宣晓华：华院大数据商业实践与应用 智能引擎的核心能力

5月16日下午（星期一），由36大数据主办、游族网络和InnoSpace协办支持的“大数据中国行”大型系列活动第三场——“大数据应用与实践”沙龙在上海创智天地会议中心隆重举办。

作为大数据行业的资深实战专家，华院数据董事长宣晓华先生的发言是非常具有前瞻性的。他表示：基于数据量化和互联，通过分析、挖掘和应用，大数据最终将让人类的行为、模式、世界观乃至价值观发生巨大的转变，未来的世界是万物皆数化、数据价值化和世界智能化的。他针对大数据的商业应用，从营销、风控、数据运营三个角度，列举了三个实战案例来阐述大数据的价值，最后引出了目前华院数据”智能引擎”的核心能力。现场观众纷纷被他的真知灼见所折服。

下面是现场速记和PPT直播：

大家好，谢谢大家，谢谢36大数据。36大数据名字上就有两个数字，有“3”，有“6”，3是资本，6是传播，传道。我想这是一个非常好的名字。

我今天跟大家分享的是“大数据和商业应用”。“大数据”这个词在非常短的时间内变得家喻户晓，而且广泛的受重视。对于“大数据”，我觉得它是非常好的一个词，而且非常容易理解，但是不同的人讲大数据有不同的理解和不同的定义，华院作为数据分析挖掘比较早的，乃至中国最早从事这个行业的一家专业公司。对于大数据的理解和他对于大数据的定义，在华院的理解中：大数据本质上是一种思维和方法，是基于数据的量化、互联，通过分析、挖掘、应用，以达到整个世界高度的智能化和智慧化的一种思维的方法。所以从这个意义上说，我们非常关注大数据本身的目标。这个目标包括了：企业、个人、社区、城市、整个社会世界的高度智能智慧化。现在大家也经常提到“人工智能”，我们讲大数据的时候，智能本身就是我们的核心目标。所以也不认为在人工智能是一个新的范畴，我们在谈论大数据的时候，往往都在谈论算法和基于数据的数据智慧，而这也正是大人工智能的核心部分。

所以这个意义上，从华院的角度，对于大数据的一些理解和定义。基于这个“定义”，我们看到非常重要的一项工作，就是“分析、挖掘、应用”。而“应用”是一个非常大的目标，这个过程中有很多的方法，它可能就会用到不同的数据工具支持，有今天非常广泛使用的大数据工具，Hadoop、Spark等等，包括很多新的建模方法，这些都是我们一个大数据本身的组成部分。

今天还是先讲“应用”，讲实践。所以我在这里分享一下，华院在十年的过程中做的一些工作。这些工作可能通过我们一些独立的子公司，基于这些初期的探索发展出来的一些业务。

我第一个举的，是我们“数云”这家公司，它推动了电商以及整个零售如何运用数据提高决策和效率的一件事情，包括对其客户的管理和价值发现。我们知道，本质来说，零售业存在很久了，而且零售的运挖掘用很早。传统有沃尔玛，后来还有互联网的亚马逊作为代表。但是大量的企业需要这样一种服务的时候，我们需要一个工具，需要一个比较简单的产品和服务。所以“数云“从电商角度切入的角度去看;如何提高零售的销售额;从电商平台上来说，天猫、京东也好，大量的企业本质来说都是零售的。但是我想从零售的角度来说，又是很广义的，比如今天的个人银行，也可以称之为零售。今天是一家汽车的企业，我希望他也能够经营零售的业务。在经营这样的一些业务过程中，非常重要的是在一些企业当中积累大量的用户，而这些大量的用户本质上就是大量的数据。传统上这些零售企业获得的数据非常困难，而现在在电商发展的企业，它有一个非常好的优点，就是这个企业本身从第一天开始经营，它的数据是非常整齐的，而且是有记录的，这包括了交易发生的数据和点击产生的数据。

通过这些数据，我们能不能更好的做好客户整个生命周期管理，帮客户提供更好的产品和配备更好的需求?能不能通过这些数据能够更好的保有这些客户，更好的延长客户的生命周期?所以我们推出了“数据赢家”。它就是利用数据挖掘技术进行客户细分，用数据解读每一位客户购买偏好，针对不同细分客户设计针对性的营销活动，活动精准有效。这个过程中，我们又可以看到如何能够进入交叉的营销或者搭配式的营销，让客户获得更好的或者更低的价格获得这些产品的服务。

“天天果园”公司正是用了这样的方法和思维经营他的老客户和获得新客户，这样的过程实际上是大大的提升了他的经营效率和决策能力，同时也获得了非常丰厚的回报。这是我想讲的一个案例和一类客户，这些类客户往往以零售性的客户为特点，他们需要天天面临大量客户整体的管理、营销和服务。

我想在座的可能很多是属于这一类企业，我想这一类企业可能在这个大数据的时代，传统的方法还可能在继续的运用，但是在这个时代里面，数据广泛的，有效的，而且更容易获得。所以我想可以运用数据大大的来改善，在这个行业里面运用的实践。所以我觉得零售本身就是大数据中一个非常重要的领域，也是一个非常容易产生大数据效果和回报的一个行业。

第二个例子，现在在中国金融发展的一个变化是非常有结合的。在中国我觉得金融服务一直还是比较缺乏，坦率来说：还是非常困难。困难在哪里?一个非常重要的就是中国缺乏一个很好的个人信用的评价。虽然我们努力在发展一个“诚信”的社会，但是“诚信”的社会的基础是什么?要有一个度量。如何建立这个度量呢?这两年我们已经看到为了满足金融需求，有众多的互联网金融进入这个行业，发展对大众的贷款需求业务，发展了非常多的小贷公司，P2P公司或者消费金融企业，但是近期已经看到大量的这样的企业进入困境。因为在非常短的时间内出现了那么多的P2P平台、小贷公司是不正常的，金融服务本身也是缺少一个基础，而这个基础就是个人信用的评估。当我们面临一个消费者，面临一个贷款的申请者，我们必须在非常短的时间内，对这个消费者做出一个信用评价。

如何做出这个信用评价?在中国做出信用评价是非常困难的。因为中国人民银行征信中心很早就想通过金融的数据来建立起一个客户信用体系，但是获得有质量的数据非常有限，覆盖的人群也是有限的。因为以前很多人是没有金融数据，客户信用体系跟金融行业建立不起一种有限的评分链接。实际上现在时代发展的非常快，在座所有的人都有手机，手机上有使用非常多的APP，也有非常多的人在网上购物，进入电商，更多的人进入社交。这些形式，都留下了很多消费者本身可以判断信用本身的基础数据。怎么样来通过这些“基础数据”汇集起来，通过分析、挖掘、应用，建立个人信用的基础。我想在这个行业里面，本身有非常大的发展，也有非常多的潜力。但是这个过程中，最终还是看怎么样提供一种能力给真正经营金融行业的消费金融、小贷，包括一种非常努力想去做好的P2P公司。所以我们就有一家华院发展起来的数尊公司，面向互联网金融，电信运营商，电商，零售等行业提供个人信用评估和风控服务，它利用了多种数据，进行整合，给金融公司提供个人信用服务。本质上，我觉得信用数据需要包含非常广泛和广义上的数据。我们希望把这些数据聚合起来，然后通过智能算法能够给每个人有一个信用的评分。现在已经有不少的公司来改善金融服务，我想他们得到的回报肯定是非常好的。因为它的确建立了基于大数据的风控能力，这是我想举的第二个例子。

第三个例子，我们经营电商、经营互联网，很多时候真的是不缺数据，往往数据是非常多、大，使得我们处理的数据面临很多的困难。所以很多大数据的产生，也是基于解决这些问题。但是我们很多传统的企业，经常会面临我没有很多的数据，我也从来没有积累过这些数据这些问题。那么，我们怎么办?我想讲一个数创的例子。我可以来看，就是怎么样能够用创造性方式来建立一个跟客户的连接和数据?

比如：我们跟中石化的合作。大多数人，加了油就开往目的地。从中石化的角度来说，他以前是很少跟客户建立连接，也很少在这个基础上建立“数据本身”。但是数创用了一个很聪明的方式，开发了一个移动手机APP，叫“车E族”。运营车E族移动端产品，提供找加油站、 折扣加油、 油卡管理等更多增值服务粘客户，集聚更多维大数据，

利用这个产品，大家就可以用APP发起“加油”，来推动开车人和中石化之间建立了连接。有了APP，他可以有商业，也可以有商城，慢慢由小的商城和积分兑换商城以及附带的盈利服务。所以他通过一个APP，在半年的时间内发展了100万的客户。这就很快使得这家公司对他的消费者或者他的客户建立了联系的同时沉淀了数据，这个我觉得是非常聪明的做法，而且也是非常有效。这家公司通过这么一件非常小的事情，在这个加油过程中给提供了一些优惠，建立了一个人-车-时间-空间的连接，建立了这个连接以后，就会有更多的平台、数据。而基于这个平台和数据，他就可以发起跟车有关的增值服务，比如：新车销售。在这个平台上可以做“新车销售”，还可以收集用户价值行为的数据，积累了更多的行为数据来建立保险业务的这些新的定价和基于这样一些跟用户的连接来减少事故的发生。因为他可以跟客户进行连接，随时随刻可以跟客户沟通，基于这些服务，可以做金融服务、车贷款服务、二手车服务，这些都变成一个可能。

第三个我想举的例子，就是一个传统的企业原则上没有数据，但是通过它一些新的形式来建立数据，然后再利用大数据的能力，本质上创造新的商业模式和收入来源。而且我觉得非常重要的，本质上这个APP可以跟“油”没关系。某一天只是电动车的时候，照样可以把这些客户的连接保持。

从华院的角度来说，因为大家看到的这几家公司都是从华院平台产生出来的，华院希望产生更多的公司。它们在华院内部产生以后又成独立的公司进行发展、聚焦，希望对这个行业产生影响。另外，华院本身还继续研发它的核心能力，而这种核心能力我们称之为“智能引擎”。智能引擎本质上可以理解成可能跟“沃森”等相类似，非常多的产业应用和实践这样一种引擎。

当然，这种引擎本身就包含了非常强的技术和功能。我们希望推动智能引擎发展来推动更多自身孵化的企业发展，也希望通过智能引擎能提供给更多的企业，包括：在座的大家能够一起来把大数据一起用好。华院希望在这个过程中，也能够帮助没有数据或者数据非常小的企业的数据互联来加快大数据在中国的更多应用。

谢谢大家!

End.