博客文章

AI驱动下的金融行业洞察、创新与数据科学

各位朋友,大家下午好,很高兴来到这里跟大家做一个分享,刚才听了与会嘉宾的演讲,给了我很多启发,Stratifyd 是一家AI数据分析厂商,成立于2015年,目前总部在美国,同时在中国也有服务本地客户的团队,在我们的发展过程中一直都有在为一系列财富500强的金融机构提供服务,服务的内容主要围绕为这些机构提供数据分析与AI赋能的方向来展开,在这一过程中我们发现了金融行业的一些典型特征,比方说获客成本的急剧上升,和用户留存与问题发现层面的诸多痛点和难题,以美国银行业为例,有官方数据显示每一个客户对于美国的一家银行,一生所带来的价值是大概是在300-400万美元这个范围之间,丢失一个客户对于他们来说都是非常可惜且有些负担不起的,那么他们在找这么一个客户的时候,所要投入的人工成本,就像我刚才所说的,往往比维护这个客户的成本高出几十倍甚至几百倍。但是其实这些客户每天都在告诉着对我们这些银行、保险或者金融服务机构他们有什么不满意,大量的用户意见类型的的数据,其实并不是来自于金融企业所留存在 CRM的数据,更多的是一些非结构化,没有被企业挖掘和使用的数据。


典型的像是话务中心数据,这个在银行企业里面,主要表现就是大量的客户投诉,但是因为技术上的难点,目前真正有几家银行是在100%的理解话务中心的信息呢?我想比例应该是很少的。同时加上现在在线客服类的交互,包括微信的语言文字方面的交互,大量文字数据其实都对企业业务有着很大的影响,但对全球80%的机构来说的话,都还不知道怎么去搜集和处理这些数据。


假设我们可以实现把这些数据全部采集,当然这是一个非常宏大的假设,如果我们对于客户的反馈,仅仅是从数据层面去了解的话,第一印象绝对是杂乱无章的。


为什么这么说?可能很多人在面对用户类的数据的时候第一反应就是说我们会用某一家供应商去采购一些特别种类的数据,那么我们先来看一张图,这个是2019年4月份一家市场调研公司做的现在世界上主流的可以去获取客户数据类型的企业汇总图。



这还不包括营收能力在200万美元以下的公司,应该有5000多家企业在里面,请各位试想一下,你们现在能够管理的相似类型的供应商有多少家,一个企业能够很好地使用起来的供应商数量一般也不会超过10家,那么涉及到一个人身上,可以管理或者说使用超过3家类似这种供应商来做这方面的工作和事情吗?这几乎是不太可能的,这还没有涉及到说每年你还要重新对你的供应商做出新的调整和变化,无论有多少家供应商跟你说我们是帮助你们进行数据搜集和数据采购,这么多家各类型不同特点的企业往往是会造成数据非常杂乱无章的状态,而且很多情况下,这更多会是一个盲目选择的过程,这就是为什么我们不能单纯从数据的角度去思考怎么能增强我的客户体验。



我们知道数据本身是没有价值的,数据的价值在于后期大家对数据的梳理和对于数据分析的理解,然后对于每一个业务人员来说接下来就是将数据分析和理解之后的结果带到各自业务层面去做决策和执行,所以在我们结合时下热门的中台去讲我们的数据分析理念的时候,可以说我们是一家数据分析为主导的来帮助大家进行相关梳理的平台,为什么要这样处理数据?让我们抛开上面那5000多家数据采集和供应商,单纯回归数据本质做个梳理,你可能会有:

离散类数据(男女、性别、姓名...)

数值型数据(我们的消费数字、投资数字...)

临时性数据(昨天花了多少钱、今天花了多少钱...)

地理性数据(我在哪里花了钱...)

还有大量的非结构化类型数据(语音类数据+文本类数据)



其实基本上就是这5大类,当我们有了有限的数据种类,从我们做研究的角度再来看的话也就是有了有限的相对应的数据分析和AI的手段,因为从计算机学科的角度来讲的话,对于每一种数据类型我都可以找到相对应的三到四种的分析方法,然后再在数据上面进行相关的分析,但是最最核心的,也是我们受到了专利保护的核心的方法是什么呢?就是你如何能够自动的在这些数据里面提取出它们的一个特征向量,如何能够快速的去把他合理有限的数据分析(类型)进行一个自动匹配,这一点是非常难的一个过程,这一点也是为什么企业要雇佣专门的数据科学家和数据分析师,其实这个人群最有价值的点就在于他们能够将数据中的这些特征值提取出来。但是今天 Stratifyd 已经实现了把大量的这种人工的做法给它自动化,那么这会导致一个什么样的结果呢?就是我们在面对每一个企业或者行业的时候,企业内部人员和商业人员可以不用再面临说我们怎么去做数据分析,而是直接通过系统提示就能出来一个数据分析结果,从而来跟他们的具体业务结合进行某一场景下的富有创造性的解决方案。


再回归我们今天聚焦的金融行业,在上述这个大的前提下我们可以帮助金融服务企业实现行业内的各个部门各个角色的工作人员各自不同的对行业解决方案进行的执行和分散,这样的话就是一个典型的中台的能力,可以加速和赋能每一个业务人员进行商业决策和进行执行优化方案的建设能力,其实大家不要忘了,在一个企业里面,尤其是金融行业里面,在座的各位才是最懂行业与业务的人,包括像我们这样的公司来跟你们接触的时候,往往会说我们是来赋能的,我们是将数据分析的能力和一整套数据中台给到你们,最终决策还是要靠你们的业务或者说商务人员来做出。这就是 stratifyd 目前在全球所推广的一个非常重要的理念,叫人工智能民主化,让企业拥有独立的人工智能做辅助决策的方向,让机器真正来赋能每一个一线业务人员,这是我们平台具备的最重要的解决方案能力。



那么具体这样的智能化解决方案是怎么做的呢?其实就是通过我们的算力去辅助解决企业方遇到的的挑战,包括比方说你的数据访问、治理和完整性,我们可以提供超过200种的数据接入方式,可以把企业内部的多种类型数据进行数据打通,这一系列都是通过软件实施,这样你的成本就变得可控,你的技术也不再受到过多的限制。实际上在去年我们已经是获选了 Gartner 全球数据分析领域的四家 Cool Vendor 之一的荣誉,这个荣誉的获得主要是肯定了我们产品对于企业价值的贡献性,典型的场景就是当一个企业第一天采购了我们的账户,它就可以马上使用起来我们的平台进行数据分析,这样就大大提升了企业在数据分析层面的投入回报比。它能让业务流程并行一个AI 自动化的流程,同时能够大大缩短市场的一个响应时间。


回归到我们一开始提到的获客成本问题,每一个客户在金融公司里面都是非常宝贵的,如果我们无法做到在客户状况出现问题时对他进行挽留或者在单个客户身上进行增值的话,失去这个客户或者错过了宝贵的挽留窗口期对于金融企业的影响就是非常严重的,而 Stratifyd 是可以帮助客户来快速的发现这些问题并让一线工作人员来解决这个问题的。



在这里我再来解释一下我们怎么实现这样的解决方案,比方说你有大量的人工生成的数据,对于一个企业来说你就不再需要考虑从哪找到或者获取这些数据,第二阶段就是我们的平台可以帮你通过AI自动化学习帮助你把这些数据自动分析,从而帮你引入的业务人员不光是可以在这个平台上做数据可视化的洞察,更重要的是还可以实现在这个平台上直接进行AI建模,从而把这种能力和业务人员的工作流程融合在一起。在我们部署的这一平台上面,实际上有非常多不同业务口线的工作人员都可以同时进行使用,此外包括我们的行业解决方案工程师也可以来帮助提供不同的各类小范围的解决方案,这个模式可以让我们的平台使用变得非常灵活,而且更加接近于你们所需要的解决方案的效果。这个就是 stratifyd 强调的一个平台+无限解决方案的整体生态模式。

在这种情况下,不光是跟大的金融厂商的合作,包括跟咨询应用方案解决公司的合作,无论是面对什么行业,都能够在第一时间内为合作方提供快速的行业和商业价值,下面举两个具体的金融领域的我们的合作案例:




这是一家我们在美国服务的 Fortune500 强的金融机构,他们所面对的问题,其实现在很多国内的企业也已经开始重视,在美国很多企业在用 NPS(用户净推荐指数)来作为衡量用户满意程度的参考标准,对于这家金融机构来说,衡量这一指标的重要数据来源就是话务中心产生的数据,但是他们在引入Stratifyd 之前并没有办法做到100%搜集并解读客户反馈问题的全貌,过去采取的手段就是小范围的进行抽样调研,自从引入了 Stratifyd 之后,配合平台语音转文字的能力和AI预测建模的能力,他们从原来抽样调研3%-5%的这样一个抽样覆盖率,到现在则完全实现了100%覆盖。这个过程不光是说对每一通电话的采样分析,还包括对于每一通电话结束后毫秒级的电话情况判定,通过对这个客户交互文字上的分析,我们就知道说这个客户对于客服人员或者企业产品服务的满意度是怎样的。也是通过这样一个引入和使用的过程,这家企业的 NPS 指数从原来的80%提升至现在的92%,也因此,这家金融机构将这个经验复制到了他们信用卡业务和其他银行账户的横向打通过程中,这样就帮助该机构实现了整体业务数据分析的跨职能线和部门的项目决策能力的提升。这个项目的实施周期,大概是从他们购买我们的系统到项目落地投放实施仅用了一个月时间。



另外一个例子来自于一家金融保险类型的客户,主要服务场景聚焦在帮助其整理和分析他们的问卷调研类的文本数据,其实问卷调研也是我们产品本身有的一块比较重要的功能,在一些金融服务机构里面,问卷调研涉及很大一块的工作量,在问卷调研中有大量的文字类用户反馈信息,工作人员很难直接在第一时间去理解这些文字信息对于业务反馈的真正价值点在哪里,通过加入我们 NLU 自然语言理解和AI预测模型的功能,让他们能够把原本需要全天24小时不间断,还要连续进行两周左右时间对这些信息进行解读的工作量缩短到了半天,这个就像我刚才分享的,你的(对客户反馈情况)响应速度就决定了你是否能够把客户很好的留存在你的体系里面,从而来增加他的客户价值,从三周变到半天这一点本身就有非常大的经济价值在里面,使得我们的决策时间快了不少。



那么 Stratifyd 在上述的典型场景中或者在更大范围内的应用解决方案,都是在软件平台化方面的执行,这决定了我们可以为各位提供一个非常快速理解和解决你们行业问题的方式和方法,那么在这里我也想大概聊一下我们中台的这个情况,这一页稍微的偏技术一些。



但是就我个人认为其实对于业务人员来讲你们对于非常具体的科技的东西,并不需要每一个环节都理解,因为我们是软件厂商,我们虽然是把产品服务提供给到你们,但是最重要的是落地到前台的工作流程,AI 辅助决策的流程化过程中这是业务人员应该利用我们产品更多给自身带来的价值。目前我们在全球已经有了非常多的金融类的客户,这当中也包括中国本土的企业,我们力图使我们的理念达成全球一体化,不过在中国市场我们本身也配备有更适合中国环境的的本土团队,希望大家如果有机会也多跟我们中国团队的运营人员做一个沟通,看看有什么地方可以帮助到大家,非常感谢,那这些就是我今天想跟大家分享的内容。

斯图飞腾(Stratifyd Inc) 在全国诚募合作伙伴,如果对我们的产品感兴趣或有商务合作意向,欢迎发邮件(partner@stratifyd.cn)或点击页面右上角“申请试用”联系我们。

相关文章

No items found.
Shapes
申请试用

想了解数据背后的奥秘吗?

跟随Stratifyd的指引,加入欧唯特、金佰利、联想这样的500强公司队列,一起探究数据背后的奥秘。

Thank you! Your submission has been received!
Oops! Something went wrong while submitting the form.