金融pg麻将胡了模拟器班
纵观过去十年的互联网行业，要说比较能挣钱的行业，金融当属其一。靠着互联网通向每个用户的触角，加上更精细的拓客与风控技术，让金融这门传承千年的人类传统艺能，瞬间爆发出了巨大的产能。
然而，任何快速生长的商业机会，都可能有成长的烦恼。最近两年，国家对金融行业的监管不断加码，一来是因为这个行业的无序生长已经蕴含了越来越高的系统性风险；二来是因为它的拓客与风控，在使用数据上仍然存在着一些问题。
那么，以往金融行业的营销与风控，在使用数据上都存在哪些问题呢？首先，部分使用以手机号、身份证等为id的营销与风控数据，在新的法规下需要调整；其次，数据的生产、流转和采买，也往往缺乏规范合规的流程。
因此必须正视的是，在行业规律和监管方向逐渐清晰的今天，金融行业的营销与风控，在使用什么数据、怎样使用这些问题上，都应该有崭新的视角和方法论了。
站在金融从业者的角度来看，监管新规为处于爆发式增长中的金融科技填补了一系列标准化空缺，帮助行业规避可能的系统性风险。尤其是对于数据获取、应用的边界进行规范，从制度上避免了行业内的不良竞争，为行业参与者划定了更为健康、公平的“新起点”。
在“合规”前提下，数据依然是金融行业未来深度数字化转型中最具重要性的高价值资产之一。如何确保数据应用合规并尽可能发挥金融机构一方数据价值，已成为金融机构推进数字化的重要挑战。
个人认为，在金融这样数据应用较为敏感的行业中，与数据的有效性相比，首先要保证其使用的合规性。而合规性这一点，比较合理的办法，还是靠大平台来约束和管理。
说白了吧，像bat这样的大平台，对数据使用合规性把控的意愿和能力比较强。另外，这些大平台作为金融行业营销与风控的生态组织者，也理应在建设新的数据使用体系方面发挥主导作用。
如果数据的规范和使用回到大平台，那么金融行业的客户与营销平台之间的分工协作，会有什么样的新趋势呢？我觉得主要会有如下两点变化。
一、客户在营销过程中理解的重点，应该从“理解用户”转向“理解产品”。
以往效果广告投放，往往首先着眼于理解用户。对于金融拓客来说，靠一方数据来理解用户、精准定向，往往能力不足，因此才会出现大量使用第三方非合规数据的现状。然而，在如今的监管环境下，仅仅依赖广告平台的数据能力，在提升拓客的效率上作用是很有限的。
更深层的数据协作，是要引入更多金融机构独有的数据洞察，找出更适合撬动拓客的产品、素材、出价，使有限的数据能够在投放中充分释放其价值。
要实现这一转变，广告平台需要与广告主充分配合，担负起协助金融广告主理解用户人群的职能，不断优化模型和策略，提升转化效果。而金融机构呢？不要再把眼光放在哪里去买贷款人群的白名单上，而是要把从转化到最终形成利润的后链路，进行充分的数据化和模型化，并将其应用于投放中。就像我在《广告主玩数据，有个大误区》一文里讨论的，客户要把精力放在算清楚一个点击为自己带来多少利润或价值这件事上。一旦视角这么转变一下，相信您的思路就马上开阔了。
二、在客户与平台的协作模式上，会逐渐从“界面协作”演进到“系统协作”。
系统协作，说的是双方从优化运营层面的资源协调和动作对齐，深化至“投放引擎和数据识别”系统中的分工协作。
也就是说，从原来的运营对接，逐渐升级为产品对接。
具体分工上看，广告平台理解了金融机构的生意模式，了解了各阶段的营销诉求，应该进一步提供更具实效性和智能化的数据产品、工具和策略，并与甲方各个层级保持扁平的合作推进。金融机构各层级则需要理解效果广告投放逻辑，积极拥抱平台提供的新能力。更重要的一点在于，在合规前提和内部数据团队支持下，更多地开放一方深度转化数据协作，从而与平台共建真正有效的数据应用生态。
这里，我来讲一个在这个思路下，比较有代表性的具体产品案例——腾讯广告dmp的“联合专区”与“四大lab”能力。
去年下半年起，腾讯广告dmp对全链路数据服务进行升级整合。特别是为了应对数据接入的标准化与安全性，推出了的高阶应用“联合专区”。这个产品，为平台与金融机构进行数据开放共建奠定了重要基础。
什么是“联合专区”呢？它是基于数据安全与合规性的考虑，为金融机构提供的可自定义的专属通道；它是基于腾讯云的私有化的部署和加密，打造的“数据保险箱”，同时可以确保数据应用时，金融机构有充分的自主性。联合专区的数据接入链路，已获得iso/iec 27001:2013及iso/iec 29151:2017“双iso”标准认证。
这个产品比较有意思的地方，是数据汇聚和存储在平台方，然而保险箱的钥匙掌握在金融机构手上，何时上报何种数据的决定权，也由金融机构决定。从而在数据应用的安全性、合规性与灵活性方面，达到了巧妙的平衡。通过“联合专区”，可补足一方与二方数据应用上的短板，在保证金融机构数据资产自主、安全、可控的同时，基于数据管理、分析和建模等深度应用，最大化释放数据价值，助力广告提效。
那么，联合专区数据使用的灵活性怎么体现呢？这就要谈到通过开放平台的数据能力，使一二方数据价值获得融合增值，来满足不同场景与营销诉求的四大“lab”能力。
- sql lab：整合一、二方数据洞察，进行分析和人群提取；这个lab的作用，是让客户在联合专区中，像操作自己的数据仓库那样进行分析，获取深入的洞察。
- model lab：为有建模能力的机构提供三类建模方式，既能够支持特征洞察，也能将预测的成果提取成人群包用于投放。与sql lab相比，model lab面向的是数据能力和专业程度较高的客户，在这种模式下，客户可以灵活地利用联合专区中的数据进行机器学习建模。
以上两类能力重在为平台二方数据注入来自金融机构的专业知识，弥补二方数据在行业专属特性上的短板。而sql lab与model lab的洞察与建模成果，还可在全链路深度优化中发挥作用。
- rta lab：进行负向人群排除，参竞判断；它为it能力有限的客户，提供了方便地接入 rta功能的服务。
- rule lab：基于对不同用户人群的出价权重设置，来实现深度roi的提升。权重因子可作用于投放全链路。对多数客户来说，可能并没有能力采用建模的方式来利用数据，然而可能一些简单的规则就能解决他们80%的问题。对此，联合专区提供的rule lab能力，正是方便这些客户，使用规则的形式来操纵一二方数据，并完成对应的线上投放决策。
借助四大“lab能力”，可使金融广告主更精准地判断正向或负向人群，并基于业务诉求发现可深度转化的目标人群，带动roi的深度优化。也就是说，不仅可以“保护”数据，还可以“玩转”数据。例如，在贷款类业务推广中，通过向联合专区上报一方正向数据，结合平台智能预估模型，发掘更精准的受众和更合适的出价，可带动后链路深度转化提升。
目前，腾讯广告还在规划联合专区的产品升级，提升对于深度转化数据价值发掘的能力，在四大lab能力之外，新加入feature lab。这个feature lab，是在原有sql lab基础上，加入更高细粒度的腾讯系多场景数据，以便行业专家进行更深度的数据洞察。
以上“联合专区”和“四大lab”这种产品探索，为新环境下金融行业在营销中的数据应用摸索出了一条有意义的道路，相信沿着这个方向发展下去，金融行业一定能在数据使用的合规性与有效性之间找到合适的平衡点。
无论是政策上的数据合规要求，还是着眼于金融科技良性发展，金融行业都需要解决数据应用从“量”到“质”的转变，以有限的数据体量，发掘出对业务有利的更多价值空间。在此过程中，腾讯广告作为众多金融机构的pg麻将胡了模拟器的合作伙伴，一方面，推动数据合规与安全，另一方面，也为行业提供更具效率的数据应用能力，助推行业建立着眼于未来长期发展的数据协作体系，使数据合规应用成为金融行业深度数字化转型的重要驱动力。
