当前位置：首页 » 数据智能 » 大数据bcg

大数据bcg

发布时间: 2021-03-17 10:29:20

㈠波士顿矩阵中金牛产品是什么,问题产品是什么

您好!

现金牛产品（金牛产品），又称厚利产品。它是指处于低增长率、高市场占有率象限内的产品群，已进入成熟期。其财务特点是销售量大，产品利润率高、负债比率低，可以为企业提供资金，而且由于增长率低，也无需增大投资。因而成为企业回收资金，支持其它产品，尤其明星产品投资的后盾。对这一象限内的大多数产品，市场占有率的下跌已成不可阻挡之势，因此可采用收获战略：即所投入资源以达到短期收益最大化为限。①把设备投资和其它投资尽量压缩；②采用榨油式方法，争取在短时间内获取更多利润，为其它产品提供资金。对于这一象限内的销售增长率仍有所增长的产品，应进一步进行市场细分，维持现存市场增长率或延缓其下降速度。对于现金牛产品，适合于用事业部制进行管理，其经营者最好是市场营销型人物。
现金牛业务指低市场成长率、高相对市场份额的业务，这是成熟市场中的领导者，它是企业现金的来源。由于市场已经成熟，企业不必大量投资来扩展市场规模，同时作为市场中的领导者，该业务享有规模经济和高边际利润的优势，因而给企业带大量财源。企业往往用现金牛业务来支付帐款并支持其他三种需大量现金的业务。图中所示的公司只有一个现金牛业务，说明它的财务状况是很脆弱的。因为如果市场环境一旦变化导致这项业务的市场份额下降，公司就不得不从其他业务单位中抽回现金来维持现金牛的领导地位，否则这个强壮的现金牛可能就会变弱，甚至成为瘦狗。

问号产品（问题产品）。它是处于高增长率、低市场占有率象限内的产品群。前者说明市场机会大，前景好，而后者则说明在市场营销上存在问题。其财务特点是利润率较低，所需资金不足，负债比率高。例如在产品生命周期中处于引进期、因种种原因未能开拓市场局面的新产品即属此类问题的产品。对问题产品应采取选择性投资战略。即首先确定对该象限中那些经过改进可能会成为明星的产品进行重点投资，提高市场占有率，使之转变成“明星产品”；对其它将来有希望成为明星的产品则在一段时期内采取扶持的对策。因此，对问题产品的改进与扶持方案一般均列入企业长期计划中。对问题产品的管理组织，最好是采取智囊团或项目组织等形式，选拔有规划能力，敢于冒风险、有才干的人负责。

㈡大数据时代下，保险业迎来了怎样的机遇与挑战

ITjob远标教育
大数据的发展越来越迅速，渗透到各行各业，保险业也不例外。大数据不仅为保险业的发展提供了新的机遇和视角，也为保险业提出了新的挑战。
首先，我们来了解大数据给保险业带去的机遇。
一、大数据给保险业带来巨大商业价值
信息技术的进步在现代金融创新中发挥了极为重要的作用。而历史的经验告诉我们,大数据对金融业的影响将是全面和深刻的,金融业的经营理念、风险定价、产品设计、营销策略、客户服务、风险管控、组织构架乃至于金融监管,都必须适应大数据时代的要求。
但是,虽然这些年保险业在大数据战略和网络经营等方面进行了积极探索,但是相对于银行和证券公司,保险公司在电子化、数据化、移动化、平台化方面还处于相对落后状态。不仅大部分保险公司的内部数据没有完成整合,甚至数据还处于信息孤岛状态,保险公司对内部数据价值认识也不完整,大部分内部数据的价值没有被充分挖掘,大数据价值变现也缺少应用场景。
而现在我们已进入互联网金融时代,所有商业思维正在转向数据思维,保险业也应该利用大数据来分析客户需求、开发产品、运营企业以及进行风险定价。
众所周知,在没有大数据之前,商业数据往往来源于一些被动的调查表格及滞后的统计数据。大数据时代出现之后,海量数据的采集和处理成为可能。大数据通过全局的数据了解事物背后的真相,相对于以过去的样本代替全体的统计方法,其统计出来的结果更为精确,有利于保险公司精算师计算产品的收益率和产品定价。与此同时,利用大数据分析结果归纳和演绎出事物的发展规律,可以帮助人们进行科学决策,帮助保险业进行精准营销。这也就是我们常说的,按照客户需要设计保险产品,依据客户需要推荐保险产品,使更多的群众享受到合理的金融服务。
另外,在新的竞争格局下,传统金融企业必须充分运用大数据的理念和技术改造自身业务和管理流程,监管机构也必须深刻理解新的竞争格局对风险防范、消费者保护等方面的影响,并善于运用大数据来提升监管的针对性和有效性。
保监会副大大王祖继就表示,，大数据时代保险业主要面临四个方面的机遇:一是拓宽行业发展空间。满足客户需求是金融企业生存和发展的前提,大数据和互联网的发展使保险业能够更好地满足客户需求。大数据技术可能突破现有可保风险与不可保风险的界限,使原来不能承保的风险变为可保风险,扩大保险业务经营范围。大数据技术在营销领域的应用将能更有效地发现客户和客户的潜在需求,进行精准营销,特别是财产保险中标准化产品的营销。大数据和互联网的运用也有利于改善保险消费者的用户体验,提高消费者满意度,改善行业形象。二是提高行业风险管理能力。大数据技术在风险管理领域的应用将支持保险业更精准地定价,提高承保风险识别能力和理赔反欺诈能力,提升保险业的风险管理能力和水平。以精算为例,大数据有利于扩大用于估算风险概率的数据样本,从而提升精算的准确度,有利于收集更加多维全面的数据,从而形成更加科学的精算模型,也有利于把整体数据样本进一步细分为子样本,为精准定价提供精算基础。三是提升行业差异化竞争能力。大数据通过对客户消费行为模式的分析,提高客户转化率,开发出不同的产品,满足不同客户的市场需求,实现差异化竞争。四是提升保险业资金运用水平。大数据基于精确量化的承保损失分布,可以提高保险机构资产负债管理水平,可以在资本市场实施更精准的风险投资组合策略,提高保险业在资本市场的投资回报水平。
为了更好地驾驭大数据对保险行业的改良及改革,保险公司需要从数据获取、应用和组织三大方面构建包括开拓数据来源、建立许可与信任、构建商业应用场景、数据分析与建模、数据存储与整合、组织建设、专注的数据人才、治理和文化在内的八项专业能力。
在被调研公司中,63%的保险公司已将大数据应用于欺诈检测方面,47%的保险公司已在风险评估与定价方面展开实践,对于大数据在交叉销售、防止客户流失方面的实践分别都达到了32%,但在索赔预防和缓解方面,多数公司还处于观望、摸索阶段。波士顿咨询公司(BCG)的研究表明,最重要的“改良效应”发生在风险评估与定价、交叉销售、防止客户流失、理赔欺诈检测及理赔预防与缓解五大环节。大数据对保险行业不但有改良之功,还助力险企突破创新,对此,我们称其为“改革”。目前,大数据作为“催化剂”在车联网、可穿戴设备、智能家居和平台生态圈构建方面起了重要作用。车联网应用受到了较多财产险企业的重视,在被调研的8家财产险公司中,有5家已开展车联网实践,占比达63%;绝大部分险企对于大数据在平台生态圈、智能家居保险与监测服务、穿戴式设备健康服务等领域的尝试尚未开始,仅16%的险企已开始实践平台生态圈,8家财产险公司中仅有1家开展了智能家居领域的实践,而穿戴式设备则尚未有险企予以应用,不过大多数险企都表示,计划在3年内对这些新技术应用予以实践。
有人说: 这是一个最坏的时代,金融行业受到了来自互联金融企业的强烈冲击;这是一个最好的时代,金融行业可以利用大数据实现涅盘重生。现在金融业处在一个全球竞争的时代,发达国家金融业在规则制定、金融文化、技术能力、人才队伍等方面占据着全面的优势,大数据给我国金融业带来一个弯道超车的机会。我们应该珍惜并利用好这个机会。

大数据对保险业有好处，那么应该如果切入呢？
二、大数据分析在保险业的四大切入点
大数据应用为当今瞬息万变的保险业提供有效支持，也是促使保险公司提升自我市场竞争力的有效手段。数据结构分析及画像经常会涉及众多外部非结构化数据源，如社会媒体类，通过社会媒体大数据可有效帮助保险公司识别潜在保险危机行为用户。
大数据分析在保险业的四大切入点综合大数据分析各项优势，可看出大数据分析在保险业中存在四大主要应用切入点，如在业务结构化、客户视角营销、核保管理以及危机管理上均可体现大数据应用的优势性：
（一）助力产业结构化
随着保险业竞争越加激烈，保险公司若想脱颖而出，则需提供价格低于竞争对手的保险产品，以及更有效的经营模式，及一流的客户服务来赢得客户青睐。大数据在此能有效助力保险公司行业化能力提升，不仅体现在其经济性上，还体现在其对保险公司将工作流程有效改进上。
（二）客户视角营销
客户更青睐于选择价格透明的保险公司产品。保险公司可以利用大数据分析进行客户需求变化预测，以此便可提前获取改进客户关系的最佳时机。通过保险公司利用大数据分析客户需求，可有效的帮助呼叫中心进行客户营销，获客将变得更加容易。
（三）核保管理
保险公司可使用大数据预测进行核保活动，以有力的减少不必要的虚假核保信息，主要手段可以是通过在已有的客户数据前提下，再结合其它外部获取数据源，对其进行必要性的甄别，以最终确定是否成功核保。基于社会媒体的大数据可对保险业务及时有效性的进行监督，同时为核保提供有效的保障。
（四）危机管理
保险公司可利用大数据分析进行保费条款业务设计，尤其在诸如融入历史因素、政策变化因素、再保因素等的灾难型险种业务中。保险公司可依据个人住址、消防中心距离等其它因素对灾难保险业务的价位进行区分设计，更利于保险业务收入增长。同时，保险公司也可使用大数据为其现有保险业务模式进行升级，按需可随时进行市场价格策略调整。
大数据可帮助保险公司改进需求规划，促使需求改进及降低运作成本，同时有效支持保险业务规划实施。动态化监测可有效防止无效性成本增加，以及帮助公司的市场决策制定。

通过上面的文字，我们可以大致了解大数据给保险业带来的好处，下面我们将讲解具体的实施方法，分析保险业如何利用大数据健康发展。
保险行业如何利用大数据涅槃重生
三、保险行业面临的挑战
这是一个最坏的时代，金融行业受到了来自互联金融企业的强烈冲击，这是一个最好的时代，金融行业可以利用大数据实现涅槃重生。中国保险行业的渗透率只有3%，大大低于西方发达国家10%左右的渗透率。保险行业分财险和寿险，面对个人的寿险和财险服务主要依靠电话进行销售，电话销售正在面临巨大的挑战，年轻的80后、90后不愿接收来自保险公司的电话，保险行业电话销售率正在逐年下降，已经影响了保险行业未来的发展。
曾在大型寿险公司有过数年产品研发设计经验的专家丘斌斌断言，互联网保险一定会取代传统的保险销售模式。现在各家互联网保险产品之所以是小打小闹，原因是传统保险还能盈利。但将来未必如此，未来客户都在互联网和微信上，为了获取客户也必须走这条路。传统保险从产品设计到代理人制度销售模式，无法实现站在客户角度销售买险。保险公司九成以上保单的件均保费低于万元，意味大家真正需要的还是保障，特别是价格低、标准化、保障大的产品。
2011年至2013年，国内经营互联网保险的公司从28家上升到60家，年均增长达46%；规模保费从32亿元增长到291亿元，增幅总体达到810%；投保客户数从816万人增长到5437万人，增幅达566%。尽管规模爆发式增长，但目前我国互联网保险在整个保险市场中的占比仍不到3%，与发达国家如美国30%的占比相差还很远。
监管机构对互联网保险持开放态度，互联网保险存在的巨大衍生市场空间，电商平台对此也越来越重视，如最近拿下保险代理牌照的苏宁，以及一直在航空旅意险细分领域闷声发财的携程、去哪儿等。某第三方平台公司2012年全年的互联网保险佣金收入达900万，毛利率6%，而2013年上半年的保险佣金收入就已经达到900万，毛利率25%。
四、保险行业大数据价值应用现状
保险行业大数据战略规划刚刚起步，相对于银行和证券公司，保险公司在电子化、数据化、移动化、平台化方面还处于落后状态。
大部分保险公司信息化工作没有完成，客户保单信息查询和更改仍然是手工和自动化相结合。保险行业对大数据商业价值应用的敏感度不高，大多数保险公司并没有将大数据列为保险公司基础能力进行建设。很多保险公司还没有建设移动App，即使有了移动App的保险公司，其移动App的功能只是集中在保单的简单查询，并没有将移动App定位为客户入口和主要渠道。保险行业另外一个问题就是内部数据没有完成整合，数据还处于信息孤岛状态，保险公司对内部数据价值认识不完整，大部分内部数据的价值没有被充分挖掘，大数据价值变现缺少应用场景。
保险公司的大数据价值变现处于一个原始阶段，需要进行数据基础建设。保险公司大数据价值变现应该从整合内部数据开始，将具有价值的数据集中在大数据管理平台（DMP），为大数据价值变现提供平台支持。
保险行业的大数据价值变现应该从了解用户入手，借助于用户账号打通各类数据，建立适合于保险行业的标签体系，利用已有数据标签和外部数据标签对用户进行画像。
保险公司完成用户画像之后，可以依据用户特点和保险需求，通过数字广告进行精准营销，提高客户渗透力、客户转化率和保险产品转化率。保险行业应重视年轻人消费场景移动化的特点，积极建设移动App，将渠道发展战略向移动端倾斜，将移动端定位为客户导入的入口、保险产品展示和购买的平台。保险公司需要标准化保险产品，依据客户需要设计出简单标准的保险产品，减少客户了解、购买保险产品所需的时间，让保险产品象其他金融产品一样，一目了然、购买简单。
五、保险行业大数据价值变现三部曲
（一）整合内部数据，引入外部数据，为客户进行画像
保险行业内部拥有大量具有价值的数据，因此保险行业的大数据战略应该从整合自身数据开始，挖掘已有数据，对用户进行画像。保险公司内部的数据包含客户的个人属性和金融信息，这些数据可用来标签化，为用户画像提供支持。
保险公司拥有业务订单数据、用户属性数据、用户收入数据、客户查询数据、理财产品交易数据、用户行为等数据，这些数据可以通过用户账号打通，建立用户标签。客户的交易纪录和个人基本信息将用于客户分类，可以将用户分为理财客户，教育保险客户，寿险客户，意外险客户，保障险客户、车险客户、少儿保险、女性保险客户等。
保险公司数据集中在内部的数据，主要包含交易数据和订单数据，由于不含有客户外部行为数据，无法定义客户的特点，例如客户的旅游爱好、教育需求、文化需求、位置轨迹、理财需求、游戏爱好、体育爱好等。这些信息都是描述用户的基本信息，也是客户画像的基本标签。
保险公司可以从外部购买这些数据，结合内部数据，保险公司可以掌握客户多纬度信息，丰富用户信息，形成360度用户画像。360度画像有助于保险公司从不同角度来了解客户，也有助于对客户进行分类管理，依据客户的特点进行精准营销和设计产品。
保险公司需要建立大数据管理平台（DMP），集中保险公司内部的数据，依据商业分析对数据进行标签化，将保险用户账号作为唯一标示符打通整体数据。保险公司还需要引入外部移动互联网数据，借鉴客户外部行为标签数据，丰富保险客户信息，形成360度用户画像。由于客户行为的不确定性，用户画像信息需要及时更新，因此DMP中的标签体系和数据，包括引入的外部数据都应该是动态的，及时进行更新，这样才可以保证数据的时效性。
大数据管理平台（DMP）是保险行业大数据价值变现的基础平台，大数据价值变现很多场景都可以利用DMP的数据进行挖掘，包含客户用户画像、精准营销、新客获取、老客经营、用户体验提升、风险评估等。
（二）打造移动APP互联网保险平台，标准化保险产品
未来的社会消费主体是80后和90后，保险产品的主要客户群也在转向年轻人。保险公司必须了解这些年轻人的特点，才能够设计出适合客户需要的产品，更好地为客户服务。
年轻人追求快捷舒适的消费方式，移动互联网时代到来之后，大部分消费场景正在移动化，人们的衣食住行以及文化娱乐消费都可以通过移动App来解决。特别是年轻人，他们消费场景移动化趋势更加明显。
保险公司应该关注消费场景移动化的趋势，将连接客户的方式从电话和线下转向移动互联网，利用移动App同客户进行连接。保险公司的客户渠道也应该转向移动互联网，逐步降低电话销售获客比例，将获客的主要资源向移动App。
电话销售的一个弊端是信息提供不充分，当保险产品较为复杂时，电话销售将会考验销售人员的表达能力，另外长时间的沟通对客户体验也是一个较大的挑战。年轻人对时间较为敏感，很难耐心听完复杂的产品介绍，保险公司在未来利用电话销售来获取客户的难度将会越来越大。移动互联网时代，电话销售已经成为落后的销售方式，不能适应年轻一代客户的需要。
移动App可以提供丰富的产品信息，既可以提供简明的产品介绍，又可以提供直观的数据和图表。移动App还可以通过炫酷视频和图片向客户转达更多的理念价值。这些丰富的信息不但能够让客户在短时间内了解产品，还可以提高客户体验，提高客户购买产品的可能性。利用移动 App进行产品推荐不但可以提高产品的转化率，还可以降低营销成本，提高客户体验。
保险公司另外的挑战是保险产品不够丰富，无法覆盖客户所有场景的保险需要；保险产品设计过于复杂，客户购买时需要掌握的信息过多，影响客户购买体验。保险公司将产品展示平台转向移动App后，必须对保险产品进行标准化，保险产品介绍一定要简单明了，突出重点和客户利益，并依据客户各种场景需设计产品。简单标准的保险产品迎合了年轻人的需要，有利于快速销售、形成规模，有利于保险公司延续此保险产品的生命周期，降低产品开发成本。
未来保险产品需要同生活场景相结合，满足客户对各种保险产品的需要。例如在车险领域可以增加爆胎险、异物撞击险、自然灾害险、高温险、低温险等。在保障险领域可以增加更多的场景险，例如交通堵塞险、延误险、高空坠物险、天气突变险、暴雨险等。
（三）利用大数据分析来改变保险行产品定价方式，以客户为中心设计保险产品
互联网金融时代，所有商业思维应该转向数据思维，保险行业也应该利用大数据来分析客户需求、开发产品、运营企业以及进行风险定价。
保险精算师设计保险产品时，主要依赖于理赔标的发生的概率，大部分数据来源于行业的历史数据和统计数据，这些数据都不是实效数据，并且很多数据统计方式已经过时，小样本数据同真时数据的方差正在变大。依靠误差较大的数据无法设计出接近真实概率的产品，并会影响保险产品的定价方式。设计出来产品风险偏好不准，可能会导致保险产品收益过低，客户不倾向于购买；也可能导致保险产品覆盖不了风险，导致保险产品出现亏损。
过去保险产品在设计时并没有从客户角度出发，主要关注风险和收益，产品设计出来是否满足客户需要，保险公司其实根本就不知道。当保险产品推出后，其是否会被被客户接受，很大程度取决于市场推广力度和销售人员能力。在这种情况下保险公司投入资金较大，产品风险很高。年轻的一代的正在走向分化，很难有一个产品满足大部分客户需要。在新的社会形态下，保险公司需要深入了解客户特点，依据客户的需要来设计保险产品，这样才能保证保险产品的销量，形成一定规模，覆盖风险事件发生概率。
大数据分析技术、标签数据、客户行为数据、全局数据可以帮助保险企业改变保险产品的定价方式。基于大数据技术和全局数据的产品设计模型可以帮助保险公司设计出较高收益、较低风险概率的产品。客户行为数据和标签数据可以帮助保险公司了解客户特点，设计出满足客户需要的保险产品。以数据分析和客户需求为出发点的保险产品设计，将会在产品收益、客户体验、风险管理等方面取得领先。国外一些领先的保险公司在设计保险产品时，已经利用大数据分析技术进行设计，并取得了较好的市场反馈，产品的盈利可观。大数据将会帮助保险公司设计出风险分析充分、适应客户需要的保险产品。
总结，大数据商业应用是移动互联网时代的趋势，未来时代的特征，任何行业都无法回避。保险行业应该重视大数据技术和价值在本行业的应用，购买外部数据，利用DMP进行用户画像；标准化保险产品，利用移动App进行获客、营销、数据采集；借助于大数据技术改变过保险产品定价方式，以客户为中心来设计保险产品。

保险业可利用大数据涅槃重生。那么，在大数据环境下，保险业也需要适应新保险消费特征，迎接新的挑战，不然，即使重生，也容易灭亡。
六、大数据环境下的保险营销需适应新保险消费特征
大数据时代的到来改变了数据的采集、传输、存储、处理方式，引起了生活方式和社会经济的变革，也给保险业带来了全面和深刻的影响。保险公司纷纷利用大数据来进行保险营销、保险服务方面的尝试和创新，但目前的保险大数据环境尚不成熟，现有的保险消费方式还处在由传统到新型、由被动到主动的一个变化期，大数据环境下的保险营销需要适应新的保险消费特征。
（一）保险消费选择多样化
传统保险模式运作下，保险公司评估消费者的风险水平、消费能力、消费意愿的能力不强，导致部分领域保险产品定价过高，部分领域成为剩余市场。大数据环境下，保险业可以获得全量、实时、潜在的数据来进行详细分析，进行保险产品细分和个性化设计，保险公司的风险管理和成本管控可以更加精细化，这为保险产品创新带来了广阔空间，长期困扰保险业的产品和服务同质化问题有望从根本上得到解决。
比如，保险公司根据消费者的网站登录痕迹、朋友圈留言、贷款信用记录等信息，发现不同消费群体保险需求和风险特质，为保险消费者提供诸如户外骑行保险、医疗整形保险、变现借款保证保险等特色险种，保险消费选择更加多样。
（二）保险消费流程简单化
传统保险经营过程中，保险公司与投保人信息不对称的情况较为突出，保险公司通过要求投保人应当履行如实告知义务，投保时需要填写内容繁多的投保单，出险后需要提出理赔申请和提供繁琐的证明材料。在大数据环境下，风险特征的描述数据极大丰富，保险公司可以通过各种渠道获取更加全面的风险信息，运用个人信息、交易记录、气象信息等社会数据来分析和掌握客户情况，获得与承保理赔相关的信息，在控制风险的前提下进一步减少投保人的告知责任，有效简化承保理赔手续，保险消费流程变得更加简单。
比如，保险公司根据掌握的网络交易数据，研究消费者网购习惯和退货概率，为不同风险的消费者提供不同保费的退货运费险，消费者只需一键购买；对于购买了航班延误险的消费者，无需提供气象证明，甚至不需提出理赔申请，保险公司就能够根据气象信息等大数据资源主动理赔。
（三）保险消费理念前沿化
大数据环境下，传统保险业在集合大数方面的优势逐渐弱化，保险技术服务壁垒逐步瓦解。通过使用各种搜索引擎和比价平台，消费者消费洞察力不断提高，保险消费理念也变得更加前沿。
一方面，越来越多的保险消费者脱离了传统柜台业务模式，开始使用各种自助终端购买保险业务。通过手机APP应用软件就可以轻松完成保险产品的查询和购买，甚至自助完成车险简易案件的查勘工作。
另一方面，保险消费者出现偏好碎片化、谋求资金收益的消费倾向。在透明公开的渠道选择保险产品时，消费者更加偏好设计简单、投保便捷、费率较低的保险产品。保障项目经过分解、条款说明更加简单、产品保费也大大降低的保险产品，更加适应消费者自行挑选的需要。此外，大数据环境下的保险消费者比较熟悉互联网金融，容易在各类理财产品间进行比较，在购买网上销售的投连、万能型保险产品时更加注重资金收益。
（四）保险消费体验延伸化
传统的保险服务集中于经济赔偿与给付，保险消费体验也只局限于保险公司履行了赔付责任。大数据环境下，保险公司与客户的关系不再是一对一的交互沟通，逐渐形成多维网状交互沟通模式，基于客户数据的客户关系管理变得尤为重要。
保险公司可以借助大数据的积累，整合汽车修理、零配件供应、医疗健康服务等供应链，进一步延伸保险产业链边界、维护客户关系，在降低保险经营成本的同时，不断优化保险消费体验。目前，保险公司可以定期为消费者提供包括车辆风险检查、保养维修、交易资讯、健康管理在内的各项服务，未来还有可能基于大数据为消费者提供更加全面的风险管理创新服务。

保险业利用大数据来发展，换而言之，大数据也是为保险业提供了一种新的视角。
七、大数据为保险业提供另一种视角
在客户需求的精确锁定方面
大数据给保险业带来了很多便利。以前，对于客户的分类局限于“客户属于哪一类”，而现在，则扩展到“客户是哪一类”。
传统的精算技术只在一定纬度量化风险，很难充分反映风险的复杂性。而在互联网大数据时代，则前所未有的创造了风控每个投保标的的可能，从未有过如此多纬度、低成本的数据，如此系统、新鲜地提供给保险业。
什么星座的人最喜欢买保险？哪个地区的人最喜欢给自己买保险？这些曾经看起来无关乎保费的问题，在互联网大数据时代背景下，也成为了险企定位客户的另一种视角。在泰康人寿的保单中，最喜欢买保险的是天秤座，而最不喜欢买保险的是白羊座；最喜欢给自己买保险的是宁波人，而最不喜欢给自己买保险的则是陕西人。
“ 上述结论没有什么道理，这是泰康人寿的数据分析出来的。以前，对于客户的分类局限于‘客户属于哪一类’，而现在，则扩展到‘客户是哪一类’ 。”泰康人寿首席信息官刘大为在日前召开的“互联网大数据与精算创新论坛”上，用几个有趣的结论介绍了大数据时代保险业正在发生的变革。
（一）精准定位
我的客户在这里
“在当前时代背景下，可以运用大数据分析法来整合分析金融保险需求的关联度，在不同方向、专业形式的共同配合下，做好大数据的升级分析整合的系统工程，从客户的角度，综合统筹各种信息，捕捉各种需求，从而寻找潜在的客户，并预测客户的具体需求。” 中国保监会原副大大、中国精算师协会创始人魏迎宁在论坛上表示，从保险业来看，在客户需求的精确锁定方面，大数据给我们带来了很多便利。
在大数据背景下，除了对数据的纵向分析之外，可以从横向来分析消费者的需求。客户的具体收入水平、文化程度、价值观念，也会影响其对保险的态度，通过对网络消费的数额、职业、学历等数据所进行的分析，也可以作为保险需求分析的重要部分。还可以通过搜集互联网用户的地域分布，搜索关键词、购物习惯、流览记录和兴趣爱好等一系列的数据，在保险产品消费中实现需求定向、偏好定向，真正做到精准化、个性化营销。

㈢大数据就业前景怎么样

数联寻英《大数据人才报告》显示，目前中国的大数据人才仅46万。仅就人工智能领版域而言，印度的从业人权员在15万左右，美国有85万，而我国仅有5万人。随着科技的不断发展，在短短3-5年内，我国大数据人才的缺口将增至150万。

而波士顿咨询公司（BCG）发布的《数字经济下就业与人才研究报告》预计，中国整体数字经济规模在2035年将达到16万亿美元左右，总就业容量将达到4.15亿。

大数据主要的三大就业方向：

大数据系统研发类人才、大数据应用开发类人才和大数据分析类人才。

从目前的发展来看，大数据将是最有发展前景的职业。任何系统、任何公司的核心都是数据。数据的飙升，将诞生系列新的技术和产业。

目前全国的大数据人才仅46万，未来3-5年内大数据人才的缺口将高达150万，越来越多人加入到大数据培训，当下大数据从业人员的两个主要趋势是：

1、大数据领域从业人员的薪资将继续增长；

2、大数据人才供不应求。

㈣刺客信条3波士顿斗士酿酒厂哪个城市到底地图上为什么没图标

任务图标是隐藏的，你到酿酒厂旁边会显示

波士顿的这个位置

希望我的回答对你有帮助

㈤什么是波士顿包

欧美Boston bag，也有人说叫box-shaped bag ，指的是包底呈长方形，采用硬质面料做成的包，这种包不容易变形。现在80%大牌的波士顿都采用头层牛皮,皮面光滑细贰,皮质硬挺且耐用.

据说它是以前美国波士顿大学生很喜欢用的一种提包，因此得名。Boston bag--波士顿包有一个重要特点，不论包里是塞满东西或者空着、半满，包包外形都依然坚挺，给人一种扎实、稳固的感觉。由于容量大，又便于携带，波士顿包常被开发成旅行包。

波士顿包是一款百搭包，是购包族实惠的选择，一方面它以置物空间大出名，可以容纳各种出门必备小物，另一方面，既能搭配正式套装也能搭配休闲洋装。可以搭配平底鞋，也可搭高跟鞋。

㈥波士顿大学的入学申请要求

研究生申请条件
开学时间：每年1月、8月
IELTS：7。0【工程学院、公共卫生学院：6。0;教育学院:6。5(对外英语教学7。0);社会服务学院：6。5;科学与艺术研究院、管理学院、法学院* 法学硕士：7。0】
TOEFL分数要求：100。
0
TOEFL单科要求：
College of Arts & Sciences, School of Ecation, College of Engineering, College of Fine Arts, School of Hospitality Administration, and College of Health & Rehabilitation Sciences: Sargent College:
Writing: 22
Speaking: 23
Reading: 21
Listening: 18
College of Communication, College of General Studies and School of Management:
Writing: 22
Speaking: 23
Reading: 25
Listening: 21
研究生学费：USD47560/年。

㈦大数据和人工智能在互联网金融领域有哪些应用

大
数据从四个方面改变了金融机构传统的数据运作方式，从而实现了巨大的商业价值。这四个方面（“四个C”）包括：数据质量的兼容性
（Compatibility）、数据运用的关联性（Connectedness）、数据分析的成本（Cost）以及数据价值的转化
（Capitalization）。

大数据在金融业的应用场景正在逐步拓展。在海外，大数据已经在金融行业的风险控制、运营管理、销售支持和商业模式创新等领域得到了全面尝试。在国内，金
融机构对大数据的应用还基本处于起步阶段。数据整合和部门协调等关键环节的挑战仍是阻碍金融机构将数据转化为价值的主要瓶颈。

数据技术与数据经济的发展是持续实现大数据价值的支撑。深度应用正在将传统IT从“后端”不断推向“前台”，而存量架构与创新模块的有效整合是传统金融
机构在技术层面所面临的主要挑战。此外，数据生态的发展演进有其显著的社会特征。作为其中的一员，金融机构在促进数据经济的发展上任重道远。

为了驾驭大数据，国内金融机构要在技术的基础上着重引入以价值为导向的管理视角，最终形成自上而下的内嵌式变革。其中的三个关键点（“TMT”）包括：团队（Team）、机制（Mechanism）和思维（Thinking）。

1.价值导向与内嵌式变革—BCG对大数据的理解

“让数据发声！”—随着大数据时代的来临，这个声音正在变得日益响亮。为了在喧嚣背后探寻本质，我们的讨论将从大数据的定义开始。

1.1成就大数据的“第四个V”

大数据是什么？在这个问题上，国内目前常用的是“3V”定义，即数量（Volume）、速度（Velocity）和种类（Variety）。

虽然有着这样的定义，但人们从未停止讨论什么才是成就大数据的“关键节点”。人们热议的焦点之一是“到底多大才算是大数据？”其实这个问题在“量”的层
面上并没有绝对的标准，因为“量”的大小是相对于特定时期的技术处理和分析能力而言的。在上个世纪90年代，10GB的数据需要当时计算能力一流的计算机
处理几个小时，而这个量现在只是一台普通智能手机存储量的一半而已。在这个层面上颇具影响力的说法是，当“全量数据”取代了“样本数据”时，人们就拥有了
大数据。

另外一个成为讨论焦点的问题是，今天的海量数据都来源于何处。在商业环境中，企业过去最关注的是ERP（Enterprise Resource
Planning）和CRM（Customer Relationship
Management）系统中的数据。这些数据的共性在于，它们都是由一个机构有意识、有目的地收集到的数据，而且基本上都是结构化数据。随着互联网的深
入普及，特别是移动互联网的爆发式增长，人机互动所产生的数据已经成为了另一个重要的数据来源，比如人们在互联网世界中留下的各种“数据足迹”。但所有这
些都还不是构成“大量数据”的主体。机器之间交互处理时沉淀下来的数据才是使数据量级实现跨越式增长的主要原因。“物联网”是当前人们将现实世界数据化的
最时髦的代名词。海量的数据就是以这样的方式源源不断地产生和积累。

“3V”的定义专注于对数据本身的特征进行描述。然而，是否是量级庞大、实时传输、格式多样的数据就是大数据？

BCG认为，成就大数据的关键点在于“第四个V”，即价值（Value）。当量级庞大、实时传输、格式多样的全量数据通过某种手段得到利用并创造出商业价值，而且能够进一步推动商业模式的变革时，大数据才真正诞生。

1.2变革中的数据运作与数据推动的内嵌式变革

多元化格式的数据已呈海量爆发，人类分析、利用数据的能力也日益精进，我们已经能够从大数据中创造出不同于传统数据挖掘的价值。那么，大数据带来的“大价值”究竟是如何产生的？

无论是在金融企业还是非金融企业中，数据应用及业务创新的生命周期都包含五个阶段：业务定义需求；IT部门获取并整合数据；数据科学家构建并完善算法与
模型；IT发布新洞察；业务应用并衡量洞察的实际成效。在今天的大数据环境下，生命周期仍维持原样，而唯一变化的是“数据科学家”在生命周期中所扮演的角
色。大数据将允许其运用各种新的算法与技术手段，帮助IT不断挖掘新的关联洞察，更好地满足业务需求。

因此，BCG认为，大数据改变的并不是传统数据的生命周期，而是具体的运作模式。在传统的数据基础和技术环境下，这样的周期可能要经历一年乃至更长的时
间。但是有了现在的数据量和技术，机构可能只需几周甚至更短的时间就能走完这个生命周期。新的数据运作模式使快速、低成本的试错成为可能。这样，商业机构
就有条件关注过去由于种种原因而被忽略的大量“小机会”，并将这些“小机会”累积形成“大价值”。

具体而言，与传统的数据应用相比，大数据在四个方面（“4C”）改变了传统数据的运作模式，为机构带来了新的价值。

1.2.1数据质量的兼容性（Compatibility）：大数据通过“量”提升了数据分析对“质”的宽容度

在“小数据”时代，数据的获取门槛相对较高，这就导致“样本思维”占据统治地位。人们大多是通过抽样和截取的方式来捕获数据。同时，人们分析数据的手段
和能力也相对有限。为了保证分析结果的准确性，人们通常会有意识地收集可量化的、清洁的、准确的数据，对数据的“质”提出了很高的要求。而在大数据时代，
“全量思维”得到了用武之地，人们有条件去获取多维度、全过程的数据。但在海量数据出现后，数据的清洗与验证几乎成为了不可能的事。正是这样的困境催生了
数据应用的新视角与新方法。类似于分布式技术的新算法使数据的“量”可以弥补“质”的不足，从而大大提升了数据分析对于数据质量的兼容能力。

1.2.2数据运用的关联性（Connectedness）：大数据使技术与算法从“静态”走向“持续”

在大数据时代，对“全量”的追求使“实时”变得异常重要，而这一点也不仅仅只体现在数据采集阶段。在云计算、流处理和内存分析等技术的支撑下，一系列新
的算法使实时分析成为可能。人们还可以通过使用持续的增量数据来优化分析结果。在这些因素的共同作用下，人们一贯以来对“因果关系”的追求开始松动，而
“相关关系”正在逐步获得一席之地。

1.2.3数据分析的成本（Cost）：大数据降低了数据分析的成本门槛

大数据改变了数据处理资源稀缺的局面。过去，数据挖掘往往意味着不菲的投入。因此，企业希望能够从数据中发掘出“大机会”，或是将有限的数据处理资源投
入到有可能产生大机会的“大客户、大项目”中去，以此获得健康的投入产出比。而在大数据时代，数据处理的成本不断下降，数据中大量存在的“小机会”得见天
日。每个机会本身带来的商业价值可能并不可观，但是累积起来就会实现质的飞跃。所以，大数据往往并非意味着“大机会”，而是“大量机会”。

1.2.4数据价值的转化（Capitalization）：大数据实现了从数据到价值的高效转化

在《互联网金融生态系统2020：新动力、新格局、新战略》报告中，我们探讨了传统金融机构在大变革时代所需采取的新战略思考框架，即适应型战略。采取
适应型战略有助于企业构筑以下五大优势：试错优势、触角优势、组织优势、系统优势和社会优势，而大数据将为金融机构建立这些优势提供新的工具和动力。从数
据到价值的转化与机构的整体转型相辅相成，“内嵌式变革”由此而生。

例如，金融机构传统做法中按部就班的长周期模式（从规划、立项、收集数据到分析、试点、落地、总结）不再适用。快速试错、宽进严出成为了实现大数据价值
的关键：以低成本的方式大量尝试大数据中蕴藏的海量机会，一旦发现某些有价值的规律，马上进行商业化推广，否则果断退出。此外，大数据为金融机构打造“触
角优势”提供了新的工具，使其能够更加灵敏地感知商业环境，更加顺畅地搭建反馈闭环。此外，数据的聚合与共享为金融机构搭建生态系统提供了新的场景与动
力。

2.应用场景与基础设施—纵览海内外金融机构的大数据发展实践

金融行业在发展大数据能力方面具有天然优势：受行业特性影响，金融机构在开展业务的过程中积累了海量的高价值数据，其中包括客户身份、资产负债情况、资
金收付交易等数据。以银行业为例，其数据强度高踞各行业之首—银行业每创收100万美元，平均就会产生820GB的数据。

2.1大数据的金融应用场景正在逐步拓展

大数据发出的声音已经在金融行业全面响起。作为行业中的“巨无霸”，银行业与保险业对大数据的应用尤其可圈可点。

2.1.1海外实践：全面尝试

2.1.1.1银行是金融行业中发展大数据能力的“领军者”

在发展大数据能力方面，银行业堪称是“领军者”。纵观银行业的六个主要业务板块（零售银行、公司银行、资本市场、交易银行、资产管理、财富管理），每个
业务板块都可以借助大数据来更深入地了解客户，并为其制定更具针对性的价值主张，同时提升风险管理能力。其中，大数据在零售银行和交易银行业务板块中的应
用潜力尤为可观。

BCG通过研究发现，海外银行在大数据能力的发展方面基本处于三个阶段：大约三分之一的银行还处在思考大数据、理解大数据、制定大数据战略及实施路径的
起点阶段。还有三分之一的银行向前发展到了尝试阶段，也就是按照规划出的路径和方案，通过试点项目进行测验，甄选出许多有价值的小机会，并且不停地进行试
错和调整。而另外三分之一左右的银行则已经跨越了尝试阶段。基于多年的试错经验，他们已经识别出几个较大的机会，并且已经成功地将这些机会转化为可持续的
商业价值。而且这些银行已经将匹配大数据的工作方式嵌入到组织当中。他们正在成熟运用先进的分析手段，并且不断获得新的商业洞察。

银行业应用举例1：将大数据技术应用到信贷风险控制领域。在美国，一家互联网信用评估机构已成为多家银行在个人信贷风险评估方面的好帮手。该机构通过分
析客户在各个社交平台（如Facebook和Twitter）留下的数据，对银行的信贷申请客户进行风险评估，并将结果卖给银行。银行将这家机构的评估结
果与内部评估相结合，从而形成更完善更准确的违约评估。这样的做法既帮助银行降低了风险成本，同时也为银行带来了风险定价方面的竞争优势。

相较于零售银行业务，公司银行业务对大数据的应用似乎缺乏亮点。但实际上，大数据在公司银行业务的风险领域正在发挥着前所未有的作用。在传统方法中，银
行对企业客户的违约风险评估多是基于过往的营业数据和信用信息。这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经
营状况，还包括行业的整体发展状况，正所谓“覆巢之下，焉有完卵”。但要进行这样的分析往往需要大量的资源投入，因此在数据处理资源稀缺的环境下无法得到
广泛应用，而大数据手段则大幅减少了此类分析对资源的需求。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影
响行业发展的主要因素，然后对这些因素一一进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本
低，而且对风险评估的速度快，同时显著提升了评估的准确性。

银行业应用举例2：用大数据为客户制定差异化产品和营销方案。在零售银行业务中，通过数据分析来判断客户行为并匹配营销手段并不是一件新鲜事。但大数据
为精准营销提供了广阔的创新空间。例如，海外银行开始围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生
大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。一家澳大利亚银行通过大数据分析发现，家中即将有婴儿诞生的客户对
寿险产品的潜在需求最大。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭：在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关
产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，从而大幅提高了交叉销售的成功率。

客户细分早已在银行业得到广泛应用，但细分维度往往大同小异，包括收入水平、年龄、职业等等。自从开始尝试大数据手段之后，银行的客户细分维度出现了突
破。例如，西班牙的一家银行从Facebook和Twitter等社交平台上直接抓取数据来分析客户的业余爱好。该行把客户细分为常旅客、足球爱好者、高
尔夫爱好者等类别。通过分析，该行发现高尔夫球爱好者对银行的利润度贡献最高，而足球爱好者对银行的忠诚度最高。此外，通过分析，该行还发现了另外一个小
客群：“败家族”，即财富水平不高、但消费行为奢侈的人群。这个客群由于人数不多，而且当前的财富水平尚未超越贵宾客户的门槛，因此往往被银行所忽略。但
分析显示这一人群能够为银行带来可观的利润，而且颇具成长潜力，因此该行决定将这些客户升级为贵宾客户，深入挖掘其潜在价值。

在对公业务中，银行同样可以借助大数据形成更有价值的客户细分。例如，在BCG与一家加拿大银行的合作项目中，项目组利用大数据分析技术将所有公司客户
按照行业和企业规模进行细分，一共建立了上百个细分客户群。不难想象，如果没有大数据的支持，这样深入的细分是很难实现的。然后，项目组在每个细分群中找
出标杆企业，分析其银行产品组合，并将该细分群中其他客户的银行产品组合与标杆企业进行比对，从而识别出差距和潜在的营销机会。项目组将这些分析结果与该
行的对公客户经理进行分享，帮助他们利用这些发现来制定更具针对性的销售计划和话术，并取得了良好的效果。客户对这种新的销售方式也十分欢迎，因为他们可
以从中了解到同行的财务状况和金融安排，有助于对自身的行业地位与发展空间进行判断。

银行业应用举例3：用大数据为优化银行运营提供决策基础。大数据不仅能在前台与中台大显身手，也能惠及后台运营领域。在互联网金融风生水起的当
下，“O2O”（OnlineToOffline）成为了银行的热点话题。哪些客户适合线上渠道？哪些客户不愿“触网”？BCG曾帮助西班牙一家银行通过
大数据技术应用对这些问题进行了解答。项目组对16个既可以在网点也可以在网络与移动渠道上完成的关键运营活动展开分析，建立了12个月的时间回溯深度，
把客户群体和运营活动按照网点使用强度以及非网点渠道使用潜力进行细分。分析结果显示，大约66%的交易活动对网点的使用强度较高，但同时对非网点渠道的
使用潜力也很高，因此可以从网点迁移到网络或移动渠道。项目组在客户细分中发现，年轻客户、老年客户以及高端客户在运营活动迁移方面潜力最大，可以优先作
为渠道迁徙的对象。通过这样的运营调整，大数据帮助银行在引导客户转移、减轻网点压力的同时保障了客户体验。

BCG还曾利用专有的大数据分析工具NetworkMax，帮助一家澳大利亚银行优化网点布局。虽然银行客户的线上活动日渐增多，但金融业的铁律在互联
网时代依然适用，也就是说在客户身边设立实体网点仍然是金融机构的竞争优势。然而，网点的运营成本往往不菲，如何实现网点资源的价值最大化成为了每家银行
面临的问题。在该项目中，项目组结合银行的内部数据（包括现有的网点分布和业绩状况等）和外部数据（如各个地区的人口数量、人口结构、收入水平等），对
350多个区域进行了评估，并按照主要产品系列为每个区域制定市场份额预测。项目组还通过对市场份额的驱动因素进行模拟，得出在现有网点数量不变的情况下
该行网点的理想布局图。该行根据项目组的建议对网点布局进行了调整，并取得了良好的成效。这个案例可以为许多银行带来启示：首先，银行十分清楚自身的网点
布局，有关网点的经营业绩和地址的信息全量存在于银行的数据库中。其次，有关一个地区的人口数量、人口结构、收入水平等数据都是可以公开获取的数据。通过
应用大数据技术来把这两组数据结合在一起，就可以帮助银行实现网点布局的优化。BCG基于大数据技术而研发的Network
Max正是用来解决类似问题的工具。

银行业应用举例4：创新商业模式，用大数据拓展中间收入。过去，坐拥海量数据的银行考虑的是如何使用数据来服务其核心业务。而如今，很多银行已经走得更
远。他们开始考虑如何把数据直接变成新产品并用来实现商业模式，进而直接创造收入。例如，澳大利亚一家大型银行通过分析支付数据来了解其零售客户的“消费
路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户（比如
零售业客户），帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。这些公司客户过去往往需要花费大量金钱向市场调研公司购买此
类数据，但如今他们可以花少得多的钱向自己的银行购买这些分析结果，而且银行所提供的此类数据也要可靠得多。银行通过这种方式获得了传统业务之外的收入。
更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。

㈧求助刺客信条3波士顿中央区酒馆开启方法，位置如图。据说要从地下道开启，地下道出口已经全部找到

虽然不知道LZ从哪弄来的上面这张图，但我可以负责地告诉LZ，这张图是有人恶意P出来的，目的不明。开拓者挑战任务3的酒馆开拓地4家波士顿4家纽约5家，就这些。再仔细找找看。

㈨如何编写大数据分析师简历

大数据分析简历的一个主要目标是-说服雇主邀请您参加面试，那么如何编写大数据分析师简历？

作为一名经验丰富的专业人员，您已经在整个职业生涯中发送了大量的简历。

但是，如果您的工作经历与大数据分析无关，但您愿意迁移到该领域，则应考虑根据情况调整方法。

最佳的简历选择是什么-基于技能的，按时间顺序的或组合的大数据分析简历?

如果您要转而使用不同行业的大数据分析，按时间顺序排列的简历将使您看起来像是做错工作的人。在您的情况下，应选择基于技能的简历或综合简历。

我什至会更进一步地建议，并鼓励您继续进行大数据分析技能的简历。

为什么?

因为基于技能的大数据分析简历旨在帮助像您这样的专业人员，即那些没有相关工作经验的专业人员。这是此简历格式的典型代表：

1、广泛的客观陈述;

2、简历中更详细的技能部分，强调目标职位所需的技能。

大数据bcg

与大数据bcg相关的阅读推荐