沃达丰、沙特电信、富国银行、中信银行的大数据货币化探索
分析是数据产生价值的第一步，分析出来的洞察放到业务部门、生产系统里，或是放到营销部、风险部，才是最有价值的。长期依赖于数据的金融、电信企业，如何利用分析创造数据的价值呢？来自沃达丰、沙特电信、富国银行、中信银行以及Teradata的大数据专家们认为，重要的不仅仅是分析技术，更包括数据的收集、整合，以及合理的团队建设。
分析 & 数据
沃达丰
沃达丰新西兰公司分析及数据战略经理David Bloch表示，他们需要利用每一个设备（沃达丰在新西兰大约覆盖800万台设备）捕获的数据产生业务价值，例如实现快速的覆盖和客户体验，包括在手机无法连入通信网络时保证VIP客户能够获得很好的网络使用体验，都需要数据分析。
沃达丰新西兰公司不仅仅利用内部的数据，也使用了外部的数据，包括微信的数据。沃达丰新西兰有很多客户开始使用微信，一些初创企业基于微信来做市场营销。例如，DPI的信息对于电信行业非常重要，通过人们经常访问哪些网站的分析，让沃达丰新西兰能够更好地了解客户重视什么。
对于能否使用位置数据、时间数据、零售业的数据进行分析，开发新的产品。David认为，不管在金融行业还是电信行业，这都是有风险的，一定要尊重数据，确保客户隐私不泄露。要获得允许才能去使用数据，例如人们登录一个网站访问一些数据，但也会留下一些自己的数据允许网站使用——可以把数据本身作为一种货币。
沙特电信
沙特电信客户生命周期管理总经理Luca Decarli介绍，沙特电信也在监控很多DPI的信息，包括客户在网上搜索的偏好，收集的DPI信息一天有60亿条，用来预测客户可能需要购买的下一项产品或者是服务，从而更好地对客户生命周期进行管理，提升客户体验。
沙特电信还将数据分析用于避免风险。他们制定一个长期的战略，新客户在头三个月会收到很多的产品、服务的信息，然后沙特电信评估客户流失的风险度是多少，并制定一些策略来找到一些触发点，比如客户的态度变了、行为变了，从而更好地了解客户的需求。
Luca还介绍了如何在尊重客户隐私的前提下利用客户位置数据：不会用来营销产品，用来提供出行服务。比如客户要选择一条15公里的新地铁线路，沙特电信可以帮助客户在这条铁路沿线上选择合适的地铁站，通过分析有多少人离开机动车转向地铁的移动路线，人们能够更好地选择地铁站。他介绍，目前沙特电信正在帮助政府在修建地铁的时候选择正确的地铁站。
富国银行
富国银行企业模型风险部副总裁刘维政认为，银行并没有生产任何实际的东西，都在把数据做变现。最重要的有三个部分——量、利、值。量是产量的量、数量的量，利是获利的利，值是指质量的值。量、利、值这三个部分，当进行分析之后，可以针对不同的客户有不同差异化的定价，有不同风险额度的管控。
他介绍，除了分析来自于银行内部交易或者咨询数据，富国银行现在面临一个极大的挑战来自于外部。例如，通过给汽车保险客户安装加速追踪器，当一个人常常紧急刹车，银行会开始增加这个人的保险费用，因为这代表这个人发生事故的几率会不断上升。这样的思维已经跳出传统银行看个人信用、个人交易的范畴。
在企业金融的部分，外部的资料也相对非常重要。比如当石油价格下滑时，必须针对整个产业的上游和下游外部资料他们的财务杠杆比率以及信用违约的比率。
富国银行现在搜集的资料不单是原油或者能源的价格，还包括石油产业下游的一些石化以及塑胶产业，分析相关的变化比率和弹性系数（比如今天每桶原油增加一块钱，生产鞋子的鞋底会增加多少钱，最终端每个顾客能够承受多少的涨价），甚至还会看零售行业（如鞋价的变化跟油价是怎样的关系）。
因此我们对资讯的串联，不单只是在商业银行，在所谓的企业金融的部分，我们也会搜集顾客购买鞋的变化。所以说这是一个整体的串联。
刘维政表示，这是大数据的大整合，已经不再分所谓的个人金融和法人金融。当一个情境变化的时候，银行的获利以及风险率会到多少，已经不是使用传统的经济模型可以解释，必须用很实际的相关的数据来证明。这个数据已经细化到购买鞋子的决策行为。
中信银行
中信银行总行零售银行部客户服务管理处处长助理袁东宁认为，需要把数据分析变成行动，让数据变现，产生价值。无论从管理方式上，还是生产方式上，都可以通过数据进行变革。比如决策的制定，组织架构的调整，风险、信贷的管理，精准营销，客户管理等，都可以从数据之中去获取价值。
银行客户的需求并不是原生需求，而是驾驭在客户的衣食住行基础上的次生需求，所以中信银行也在与外部（如百度）合作，以便了解客户的需求，决定在什么样的场景下可以扩充后续的渠道，提供客户想要的什么样的产品和服务。
他举例说，对于几千万的银行睡眠客户（已经和银行没有交易），通过跨界合作，通过数据分析找出那些睡眠客户（或者新开户的客户）的需求再去做营销，带来的提升是数以倍计的。
袁东宁还强调了实现数据分析的五个方面：
- 从战略层面，要把数据看作应该投资的高级战略资产。
- 需要有平台，主要是IT的支持，数据有地方去存储，并且业务部门可以拿到这些数据。
- 分析工具，包括结构化数据的分析工具和非结构化数据的分析工具，以及一些可视化的分析工具，都有利于在业务上去了解这些数据深层次的价值和原因。
- 要找到业务的应用场景，应该在什么方面去应用，它的价值在哪里。
- 最关键的要有数据人才，即数据科学家，这类人才在国内是非常紧缺的。
Teradata
从四家企业的实践，Teradata天睿公司首席技术官宝立明（Stephen Brobst）认为，一个重要的主题就是价值的转型，一定要把数据作为竞争资源，这改变了数据模型，改变了商业模式，改变了客户关系。
商业模式变革，如飞机制造商，以前卖飞机就能赚钱，但是未来他们卖飞机可能并不赚钱，利润产生于维护这个飞机，差别在于是否能够利用数据来提供向客户承诺的服务等协议。只有当飞机完成了自己承诺的服务的时候，飞机制造商才能够赚钱。其他行业也一样。
客户关系的变化，如Teradata的客户飞利浦电子，生产的电动牙刷开始收集客户刷牙的信息，包括刷牙的频率、一次刷多长时间，通过数据分析，可以在云端告诉自己的电动牙刷最终用户刷牙刷得怎么样，这是有分数可以分享的。当数据累加到一定的数量，他们就可以在上面提供附加值。
宝立明还总结说，数据变现可以有两种方式。
一种是纯粹的变现。如沃达丰的例子，数据汇集，给出去的数据汇集的数据不是给的个人数据，来进行客户行为的分析。西班牙电信则帮助类似于麦当劳这种公司去选择店址，还用于市政规划。
还有一种使用场景，使用数据打造一种不同的客户关系，如富国银行通过个人数据提供更好的财务规划，这样能够提高客户的忠诚度。通过数据分析，知道这个客户可能要去度假，或者他要买房子了。数据挖掘越深入，就越能了解客户，从而能够更好地满足他的需求。
团队
沃达丰
David认为，数据变现核心的技能是数据，而技术只用来做数据分析的工具。但是，数据科学家在全球范围内都是短缺的。沃达丰新西兰有一个数据孵化器，专门培训数据科学家。他强调，计算机工程的学位和数据科学家之间并不是强相关的，要培养的不是编程人员，而是能够分析数据的人员。
他表示，组建团队最大的挑战，就是高层领导要能够了解分析的洞察力，要能够说明数据带来的变化，然后告诉高管这些都意味着什么，在产品和服务中的意义，这是一个业务流程的变化。很多公司没有做好，是因为只把数据和技术的团队放到一起，技术团队大部分情况下关注的是工具和技术，而不是关注和业务相结合。
沃达丰新西兰认为能够通过一整年的时间，把很多的建模、高级分析工具等都放在一个团队中一起使用。相同的团队中，将人、客户体验、技术都放在一起，这样每周都能够有十到二十个新想法放在生产中，快速探索、试错，从而走向成功。
沙特电信
Luca关注细节的成熟，比如企业如何理解技术，是不是有合适的组织结构、图表、结构图等。他认为，非常重要的一点是，要有合适的人组成一个团队，让数据科学家能够在现有的环境中收集和整合各种新生成的数据，比如来自销售的数据，地域、位置、管理的专业知识，来帮助销售人员更好地进行销售，或者解释网络覆盖、网速等信息，增强客户体验方面。
所以说要有一个非常强的数据科学家团队，而且在开始的时候要把这些技术在整个组织中传播出去，把思想传播出去。更重要的一点是，要考虑到组织端到端的东西，要覆盖到所有客户的生命周期的各个环节。
富国银行
刘维政介绍了一些美国银行存在的一种“资料军阀”现象，即不同的业务单元，如个人金融部门、保险部门、房贷部门，甚至财务部门，各自拥有自己的分析，形成不同的策略。如何把这些分析的能力汇总起来，是富国银行面临的一个考验。
富国银行从2011年开始规划成立一个横跨不同部门的EDA（Enterprise Data & Analytics）团队，仍然让各个不同的部门拥有自己的数据和分析，在想法集中的频谱上面找到一个很合适的中间路线，也称为资料以及分析的联邦，包括分析平台和工具的共享，并设置了首席数据官，营造一个互惠共赢的局面。
刘维政还表示，数据科学家就像建筑师，反复尝试把房子做得更漂亮，他会去理解客户的需求；IT人员就是施工队，要把这个房子建好。他补充说，通过Teradata Aster等产品考验简化代码开发，例如进行一些顾客行为分析时，主要是看各种不同行为的组合变化，传统方式必须雇佣一个懂编程、懂数据的人写超过千行的代码，而使用Teradata的解决方案只需不超过10行的指令，就可以得到一样的结果。
中信银行
袁东宁表示，对数据科学家的认识有误区。有人认为数据科学家就是IT人员，就是做开发的人员，实际上他们需要的知识面，或者对业务和技术的理解都是非常全面的，而且可能一个人还不够，需要一个团队。现在有很多的工具，可以让加入这个团队工作的门槛变得更低。
如果没有人，可以外包。例如要做好数据仓库，需要既懂数据又懂业务的人，目前中信银行就用Teradata的人做这些相关的工作。
Teradata
宝立明补充解析了商业分析师、数据工程师、数据科学家这三种不同角色的微妙区别：商业分析师是分析业务问题，拿到业务的答案，是使用数据来推动一个答案；而数据科学家是探索数据，找到数据之间的新的关联性，他们是生产产品供商业分析师来使用的；数据工程师就是把数据科学家的发现、点子产品化。
他表示，整个行业都必须意识到，数据科学家是非常稀少的资源，并不是每个企业都有数据科学家。所以Teradata有COE卓越中心，提供为全球客户服务的数据科学家，他们可以帮助企业找到数据中心的新的样式和观点。
Teradata认为，使用服务的最有效的方式，不是自己用专家来自己找数据的可视性关系，而是让组织的一些员工去追随数据科学家，从他们身上学习。其实不管哪个行业，实现知识转移是非常重要的。数据科学家的成果就是知识，要转移给其他的公司。