依据Talking Data2015年8月的数据，中国移动互联网的设备是12.4亿，2014年年底是10.6亿。参考中国人口的比例，15～60岁移动互联网用户为9亿，智能手机用户为6.75亿，平均每年新增3亿部手机，每天会增加80万智能手机。过去的数据统计，智能手机的生命周期正从24个月转为18个月。由于每年有超过3亿部手机被更换，从事智能手机的行业企业，其未来的发展空间还很大。

　　社会大众的群体特征正在分化，个性将成为主流。企业需要认知消费者的兴趣爱好和消费习惯，为其量身订做产品和服务。移动互联网的到来加速了社会群体行为的数字化，大量的传感器正在帮助人们感知世界，创造另外一个数字世界。依据2014年美国的数据，智能手机平均每天陪伴用户的时间为22个小时，人们仅在上洗手间和洗浴等特殊时间段同手机分开，智能手机正成为人类的电子器官。

　　移动互联网是一种新的互联网业态，移动App正在取代互联网时代的网站，成为客户、数据、消费等服务等入口。企业掌握了移动互联网的数据，就等于掌握了客户的兴趣和消费数据，就可以洞察客户，利用数据分析创造巨大的价值。

　　移动互联网数据的特点

　　移动数据中包含地理位置信息

　　同传统互联网的一个区别是，移动互联网包含了LBS数据即位置数据信息，这些信息具有非结构化特点，以文本日志信息为主，揭示客户的日常习惯和行为轨迹，帮助行业了解客户特点和喜好。

　　移动APP具有离线使用的特点

　　移动APP可以在离线的情况下使用，客户使用APP的行为数据将会记录在手机APP的日志中。传统互联网只能在用户在线的情况下进行访问，通过网页抓包软件将用户访问行为记录在网站上，称之为在线数据记录。但是移动APP所有的数据都存在APP自身的日志里面，无论在线与否都需要通过API（专业的SDK）进行收集。移动APP中产生的很多重要数据，并没有存在APP自身的日志中，这种情况下需要专门的API采集出来。

　　移动APP的数据生命周期较短

　　由于包含了位置信息，移动App的数据可反映用户的生活轨迹和个人喜好，可以认为移动数据是活的数据，但由于智能手机的更换周期一般为两年，因此采集到移动APP的数据，其生命周期最长不应超过两年。一般3个月以内的数据更能准确反映客户特点，具有更大价值。

　　很多大数据公司宣称拥有海量的数据，但他们忽略了数据时间价值的特点，历史的数据没有办法洞察客户现在的喜好和习惯，只有移动APP上实时抓取的数据才具有时间价值。

　　移动互联网数字分析需专业的分析工具

　　由于移动App数据不能被搜索，数据采集需要采用专业的数据采集工具。互联网行业都采用专业SDK工具包的API采集数据，上传到移动APP统计分析平台上进行分析。移动App统计分析平台就成为金融行业了解移动运营的必备工具。企业业如果想洞察客户，提高客户体验，对移动APP的数据进行采集和分析，就必须采用互联网企业专用的移动APP运营统计分析平台。主流的统计分析平台产品有Talking Data的统计分析工具和友盟的统计分析工具。

　　移动大数据的商业价值

　　2014年美国移动大数据位置信息的市场规模为1000亿美金，中国移动大数据的场景应用在2015年才开始出现。过去企业都以品牌和产品为中心，未来企业要以消费者为中心。移动大数据能够帮助所有企业了解消费者的消费轨迹和消费偏好，移动大数据具有表述用户行为轨迹和行为偏好的优势，也会成为未来大数据应用的主要数据来源。

　　用户经营

　　移动大数据分析可以帮助所有企业做三件事：老客经营、新客获取、存客激活。

　　第一是老客经营。参考营销数据统计，企业推荐一个新产品给客户时，推销给老客户的成本，是推销给新客户成本的1/4。同样的产品，同样的营销投入，投向老客户产生的ROI是新客户的4倍。对于所有企业，最有价值的营销方式就是老客经营。

　　第二是新客获取。过去企业的广告都是广播式的，特别在PC互联网时代，不管客户需求，只要让客户看到广告就可以。但是在未来的移动互联网时代，企业需要知道客户是谁，他们喜欢什么，他们需要什么。经过实际案例测试，利用数据方式进行精准营销，定向对目标设备投放广告，新客户的转化率比原来提高10~30倍。

　　第三是存量激活。将休眠或活跃度低的客户唤醒，激活其在App中的消费。在某行信用卡的案例中，对手机游戏和信用卡的跨界营销，激活的用户中40%是休眠一年以上的用户。

　　市场调研

　　过去很多调研公司，采用手工小样本方式调研行业。他们常常会收集上千本的数据，一份报告会投入几十个人或上百个人，花费大概1～2个月时间，最后利用几千本样本的数据来代表全行业数据。这样容易出现较大的偏差，耗时较长，并且分析报告出来之后，其价值将大打折扣。

　　借助于移动大数据，企业可以利用数据平台，轻松高效地完成市场调研。移动大数据平台轻易可以收集400万个样本数据，人员投入少于10人，5天即可完成数据分析。这种大样本、高效的市场调研工作正在发生。Talking Data和尼尔森已经发布了很多市场调研报告，Talking Data提供数据提供给调研公司，由其进行数据分析，形成具有价值的分析报告。

　　这些分析报告具有大样本数据、分析结论偏差小、报告实时价值大等特点。TalkingData每个月都向市场免费公布移动互联网各个纬度的报告，这些报告正在向公众和专业人士提供真实的数据信息，让数据报告更加客观公正。

　　洞察行业

　　当拥有足够量数据以后，移动大数据就会涵盖移动互联网企业的行业信息，包括硬件信息、芯片信息、APP覆盖率和活跃率等具有价值的信息。

　　接近全量的移动大数据可以利用这些数据加工指数基金，类似于淘宝基金、百度百发基金等。这些指数基金就会变成很有前途的金融投资品。有了移动侧的所有操作系统信息、手机型号信息、设备信息，我们就可以知道智能手机行业和移动互联网行业的估值。2015年很多移动互联网公司在纳斯达克被做空，如果他们可以拿出详细的数据，如覆盖率和活跃率等给投资方，其股价就不会波动那么厉害，数据会客观说明其企业的经营情况。

　　移动大数据的统计信息也可以帮助O2O了解其行业发展，辅助决策。一些企业会利用移动大数据判断某一个领域或某个行业的发展趋势。移动大数据正在成为国外投行，包括中国一级市场加工金融产品的重要原料。

　　土地决策

　　移动大数据的另外一个主要应用在房地产，例如客观评价土地价格。在没有数据前，不知道土地到底值多少钱，有了数据以后，知道每天晚上在这里住多少人，每天走出去多少人，这些人到哪工作，这些人的消费水平和消费偏好如何。移动大数据的统计信息有力于房地产商评估土地价格和商铺规划。2015年整体住宅用地销售额1.7万亿元。如果利用移动大数据，将这1.7万亿的价格精确度提高1%，就会创造170亿元的收入。移动大数据可以客观揭示土地价值，帮房地产商节省投资，也可以帮政府增加土地收益。

　　2015年整个中国的商业地产销售9000亿元。正常情况下商业地产推销的成本大概是3%，如果利用移动大数据，可以帮他们提高1~2个百分点，就有上百亿元新增商铺估值或租金收入。

　　最后是社区O2O规划。O2O是万达的王健林提出的，他希望万达地产上百万元的商铺未来可以利用App打通客户和地产公司之间的消费通道，也就是所谓的社区O2O。过去的社区O2O是靠支付打通，未来其靠APP打通，APP可以提供社区消费通道，例如利用App进行订餐、排队、预约、支付、反馈、投诉等。

　　店铺选址

　　移动大数据可以帮助商家进行店铺选址，移动设备的轨迹代表人的轨迹，设备的聚集度代表人群的聚集度。过去连锁快餐店利用人工方式进行店铺选址，会安排人站在十字路口，统计路口经过的人群信息。当7天统计人群超过了一定数量后，才会决定是否开设店铺。利用移动大数据，完全可以短时间了解这个区域，每天经过多少人？这些人的消费特点和消费水平？数据客观真实、实效性强，具有很大的商业价值。

　　移动大数据进行选址具有低成本、准确、快速等特点，并且可以了解客户的活动轨迹、喜好和消费层次。

　　洞察客户

　　银行的未来是消费金融和移动金融。银行的客户已经从线下行为转为线上。现在很少年轻人会到银行网点办业务，银行必须依靠移动App去接触客户，满足客户支付场景的需要，满足理财、生活消费的需求。

　　结合银行内部的数据，移动大数据可以帮银行做更多的事情。如果银行的客户经常把钱转到支付宝，不存在银行里。利用移动数据可以告诉银行，客户在转完钱之后，会使用理财APP，说明客户是一个重度理财的客户，可以针对这些客户进行精准的营销，将直销银行产品推送给他，将客户资金留在银行内部。

　　依据移动设备在4S店出现的信息和到汽车之家App的使用频度，可以知道客户是潜在的购车人群，为其提供车贷服务。依据设备在房地产商销售的地点活动轨迹，可以预测出潜在的购房人群。借助于移动设备在不同城市之间到轨迹，可以推测出商旅人群。依据移动设备在国外景点的出现信息，可以预测客户旅游爱好者。

　　互联网金融反欺诈

　　互联网金融面对的风险在加大，外部欺诈风险正成为一个主要风险。有的P2P公司统计过，P2P公司的最大外部风险不是借款人的坏账，而是犯罪集团的恶意欺诈。网络犯罪正在成为P2P公司面临的主要威胁之一，甚至在一些P2P公司，恶意欺诈产生的损失占整体坏账的60%。很多P2P公司将主要精力放在如何预防恶意方面，高风险客户识别和黑名单成为预防恶意欺诈的主要手段。

　　线上的欺诈行为具有较高的隐蔽性，很难识别和侦测。P2P贷款用户很大一部分来源于线上，因此恶意欺诈事件发生在线上的风险远远大于线下。中国的很多数据处于封闭状态，P2P公司在客户真实信息验证方面面临较大的挑战。

　　移动大数据可以验证P2P客户的居住地点。例如某个客户在利用手机申请贷款时，填写自己居住地是上海，但是P2P企业依据其提供的手机设备信息，发现其过去三个月从来没有居住在上海，这个人提交的信息可能是假信息，发生恶意欺诈的风险较高。

　　借款用户的工作单位是用户还款能力的强相关信息，具有高薪工作的用户，其贷款信用违约率较低。这些客户成为很多贷款平台积极争取的客户，也是恶意欺诈团伙主要假冒的客户。某个用户在申请贷款时，如果声称自己是工作在上海陆家嘴金融企业的高薪人士，其贷款审批会很快并且额度也会较高。但是P2P公司利用移动大数据，发现这个用户在过去的三个月从来没有出现在陆家嘴，大多数时间在城乡结合处活动，那么这个用户恶意欺诈的可能性就较大。

　　恶意欺诈往往具有团伙作案和集中作案的特点。犯罪团伙成员常常会在集中在一个临时地点，雇佣一些人，短时间内进行疯狂作案。大多数情况下，多个贷款用户在同一个小区居住的概率较低，同时贷款的概率更低。如果P2P平台发现短短几天内，在同一个GPS经纬度，出现了大量贷款请求，并且用户信息很相似，申请者居住在偏远郊区，这些贷款请求的恶意欺诈可能性就较大。P2P公司可以将这些异常行为定义为高风险事件，利用其他的信息进一步识别和验证，降低恶意欺诈的风险。

　　总之，在新的时代背景下，一切信息都将被数字化，一切数据都可能被采集和分析。数据正在成为各行业了解客户的基础，数据正在带来新的商业模式，正在成为新的商业动力。

　　作者简介:

　　北京腾云天下科技有限公司(Talking Data)

　　首席金融行业专家