【編者按】在買方市場環境下，企業只有具有利差層競爭力還有可以不虧損，不論是行業新進入者、還是行業原住民，應該開始考慮如何搭建利差層競爭力，數據驅動是企業達到利差層競爭力的唯一途徑， 數據思維 是企業落地數據驅動的最重要的影響因素。

本文轉載自平心靜語，原作者陳平；由億歐編輯，僅供行業內人士參考。

汽車金融行業進入“生與死”戰國時代，退市已經成為了行業的熱門詞匯之一。在新的市場環境下，企業也許應該慎重思考“我是誰”、“我想成為誰”以及“我選擇哪條路”這三個哲學層面的問題，從底層邏輯開始反思我們對汽車金融行業的理解，找出一條通往美好未來的康莊大道。

我是誰？由企業主體和市場環境兩個部分組成。企業對這兩個部分的理解和認可，是企業做所有重要決策的基點。例如，2015年，不論企業背景如何，只要有資金可以開展業務，企業盈利的可能性都是很大的。2019年，不論企業背景如何，不以利差層競爭力理念開展工作，企業盈利的可能性都不高。2018年，有些持有 金融牌照 或者資本金成本低的企業，野心勃勃地進入市場，經過一段時間的業務發展，發現“金融牌照”、“資金成本低”都不是企業的核心競爭力。 這是必然的情況，資源變現能力大小與市場競爭環境強弱成反比，即市場競爭小、資源變現可能性大，反之亦然。

我想成為誰？這個問題在汽車金融行業里似乎不是個問題，大家一致想法是成為行業龍頭。“我想成為誰”是建立在“我是誰”理解的基礎上，不是所有企業都具備成為行業龍頭企業的社會資源和人力儲備，千年“老二”只需要跟著走就可以“吃香的喝辣的”，性價比可能更高哦。理論上，“做強”是企業自身可以控制的，“做大”則受很多市場因素的限制?！拔蚁氤蔀檎l”應該比“我是誰”更重要，原因大體有二，一方面它決定了哪些工作必須做，哪些工作可以不用做，另一方面它決定了必須工作的前后順序。

選擇哪條道路？汽車金融行業進入戰國時代之后，各家公司基于對“我是誰”和“我想成為誰”的理解，實施了各種各樣的“變法”，銷售直營、AI風控、IT驅動、自建渠道，不勝枚舉。從汽車金融五層競爭力的角度來觀察（具體內容參見《汽車金融進入戰國時代之——數據驅動的五層競爭力》），準備不充足的利差層競爭力只能“半推半就”的出來見“公婆”了，利差層競爭力的基礎是數據驅動，工具是風險定價（具體內容參見《汽車金融進入戰國時代之——數據驅動的汽融產品設計》）。

“數據驅動”可以簡單分解為“數據資產”和“數據能力”兩個部分，“數據資產”可以拆分為“數據硬資產”（是指數據資產的規模）和“數據軟資產”（是指數據分析的結論）；“數據能力”可以拆分為“數據硬能力”（是指掌握多少統計方法和工具）和“數據軟能力”（是指數據分析人員的結構和人數）。 “數據硬資產”與業務發展沒有任何必然聯系，例如行業有些公司業務規模很大，發展卻越來越艱難?！皵祿操Y產”只有通過“數據能力”才能轉化為“數據軟資產”，它會對業務發展有直接影響，例如從一家公司指標庫中的指標類別、指標數量和指標質量可以判斷出這家公司的業務現狀和發展潛能。“數據硬資產”轉為為“數據軟資產”過程中，“數據思維”是“數據資產”和“數據能力”的土壤，直接影響業務發展，所以說，“數據思維”是目前汽車金融行業的核心競爭力。

大家對“數據思維”的理解和定義各不相同，一種極端的解釋是，數據可以客觀反映事物狀況，完全可以代替人，例如人對一件物品重量的描述可以說“很重、很輕、還可以”，數據會指出這件物品重20.11公斤；另一種極端的解釋是，人具有演繹、推導、總結、歸納等能力，數據驅動僅僅是一種強化人這些能力的工具，與財務管理工具的作用一樣?！疤卣魈崛〉倪^程其實就是將業務知識和行業經驗轉化為數學公式的過程，是人的智慧和模型能力進行結合的交匯點”，這是我筆記里的一句話，認為“數據思維”既不是無所不能的“上帝”，也不是“冷冰冰”的工具， 數據思維是努力實現“數據驅動與業務發展”的完美結合的過程。

下圖通過公式的方式，描述了一家企業的 數據驅動能力 ，它包括“數據思維”、“數據能力”和“數據資產”三部分構成?！皵祿季S”取值可正可負，“數據能力”和“數據資產”取值都可以從零到正無窮?！皵祿季S”如果是負值，“數據能力”越強、“數據資產”越大，企業數據驅動能力對企業業務發展負面影響越嚴重，例如有些互聯網公司在汽車金融行業“走了麥城”；如果“數據能力”為零，“數據資產”規模再大，對業務發展不會有任何幫助，例如行業有些企業，資產規模數一數二，業務發展卻日益艱難；“數據資產”可以分為企業自有數據資產（包括數據硬資產和數據軟資產）和外部數據資產（數據硬資產是其他公司的，數據軟資產可以通過某種形式合作獲得）。

下面簡要介紹幾個我與朋友討論的“數據思維”的案例。

數據規模不達到一定體量，數據分析沒有意義。理論上，數據規模越大，分析效果越好。那么數據體量達到多少可以做分析呢？統計抽樣理論就是用小樣本指標來描述整體狀況，如在醫院抽血驗病，我們希望越少越好吧？業務體量最大的企業，發展最好嗎？按照這樣的邏輯，可以推導出所有行業都會被一家企業所壟斷！“數據驅動”的核心競爭力是“數據思維”，如數據資產也可以分為“規模”（是指客戶數量的大?。┖汀百|量”（是指客戶衡量維度的多寡，或者是業務解釋的豐富度），有些同行具有大量客戶數據，但是只有為數不多的有效指標，業務解釋豐富度很差，讓人嘆息啊。

30+（不論是動態還是靜態）指標是無法衡量資產質量（這個指標是怎么成為行業通用標準的呢？）。有些企業管理層在內部會議上，也只有這個指標來考核資產質量和審核人員能力。統計有三個功能，一是描述現狀、二是邏輯推導、三是預測未來。衡量資產質量的描述性指標可以使用賬齡分析等指標（30+可以用來美好資產質量，可以騙騙投資人等外行，千萬別騙自己）； 邏輯推導的例子如轉化率，某個SP轉化率越高，資產質量越好；預測型指標的多寡完完全全代表一家金融公司的管理能力， 例如對每個月放款進行預測（預測36期之后的損失率），并不斷優化預測方法和指標，可以推導中同一類客群的信用風險的變化情況，也可以依據這類數據，調整客戶群體分類或者優化信用評分卡。在同一類客群上，使用相同的指標，就可以觀察到客群每月信用風險的變化趨勢。

風險定價等同于信用風險管理。信用風險是金融產品定價的基礎（具體內容參見《汽車金融進入戰國時代——數據驅動的信用風險管理》），除此還要考慮欺詐損失的權重（具體內容參見《汽車金融進入戰國時代——數據驅動的欺詐風險管理》）。在買方市場環境下，以消費者為中心的準入風險管理是企業最重要的工作，它影響了每類客群的信用風險和欺詐風險的表現（具體內容參見《汽車金融進入戰國時代——數據驅動的準入風險管理》）。可以說，風險定價是由消費者調研部門、策略管理部門、欺詐管理部門和信用風險管理部門協調完成（具體內容參見《汽車金融進入戰國時代——數據驅動的汽融風險定價》）。

我們公司有BI系統，所以我們業務能力很棒。BI系統僅僅是一個指標展示平臺，更快捷、更美觀、更友好地展示了貴司認為重要的指標，使用BI系統不會提升業務能力，有可能會提升業務效率。我問過同一家公司的不同部門人員，如何定義和理解某某指標，他們的回答有時會有差異，指標定義不同，意味著A認為的1米和B認為的1米有差異，指標理解不同，意味著1米對A來說有點長、對B來說有點短。公司在引入BI體系前，應該好好梳理一下公司在用的指標，統一大家對指標的定義和理解，對指標進行分級、分類管理，對員工開發指標是堅持“必要性、有效性”的原則，避免“統計表格越來越多，看表的人越來越少”的現象，這會讓“表哥表姐”們很是受挫，聽說一位表哥竟然轉崗成為一名銷售人員。

最后說一點，統計意義與業務意義是兩個不同的概念，它們的差異不小于人與猿的不同，如果這兩類數據“張冠李戴”，即使有再多的數據分析人員，也不會幫助業務持續健康發展，在有些公司，反而加快了業務惡化的速度。按照我的理解，數據能力建設速度和規模受到了“業務意義”的制約，企業數據能力建設過程中，應該先簡后繁，不需要也不必要一開始就引入“高大上”的數據能力。

具有協調層競爭力的企業退市的時間快于我的預測，市場環境變化速度遠快于行業大多數人的想法（我是為數不多對“協調層競爭力”保持悲觀的人，3月寫得文章，認為協調層會在2、3年內逐步退市，很多朋友對此提出了尖銳的批評，比《AFC都是紙老虎》還猛烈）。金融企業想要持續盈利，利差層競爭力是最低要求， 建設數據驅動能力是利差層競爭力的必經之路，路上的指南針是“數據思維”。3-5年后，不具備利差層競爭力的企業都會離開汽車金融的萬億市場。

本文已標注來源和出處，版權歸原作者所有，如有侵權，請聯系我們。