企业要在竞争激烈的市场中保持领先，必须深入了解客户需求，并提供个性化的产品和服务。通过AI、精确的身份验证和改进的分析，企业可以实时了解客户行为，洞察客户需求。因此，企业应该积极投资于数据和分析技术，从而提升客户满意度和忠诚度，实现业务增长。
图片来源：Jacob Lund / Shutterstock
技术领导者希望利用其数据的力量来获取有关客户需求和交付方式的情报。这就是为什么整个数据和分析（D&A）市场【数据和分析（D&A）市场是一个快速发展的领域，它涉及到收集、处理、分析和可视化大量数据，以帮助企业做出更明智的商业决策。沃尔玛作为全球最大的零售商之一，在这个市场中扮演着重要角色。】预计将以惊人的速度增长，并预计到2030年将跃升至2793亿美元。然而，尽管多年来对各种解决方案进行了投资，但许多公司仍然需要帮助，使其员工和合作伙伴能够连接不同的数据源，并在完全合规的空间中有效协作，更不用说整合AI。这种失败可能会付出高昂的代价。
【睿观：数据与分析市场现状及挑战
数据与分析市场高速增长： 随着企业日益重视数据驱动决策，该市场呈现出强劲的增长势头，预计到2030年将达到2793亿美元。
沃尔玛的引领作用： 作为零售巨头，沃尔玛在数据与分析领域投入巨大，其成功案例为行业树立了标杆。
数据孤岛问题严重： 许多企业的数据分散在不同的系统和部门，导致数据无法有效整合和利用。
数据协作困难： 员工和合作伙伴难以在统一的平台上共享和协作数据，阻碍了信息的流通和价值挖掘。
合规性要求高： 在处理大量数据时，企业必须遵守严格的隐私和安全法规，这增加了数据管理的复杂性。
AI整合难度大： 将人工智能技术融入现有的数据分析流程是一项复杂且具有挑战性的任务。
决策效率低下： 由于数据分散且难以获取，企业决策者无法及时获得准确全面的信息，导致决策失误。
错失商机： 无法从数据中挖掘出潜在的商业机会，导致企业竞争力下降。
成本增加： 数据孤岛和协作困难导致重复建设和资源浪费，增加了企业的运营成本。
尽管数据与分析市场前景广阔，但企业在数据管理和利用方面仍面临诸多挑战。这些挑战不仅阻碍了企业的发展，也凸显了数据治理和整合的重要性。企业需要采取有效的措施，打破数据孤岛，加强数据协作，以充分发挥数据的价值。】
在最近的Gartner【Gartner 是一家全球领先的研究和咨询公司，专注于提供信息技术（IT）研究和分析服务。在数字化转型（DX）领域，Gartner 提供了一系列研究和见解，帮助企业领导层理解、规划和执行数字化转型战略。】数据和分析趋势报告中，作者Ramke Ramakrishnan（拉姆克·拉马克里希纳）指出：“AI的强大功能和GenAI【生成式人工智能（Generative AI，简称GenAI）是当前人工智能领域的一个重要分支，它涉及到使用机器学习、自然语言处理和生成对抗网络（GAN）等技术，使计算机能够自动生成代码、进行自动化测试、修复错误，从而显著提高工作效率和软件质量。Gartner的研究报告指出，到2027年，生成式AI将在软件工程和运维领域催生大量新岗位，并使80%的软件工程师面临技能提升的紧迫需求】日益增长的重要性正在改变人们工作、团队协作和流程运作的方式。在这场技术革命中，未能进行转型并有效利用D&A【D&A通常指的是“数据和分析”（Data and Analytics），这是一个涉及收集、处理、分析数据，并基于这些数据做出决策的领域。在商业环境中，D&A可以帮助企业更好地理解市场趋势、客户行为、运营效率和潜在风险，从而推动数据驱动的决策制定。】，尤其是大模型AI企业级应用的组织将不会成功。
问题不在于组织缺乏大量数据或高级分析工具。缺少的是轻松解锁其端到端价值的能力。【睿观：解锁数据端到端价值是一个系统工程，需要从技术、组织、文化等多个层面进行优化。通过构建统一的数据平台、提升数据质量、加强数据安全、培养数据文化、引入先进技术以及优化组织架构，企业可以更好地发挥数据的价值，实现数据驱动增长】毕竟，这些数据源可能很深，但它们通常也分散在不同的数据存储和数据库中。分析应用程序可能单独是最先进的，但它们通常是断开连接的，所有这些都会抑制随时访问、阻碍协作、影响客户体验，最糟糕的是，会增加获得洞察和客户响应的时间。
我们需要的是一个统一的环境，它甚至可以使多方团队能够管理复杂性，Gartner指出这是成功的重大障碍。对于利润依赖于拥有可靠、实时的客户和潜在客户信息的公司（任何处理风险评估、欺诈预防和检测或营销的组织）来说，这一点尤其重要。值得庆幸的是，挑战正在得到解决，公司现在正在获得帮助。
一、设定路线：评估数据和分析支持平台时明确目标的重要性
1.改善金融机构的信贷决策
假设您是一家银行，希望通过贷款来服务小企业的巨大增长。美国银行家协会（ABA）【美国银行家协会（American Bankers Association，简称ABA）是一个代表美国银行利益的行业协会，成立于1875年。ABA为其成员银行提供广泛的服务，包括员工培训、保险、资本管理、资产管理以及风险和合规等领域的支持。ABA的成员银行雇佣了超过200万人，保障了18万亿美元的存款，并提供了近11万亿美元的贷款】杂志报道称，《多德-弗兰克法案》【《多德-弗兰克法案》(Dodd-Frank Act)，全称《多德-弗兰克华尔街改革和消费者保护法》（Dodd-Frank Wall Street Reform and Consumer Protection Act），是美国在2010年针对2008年金融危机后金融监管体系的一次重大改革。该法案由美国总统奥巴马于2010年7月21日签署成为法律，旨在通过提高金融体系的问责制和透明度，以促进金融稳定、解决“大而不倒”问题、保护纳税人和消费者利益】现在要求小企业贷款伴随着“目前消费者信贷所需的报告、数据收集和类型”。
无论是在运营费用还是监管风险方面，这都是一个很大的提升。但最先进的数据和分析平台应该能够：
1.从多个来源提取风险评估数据;
2.允许组织内外的分析团队在不访问原始数据的情况下就汇总分析见解进行协作;
3.提供强大的数据治理结构，以确保合规性和可审计性。
简而言之，正确的数据和分析支持平台可以帮助银行进入新的增长领域。
二、永远领先于欺诈者
在考虑打击数字支付欺诈的挑战时，我们不再仅仅谈论信用卡欺诈。随着世界走向无现金经济，大多数产品和服务都采用电子支付，金融机构还必须应对移动钱包、个人对个人（P2P）【个人对个人（P2P）借贷是一种金融模式，它允许个人投资者通过第三方平台直接向其他个人提供小额贷款。这种模式起源于2005年的英国，由Zopa平台首创，后来迅速在全球范围内传播。P2P借贷的社会价值主要体现在满足个人资金需求、发展个人信用体系和提高社会闲散资金利用率三个方面】支付服务和一系列新兴数字支付系统带来的新风险敞口。
“最先进的”数据和分析支持平台可以大大提高身份验证，有助于防止欺诈。理想情况下，它会将结构化数据（如传统离线身份）与非结构化数据（包括行为信息、设备属性和其他因素）联系起来。这将导致更快地识别欺诈者，并且识别率更高，同时最大限度地减少误报。
三、使营销人员能够在行为层面吸引消费者
为了建立品牌忠诚度并加深信任，消费品公司必须以动态且不断适应的新方式吸引现有和潜在客户。不幸的是，基于人工分析和基于交易数据的传统数据和分析方法已不足以完成这项任务。
为组织未来做好准备的赋能平台必须能够为以大规模交互运行的消费者智能解决方案提供支持。产品购买等交易提供了一个简单的“什么”。交互给出了“为什么”。查明营销团队成员何时向消费者发送电子邮件、他们点击了什么、从哪些设备点击、在什么时间范围和位置，并了解这些互动以及它们如何带来转化，从而可以深入了解客户。
四、在数据和分析支持平台中寻找什么
无论是选择信贷、营销、欺诈解决方案还是其他原因的合作伙伴，比较他们所构建的底层平台至关重要。这些平台是否配备了将业务带入未来的所需技术、分析和协作功能？要找出答案，首先考虑以下问题：
1.数据管理
l该平台是否允许在单个空间中快速、简化和允许地访问所有资产和第三方数据？
l它是否支持在公司的专有信息与公共、离线、在线、结构化和非结构化数据之间轻松连接？
l它是否会提供以任何所需或期望的方式处理各种数据所需的灵活性？
l数据治理框架和访问控制是否足够先进和适应性强，以确保法律和法规的合规性和可审计性？
2.可操作的分析
l该平台是否将人类智能与AI和机器学习相结合？
l它是否提供了对消费者的实时、多层次、完全情境化的理解？
l多方团队能否在配备隐私保护创新的（洁净室）中协作，允许在不快速访问的情况下共享汇总的见解，并将在线、离线、个人和数字身份片段与个人或实体与原始数据精确匹配？
lEnablement Platform【Enablement Platform（使能平台）是一种技术平台，旨在帮助组织快速开发、部署和管理应用程序，尤其是物联网（IoT）应用。这些平台通常提供了一系列工具和服务，以支持应用程序的整个生命周期，包括设计、开发、测试、部署和监控。】解决方案提供商是否提供分析和数据科学咨询服务来支持团队？
3.可靠的身份
l该平台能否快速、精确地将线上、线下、个人和数字身份片段与个人或实体相匹配？
lAI和机器学习创新能否快速适应系统，因此每个用例都决定了最终决策？
l该平台能否处理嘈杂的数字数据、离线指标和连接元素，同时提供非常细致和高度自信的决策？
4.稳健的合规性
l该平台是否利用标准数据治理流程和基于权限的控制来帮助确保法律和法规合规性？
l它是否完全且易于审计？
l它能否轻松适应不断变化的法规？
l它是否允许您根据需要快速重新访问模型？
5.自助服务
l平台和数据是否可以在本地使用并且是自助服务的，从而避免供应商管理的服务和成本？
l它能否实现真正的端到端DIY数据和分析解决方案？
l它是否提供对新数据的访问以开发更相关的见解？
l它是否降低了获取成本？
6.知识深度
l该平台是否在交互级别而不是传统的交易级别创建客户智能解决方案？
l它能否采用全方位的消费者互动，将它们编纂成一个自动分类法，并确定导致所需交易的互动？
l它是否支持聚合、情境化、实时洞察来创建行为知识图谱？
l它能否允许快速部署各种复杂的AI模型？
这些是对数据和分析支持平台进行尽职调查时的一些考虑因素。希望这些最佳实践将有助于确保您的公司能够有效地管理、治理、分析和提供当今和未来成功所需的基于数据的见解。
作者 Venkat Achanta（文卡特·阿昌塔）
Venkat Achanta（文卡特·阿昌塔）是TransUnion（TransUnion 是一家全球领先的信息和风险管理解决方案提供商，其中文名称为“环联”。该公司成立于1968年，总部位于美国伊利诺伊州芝加哥，目前拥有超过65,000家机构客户和百万个人客户。TransUnion 提供的服务涵盖了信用报告、风险管理、身份验证等多个领域，其客户包括金融服务、保险、医疗保健、汽车、零售和通信等多个行业的企业）的执行副总裁兼首席技术、数据和分析官。Venkat（文卡特）在2021年12月完成对Neustar，Inc.（Neustar, Inc. 是一家提供信息服务和技术的公司，它在身份解析领域处于领先地位，提供数据和技术以促进公司和个人之间在关键时刻建立可信的联系。Neustar 的服务包括营销、风险、通信和安全解决方案，这些解决方案通过负责任地连接有关人员、设备和位置的数据，并通过数十亿次的交易不断验证这些数据。）的收购后加入了TransUnion，在那里他担任执行副总裁兼首席数据与技术官。在加入Neustar之前，Venkat（文卡特）是沃尔玛【沃尔玛（Walmart Inc.）是一家美国的跨国零售企业，由山姆·沃尔顿（Sam Walton）于1962年创立，总部位于美国阿肯色州的本顿维尔（Bentonville, Arkansas）。沃尔玛的业务范围涵盖了各种商品销售，包括食品、服装、家居用品、电子产品、汽车零部件等。沃尔玛在全球范围内拥有多种类型的商店，包括沃尔玛超市（Walmart Supercenter）、沃尔玛社区店（Walmart Neighborhood Market）、山姆会员店（Sam's Club）等。此外，沃尔玛还在多个国家设有分店，包括美国、加拿大、墨西哥、中国、日本、英国等。】的首席数据官兼数据和分析主管，领导公司全球的所有数据和分析交付平台。
译者：小知
【睿观：企业需要构建统一的数据平台，以实现数据驱动增长
现状分析：
数据和分析市场高速增长，但企业仍面临数据孤岛、协作困难、合规性要求高、AI整合难度大等问题。
传统数据分析方法无法满足现代企业对实时、个性化客户洞察的需求。
问题根源：
数据分散，缺乏统一的平台。
分析工具之间缺乏协同。
缺乏数据治理和安全保障。
解决方案：
构建统一的数据平台： 实现数据集中管理，打破数据孤岛。
引入先进技术： 利用AI、机器学习等技术，提升数据分析能力。
加强数据治理： 保证数据质量和安全性。
培养数据文化： 鼓励员工利用数据进行决策。
具体应用场景：
金融行业： 改善信贷决策，提升风险管理能力。
零售行业： 提升客户体验，实现精准营销。
其他行业： 提高运营效率，降低成本。
选择合适的平台： 评估平台的数据管理、可操作分析、可靠身份、合规性、自助服务和知识深度等方面。
关注数据治理： 建立完善的数据治理体系，确保数据质量和安全。
培养数据人才： 培养具备数据分析、AI等技能的人才。】
