【德勤数据治理2.0】

前言

随着国家大数据战略的推进，国务院、银保监会等政府机构对数据工作提出了明确要求，如何利用数据赋能业务发展已经成为各家企业重点关注的话题。在《【德勤数据治理2.0系列】第七期：迈向高可信数据资产 构建企业高可信、高质量的指标体系》中，我们已经详细介绍了如何构建指标体系，以及如何通过指标赋能精细化经营分析与数据化管理需求，本文我们将介绍如何构建高可信、高质量的标签体系，因为在实际的经营活动过程中，标签以其更加面向业务应用、结果更加直观、可灵活调用等优势，成为各家企业数字化转型过程中的有效利器。

标签定义与分类

随着各行业的数字化程度日益深化，绝大多数业务已可通过IT系统进行办理与开展，在此过程中积累的海量数据如不进行有效地分类、加工与应用，则很难释放其内涵的巨大价值。尽管指标可提供精准的量化结果，但在实际应用过程中，指标结果仍需要进一步解读、判断，因此更加直观、更加面向具体场景的标签在这种需求下应运而生。

标签被定义为对人、物、关系等业务对象具体特征的抽象与凝结，支持用户快速获取到目标对象的关键信息，按照标签产生过程中数据处理计算的方式，可以将标签分为事实类标签、规则类标签和模型类标签。

事实类标签：可以从业务活动所产生和收集的基础数据中直接获取的标签，无需加工处理。例如年龄、性别、学历等可以直接从客户注册/申请信息中获取的标签信息。

规则类标签：通过在基础数据上嵌套一定的业务规则而得到的标签。例如建立“老年客户”标签时，需要预先定义“老年客户”的规则是“年龄≥60岁”。

模型类标签：通过数据挖掘或机器学习算法，可以构建分类或预测模型，其符合业务应用需求的结果可用于加工形成标签。例如在预测客户流失意向时，需要建立客户流失概率预测模型来计算客户流失的概率，从而将流失概率高的客户标记为“高概率流失客户”。

标签设计：聚焦业务应用，深度结合场景

由于标签是直接在应用场景中发挥作用与价值，因此在标签设计过程中，需要深度结合业务应用的具体场景，具体分析各类用户在实际业务操作过程中的具体数据服务需求、亟需通过标签结果解决的痛点问题，针对性的开展标签体系设计工作。

因此从德勤既往的项目经验来看，全面梳理企业的各个领域数据应用场景是设计标签体系的第一项关键任务。以保险行业代理人标签体系为例，可以通过三个视角全面梳理相应的数据应用场景，分别是险企总部及各级机构对代理人的经营管理视角、代理人团队经营管理视角及对代理人的管理与分析视角。通过详细地梳理，可以形成完整的代理人数据应用场景全景蓝图。

图1：代理人全生命周期数据应用场景及标签应用示例

以招募环节中的典型场景“优质潜在增员对象识别”为例，通过对存量代理人进行详细分析与深入挖掘，可凝结出加入后表现优异代理人在招募前的典型特征，如所属行业、从业年限、是否保二代、是否存量客户等关键标签，这些标签可有效赋能于对代理人的管理工作开展。进一步对标签的各项属性进行规范化定义后，可形成对业务具有直接价值、满足灵活应用需求的标签。

图2：标签卡片示例

为了提升标签落地成果的高可信，一方面需要业务部门用户深入参与到标签的设计工作中，使标签名称易于理解、标签定义合乎业务认知、计算口径符合业务逻辑、标签值满足业务开展过程中的实际需求；另一方面需要在标签开发完成后深度参与到验收工作，确保标签成果符合设计要求。此外，高质量的数据基础是保障标签落地成果高质量的关键要素。在标签开发过程中，需要重点对标签的数据来源进行充分探查，对其中低质量的数据需要开展相应的治理工作，以提升开发成果的可用性。

标签体系建设重点：以场景为核心，配以完善的保障支撑

1. 从实际业务应用场景出发，围绕不同主体的业务信息特征和数据特征进行梳理，形成标签体系的总体框架。再对标签进行分类、分层管理设计，为业务人员和数据应用人员提供贴近业务实际的、规范化的标签体系框架；
2. 建设标签管理平台，进行标签体系的技术实现，实施标签与数据源映射的ETL开发过程，提升数据加工逻辑的准确性，同时在标签平台或数据中台上完成标签数据服务的封装，以支持灵活配置快速选取所需的标签满足业务场景需求，实现标签服务化；
3. 完善标签运营管理，以业务价值为导向形成对外共享的标签服务目录，达到数据服务的共享和流通，并通过评估机制形成闭环，不断完善标签对业务应用的支撑，持续优化标签体系的管理和服务；
4. 构建标签管理保障体系，包括标签管理规范和岗位职责要求等内容，同时为了保障标签的高质量，需定期开展数据质量、标签应用效果的检查。

数据标签常见应用场景

数据标签作为数据应用的重要手段之一，通过识别各类属性特征，帮助企业更加直观地认识客户、产品、员工等经营管理对象，实现价值增长。数据标签常见的应用场景包括客户画像、精准营销和智能运营等方面。

图3：数据标签常见应用场景

客户画像

客户画像通过搜集和分析客户各个维度的数据信息后，形成抽象化的客户形象。它为企业产品研发、营销及管理提供了基础工具，帮助企业提升存量资源的使用效率，为企业开展精准运营和精细化管理打下基础。例如通过高价值客户画像和大众客户画像的比较分析，洞察影响客户价值的关键特征，指明提升方向。

精准营销

精准营销是客户画像的运用场景之一，在最合适的时间通过最佳渠道，给客户推送其最感兴趣的产品或方案，以最佳的营销波次对客户进行多轮接触，以在不影响客户体验的前提下，尽可能提升经济效益。即通过标签对客户关键特征进行跟踪，洞察营销机会，结合客户基本属性、交易信息、营销记录等信息，判断客户最可能接受的产品，并选择最合适的渠道营销以及最易于接受的营销方案。

流失预警

智能运营通过标签的更新及时发现经营管理活动中的异常状态。企业可以通过标签对机构经营状况进行跟踪，并结合相应的预警规则，迅速定位经营管理过程中的异常。

其他

从德勤近年来的观察和项目经验来看，对标签的应用已经远远不局限于客户关键特征的描绘，包括客户经理、代理人、内勤员工、产品，甚至对于内容也构建了相应的标签体系，以满足数据化经营过程中的具体需求。

标签体系运用中的主要挑战

数据标签将细粒度的数据进一步凝练，支撑企业精细化管理，帮助企业提升整体运营效率。但作为数据应用的重要抓手，在实际运用过程中普遍存在标签数据质量差、时效性低、应用性弱、维护难等问题，导致数据标签无法有效支撑业务开展。

标签数据质量差：标签是由其背后的数据加工而来，因此基础数据质量是决定标签质量的根本因素。在企业日常经营过程中，由于数据采集来源众多，质量参差不齐，同时缺少有效的数据质量管理体系等因素的存在，所以容易产生数据口径不一致、数据缺失、数据准确性低等问题。在此基础上产生的标签质量自然也无法得到保障，难以精准支撑业务发展需要。

标签时效性低：根据数据更新的频率，标签可分为静态属性标签（长期稳定）和动态属性标签（短期易变）。动态属性标签具有很强的时效性，必须及时进行更新，但在实践过程中，因数据采集、同步、加工等问题，经常会出现标签更新不及时的情况，导致对业务的指导具有滞后性。

标签应用性弱：从某种意义上来说，数据标签是需要深度应用于业务场景中。但是在构建标签的过程中，经常为了追求建设成果的大而全，却忽视了业务痛点与需求，导致加工出来的标签成果难以满足业务人员的诉求和实际应用场景。

标签烟囱式建设：各业务部门往往会立足于自身业务经营提出标签开发需求，并要求技术团队完成开发工作。缺乏对标签开发需求与成果的统筹管理，往往会造成烟囱式开发、建设成果共享不足的情况出现，导致算力与储存资源的浪费。

标签维护难：当标签在使用过程中出现问题时，需要对其背后的加工逻辑和数据映射关系进行溯源，但是经常会由于数据量大、人员流动、文档管理体系不健全等原因，导致标签追溯难，问题无法得到及时解决，进而影响标签使用方的工作效率。

为了有效应对以上挑战，德勤认为需要重点从以下四方面着手，有效应对前面提到的各项挑战：

场景：标签是需要深度结合业务侧具体业务场景的痛点或需求展开设计工作的。因此在标签建设过程中，业务人员的深度参与、对于数据应用场景中数据需求的全面与详细梳理，是提升标签设计成果可用性及质量的关键。同时，用户也可以从数据应用场景视角，对标签进行查询与调用，提升标签建设成果的共享程度。

数据：良好的数据质量是保障提升标签结果准确准确性、可信程度的关键。一方面通过持续开展数据治理工作可以有效夯实企业内数据基础；此外从标签建设视角、以应用为驱动，可以更聚焦的解决特定数据质量问题。从而为高质量的标签成果提供坚实的数据支撑。

技术：通过建设标签管理平台或数据中台，可以实现对企业内全量标签的系统化管理，并通过体验友好的交互门户，可以有效满足业务人员自主查询、灵活调用、高效管理标签成果的需求。

组织：企业内需要明确特定的组织或团队承担标签需求的统筹管理职责，并持续维护标签成果，从而实现对标签体系的良好管理。结合各家企业的实际情况，可考虑由统一的团队或不同业务板块的牵头部门承担相应职责。

结语

企业在开展数字化转型的过程中，需要构建一套高可信、高质量的标签体系，完善标签开发、应用及运营管理等流程，推动数据赋能业务的快速发展，持续释放数据价值，提升企业业务智能化水平，实现企业可持续发展。

下期文章我们将介绍利用银行数据资产，构建数据指标体系，敬请关注！

文章作者：德勤管理咨询中国分析与认知服务领导合伙人尤忠彬、德勤管理咨询中国合伙人王朝辉、德勤管理咨询中国高级经理李博阳、德勤管理咨询中国经理李玉丰、德勤管理咨询中国顾问田恬。

如果您对数据治理2.0系列文章有任何问题或意见，敬请联系：

德勤中国          

北京
电话：+86 10 8520 7788

上海
电话：+86 21 6141 8888

重庆
电话：+86 23 8823 1888

香港
电话：+852 2852 1200

德勤管理咨询邮箱：cndcmarketing@deloitte.com.cn
德勤风险咨询邮箱：RAMN@deloitte.com.cn