独大数据行业有这个特点。现在九次方已经开始建立自己的生态产业链,但是目标不是超过BAT,只是为团队鼓鼓气,小米是围绕移动做生态产业链,阿里巴巴是围绕电子商务做生态产业链,九次方就是围绕大数据建自己的生态产业链。”

在其公司内部有一个战略叫“九次方Inside”,类似于英特尔Inside,九次方像是一个树根,方便进行嫁接。想嫁接种一个桃没有问题,你想嫁接种一个苹果也没有问题,这就是九次方Inside。

可以说这便是九次方未来的战略布局。将自身比喻成一个能够嫁接并良好存活的树根,让数据之间进行交互碰撞,从而衍生出比数据本身还要大的价值。互联网金融的兴起,凸显了大数据的策略优势,提供了金融模式发展的新思路。当然,除了互联网公司利用大数据进行渗透之外,传统企业更应该主动拥抱大数据,利用大数据来针对消费者的行为进行产品的创新,才能在这个移动互联网与大数据火热的时代,为企业打开崭新的道路。

原文发布时间为:2015年1月7日
本文来自云栖社区合作伙伴至顶网,了解相关信息可以关注至顶网。
相关实践学习
基于MaxCompute的热门话题分析
本实验围绕社交用户发布的文章做了详尽的分析,通过分析能得到用户群体年龄分布,性别分布,地理位置分布,以及热门话题的热度。
SaaS 模式云数据仓库必修课
本课程由阿里云开发者社区和阿里云大数据团队共同出品,是SaaS模式云原生数据仓库领导者MaxCompute核心课程。本课程由阿里云资深产品和技术专家们从概念到方法,从场景到实践,体系化的将阿里巴巴飞天大数据平台10多年的经过验证的方法与实践深入浅出的讲给开发者们。帮助大数据开发者快速了解并掌握SaaS模式的云原生的数据仓库,助力开发者学习了解先进的技术栈,并能在实际业务中敏捷的进行大数据分析,赋能企业业务。 通过本课程可以了解SaaS模式云原生数据仓库领导者MaxCompute核心功能及典型适用场景,可应用MaxCompute实现数仓搭建,快速进行大数据分析。适合大数据工程师、大数据分析师 大量数据需要处理、存储和管理,需要搭建数据仓库?学它! 没有足够人员和经验来运维大数据平台,不想自建IDC买机器,需要免运维的大数据平台?会SQL就等于会大数据?学它! 想知道大数据用得对不对,想用更少的钱得到持续演进的数仓能力?获得极致弹性的计算资源和更好的性能,以及持续保护数据安全的生产环境?学它! 想要获得灵活的分析能力,快速洞察数据规律特征?想要兼得数据湖的灵活性与数据仓库的成长性?学它! 出品人:阿里云大数据产品及研发团队专家 产品 MaxCompute 官网 https://www.aliyun.com/product/odps 
目录
相关文章
|
6月前
|
存储 JSON 大数据
大数据离线数仓---金融审批数仓
大数据离线数仓---金融审批数仓
556 1
|
19天前
|
机器学习/深度学习 数据采集 搜索推荐
大数据与金融风控:信用评估的新标准
【10月更文挑战第31天】在数字经济时代,大数据成为金融风控的重要资源,特别是在信用评估领域。本文探讨了大数据在金融风控中的应用,包括多维度数据收集、智能数据分析、动态信用评估和个性化风控策略,以及其优势与挑战,并展望了未来的发展趋势。
ly~
|
1月前
|
机器学习/深度学习 人工智能 自然语言处理
大数据在智慧金融中的应用
在智能算法交易中,深度学习揭示价格波动的复杂动力学,强化学习依据市场反馈优化策略,助力投资者获取阿尔法收益。智能监管合规利用自然语言处理精准解读法规,实时追踪监管变化,确保机构紧跟政策。大数据分析监控交易,预警潜在违规行为,变被动防御为主动预防。数智化营销通过多维度数据分析,构建细致客户画像,提供个性化产品推荐。智慧客服借助 AI 技术提升服务质量,增强客户满意度。
ly~
111 2
|
6月前
|
机器学习/深度学习 人工智能 大数据
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
AI时代Python金融大数据分析实战:ChatGPT让金融大数据分析插上翅膀
323 6
|
6月前
|
监控 搜索推荐 大数据
大数据在金融领域的应用有哪些?请举例说明。
大数据在金融领域的应用有哪些?请举例说明。
121 0
|
运维 大数据 数据挖掘
SelectDB x 白鲸开源金融大数据解决方案正式发布!
飞轮科技联合白鲸开源,针对金融行业大数据实时分析的场景共同推出高效实用的解决方案。
|
大数据
《金融级别大数据平台的多租户隔离实践》电子版地址
金融级别大数据平台的多租户隔离实践
90 0
《金融级别大数据平台的多租户隔离实践》电子版地址
|
存储 运维 Cloud Native
|
SQL 分布式计算 算法
传统金融IT男转型互联网大数据码农,图啥?
传统金融IT男转型互联网大数据码农,图啥?
|
机器学习/深度学习 人工智能 算法