今年8月，全球著名信息产业研究机构IDC发布了《2016中国银行业IT解决方案市场份额》报告。文思海辉金融凭借在数据分析、决策支持等方面的优异表现，特别是在数据规划、数据应用、数据治理等方面的绝对优势，获得IDC商业智能/决策支持管理类解决方案市场份额第一名。
1995年以来，文思海辉一直致力于为全球客户提供世界领先的商业/IT咨询、解决方案以及外包服务，在金融服务、高科技、电信、旅游交通、能源、生命科学、制造、零售与分销等领域积累了丰富的行业经验，主要客户涵盖众多财富500强企业及大中型中国企业。
今天，环球网邀请到了文思海辉技术有限公司商业智能事业部总经理 杜啸争做客，为我们讲述文思海辉的发展故事。
1+1>2，软件外包旗舰扬帆起航
文思海辉的前身是文思创新软件技术有限公司和海辉软件(国际)集团公司，这两家最早都是依靠软件服务外包起家的。从2010年左右开始，两家公司先后开始向解决方案方面的转型。在这个过程中，他们分别收购了很多团队和公司，积蓄了大量的实力。
2012年8月，两家公司宣布战略合并，合并后的文思海辉不仅仅是资产的重组，还包括了两家公司技术人员、技术成果的整合。强强联合之下，文思海辉成为全球化的咨询与科技服务提供商，拥有超强的全球运营能力、严格的质量标准和高效的交付流程，致力于成为全球企业“新时代的合作伙伴”，中国最大软件外包旗舰企业扬帆起航。
客户为中心，解决基础痛点
“银行是文思海辉一个重要的客户群体。银行业传统的以帐务为核心的管理方式已经不能满足日益变化的客户需求，银行需要真正的做到以客户为中心的管理，我们在银行业的很多核心服务是在协助银行进行真正的以客户为中心管理方式的重构。”
杜啸争说：“举个最典型的例子。从银行数据业务方面来说，以前，银行的数据都是按照帐户的方式组织，而现在越来越多的数据按照客户的方式组织。从我们来说，我们提供是数据解决方案服务也从最初简单地出报表，升级到现在涵盖数据挖掘、查询分析、分析报告等多方面、多角度内容，甚至还涉及到人工智能等多方面的内容。这些所有的基础都是以客户为中心的深层次需求。”
“今年，我们数据领域围绕银行业营销和风险两大主要需求研发了一系列新的解决方案，如我们的客户画像系统、客户标签系统、复杂指标自动化、报表一体化、客户细分和评价体系、实时反欺诈系统以及智能决策支持系统等，这些在很多银行发挥了重要的决策管理作用。此外，随着互联网数据的不断丰富，传统银行已经不满足于仅仅依靠行内数据来构建客户的全画像，我们还在很多银行构建了外部数据平台，通过引进外部互联网数据来补充行内的客户行为数据，能够进一步降低银行风险和提高营销成功率，这也是我们今年主推的解决方案之一。”
杜啸争表示：“银行作为我们的重要客户，我们应该从明确客户真实需求和直面互联网冲击两个方面入手不断提升我们的服务质量水平。现在很多互联网公司也在提供类似的数据服务，但他们和我们有一点最大的不同，那便是他们更偏技术而忽略了银行的业务和应用场景，很难完全准确找到银行的痛点。”
解决方案细分化
杜啸争说，近两年银行业有一个趋势叫“解决方案细分化”，很多的细分领域都有专属的公司提供特定的解决方案。在某一个细分领域，某些大企业并不见得比一些小企业做得好。比如像客户评分、客户画像以及智能投顾等这种细分领域方面，一些小企业在个别算法上的研究已经超过大企业了。
从文思海辉的角度来说，我们将自己定位为“解决方案集成供应商”。一方面，我们长期以来同IBM、SAS等大型跨国企业保持深度合作，我们能把他们的成熟产品包装到我们的解决方案里，为客户提供最优的解决方案。另外一方面，我们也同很多新的细分领域的产品厂商合作，通过对他们产品的理解，将他们的产品深入整合到文思海辉的整体解决方案里边来，能够从整体上给客户提供最好的解决方案。这是文思海辉作为集成商的的价值，也是客户对我们的长期专业的认可。
杜啸争说，“对文思海辉来讲，我们最关注的是能否给客户提供更好的解决方案。我们不太关注合作企业本身的大和小，我们更看重的是它的产品是不是最好的。我觉得文思这几年之所以得到客户的信任，缘由我们在跟客户交流方案的时候，能真正站在一个客观公平的立场上为客户来设身处地的着想。”
“为了实现这个目标，我们近些年，一直和很多细分领域的产品厂商保持深入密切的沟通，实时关注他们产品的状态和最新产品特点，将他们细分的产品整合到文思的整体解决方案中，给客户提供真正端到端的解决方案。这样的合作形式我们做了很多，这对客户、对其他产品厂商以及文思可以说是一个三赢的结果。”
解决方案集成供应商
杜啸争告诉记者，说到集成商，大家更多的印象是指我们很多的传统硬件及支持这些硬件的基础软件高度集成。现在，随着行业内的细分领域都分的很细，如果单就某一个细分领域来讲，并不能完全满足客户的需求。举个营销的例子，比如，营销中若涉及到客户细分模型、产品交叉销售以及最终的报表展现，里面可能使用到其它的一些挖掘工具的产品或报表工具，如果就某一个细分领域，这个时候没有一家产品厂商可以解决。这时，集成性的解决方案厂商，比如文思海辉，可以将不同的产品结合自身的解决方案，根据客户的需求组装一个最适合、满足客户真实需求的解决方案。这是我们这种集成性解决方案提供商未来决胜性优势所在。就产品的特性而言，厂商更加熟悉自己的产品，但如果就客户的需求和贴合度来讲，我们要更加了解客户的需求。
三大纬度构建成功模式
杜啸争表示，供职文思海辉的6年来，我们一直在寻找一个适合中国市场特征的运营模式。当下中国市场有几大趋势：自主可控、去IOE，这导致了国外的软件在中国的市场越来越狭窄。而国内的一些小型企业，专业能力不够，企业存活周期不长，也无法推动行业的长足进步。
对文思海辉来商业智能事业部来说，我们能够从三个纬度证明我们的交付能力是同业内领先的、高质量的交付，第一个纬度是，我们针对不同的客户需求都有完整的解决方案。在每一套解决方案标准下，我们有成熟的方法论和输入输出。第二个纬度是，针对客户的需求和现有的解决方案，我们有自己产品化的提炼内容。这个既能提高实施效率，又能节省成本，为客户带来更有价值的客户化体验。第三个纬度是，文思海辉有大量的大数据专业交付人员，是同业里边人数最多、人员质量最高的团队。
实践是检验真理的唯一标准
“我认为，大数据的商业应用包括数据的整合与数据的应用两个方面。其中数据的整合是基础，数据的应用是关键，这是体现数据价值的。但国内大部分做得是数据的整合，真正数据应用做得并不是很好。”
杜啸争告诉记者，相较于国外同业者，我们还有很大的差别。从发展现状来讲，国内的大数据平台整合工作大概在2000年才开始，而国外在上世纪90年代基本就有了。就从业人员素质来说，国内的大数据从业人员基本的技术技能大于他的业务分析技能，这是一个很实际的问题。这就导致了数据工作分两部分的时候，大部分人的精力全在数据整合和整理工作上。但在数据应用上，才是真正发挥数据价值的地方，我们需要更多的“数据分析师”和“数据科学家”。坦白讲，国内真正能具备数据分析能力的人才不是很多。但在国外，这样的人才有很多，很多公司都有专业的团队来在做这部分工作，而且他们的专业程度和细分领域比国内做得好得多。
“所以，我认为若说对比中外对金融数据的利用有什么优势？优点上来讲，国内数据发展的速度很快，新技术很多，尤其是很多互联网的新技术引用到金融之后，还是解决了很多银行传统的一些不能解决的问题。缺点上来讲，国内在对金融数据价值的提炼上做得不够充分。”
“比方说，银行掌握的是客户的交易数据，而互联网掌握着客户的行为数据，这两个结合在一起才是一个完整的客户画像的信息，但我们以前更多的是割裂开的。我们现在看到一个好的现象，就是这两个内容在慢慢的整合在一起。”
合力互联网金融，拓宽数据基础
杜啸争表示，文思海辉也在为很多互联网金融公司提供相应的服务，同时也从一些公司获取基础数据。很多互联网金融公司也在推广他们的客户画像相关的服务产品，还有一些也在推广客户评级相关产品，这部分其实是我们的一个基础数据输入来源，在为某些有特殊需求的客户提供解决方案时可以引进。还有一些互联网金融公司也在构建自己的平台类服务，包括一些数据类的服务，这也是我们数据服务的一种方式。比如，某直销银行，它就是一个典型的互联网金融银行，他们希望用互联网的新技术，再加上传统银行业务的理解，能够实现通过技术来驱动业务的方式。
在我们跟他们的合作关系里，他的大数据平台就是我们来做的、来实施的。同时，他也提供了相关的新应用创新，比如实时和准实时的数据介入。很多传统的数据，如银行的金融数据，都是T+1的，也就是说今天的数据分析要第二天才能看到。对于像新的互联网金融银行，它需要的可能是一些准实时，甚至是一些实时的数据，我们就根据客户需要引进新技术，推动新技术来整合传统的业务，提供相关支持。
类似很多智能投顾的公司，其实我们跟这些公司也有很多的合作。大家的工作有很多是互补的，因为他们主要的内容分两块，一是客户画像。二是资产配置或者业务配置，他们的擅长点实际是业务配置。客户画像我们的经验可能会更多一些，双方可以进行优势互补，形成强强联合。
开拓进取，不断创新
杜啸争告诉记者，文思海辉商业智能事业部一直致力于根据业务场景开发新的服务模式。例如，我们会去对接公安机关、税务部门、司法部门的信息，并把它进行一个相关的整合。又如，我们从网上爬取客户感兴趣的相关信息，并去做相关的存储。同时，我们会根据收集来的前两点信息，通过自己的算法进行很多挖掘建模工作，使我们自己产生新的变量。这些新的变量可能对企业、对客户的描述会更加准确。我们在与其多银行合作时都做了相关的具体工作。我们也希望能够逐渐把它做成云平台的业务方式对外提供服务，这是我们长久的规划。
“文思海辉目前在这几个点上都在做尝试或者探索，如传统的数据整合、数据应用的创新。在智能投顾这部分，我们利用自己的一些算法提供一个精准的客户画像。我们还在与很多细分领域的公司，比如机器学习算法的公司进行合作，改善我们传统的建模的过程，通过引进他们自主研发的机器学习算法加上传统建模思路，根据基础数据来进行自动的变量挑选，这能够极大的提高传统建模的效率。”
“从我们的角度来看，这个模式刚开始有可能得到的不是一个百分之百完成的方案，但却是一个很重要的方向，只要有充分的数据，不断地去调整他的模型，是有可能达到这样程度的。这可能也是未来我们在1-2年里重点探索的领域。”
关注数据应用是未来发展趋势
杜啸争说，“大部分国内的同行做的更多是数据组织，但我们现在看到大部分人真正切入进去的时候，又是从应用切进去的。导致他们在数据整合组织没做好的情况下，就去做应用了。这是国内大部分地方都面临的问题。这样做出来的应用都有一些瑕疵，要么是数据缺失，要么是数据不对。我们看到了这个趋势，所以，我们认为未来的几年里，在面临内外数据全面整合的情况下，如何通过数据治理来保证数据的准确性和高质量是很重要的点。否则只有数据在那里，但你的数据质量不好，其实是没有办法应用的。”
“我们提到数据的应用模式以前有固定报表、灵活查询等内容，但我们近几年看到银行的不确定性需求的分析越来越多，很多银行引进了专门的数据分析人员，他们的特点是对银行的数据很熟悉、对业务很熟悉，他们可以根据业务人员的不确定需求来辅助业务人员进行交互式的分析，比如业务需要发卡的数据，可以快速整理前几年本行发卡的情况，同时我们可以用算法给你算出来未来发卡量的大致趋势。在这种情况下，银行就可以判断哪个用户群体更需要银行卡，针对哪个用户群体发力更能提高发卡业务量。未来银行客户会越来越需要这种定制化的数据服务，通过这种服务能够进一步充分的发挥出数据驱动决策的价值。”
杜啸争表示，IDC最新的排名，数据这个领域我们排第一，但我们的市场份额只有10.7%，前十大厂商加起来的市场份额不到40%，另外有一类称之为“其他”分类占到了45%，这对我们来说有很大的市场机会。在未来的3-5年，对于商业智能事业部来讲，我们将按照“3+1+1”发展战略来进行全面发展。3就是解决方案+产品+专业的全面交付能力;一个“1”是以解决方案为中心的新客户的拓展模式，一个“1”是以大客户为中心的项目群构造方式。在未来的3-5年内，我们将以数据平台为基础，以数据价值提升和客户体验提升为目标，通过“3+1+1”的战略实施，在市场上成为具有绝对统治地位的商业智能解决方案提供商。
