互金行业的商业分析

公司内部的商业分析，和外部驻场的管理咨询，都是运用逻辑和经验，解决公司面临的商业痛点。目前的趋势是，商业分析要基于数据分析提出、实施、验证和迭代解决方案。

互联网金融的商业分析，较之传统行业的商业分析，面对的数据量更大，所以在传统商业分析工作之外，核心是对数据、模型和算法的应用和管理。

因互金数据的特点：非结构化、海量、价值密度小。对应分析难点：要设计出准确、稳健且计算成本可控的数据科学解决方案。

具体来说，目前互金商业分析基本上从BI时代过渡到AI时代，相关的细分领域包括：智能营销、智能风控、智能运营等。

智能营销

营销理念经百年发展，与数据科学结合，形成智能营销的方法论。智能营销的本质是，通过智能化方法，在人工基础上，形成或完善营销要素，形成更优的营销组合，支持但不限于通过RPA的方法把营销信息传递给客户。
- 基于4P理论，赋能以产品为核心的营销组合，包括内容圈定，差异化定价、触达方式、差异化补贴
- 基于4C理论，赋能以客户为核心的营销组合，包括客群细分，获客、活客、留存成本预估，触达体系，UED的智能化
- 基于4R理论，赋能以客户关系管理（CRM）为核心的营销组合，包括客户价值，客户生命周期，客户需求，客户获益
智能风控

智能风控，金融领域，包括流量端的反欺诈，贷款业务的征信
- 流量端反欺诈，包括客户身份识别和反羊毛
- 贷款业务征信，包括贷前反欺诈，贷中信用评分，贷后监控
智能运营

运营在线下，两个方向，一是标准化，做SOP，使商业经营可扩大规模，二是精品化，做Boutique，提高商业经营的利润率。到线上，借助早期的RPA技术，标准化的成本极大降低，商业运营系统发展起来，包括对外的CRM，对内的ERP，制造业企业的SCM等。随着人工智能的发展，IPA兴起，特别是流量端的运营，因其巨大的商业利润空间，发展极快。这一块以后会另外细说。