长江证券成立于1991年，是中国资本市场第一批成立的证券公司，2007年在深圳证券交易所主板上市，也是中国第6家上市券商。经过27年的发展，公司已发展成为一家居于行业前列的综合金融服务商。
中国的证券行业从诞生之处就引入了电子撮合交易和交易所制度，因此证券行业在数字化方面起步较早，已有许多的证券公司建立了自己的数据仓库以及数据决策平台。
“在没有引入帆软之前，我们是用人工的方式提取数据，这样既不够自动化，同时效率也比较低，人力投入成本过大。”互联网金融总部数据总监郭正彪提到了之前开始建设数据系统的窘境。但2014年引入帆软产品以来，长江证券已经逐步建成了成熟的数据决策平台，并针对不同不同数据服务对象开发了不同的数据展示工具，并针对不同业务条线定制了超过150张不同的业务报表。
随着业务的不断开展和数据量的逐渐加大，一个个新的问题点开始不断出现，阻碍着数字化业务的进一步发展：
1、数据大屏产生的边际效益下降
“我们做的几个核心产品，包括一个数据大屏，进行核心KPI的数据展示。”郭正彪介绍起这些年的数字化成果。数据大屏在投放初期收到决策层的重视，但由于证券公司业务模式相对稳定，因此大屏的指标数值波动相对不大。随着时间推移，当决策层对于业务水平了解达到一定水平之后，就会失去对于大屏的关注程度。因此，数据大屏对于决策层的边际效益是会不断下降的。
2、报表系统内容同质化日益严重
报表系统在引入之初很好的解决了各个部门的问题，也生成了不少实用的报表模版。但是随着业务开展，业务人员的数据分析需求过于琐碎，导致报表开发人员工作量剧增，整个报表系统逐渐“臃肿”，并且报表内容同质化严重。
3、业务部门直接使用BI存在难度
BI的使用需要一定的技术门槛，业务部门不经过培训难以达到一定水平，对于业务报表的使用往往只限于技术部门呈现的模版，不会主动进行业务下钻，以及业务维度的选取，使得BI系统的价值无法被很好的体现和发挥出来。
发现了问题的存在以后，郭正彪也在思索数据部门工作模式的改变，要从跟进业务部门提取需求转变为通过数字化手段重塑业务条线，构建新的业务营销模式，从而实现通过数据手段赋能业务部门。经过对业务线的梳理，郭正彪决定从用户画像入手。
“除了简单的人口属性，证券公司的客户比较特殊的地方在于他有投资行为，所以要分析他投资的能力、策略等等，构建用户标签。”
在用户标签的基础上，又可以进行用户分群，并对各种群体做不同的营销活动分析，营销的结果又可以用于用户标签的再优化，从而形成了用户数据、用户标签、客群分类、营销活动、优化标签的闭环。此外部门数据分析人员有一套完整的用户分析框架以及建模经验，结合这些已有的成果以及规划的版块，使得“用户地图”这个体系框架愈加完善合理。
针对线下营销人员来说，在进行针对性的营销活动中，比如销售金融理财产品、工具类行情产品等，以往的模式都是根据营销人员以及运营人员的经验进行人群查找，这样做的弊端在于用户寻找并不准确。一方面，一线营销人员花费大量的精力去推销那些并不适合的用户，另一方面，真正需要的用户并没有被及时的跟踪与沟通。而现在运营人员可以使用系统快速筛选出要想推进的用户，使得线上营销更加精准，优惠券转化率平均提高100%，效果十分明显。用户购买转化率平均提高50%。线下管理员通过精准定位用户，使得每名营销人员所分配到的用户更加精准，数量更少。这样营销人员有更多的精力去服务目标用户，而不是大批量的电话轰炸。在使用系统后，营销人员人均的服务用户从200左右下降至50左右，但用户转化率提升了20%，产品销售总金额提升了30%。
而针对运营管理层来说，这极大地提高了用户群特征研究的效率。以往人工完成单个需求要一整天时间，用户分群越多，越耗费人力。现在产品经理只需新增用户群，借助后端的大数据平台和算法平台，每天都能批量计算出最新最全面的分析结果，现如今系统中已经保存了超过100个不同的用户群，完全解放了数据分析人员。总部领导或者分公司、营业部的领导可以通过该系统全面的分析、了解所辖用户的情况。并对用户群体进行跟踪，及时做出相应的运营决策。分析用户的时间减少了一半以上，提高了决策效率。
在完成了报表系统和数据分析平台的落地之后，郭正彪没有停下继续探索的脚步。“我们也在不断地迭代，从而让用户地图更加成熟。”采访结束时郭正彪谈及未来长江证券的数字化进程时，显得平静而从容。也许正是这样的从容，才能带领团队坦然走过数字化道路上的风风雨雨，迈向成功的彼岸。
BI先锋往期系列：
第一期内容：BI先锋人物之王卫东|积跬步，至千里，大浪淘沙始见金
第二期内容：BI先锋人物之陈婧 | 脚踏实地，方得始终
第三期内容：BI先锋人物之徐祖敦|真实的企业炫酷大屏是怎样的？
编辑于 2019-11-22 09:55
|
这种采访的形式很不错