12月16日，2016年中國互聯網經濟論壇在京舉行，GEO集奧聚合 COO 吳海斌在現場發表主題演講。他認為作為一家企業做數據服務，通過把不同的碎片化的信息通過不同的結合點結合起來、大量的數據整合，真正了解用戶才能助力金融機構和其他行業，從而實現企業價值。
以下為演講實錄：
大家下午好！我們企業是做數據服務的，我們客戶是2B客戶，幫助金融機構和其他行業，比如教育機構、汽車、房產這樣的行業去做營銷、風控。說落地一些，我們到底是怎么跟金融機構服務的，也不要說又說經營又說風控，就說營銷，就說客戶管理，只說在銀行做客戶管理，大家可以把概念延伸到自己的行業中去。
我以前在銀行做了十幾年，我一直在銀行做數據，我對銀行有什么痛點是深有體會的。每次和銀行談，特別是和零售銀行去聊，他們會問我，你到底是怎么幫助我？我現在痛點是什么？我有五千萬客戶有一半已經不活躍了，我不知道他們在做什么，你能不能告訴我他喜歡什么？哪些客戶資產狀況是想要服務的人群？打造什么產品服務他們，通過什么渠道可以接觸到他們，這是銀行經常問的問題，大數據可以解決這些困難嗎？
而我們是可以幫助他們的，是不是100%全部解決掉？不一定，但是我可以告訴你，我可以做什么。我們能夠拿到什么數據幫助銀行了解客戶不同維度，目標人群和普通人群對照組，在網絡行為上的差異是什么。從我的數據中看出，金融角度來看目標人群比普通人群高15個百分點，出行、新聞、外賣、汽車旅游都是高的，人群特質和普通人群差異很大，知道這個信息是不是可以把產品進行優化。
什么時候目標人群和對照組里大家上網的關注度點在什么地方，不同點在什么地方，明顯這么高的組點擊量比對照組高很多。關注網站的情況，目標組和普通組之間的差異，哪些網站關注更高？做流量可以關注度更高的網站，包括目標群到底對哪些信賴類產品更加的關注，我說的是關注而不是購買，關注是購買的前提。
種種的信息是通過大量的數據積累來獲得的線索，作為數據公司怎么來做呢？首先怎么把不同的碎片化的信息通過不同的結合點結合起來，通過KP號碼、郵箱地址、新浪微博號碼，等等串聯起來，不同的線索是一個人做的，這是一個基本的能力。第二大量的數據整合，之后是做數據的整合，點點滴滴的行為標簽，關注過什么網站、關注過什么產品、關注過什么服務，從而把畫像畫出，馬上可以根據行為判斷出來，不一定是真實的但一定是貼切的。
互聯網特別是移動網絡行為將會是大數據價值最深的數據源，做任何東西都在網上走，今天上午有一位嘉賓唯品會90%銷量是手機上做的，這些行為點點滴滴形成的是軌跡，軌跡是偏好是你的興趣和需求，可以判斷出這個人是不是有各種各樣的不同偏好。
銀行，有些銀行自己經營屬性的數據，哪怕是工商銀行客群也只能看到工商銀行的交易，不知道這個客戶在招行和建行也有信息，如果我把通過某一個鏈接的主鍵外部的行為，行為是預測性行為和銀行數據進行對接。銀行對客戶的了解成為可能成為360度畫像，知道客戶的行為，在做服務、產品營銷的時候會更加的精準，這是未來探索個性化服務的最基本的邏輯，當不了解客戶的時候談什么個性化呢？
“方舟產品”我們產品定義是銀行內部的，銀行信息是出不來的，銀行絕對不會泄漏信息的，包括電話號碼都不會輕易的出來，對銀行服務是做體制化服務，系統在銀行內部，銀行從系統中調取對客戶枝節描述信息我們叫做標簽，一方面數據和三方數據結合在一起，融合在他們內部的大平臺，里面有標簽，標準化的標簽，這個人特質的標簽都在里面，是綜合性的標簽包括里面的建模，包括可以進行項目營銷的優化，所有的操作人員是點擊式的操作，選一個人有信用卡，對信用卡有關注的，對信用卡、機車消費有關注的，可以選性別、年齡和區域等等，這樣會形成這次會有多少客戶是在選擇范圍內的，這個平臺是和銀行內部的整個溝通平臺是打通的。比如，外匯平臺、EDM平臺等等，完全是一體化的，信息回到平臺中去，馬上可以對于模型進行優化，很多模型不是天生就是好用的，如果放了一些定制化模型對你也并不一定合適，通過做的營銷活動的結果來回復進來。
銀行大數據合規性的問題，我們的建議是，第一合作方數據源是合規的，要看是不是有真正的商務合同，是不是黑數據；第二是數據要加密；第三大家最好拿脫敏的數據不要拿敏感的數據，即使是術語泄漏也不會產生很大的影響。數據的匹配問題，大數據和我們合作最大的問題是匹配，握有10%、20%匹配率，這是很現實的問題。
如何評估大數據的價值，銀行做任何的事情都看LI，每次設活動要有明確的KPI，然后可以計算，怎么來核算LI這個收入，并不是大數據帶來銷售收入全是里的收入，不用數據可以賺多少錢，增值的是真正的增長率，用這個做分子，不能只看收入和增長收入，還要看對整個銀行經營效率的提升，本來是十個人做，現在加入了數據流程剩下三個人做事情，機會成本和效率都是收入。這是我給大家分享的案例和銀行客戶間的數據的反饋，謝謝大家！
