借数据之力，Mastercard启动“涡轮增压”

（原标题：借数据之力，Mastercard启动“涡轮增压”）

三十年前，作为顾问的Stan Davis与Bill Davidson曾撰写过一本名为《2020年愿景》的书，从他们自己的角度描绘了2020年可能出现的光景。这本书中的一点给我留下了深刻的印象，也促使我在七年前的《华尔街日报》专栏中专门就Davis与Davidson的预测做出一番剖析。

企业的“信息尾气”（即在正常业务流程中收集到的信息副产品）可用于业务“信息化”（基于信息开发产品与服务）。

当时我在文章中提到，虽然已经有部分企业开始使用数据，但大数据全面步入主流仍是个缓慢的过程。也有不少企业缺乏丰富的数据、技术技能与业务洞见，无法通过解析数据创造出新的产品。换句话说，这正像是在涡轮增压器得到广泛应用之前，我们一直不知道可以使用发动机排出的废气为汽车提供动力。同样的，大多数企业还没意识到这些“信息尾气”同样可以将数据驱动型产品与服务转化成现实。

Mastercard的数据与服务

Mastercard无疑是一家有能力通过涡轮增压的方式利用自身数据的公司。具体来讲，由Raj Seshadri领导的数据与服务部门已经成为这一领域的典型代表，正在为Mastercard提供源源不断的性能支持。

事实上，Seshadri可能并不是很多人想象中最完美的数据与服务负责人。她在贝尔实验室获得了物理学博士学位，随后又在斯坦福大学拿下MBA学位，又在麦肯锡从事十年的咨询工作并成长为合伙人。接下来，她在包括美国依托银行/美国银行、花旗银行以及贝莱德在内的多家大型金融机构工作，先后负责市场营销与发展战略等多个职位。最终，她来到Mastercard，负责领导美国国内的银行与信用合作社项目。直到2020年初，她正式出任Mastercard数据与服务部门负责人。虽然教育背景似乎对不太上，但Seshadri凭借丰富的从业经历证明了自己将数据与业务加以融合的强大能力。

Mastercard并不会单独报告数据与服务部门的财务产出，所以目前我们很难评估其具体规模与绩效。但时任CEO的Ajay Banga在2019年的投资者大会上表示，其服务部门（包括数据与服务部门，外加网络与智能解决方案及处理部门）为2018年全年约150亿美元的收入贡献了约四分之一。在最近接受《财富》杂志采访时，他暗示这部分业务的占比已经达到公司总收入的三分之一。简而言之，数据与服务本身已经发展成一项重要的业务。

数据与服务业务包含多个组成部分，包括：

• 咨询
• 分析服务
• 市场营销服务
• 创新服务
• 测试与学习等软件平台
• 客户忠诚度服务

Seshadri指出，对于任何一个特定客户项目，“所有食材都已经堆放在储藏室内，唯一的问题就是如何将其烹饪成正确的餐点。”她认为，企业的首要原则在于运用数据及分析做出更明智的决策，进而为客户带来更好的收效。

但Mastercard数据与服务部门要如何达成这个目标？答案是四大基本元素，包括：数据、软件、方法及人员。

数据与背后的道德问题

Mastercard的付款数据无疑是该公司数据与服务业务中的核心资产。正如该部门网站在公告中所言，“Mastercard通过实时、匿名的汇总型交易数据，为各类面向消费者的企业提供关于不同消费者群体行为的整体视图。”Mastercard目前拥有约30亿持卡人，通过约210个国家/地区的40000多家银行及金融机构，帮助高达7000万商家处理约900亿笔交易。将这一切汇总起来，自然就建立起关于人群购买趋势的大量信息。Seshadri也确认称，数据与服务部门的大部分客户合作项目都需要从上述数据中提取洞见。

数据与服务部门利用这些数据资产打造出多种“数据产品”。以始于2002年的SpendingPulse为例，其衡量包括支票与现金支出在内的总体零售支出（根据政府发布的「零售总额」定义），并发布关于各国家、行业部门以及渠道的月度报告。包括政府、商家、银行以及其他企业在内的众多客户都在持续关注这些重要洞见。另一款数据产品Business Locator则根据Mastercard交易活动评估各类企业的经营情况，并在去年蔓延全球新冠疫情中发挥了重要作用。

在采访Mastercard公司首席数据官JoAnn Stonier之后，我了解到该公司一直非常重视数据隐私与道德规范。从根本上讲，该公司不会通过任何不利于数据保护或消费者隐私的方式滥用数据资产。Mastercard还在2019年发布了明确的《数据责任原则》文件。

软件工具

没有用于分析数据的软件工具，Mastercard的数据涡轮增压器就不够完整。为此，Mastercard近年来收购了多家技术企业，包括可实现新的或更有效金融交易的金融科技公司，有些则主要针对数据分析方向、可作为数据与服务产品组合内的一部分。我个人最熟悉的，是Mastercard于2015年收购Applied Predictive Technologies (APT)之后所打造的测试与学习产品。我曾在2009年的一篇文章中写道，在收购APT之前，测试与学习软件主要“引导用户完成从测试到学习的整个过程，跟踪测试环节与控制组，并存储起相应发现以供后续业务使用。”Mastercard目前应该仍在运作这样的流程，向其中导入大量交易数据，并将结果作为诸多业务实验中的因变量。

数据与服务部门还拥有一款前沿网络风险评估与管理平台Cytegic，外加客户数据与忠诚度平台Session M。

方法论

Seshadri表示，尽管其业务部门内有着多种服务及产品，但他们始终保持着通行的客户参与方法。他们以客户面临的重大机遇或挑战为起点，建立起以下应对流程：

• 发现——寻找与客户及业务问题相关的可用数据，并以负责任的方式使用这些数据。
• 建议——应用分析及咨询以发掘出有意义的洞见。
• 行动——即执行提议解决方案。在这一步，数据与服务部门允许客户自由选择是否由Mastercard出面帮助其实施解决方案、给予帮助或提出建议。
• 改进——评估影响，并确定如何随时间推移不断改善产出结果。

这是一组简单直观的行动，任何面向数据的服务业务都会遵循类似的方法。但Mastercard拥有一套用于开展客户合作、切实改善其业务水平的通行框架，因此行动效能往往更为出色。

人员

在任何服务业务当中，取得成功的关键都在于出色的人才。我们并不清楚数据与服务部门的人力配备如何，但可以肯定人数绝对不少。SpendingPulse的一位客户提到，Mastercard拥有2000名数据科学家，其中不少可能都效力于数据与服务部门。另外还有不少经济学家，数据与服务部门的Mastercard经济研究所是他们的主要聚集地。该研究所成立于2020年，负责为客户提供量身定制的洞见与公开报告。以其中的“业务恢复洞见”为例，专门用于帮助企业及政府在新冠疫情的冲击下快速恢复业务运营。此外，该研究所还关注“数字化转型”、“出行登记”以及“2020年假日购物趋势”等具体议题。

数据与服务部门还拥有多位顾问，他们遍布全球，为成立于2001年的Mastercard Advisors咨询业务提供支持。他们专注于支付与咨询管理的交叉领域。根据Mastercard在旧金山发布的“高级管理咨询师-顾问”职位描述，可以看到：

“我们将传统管理咨询与自身丰富的数据资产及内部技术相结合，为我们的客户提供强大的战略洞见与建议。”

如果您也拥有丰富的数据

因此，如果您的公司也拥有大量数据，并认定这部分资产足以为产品及服务建立起坚实基础，那么不妨从Mastercard的数据与服务部门身上汲取灵感。其中的关键在于，大家需要培养起多种能力方可让数据真正转化为价值。要组织起各项资源，大家还需要全身心认同数据驱动业务这一基本构想，同时保证数据中蕴藏着值得为其付出这么多精力的现实价值。Mastercard显然在这条道路上走得又快又稳，并用自己长达二十年的实践经历证明了数据驱动业务的革命性意义。