网贷之家

网贷专栏
新手指引
6206 阅读数
分享到

为何投资人普遍觉得P2P平台玩大数据不靠谱?

2016-11-29 13:21:00 分类:网贷入门 作者:
  受互联网思维影响,互金圈一直都有追逐“潮流”的习惯。早期玩补贴红包加息券,过渡到跨界营销做事件。随着互联网渗透率到达高位,流量红利逐渐消失,大数据概念开始在圈内被热炒。在各类与大数据搭界的公司估值创出一个个新高的形势下,像阿里巴巴,腾讯这类独角兽企业为我们展示了许多大数据的玩法,也充分证明了大数据的价值潜力。在刘大看来,这些独角兽级的企业在大数据领域有三个共性:
  
  首先,他们开创了一个大数据获取的场景,或者说他们的商业模式本身就有“众包”优势。众包:一个公司或机构把过去由员工执行的工作任务,以自由自愿的形式外包给非特定的(而且通常是大型的)大众网络的做法。
  
  其次,他们拥有通过海量数据“获取真相”的能力。
  
  在突破建立众包场景或渠道的门槛后,大家同样拥有了海量元数据,此时可以通过定量模型或经验模型从中提取“真相”,比如在中国最了解消费者的是阿里巴巴而不是消费者协会。
  
  最后,他们成功将得到的“真相”变现。
  
  通过资产配置或其他方式,在执行层面由“真相”替代原有的推演,让大数据解决了“做什么”、“怎么做”的问题,而没有纠缠在“为什么”的层面。
  
  刘大觉得,每个人都是复杂的个体,无论是过去的行为、当下的状态还是未来的可能性都无法通过一个人或是一个团队的主观逻辑推断来判断。过去基于“我认为”、“我觉得”式的策略,都需要长期的试错调整。大数据最大的魅力就在于置换掉了这个时间和逻辑都比较长且复杂的过程。
  
  今天,让我们换一种风格,严肃且正经地聊一下,留给想玩大数据的P2P平台们的几个问题:
  
  为什么现在投资人普遍都觉得P2P平台宣传的大数据没有那么可靠?抛开行业本身承载的一些负面印象不谈,即使是一些处于行业第一阶梯的大平台,在打大数据这张牌的时候都或多或少遭到了一些质疑。
  
  到底是大数据概念的卖点本身有问题,还是这张牌的打法有问题呢?
  
  实际上,2015年中国大数据整体产业规模接近1700亿元,而且今年增势迅猛。这说明,不是大数据本身没卖点,而是大多P2P平台的打法同质化、表面化严重,没有戳到投资人的点,没有将大数据真正的与平台的品牌、运营等方面结合起来,而是局限在“概念营销”的浅层。刘大认为,每个P2P平台都要仔细考虑三个问题:
  
  第一个问题,大数据“变现”前,有没有做好定位?
  
  如果用大数据做运营,你有没有足够维度的投资人行为偏好数据?有没有在水平层面上做交叉分析?如果用大数据做风控,你的数据维度与你的资产类型是否匹配?或者用大数据来做产品,或大数据本身是产品,不同的位置需要考虑不同的打法。初步定为之后要深入下去围绕这个核心做一系列的工作。
  
  以定位运营为例,实践起来应关心这个数据的运用是不是能降低成本、能不能做到精准推广、会不会大幅提高投资人体验,而不必纠结该用哪个渠道宣传平台采用了大数据、怎样宣传才能吸引更多投资人。淘宝不必宣传自己使用了大数据,消费者使用过后发现这个网站很“了解”自己,推荐的东西都是自己需要的,于是一边花钱一边大呼神奇,形成了一定规模之后,媒体和渠道自己就找上门来了。
  
  第二个问题,有没有找到或者成为一个合适的数据众包场景?
  
  阿里巴巴两年前All in的战略让淘宝、支付宝全面进军可移动平台,达成了众包场景化的先决条件。接着借助用户支付行为,逐渐开放数据接口,进行了长期的用户引导和培养,形成了现在数据获取的绝对优势。对比支付大战中败落的百度钱包,你会发觉,对于大数据“源头”的把控有点先到先得的意思。用户都是非常懒惰的,这种懒惰如果引导得当可以成为“粘性”,可以提高忠诚度,没有把握好就成为了“门槛”。
  
  说回P2P平台,第一类通过合作方式获得数据的,不将大数据本身作为产品变现。在众包的选择上是否做到的准确且迅速?第一家对接芝麻信用征信数据做消费信贷的平台会让投资人眼前一亮,毕竟比起只cover了3亿多人的中央征信记录,几乎人人都用的支付宝从数据广度(使用人数、频次)和深度(交易行为类别等)都要更牢靠一些。选择小贷公司或者地方征信公司作为众包的P2P平台,有没有做地域上,行业上的交叉分析?这些数据本身是静态的还是动态的,能不能在将来支撑你的风控模型变量地调整?
  
  再比如第二类,自己作为众包入口,收集多维度投资人数据,再运用到运营或其他层面,或者作为数据产品变现的平台。也至少需要考虑行业内数据的交叉分析,不然得出的结论并没有太大意义。
  
  第三个问题,在大规模执行从大数据中得到的“真相”之前,有没有充分考虑可能造成数据表现异常的情况?是否进行过试错?
  
  比如Google在2008年第一次尝试通过浏览器搜索的大数据预测美国流感的发生就取得了很好的效果,比美国疾病中心提前两周预判到了流感的爆发。但不久后的一次预测,Google的预判结果比实际严重程度高出了至少50%。原因是由于媒体的过度渲染,影响力搜索的趋势,因而造成数据表现的阶段性扭曲。刘大认为这是过于依赖和相信大数据的结果。
  
  大数据和模型的优势不是替你做决策,这些只是辅助做决策的工具。要抓住这个工具,用它去做事情,而不是让这个工具替你做事情,依靠但不依赖才是正解。
  
  举个例子,某P2P平台使用10月份的投资人行为数据分析结果发现,85-90后投资人当月投资金额有显著下滑,得出结论下个月要针对这个年龄区间的投资人进行集中推广活动。在这个决策过程中,平台完全没有对数据可靠性进行判断,比如,十一小长假是不是影响了这个年龄区间投资人的储蓄行为等等。在面对时间区间较短,量大的数据时,要考率会造成大范围影响的事件或者活动。
  
  刘大来总结一下,大数据解决的是相关性问题,但不回答因果关系,所以只能优化、简化我们的决策过程。
  
  互联网金融行业一路走来,从获客、品牌建设、运营推广各个方面我们都看到了“时间窗口”的重要性。在大数据概念“当红”之际,平台想要赶在这个窗口之内抢占市场,确立市场认知是很重要,但不要只注重表层铺开式的扩张,钻研下去,让大数据带来是不仅仅是流量而是平台的成长才能垒起真正的护城河。
文章系作者授权发布原创作品,仅代表作者个人观点,不代表网贷之家官方立场,如需刊登转载,请注明来源网贷之家并注明作者,违者必究。

相关推荐:

1/1