索信达数据CEO宋洪涛：让数据，为价值代言大数据创业机会很多

索信达宋洪涛大数据创业

宋洪涛 | 2016-04-27 11:43

【数据猿导读】在“大数据应用与实践”主题沙龙上，宋洪涛先生为大家讲解了企业如何通过大数据增强自己的决策能力，如何协调自己的业务部门和技术部门，他强调，企业在做数据局业务时，还是要回归到本质，结合企业的兴趣点，为用户提供切实的服务

索信达是一家致力于协助用户把数据转变为业务价值的企业，企业的业务主要聚焦于金融行业、数据营销、风控和决策支持等方面。

以下是宋洪涛先生此次沙龙活动分享的内容报道：

非常感谢大家。说到老兵，好像的确如此。我在IT行业做了15年，今天在场的朋友中，我应该算是年龄比较大的了。我是第一次参加跟数据有关的这种峰会，这两年听了太多关于大数据的新闻和报道了，所以我今天尽量不提那三个字，更多的是从业务视角和创业视角讲一下这门生意怎么去做。

索信达数据CEO宋洪涛

先总结一下我前面三个公司，36大数据我是第一次接触和了解，刚才有一个银行的人说已经用了很久的36大数据，看来我是比较low了，现在我知道36大数据是做大数据媒体的。刚才有个嘉宾讲了大数据游戏分析，腾讯云分析也讲了一行代码的接入，都还是比较有诱惑力的。我们行业中的See是很炫、很好的东西，尤其是对女性，拍一下马上可以找到自己想要的东西，我觉得非常好。

我就不做广告了，我们目标客户群比较窄，目前在华南地区可能有二十家左右，都是一些比较大的金融行业、券商、银行等等，我们为这些客户提供后台的数据分析服务，跟大家的关系可能不是特别密切。

我们先看一下，这么多做技术的人整天讲算法、模型和分析、挖掘，仔细想一想，谁给我们发工资、谁给我们费用，我们拿这个钱是干什么用的?大家可以想一想，在我们每个人的公司里面有没有类似的情况出现?不一定是航空公司，类似的问题肯定发生过，老板叫你参与决策的时候这种问题怎么去选择。这是一个非常常见的工作中的案例，我相信每个人的选择是不一样的。这个问题先留着，我们先不讨论了。

看第二个案例，这是更常见的一个案例，我相信在座有做市场营销的，肯定有非常多的人接触到过这种案例。大家可以想一下，假如你的目标客户群比较庞大，尤其是互联网上这种大量级的，碰到这种问题你怎么去做?这里有一个好笑的故事，在这个案例里面我们首先说明一点，不管是从专业角度还是非专业角度出发，选择第五项都是最愚蠢的。

再来看第三个案例，我相信这也是很多公司会经常遇到的问题。第四个选项比较好玩，定价的时候，不考虑产品的品质或竞争力，就是以非常高的价格销售，这个我们称其为凡勃伦效应。传统的定价策略是成本+利润，同时还要参考竞争对手的价格，这是我们最常用的做法。然而，真正在企业里面，这些问题是怎么决策的呢?其实通过我们的努力可以使薪水拿的更高的人的某些建议更有说服力，也就是说我们是有价值的。

现在满天讲数据、用户画像以及很多标签，希望洞察我们每天的衣食住行、消费信息，甚至是我们的位置信息，都可能被采集起来。对一个商人或者一个企业家来说，可能希望榨干用户口袋里的最后一分钱，因为知道了用户所有的肖像和信息，理论上榨干他身上每一分钱，从头到尾都可以设计出来。

但是事实上，完全基于理性假设和数据决策，对大部分企业来说其实是不合适的。在更多理性决策里面，我们首先设身处地地想一想，如果我们是用户，我们会希望自己的隐私被获取吗?愿意被别人很清楚地监视吗?即使用户能获取一些服务，用户体验又会是什么样的?除了技术，还有人性的需求，在这一点上如何达到局部的平衡很关键。

所以在做数据决策的时候，我们一直的建议就是，决策最好的方式是“科学+艺术”，而不是科学或者艺术。我花了很多年的时间研究，过去几十年，尤其是在中国，成功的企业家都是靠艺术、靠人性来打天下，然而新时期的企业家可能更多地需要借助科学的力量，如果情商不够高，智商够高的话，只要找好平衡，一样能在新的时代找到很多机会。

从我们跟客户打交道的过程中，包括跟同行沟通的过程中，我总结出，对于一个企业，不管你提供给客户的服务是靠自己的内部历史数据还是靠外面的数据，真正能够提高企业竞争力的，最重要的还是企业文化，企业的产品是竞争力的根本，技术整合更多还是一个工具。怎么把两者真正地结合起来是至关重要的，所以我认为，对企业内部的IT或者技术人员来说，首先要有业务语言，同时也要有内部营销，你要让你的领导者和决策者对技术有一个清晰地理解和认可。

目前能做数据分析、数据挖掘这些解决基本问题的人才缺口都很大，至于数据科学家，在某些领域确实需要数据科学家级别的人帮忙解决一些问题。美国奥巴马总统的数据顾问，他叫保利明(音)，他提出来什么样的人怎样做才能成为数据科学家。在他看来，好奇心、直觉、数据采集、统计及分析建模和交流是数据科学家必须掌握的技能和素质。技术是一部分，但还需要有能够跟业务交流的语言，有一个对业务的好奇心和热情，另外还要懂商业，因为这是思考行为和思考习惯，做每一件事情的时候要想一想为什么要做这件事情，同时还要具备探索精神。所以说，好的数据科学家最重要的不是回答一些显性的问题，比如说客户的流失量、每个产品的收入，这是产品分析师应该做的，数据科学家应该提出，为什么发生这些情况，假如怎样会是什么样诸如此类的问题。

我们在一些项目实践里面看到很多的问题，目前我们接触的人大部分都对这个领域非常有热情，很多都是自下而上在做，老板参加一个讲座回来非常高兴，就说要搞一个什么项目，希望能够找出啤酒和尿布的关系，希望找出自己公司没有做好的地方。有一些是能够看到多维度的实时的准确的业务分析和报告。还有一个是更开放的，先拿一点资源、业务和数据，搭一个团队，给一些东西大家先串一下、玩一下。这方面来讲，自己先不要有过高的期望值，同时也不要让投钱的那个“河马”有更高的期望值。

在大企业里面我们面临一些项目的实施过程，非常懂数据的人能够独立做项目的时候，其实资源是严重透支的。举个例子，我们目前帮一个在手机行业排名前五位的客户做文本分析，类似VOC的项目。这个头也有上千万的，里面有一两个人是做文本分析和挖掘的，这种人非常少，如果要再懂一点终端行业，这种人就更少了。我们的项目经理同时要交付的项目都不低于三个，还要参与一些授权的项目，加起来有十个左右，所以这个同事几乎被累趴了。对一个项目的专注力其实是很重要的，这也是目前我看到的问题。如果各位有兴趣，这也是一个很好的机会，这方面的专业人才缺口很大。

另外，我们见到很多项目一般是由科技部、信息部和某个业务部门合起来做的项目，谁在主导和驱动这个项目，对项目的成功来说至关重要。基本上目前大部分的企业面临的问题，都不是技术问题，而是沟通和语言的问题，是内部的组织架构问题。单轮驱动在我们看来是永远没有办法成功的，如果企业的技术不能洞察用户的业务需求，是没有办法做出来让用户满意的产品的。同样，如果没有技术支持，仅有业务的支持，同样没有办法满足大家的需求。不仅是互联网领域，在互联网之外的领域，我看到所谓的成功案例，真的要拿着放大镜去找，少之又少。

目前我们看到的大部分行业，包括金融、制造，还有某些政府部门，大部分的需求主要是集中在数据营销、网络反欺诈、行业舆情和数据可视化上，这其中又细分为用户画像、个性化推荐、交叉销售、反欺诈、在线实时分析以及担保和圈子分析等，另外还希望看到用户的互动和业务地图，这些事目前在企业里面相对来说比较容易落地的一些解决方案。

我不是技术背景出身的，但是我认为一个技术人员想要成为一个受尊重的、有能力的技术大牛，一定要能听懂业务语言，这是非常关键的。整个项目组既需要懂传统的商业化工具，以便更有效、更迅速地解决客户或者公司的问题，同时又要熟悉很多开元的东西，这两个是混搭的模式，需要找平衡。对于一些希望从事数据方面工作的人员来说，热情很重要，不管是在数据领域还是在其他领域，探索热情和不轻易放弃都是成功路上宝贵的因素。最后一点，在当前环境下，做数据相关的项目，一定要坚持团队作战和分享。我们目前在做的项目，多的有几十个人，少的也有十几个人，都在不断地摸索中。我们认为一个项目组织，只有把技术和业务有效的集中起来，围绕目标，才有可能让老板觉得花的钱值了，才能找出这些价值。

过去十五年中国的IT行业，作为一个IT老兵来看还是蛮失落的。过去，真正意义上好的中国IT企业还是比较少的。第一代的就不用说了，IOE这种大公司都是美国的公司，包括最近硅谷兴起的一些所谓的新秀，大部分也是美国的，甚至开元的源代码发起者也是美国的。我们今天所在的腾讯是互联网非常成功的企业。我2004年开始创业，到今年已经十二年了，也看到了IT界的许多变化，从最初的代理、贸易、服务，到目前的服务+产品，逐渐的迭代。目前国内的机会比较多，一是创业的门槛比以前低很多。二是门槛低了之后用户更容易接触新鲜的事物。