大数据、AI“武装”企业服务：风控、检索、安全

小饭桌创业课堂-05-06 15:26:42阅读(127)评论(0)

+

- 文｜吴杨可月 -

- 小饭桌创业研究院出品 -

两件秘闻，将美国大数据公司Palantir从幕后推向前台——

一是，Palantir的旗下产品在整合40年的记录及海量数据并充分挖掘之后，找到了前纳斯达克主席麦道夫“庞氏骗局”的大量确凿证据；

二是，通过其大数据挖掘能力，Palantir帮美国政府找到本拉登的老巢。

人们这才惊叹的发现，这家低调且离大众很远的公司，估值已经超过200亿美元。

事实上，在中国，越来越多像Palantir这样服务于机构的大数据、AI公司，正在各个领域和赛道上涌现。风控、检索、安全、营销，都有他们的身影蛰伏其后，发挥越来越关键性的作用，甚至左右市场的波动。

本研究对大数据、AI中的企业服务机会进行详尽的分析，通过与国外该领域的对比，梳理其中的投资机遇。

数据处理的新进展，带来应用层面的新机会

? 新进展：数据融合、非结构数据处理能力

AI的底层是特征标记，革新意义就在于能处理文本、图片、声音等非结构数据，从而将研报、政策、舆情、行为、情绪等更多维度的信息纳入可供分析的范畴。

数据融合则是将不同来源、不同结构、不同模态的数据放在同一个模型里分析。

? 新机会：风控、检索、安全、营销

国内基础设施和需求与国外不同，机会更多来自可以直接降低损失、带来收益的方向。

◆◆◆

1、风控

从Palantir、Anaplan看国外大数据风控应用

（数据来源：Crunchbase，公开信息整理）

1.风险辅助识别——海量样本中快速发现异常

国外公司：Palantir的工作原理——反恐（找出恐怖分子）为例

国内公司：氪信的工作原理——金融为例

功能：优化现有风控效率，但不具备完全风控定价能力

? 有机会从“第三方”做到“直接借贷”

通常情况，“直接借贷”的收益，显著优于“第三方”数据服务提供方。

数据获取+数据分析——具备风控定价能力，即可做“直接借贷”。

路径一：接入丰富的借贷方数据源

-典型代表：第三方征信公司。

路径二：累积足够的异常数据，具备通过“旧风险”推知“新风险”的能力

-典型代表：基于AI的数据分析公司

-一些难点：

Ø所累计的数据，只有结果，没有推导过程

Ø基于AI的分析，不具备迁移学习能力，拓展性有限

2.舆情监测——增加风控维度

舆情监测的价值——快人一步、真假判定、“In control”

典型应用领域：金融、公关、媒体、企业安全、政府……

Dataminr：发现“小道消息”里的真消息，“大新闻”里的假消息

-案例一：“小道消息”里的真消息

Ø独立记者Brian在Twitter上发消息称家得宝“可能会是信用卡违约的新受害者”

ØDataminr系统立刻识别出此消息的价值

ØDataminr将此消息传达给客户，包括60家银行和对冲基金

ØDataminr的速度比财经新闻快了15分钟，且赶在家得宝股价下降2%前

-案例二：“大新闻”里的假消息

Ø有推文发送白宫有炸弹的假消息，造成道金斯工业指数数分钟内下滑145点

ØDataminr连续进行2次假消息预警：第1次，指出信息是从被黑账号发出；第2次，分析白宫附近的实时推文，判定称该消息可能是假的

（数据来源：公开信息整理）

3.经营规划——打通多维数据，精准解析

? Anaplan：跨部门收集数据，简易关联，指导未来决策

接入企业内部运营数据，进行数据关联，并通过模型，指导未来决策

-优势：

Ø简易的数据关联——将财务、销售、人力等独立的数据融合在一起

?无需IT人员，即可完成模型的搭建、挖掘、维护、分享

?云端电子表格：Excel功能+多组共同操作

Ø预测模型——搭建运营数据与未来规划的桥梁

-用户覆盖：16个国家设立办公室，660家公司，100,000+个用户

（数据来源：Anaplan官网）

◆◆◆

检索

从Kensho、Watson看国外大数据检索应用

（数据来源：Crunchbase）

1.投研——提升信息量、效率、便捷性

? 基于海量信息，模拟分析师分析过程

基于海量信息——以Kensho为例

模拟分析师分析过程

-根据数据库中某资产价格的变动历史，提取出影响该资产价格的所有可能变量

-通过特征选择算法，选择出和当期资产价格波动较为相关的变量

-通过机器扫描所有和这些变量相关的数据源

-将变量值输入模型，从而得出资产价格的波动区间，以及变量的影响因子

（数据来源：公开信息整理）

? Kensho的傻瓜式应用：“事件——结果”直接呈现

功能：

-追因：什么因素影响了股价变动？

-预测：某一因素会对股价造成什么影响？

-程度：呈现众多因素下，股价/指数变动的幅度

金融机构愿意买单：又买产品又投钱

以Kensho为例：高盛、JP摩根、美林、摩根史丹利、花旗、标普——既是它的用户，也是它的投资方

2.理赔——比对理赔要求和赔偿标准

价值：提高理赔效率，减少错误，降低风险

案例——IBM的Watson服务日本富国生命保险进行健康险理赔

-成本：系统引入$170万+维持费用$12.8万/年

-效益：预期节省开支$110万/年；拟减少员工30%

（数据来源：公开信息整理）

3.审计——比对财务信息和审计标准

Sway Finance——财务信息快速检索工具

-直接把经营活动转化为财务信息，并可随时检索信息、比对合规性

4.内控——比对员工行为和法律/公司规范

? Behavox：发现高风险或违规活动

价值：及时、高效发现高风险或违规活动

-及时——防患于未然

-高效——极大减少合规检查需耗费的时间、人力成本

方法：从交易员与客户、交易员之间的沟通中，捕捉偏离常规的细节

（数据来源：Behavox官网）

合规性检测的原理是比对验证

知识库比对要尽量应用在高ROI的领域

比较好的应用领域：

另，样本的可获取性以及获取成本也是一个附加条件，医疗辅诊领域就需要攻克这个难点。

国外，理赔、内控领域的应用已快速铺开，审计尚不明朗；国内，目前集中在理赔。

◆◆◆

安全

从Splunk、Datto看国外大数据安全应用

（数据来源：雪球.4.实时数据，Splunk annual report ，Crunchbase，公开信息整理）

1.日志分析——跨越不连续性的根本性分析

? Splunk：机器数据的引擎——聚合、搜索、可视化

面向细分市场——Machine Log（日志数据为主）分析，并在上面集成了完整的专用模块

所有应用都是相对专门的领域，因此可以进行专门优化

? 机器数据的特点——跨越不连续性、快速增长、基础&根本

特点一：跨越不连续性

-跨越系统的不连续性：可收集、索引、利用所有应用程序、服务器、设备等在物理、虚拟、云中生成的数据

-跨越时间的不连续性：分析所有实时、历史数据

特点二：快速增长

-以Splunk为例，其营收已达到$9亿,仍有望保持50%的增速

特点三：基础&根本——基于端对端基础结构，从复杂事件中获取新层次的运营可见性

（数据来源：Splunk财务年报）

? Splunk的应用：瞬时解决安全问题、优化服务性能

核心能力：抽象数据、应用领域之间的理解处理能力

典型用户

解决安全问题：一站式搜索、分析——快速、全面发现问题

优化服务性能：检测端对端基础结构——优化服务性能、业务流程

2.容灾——快速备份，一键还原到特定时期

? Datto：给予小型企业“防弹”级别的数据备份服务

容灾：将应用产生的数据进行存储+灾备——应对数据丢失和意外灾害（被黑）

面向：中小企业

费用：初装+按流量计的月费

多项技术优势

（数据来源：公开信息整理）

? 机遇与挑战并存：替换成本高、国内市场空白，但技术门槛高

替换成本高——构建竞争壁垒

国内市场空白

通过技术实现以下功能

（数据来源：初装费/月费借鉴Datto收费标准，公开信息整理）

3.反作弊——排除欺诈、垃圾产生的干扰

国外案例：Signifyd

功能：帮助客户避免因欺诈、退款、操作失误产生的损失及资源浪费

应用：电商

价值：让客户够安心的快速扩张

国内案例：数美科技

产品：

应用：文娱、电商、金融

◆◆◆

营销

从Sprinklr、Hubspot看国内外大数据营销应用

（数据来源：雪球.4.实时数据，Crunchbase，公开信息整理）

1.社交营销——跨平台整合式营销

? Sprinklr：社交媒体跨平台整合管理工具和服务

在一个平台上同时进行多个社交媒体上的营销管理——分析数据，开展营销活动，了解用户体验

-19个社交媒体管理模块

-20+个社交渠道：Facebook、Twitter、LinkedIn、YouTube、人人网、微博等

用户：

-《财富》Top 50中一半的公司

-1,200多个品牌商

（数据来源：Sprinklr官网，公开信息整理）

功能例举：基于传播属性的数据分析

广告分析工具：记录提及、点赞、分享、评论信息——效果评估

功能例举：有计划的开展内容营销

内容规划和发布工具：内容制作——找寻目标并发布——资源管理——效果监测

功能例举：互动式用户体验管理

用户体验管理工具：持续地创建、管理、优化有价值的用户体验

? Sprinklr通过多起收购，补全营销能力

2.集客营销——吸引、转化、提升的全周期

? Hubspot：帮助提供有价值的内容，提高流量转化率，促进交易达成

丰富全面的产品功能

典型应用：中小渠道商、服务商

不过，国内的渠道流量都集中在几个大的电商平台（阿里、京东、美团），传统服务领域品牌化、线上化、流程化不足，目前能用到集客营销工具的公司比较少

3.精准营销——找到对的人、产品、方式

? 第四范式：通过数据学习精准定位潜在用户、适合产品、成本投入

案例一：精准定位潜在用户

案例二：精准定位适合产品

案例三：精准定位成本投入

（数据来源：第四范式官网）

尾声：大数据、AI类企业服务公司的特点

业务综合：数据分析的底层工作原理类似，一个公司会同时切到多个不相关的领域

咨询服务VS产品：数据类企业服务，虽然也涉及产品，但很多更倾向于卖咨询服务，与传统企业服务（CRM、OA、HR…）卖产品、卖维护服务的特点不一样。

伴随而来的新现象：Palantir也是面向大B，但公司没有销售、BD团队

高富帅行业：

-技术背景豪华：MIT、前FB工程师

-需要对业务有更深的理解：Behavox的创始人是前高盛分析师；Palantir的创始人广泛游走于律师、金融，还是《从0到1》的作者