查看: 1431|回复: 0

【sas2016峰会】大数据分析，下一个创新前沿阵地

字体大小: 正常放大

997 主题	14 听众	1986 积分

升级 98.6%

TA的每日心情

	开心 2016-6-19 15:10

签到天数: 23 天

[LV.4]偶尔看看III

自我介绍: ......

群组: 2015国赛优秀论文解析

群组: 2016好贷杯赛前培训

电梯直达

1^#

发表于 2016-6-30 16:08 |只看该作者 |倒序浏览

|招呼Ta 关注Ta

本帖最后由西北狼666 于 2016-6-30 16:18 编辑

第四届SAS中国用户大会暨商业分析领袖峰会在京圆满落幕。本届大会以“引领大分析--创新与价值”为主题，聚焦各行各业大数据价值落地之旅。数学中国将在接下来的微信中为读者陆续推送大会的演讲及会议资料。

主持人：感谢蔡中宁先生的精彩演讲。下面进行高峰论坛对话，对话主题为“大数据分析，下一个创新前沿阵地”，有请各位嘉宾上台。

万宁：非常感谢。参加过很多次SAS的会，这么多年来越来越多人气显示了我们对大数据的关系，随着社会信息化环境不断完善，经历了20多年中国从没数据到有数据的过程，但今天是希望讨论有数据将如何用的问题，这是一个非常重要的时间的转换过程。所以我们提出来了这样一个讨论题目“下一个创新的前沿”。

我们注意到越来越多带有数字基因的企业走到了企业门口，经常说一句话野蛮人已经来到门口，用什么样的手段应对他们。我们都看到了一些互联网电商，互联网进入保险，进入银行等等的案例，因为他们有天然的数据基因，给我们带来了非常大的冲击。所以我们希望了解一下我们将未来如何走。

下面有请各位对话嘉宾上台。今天上午也听了几个非常重要的主题演讲，在听到了SAS高层给我们提供的新的研究讨论大数据的一些点，比如说大数据的速度、规模、质量、安全，貌似非常简单的词，但每个词背后都代表着我们对大数据重新的梳理和认知。也看到《经济学人》全球调研角度给了我们新话题，比如如何改善业务决策，如何提升服务效率。当然最重要的是改善客户体验，它提出一个新角色CDO，今天在座很多人可能会走向这个岗位，利用数据为企业创造价值。英特尔从硬件角度给我们描绘了一个数字信息化环境，越来越多的会有这样的数据的机会。

因此我们今天的讨论更愿意谈一个更具体的话题，数据分析是不是能够成为在座的各位的企业在中国这个市场实现一次弯道超车的机会，这才是我们最关心的话题。

数据分析这个话题已经不是一个很新的话题了，昨天晚上我们在预热的晚宴上也跟银行来的老总谈，意识到一个很奇妙的现象，我那桌里坐的没有技术部门的人，有风控、业务开发、客户服务，因为我通常参加的会往往是技术背景的人讨论着一些技术话题，这是很大的变化。是不是因为越来越完善的技术环境，使得我们开始注意到企业的竞争力在发生转移。数据分析是不是正在成为企业未来新的竞争力，刘总先开始。

刘大为：我来自泰康人寿。数据分析谈了很久，我最近一年的体会大数据真的离我们，包括数据分析离我们越来越近，原来讲的很多词和想法已经在逐渐落地过程中。原来数据分析或者是数据上做的一些事情，更多是为领导或者为管理层提供报表，提供管理上的支持，实际上数据已经越来越走进我们的生活和我们的工作，而且数据越来越成为我们工作中的主线。以前数据我觉得是一个辅助的功能，现在从我的立场上看，数据已经成为我们整个保险公司的工作的主线。因为保险是基于数据预测的行业，所以数据主线我觉得已经不可逆转地到来。

另外一个，这一年有一个非常深刻的体会，就是数据分析或者是大数据不是孤立存在的，意思就是说光有数据分析或者光有大数据其实并不能改变什么。因为我们现在的生活已经和移动，和互联网发生不可分割的亲密的关系。作为数据的产生者，我们如何把数据的产生者和数据分析和计算能力结合起来形成正向反馈的闭环，才是真正今后数据分析和数据应用的一个重要的方向。移动互联网或者是互联网，加上数据分析能力，加上后面的计算能力，算法能力或者云计算能力，才是真正能够实现一个企业弯道超车的能力。

万宁：我们也都知道，在保险业泰康、阳光走在比较靠前，越来越多的第三方就像野蛮人一样走到你们面前，您提了两个非常好的点，第一数据已经就是业务，保险因为在某种业务特质上靠数据运营的。第二提了数据不孤立，需要把用户代入进来，过去理解数据分析或者数据业务都指供应链内的，您把用户拉进来是非常新的概念，如果没有用户的数据其实不能构成一个完成的数据，这是一个非常棒的思路，可以沿着这个思路继续讨论。

想问问吕总，银行不管风控还是新产品推出，从您的角度怎么看数据既是业务的观点？

吕志刚：大家好！我来自广发银行，负责银行信息系统研发的，主持人讲到以往都是业务比较多，这次我参加算是比较少的那一类。但是我感受确实非常深，讲几个事。

广发银行是全国性股份制银行，但是这个银行天生创新的基因是非常浓的，我本人12年才加入这家银行，去了以后印象特别深。拿SAS数据平台举例。13年底SAS大数据挖掘平台，网格计算平台在国外非常盛行，应用领域非常广，但是国内是没有的。当时我了解到这个情况以后在行里极力推荐全行用这个平台做数据工作，当时背景是我们行有六七个主要业务部门，包括产品营销部门，包括风控部门，各自都有一套自己的很独立的SAS环境做工作，成本非常高，维护也非常复杂。IT角度看每天给数据倒腾工作非常复杂，而且效率并不高。很多业务部门关心的数据非常关心，但是传统技术的架构，T+1快的，T+2、T+3是非常的现象。

13年底推动这个大项目，当时投入也是不小的投入，但是行里对这个决策非常支持。很快就决定建大的挖掘平台，把各个条线，业务部门分散的挖掘平台集中到统一平台上做，到现在安全运行了一年多。现在行里情况是专业平台上有100多个业务人员，我们每天上面跑的模型成熟案例2000多个，并发任务一般300-600，业务部门所有业务，能看到数据实效性都在T+1上。

万宁：从您描述上，第一您很自豪。第二也能看到您对于刘总话题很好的呼应，广发是很典型利用技术作为创新的能力来上位，泰康和广发都是银行和保险业的新军，但是你们能够成为目前为止对于行业非常有影响的，技术创新方面确实非常靠前，以至于你们能够很快实现了弯道超车。

想问一下浦发，浦发也是银行的新军，浦发最近做了很多新的产品，数据部分跟吕总提到广发的方式一样，广发更多是利用集中以后实现了效率的提升，广发在行内业务上也有了很多。其实浦发银行也有一些有意思的特点，隐隐约约看到了一些你们利用技术给他们提供的服务改善的非常独到的地方，就从这个角度来谈谈。

陆小勇：浦发不是一家新银行，93年成立，是有点步入中间危机，觉得人生迷茫的一家不大不小的银行。浦发银行在这方面我们的特点是信息科技行里定位是引领业务发展，不是通过管理手段，而是把科技对业务的影响融入到业务当中去。我们信息科技部门现在有两个很有意思的部门，一个需求中心，一个是信息服务中心，这两个部分已经属于业务和技术边界不是很清晰的部门。从09年开始当时国内股份制银行当中最早浦发银行明确了是由信息科技部门负责整个银行数据的管理和运用，包括数据治理，也包括很多大行管信中心的业务。当时对科技定位就是三个词，第一指南针，要不断追寻行业业务和技术创新运用的前头方向，找到方向。第二努力扮演好引路人，我们做了大量的营销和服务，让大家从实际感受中感受到新的技术带来的价值。很多场合当中是由业务部门，媒体上经常说我们做了大数据创新等等，说完同业打电话说你们干技术干得很不错，业务都说了，我说业务说比技术说要好，技术应该扮演业务创新背后无形的手。

我一直认为大数据这件事，大数据价值不在于技术，大数据技术真的不是问题，开源的，商业的，技术发展永远在那里，大数据最关键一点是我们在行里创新的时候需要找一掌握一些技术之外的东西，比如我们银行在高度合规管制下面，我们银行是经营风险的，信息的不对称就是风险，怎么解决？就是靠数据。银行天生跟数据打交道。我们价值点从哪找到？大数据这个时代打开了我们的思路，所谓万物皆互联，这种互联包括内外不互联，客户和银行互联，银行当中经常做的事情是把银行当中的各个部门，各个业务用数据黏合在一起，这点恰恰是现在绝大多数国内银行在改革转型发展当中亟待解决的问题，这方面我们技术做了很多工作。

万宁：人到中年开始说自己老牌银行，我还是不认可，毕竟你们是银行界的主力军。

银行确实在经营风险，我相信所有的行业都遇到这个问题，比如做电商，您不是银行，您是我们说的门外野蛮人，通过电商来获取大量用户数据，逆向向着产业发起进攻。所以想了解一下万达电商大数据方面你们怎么看？

马野：在整个万达电商工作过程中，大家最明显看到的状态，前两个字已经去掉了，现在真正名称叫做非凡电商，有一个整体的商业联盟，这个商业联盟中秉承一些传统行业和电商同样的特色。在每个月自己的商业联盟体系中都会加盟大量的商圈，我们这个月过程中全国已经达到1000家。这过程当中就像您讲到积累大量的数据，从大数据角度来说已经能够做到大约滞后秒级看到在各个商圈中所有的会员的动向和轨迹。

这样的基础上，我们是能够不断为我们的商家，而且为会员提供非常及时的服务。这已经突破了原来在做数据分析的一些状态。我自己本身确实做技术出身，起步的时候16年前，我刚刚工作的时候会看到当时我们做数据分析的状况就是在做报表，完整做报表，可能那时候都是在服务于财会部门统计的状态。虽然现在整体做工作的发展，数据工作的发展，经过六七年进展到希望能够通过一些，比如做数据挖掘，或更深入的分析完成对我们现在业务的一些优化。其实这个事情在06、07、08年就已经开始做了，按照问题在于很多业务部门和技术是完全脱离的，业务部门很多时候是说希望技术部门这么做，但技术部门又觉得我已经做了，你应该这么用，造成局面大家互相没有融合的状态。恰恰是我觉得这几年来随着大数据的一些发展，带来的状态就是必须要为业务更多服务，这种必须已经达到了不是把我们放在一起，而是如果你不做好服务，代表你的业务逐渐被其它的竞争对手所替代。

万宁：马总和陆总都提了特别好的观点，这个话题要丢给刘总，第一，陆总提到边界越来越不清楚，业务和技术部门越来越多互相搀和，要求技术部门更多理解业务，业务部门更好利用好技术，这里就有一个很重要的问题，刚才陆总提到大数据价值不在技术，SS更多提供了一种工具真正有效帮助技术部门实现业务价值的部分，SAS角度怎么看待这样的一种转变，并且做出了你们相应的支持？

刘政：SAS一直提倡的数据分析并不是在一个企业里是孤立的部门，数据分析是整个公司管理，从最底层到最高层都应该关于数据分析。包括关注数据，包括关注数据质量，包括关注最后采集来的数据，包括对整个分析手段，包括最后展示给我们的领导一个结果，帮助领导做决策，进一步规划、改进公司的管理。这些东西都是分不开的，数据分析技术手段和你自己对业务的理解是分不开的，不能仅仅靠业务就能够把这个东西做好，或者靠纯技术分析手段就能把业务做好，这两个应该是有机结合在一起的东西，是不可分离的。

万宁：您也在某种情况下暗示所有从业者大数据时代对于所有CIO或者技术有最大挑战是学习业务，才能够真正完成您说的角色转变。

我们都知道大数据是从两个维度帮助企业，第一优化现有业务，第二进行业务创新。下面依次大家聊，希望你们能结合每家做的业务创新举几个例子，先从泰康讲，泰康做了好多的事。

刘大为：泰康数据和业务搀和的过程，两年以前成立了大数据部，当时是作为IT的一个功能成立的。当时想得很简单，因为数据就在你这，所以分析的技术也在你这，你就应该承担这个职责。当时我们给这个功能的定位就是引领，刚才浦发老总说就是引领。经过一段时间尝试以后，引领过程是非常困难的，因为大家并不认可，数据上发现了很多可能以前根本没有意识到的一些东西，一会儿我举个例子。在这个过程中用户部门认识到我们的价值，和认识到我们的一些能力的话是需要过程。现在泰康数据和业务之间的关系已经变成了下一个阶段就是融合，我们现在数据部门已经慢慢地向业务和技术之间的桥梁在过渡，当然它有它的能力，实际业务部门的一些智慧，和它的结合才是真正最后数据在整个业务过程当中发生真正效果，真正最好结合的方式。

第一个例子，大家都知道保险一般是营销员一对一跟你销售，营销员他也很想把销售网络扩大，最大一般到家庭。数据部门分析泰康几千万保险数据，保险数据和互联网的数据有一个根本的不同，就是它的数据维度有限，但是它非常准确，而且有非常准确的家庭和成员之间的关系。所以我们通过这个关系能够分析出整个客户社交网络，家庭到家族的扩展。这些信息当你全面能看到的时候，销售人员会非常迅速发现，在家族网络里是有缺陷的，或者是不平衡。这些缺陷和不平衡都是营销员销售的一个机会，所以这对我们整个营销员的发现商业机会和发现真正应该关注的客户是非常好的工具。

第二个例子流程优化。保险比较让人讨厌的有几点，其中一点整个缠着你，见到你就一直跟你卖东西。另外一个保险还有一个，即使你有需要，有意愿卖保险要体检，体检是不得不做，又严重影响客户体验的环节。最近和SAS合作，做了一个对整个核保和体检之间关系的项目，这个项目是把泰康所有的客户到现在为止和理赔的经验，包括核保的经验，包括所有客户维度的一些信息都在一起分析。这个结果能让我们理论上按原来核保规则进行体检的数量降低30%，所以原来大概有100个人需要体检，最后用我们数据判断只有70个人需要体检。分析的结果有很多令我们很吃惊的要素，比如说客户是哪一个营销员带来的，我们通过营销员积累的数据，包括客户的理赔数据都可以反向推导出来，这类客户，这个营销员客户应该用什么样的方式判断他体检的风险和需要。所以从这个角度上不仅是改善了我们的流程，也改善了客户的体验。通过这些事情以后用户部门更愿意进入到真正融合的阶段，也认识到了价值。这是我的一些体会。

万宁：谢谢刘总很干的货，内部东西都给大家分享。

再问问陆总，您提了引路人和指南针，好像还差了一个，接总刘总，在大数据创新过程中你们是怎么做的。刚才首先一点刘总讲组织准备，设一个大数据部，你们怎么来的。

陆小勇：还有一个及时雨，组织角色挺有意思，不一定是成功的经验，也可能是失败的教训。

浦发银行有我们信息中心，但是我们的信息中心有一个原则，原则上尽量不帮业务做事情，教业务做事情。我们在内部培训的时候经常一张国家冰壶队的图，一个扫，一个推，一个看，业务人员和分析人员角色不是固定的，是转换的，谁能谁就上。所以我们组织结构是每年会给各家分行，各个部门采用各种方式组织BIU的培训，目前500个左右出身不相同，所在岗位不相同，大数据分析平台门槛就是只要你掌握了技能，愿意遵循数据治理法规你就可以干。无论是技术困难，分析困难，这时候总行部门会扮演及时雨顶上去，帮助他们做到成功。这是组织模式上的特点。

我们更偏向市场经济，最近领导说让我写一些管理办法，没管理办法还是不行的，不符合中国特色。

业务案例上还是举几个把不同部门的数据互联创新的案例，比如说过去银行做业务经常前台营销部门找客户，把产品设计好之后丢给后台审批做业务。但是我们很多案例撮合，主动把风险部门那边出现风险案例数据拿来洞察客户产品和客户的画像特点，接下来主动告诉前台营销部门你们在营销的时候为了提高你们的营销的成功率，为了拉近前台和后台部门的距离，在营销模型设计的时候就要考虑这些客户是否有潜在的风险。所以这样一些案例出来之后很受业务的环境，这是前后台的融合。

另外内外融合上面，中移动是我们的大股东，和省里的中移动公司做了合作，比如会把中移动一定地区掌握的数据用来做为我们浦发银行的网点，在网点的附近因地制宜更有精准性，更有效率。包括也把移动数据和百度地图的POI数据，和我们行自己业务数据聚合在一起，为我们在社区银行选型，以及ATM布置方面提供了决策优化。我们也做过一些利用客户在我们行自己的人脉，把他上下游梳理出来之后，再把产品嫁接上去形成供应链方案，包括用于风控等等。

还有一些案例太创新了，以至于做出来之后业务说不知道能不能做，包括把我们个金零售消费数据和企业数据，如何这两个数据进行融合。从对公企业员工行为来判断企业的行为，从企业行为来判断零售客户如何拓展的行为等等。

万宁：这和泰康刘总做的尝试有点差不多，都是利用技术部门所掌握数据角度来把数据做大，所谓大就不光是原来业务运营数据，客户数据，相关联的，你可以把中国移动数据导进来，这是一个非常新的思路，这是大数据时代需要做的一些转变。

想问一下广发，广发也做了很多这方面的尝试，在这里还是需要技术上的一些支持才能够完成把数据在部门间撮合的能力，你刚才讲第一个动作要打破部门原来垂直的部分来做这个集中，这个地方怎么考虑的？

吕志刚：广发情况略微不太一样，目前我们还是完全分开的两个团队，整个数据分析工作还是由业务人员根据业务目标分门别类做分析和挖掘，这是业务的事。科技这边目前提供主要还是原数据，原数据的提供和质量保障和整合保障。但是下一步从今年3月份起已经有一点改变，就是目前广发大数据建设工作还是科技部门牵头，接下来已经科技上划出二三十人专职团队从科技视角对数据进行进一步的分析，比过去可能有价值的信息给到业务，帮助他们做分析。这跟我们的行里特征体系有关系。

万宁：马总，刚才他们从银行愿意把数据做大，恰好好多时候可能就会与您有关了，可能电商本身就掌握了大量的数据。目前除了分享给商户以外，也可能会建立一种新的数据生态，实现更大数据价值的挖掘。这个时候对于万达电商就有新的使命，您怎么考虑他们几个丢过来的问题？

马野：其实在整个商业联盟体系中已经建立了整个数据联盟的体系，在这个联盟体系当中只要加盟到我们这个商圈中整体数据是可以分享的，当然我们不会分享带有一些敏感或者是带有安全性的信息。这个情况下会看到一些数据的共享已经能够给更多的企业带来价值，这是我觉得站在我们这个视角可以，因为银行、保险毕竟受监管多一些，我们稍微放松一些，所以能够把数据做得更大一点。

另外两点创新，有两个我们自己的经验分享给大家。第一个就是也一样面临业务角度，业务部门的问题。我们在做这个过程当中秉承一个小而美的原则，并不诉讼一开始做非常大非常全面的东西，我们用一年的时间，比如可以做二三十个小应用，但都是解决业务的非常小的功能点。当可能有一个部门功能点做大了就做一个大的，这是实际过程中比较好的一个方法。

第二个分享的，做数据分析的时候有一个秉承的原则，就是在合适的时间，合适的地点，合适的渠道，提供给合适的用户合适的产品和服务。在所有合适为什么要讲呢？其实做数据分析的目的无非是给内部，外部用户提供一个最适合他的，最最喜欢的贴心的产品或服务过程，这两点也是我愿意分享给大家的。

万宁：感谢马总。刚才在听《经济学人》介绍看了全球企业在大数据的变化，我和刘总有一个讨论，发觉由于中国应用环境，包括电商和信息化发展的超前，在很多业务创新上已经走了非常靠前了，这时候想向刘总提出一个问题，SAS怎么支持中国企业在相关大数据应用的创新上面，从您研发角度讲给中国客户创新尝试提供什么样的支持，这是一个大家非常想了解SAS方面的动作。

刘政：应该说SAS一直是引领创新的一家公司，50年前SAS开始做工作的时候开发了一个程序，十年左右时间到了76年有很多客户开始使用这些程序。刚才看到吴总给大家分享的历史照片有一个往楼上搬箱子，那是当时的程序，里都是打孔的纸卡，没有磁存储，大概几十箱，30万行代码几十箱程序，把程序从楼下搬到楼上过程就是很强的体力劳动。后面出现了笔记本电脑、PC，各种操作系统，SAS开始根据形势开发各种平台的软件，我们有一个MVA的架构，在这个架构上任何新的操作系统出现，只要嫁接上不需要多长时间就可以马上使用。但是后来又出现了互联网，出现了各种规则，包括《巴塞尔协议》，美国《爱国者法案》，这让SAS看到了一些对于业务合规性的要求，根据这些开发了很多方案。

后来互联网发展非常快，Fritz Lehman讲新加坡一个银行跑18个小时程序太慢了，SAS一直跟踪世界技术发展，就引入了高性能分析，包括网格计算，能够极大提高计算的能力，包括库内分析，我们就尽可能接近于数据，几乎停止了数据传输过程。另外一个内存计算，可以最快速度达到数据。

这三项高性能计算结合起来能够让我们对数据分析性能一下提高到了一个B的数据几秒钟处理。后来开发了可视化技术，另外到现在物联网的技术，还有包括最新的产品SASViya是开放的云计算的平台。所有这些技术对于全球的创新性的数据分析都是有用。

总结一下我们创新的思路，一个就是说时刻跟踪最新的技术发展，包括刚才讲到高性能计算，包括算法，机器学习，深度学习，包括我们要发布的软件里了。

另外倾听客户的声音，我们有8万个客户在全球，时刻把他们的需求报告给我们的，这样就知道如何改进我们的软件。

还有一点公司的创新几乎就是由CEO领导，每周有一个样板，讲一些公司最新的发展技术的跟踪情况。我们要开发SASViya产品跟将来的数据分析的人员、企业，甚至全球性的企业都是有关系的。这些创新的产品都会惠及在中国的客户，这里包括了云计算技术，包括了大数据的技术，刚才我们讲到高性能分析也在里，还有物联网技术，还有数据流的数据，数据流数据几乎就是各种传感器过来。

开放性产品不但支持SAS编程，包括支持其它的语言。可以是JAVA等等的，第三方的软件应用全部都可以接入这个平台上。如果是很小巧嵌入式软件，很适合做到器件里，对开发物联网器件有帮助。

另外是综合性的平台，支持全生命周期的数据分析，可以建模，可以做数据管理，可以做很多事情。另外包括可视化技术，所以是很综合性的。随着这个产品会发布4-5个，包括SAS可视化分析，可视化的统计，还有可视化的数据挖掘和机器学习，还有可视化的反欺诈和数据安全方面产品。随着不断进展开发，这个平台应该是更完善，包括更多的技术，对中国企业来说是非常有帮助，有好处。

万宁：我感兴趣您说的每周向CEO汇报。

最后一点点时间讨论一个问题，各位从业务，各个自己创新案例都谈了一些非常有干货的内容，其中也谈到在组织准备这个部分设了大数据业务部门，有几百人能够做数据分析的状态。其实中国大数据概念下面都遇到了一个问题就是人才，到哪里准备既懂业务，又了解数据分析技术的人才，请大家稍微做一点点分享。泰康怎么解决这样身材的问题？

刘大为：人才可能是将来永远要面对的一个挑战，大数据人才奇缺的原因有两个，第一个业务的复杂度和以前相比有非常大，各个公司围绕自己的生态做业务，泰康现在有自己的医院、养老社区、墓地、健康管理，各种各样业务如果是数据分析人才要理解的业务不局限于保险，是对生态业务的理解。

另外现在对数据分析人员的，对新的算法，新的技术手段，新的平台的使用，也有更高的要求。当时成立大数据部的时候想的非常简单，把一些学计算机的人拿过来用就可以。但是现在发现除了对业务理解是挑战，对算法的理解，对新模型的建立是一个非常高的要求，所以我们现在先建立大数据部。我们想从社会上找的时候发现物价被互联网公司哄抬了以后，根本没有机会和非常高端的人才竞争，所以最后还是除了引进个别高端人才以外，大部分还是靠自力更生。

内部培养和以前的方式不同，比如大数据部现在大概将近一半人是数据或者统计专业毕业，这些人怎么真正成为所谓大数据人才，我们有一套培养方式。刚进公司到业务部门工作几个月，到开发部分工作一段时间，两边都有一定了解，然后让他真正集中在算法和模型开发上。

万宁：不光有组织设置，还要有人才培养的机制。电商这类把人才物价哄抬很高，你们也面临人才的困境，你们又有什么样的做法？

马野：我们也在被其它的合作伙伴抢，现在数据人才非常缺乏，因为数据是一个必须既懂业务，又懂技术的非常综合性的人才，必须要假以时日培养才能造就。

在我这边实际工作中愿意做的是能够把我的团队更好地切分，这是我想做的一个事情。这个事情我个人觉得做得还好，因为在我自己整个几十人团队中真正特别懂业务的不到十个人，但是实际上在我其它的一些，比如各个业务技术口的时候，我们组织的模式一定是组件化，现在是框架化的流程。数据所有出口全部是用一种机制出去，必须有一个统一模式处理才能有效解决现在根本没有那么多好业务人员的整体状况，基于这样的诉求考虑。

当然，逐层培养，我这个层级跟我做接口的人工作一两年，两三年就可以了，但是真正做数据分析，深度数据分析的人，甚至深度学习的人一定是工作很长时间的人，而且很有经验和套脑。

万宁：充分发挥现有人资源的优势。陆总，您虽然有一个池子，肯定人才还是问题，您有什么窍门？

陆小勇：谈几个观点可能跟大家不太一样。

自打98年从学校毕业以后加入进来以后参加会议就听到大家说人才是问题，互联网总有泡沫，泡沫就有人才。浦发银行做整个银行大数据的能力评估矩阵，排第一位是意识和文化的问题，一家银行对于人才来说，这家银行只有真正尊重数据，对数据视做银行核心生命力，这家银行里各级管理层都会想方设法创造机制，培养人才，留住人才，这种文化意识的培训、宣贯、建立才是人才问题真正的动因。

第二人才培养战术问题来说，人才永远不能靠挖，挖进来也得培养，怎么培养还是最常用的干中学，干当中学，这和刘总方式是一样的。刚才SAS刘总提一些问题的话，今天虽然是开着SAS的会，我还得拍点砖。在现在组织内部面临人才队伍培养最大的问题对SAS有借鉴需求是两个，第一如何降低门槛再降低门槛，大家谈到SAS最简单就是统计模块，数据可视化等等，但是其实在SAS整个分析路径当中，当我们建模、机器学习，特别是解决方案还是有比较高的学习曲线。如何把高大上大数据分析技能借助工具把门槛降低，某种程度就能够帮我们进一步拓展资源池，当中自然就有人物出现。

第二资源组织和管理我不太主张从上管理的方式，更希望有一套基于企业的跨部门融合的，思想互撞，知识共享和协作体系。干中学经验和知识更好提炼归纳下来，铁打的营盘，流水的兵，任何一个企业永远不可能留住所有人才，企业唯一能够留住的就是这个企业人才在成长过程中留下的经验。实事求是没有一个特别理想解决方案，比较多的还是这方面工作比较原始的手段和积累，这方面效率提升可能会有帮助。

万宁：人才不是问题，也是问题。陆总对SAS公司提出来了一个非常好的愿景，希望能够分享或者降低培养或者人才进入的门槛，使我们每一个中国企业有更多的机会能够运用现有的人才实现对大数据相关的应用和业务的创新，这个话题真的是提给了SAS，我也希望从您和您负责的研发角度讲也可以有一个表态，可以对中国客户怎么样有更多的支持？

刘政：先讲降低门槛，新的产品SASViya它几乎是支持任何级别技术人接入使用，我是C开发我可以用我的技术在这个平台上开发。可视化技术是能降低对人技术能力的要求，分析产品可能会全部做成可视化的技术。云平台上可能也会提供各种分析和技术。另外一项云计算好处就是可以降低产品的成本，可以花比现在买SAS相对便宜的价格可以使用SAS。

中国现在面临的人才短缺的问题还是在教育上，现在很多大学还没有真正建立数据分析的专业，或者很多课程都没有开，当然这一个就是管理上的问题，第二个问题真找不到合适的老师教，缺少师资是很大问题。另外数据分析不是学了这些技术，学了这些课程以后就能做的，必须要实践。跟大的企业能够到企业进行实习，这对培养人才是非常好的出路。

万宁：我要是大学设计学科我真的可以考虑请各位作为这个方面的专家或讲师真的帮助中国数据分析，整个领域人才的培养。

时间的关系，感谢各位提供了非常干货的内容。

最开始刘总提到数据已经成为业务，数据也不孤立，客户数据，生态中的数据完成数据变大的过程。陆总、马总都提到了。当然了也看到陆总很谦虚说浦发是人到中年，其实我相信太多的中国公司在过去二三十年内信息化建设都到了已经有了大量数据产生，开始对数据的价值的呈现有了更新的要求，所有的业务部门都在看着你们。这个时候指南针、引路人、毛毛雨都不够了。大数据本身要基于业务价值创造，所以提到了比如机构上的准备。最后问题还是回到人才，人才不是问题，当然我认为人才还是问题，因为的确今天有很多人关注未来大数据的发展，有两种可能，一种大家非常希望在大数据和数据分析这个领域里获得未来的事业的成长，我相信这是今天吸引这么多人参加这个会的原因。第二个我也认为人才不是问题，环境搭建好，更重要的是有足够多业务创新路径的支持，人才自然在这方面涌现。

也谢谢各位披露了内部创新的独门秘诀，马总也说了如何管理项目的一些方式，怎么利用现有资源充分做好事。我觉得今天的讨论相信给我们在某些点上有启发，这就已经是最大的价值所在。

真的很难得请到各位在短短时间做出分享，再次希望大家用掌声感谢几位跟我们的分享。谢谢各位！对话到此结束，谢谢！

主持人：非常感谢各位嘉宾的分享，上午大会的全部内容就到此为止了。

SAS精英学院唯一指定官方合作伙伴数学中国，报名咨询：数学中国—乔叶 1470495151 数学中国—百年 2289814119 数学中国-春秋 2152909260

zan