第1章：大数据金融行业发展概述
1.1 大数据产业发展背景概述
1.1.1 大数据产业的概念
（1）数据产生与集聚层
（2）数据组织与管理层
（3）数据分析与发现层
（4）数据应用与服务层
1.1.2 大数据的生态系统
1.1.3 大数据的商业价值
（1）大数据的商业价值杠杆
（2）大数据创造的商业价值
1.2 大数据产业行业应用情况
1.2.1 大数据产业各个行业应用情况
（1）不同领域潜在价值评估
（2）不同领域投资结构分布
1.2.2 大数据产业金融领域应用情况
1.3 大数据金融概念及其特点
1.3.1 大数据金融基本定义
1.3.2 大数据金融主要特征
1.4 大数据金融主要发展模式
1.4.1 平台金融发展模式
1.4.2 供应链金融发展模式
第2章：大数据金融发展环境分析
2.1 大数据金融行业政策环境分析
2.1.1 行业监管体系概述
2.1.2 行业主要政策分析
2.1.3 政策环境对行业发展影响
2.2 大数据金融行业经济环境分析
2.2.1 国内经济走势分析
（1）国内GDP增速情况
（2）工业生产增速情况
（3）固定资产投资情况
2.2.2 国内金融市场分析
（1）银行资产负债规模分析
（2）银行贷款规模分析
（3）银行风险能力分析
2.2.3 国内经济发展趋势
2.2.4 经济环境对行业发展影响
2.3 大数据金融行业技术环境分析
2.3.1 大数据与云计算
2.3.2 大数据处理工具
2.3.3 技术环境对行业发展影响
2.4 大数据金融行业社会环境分析
2.4.1 互联网行业发展现状
（1）互联网网民规模分析
（2）互联网资源规模分析
2.4.2 社交媒体发展现状
（1）新闻网站
（2）网络视频
（3）搜索引擎
（4）即时通信
（5）微博客
（6）博客/个人空间
2.4.3 移动设备发展现状
2.4.4 社会环境对行业发展影响
2.5 大数据金融国际发展分析
2.5.1 银行大数据全球发展现状
（1）海外银行大数据发展分析
（2）银行大数据建设案例分析
2.5.2 保险大数据全球发展现状
（1）海外保险大数据发展分析
（2）保险大数据建设案例分析
2.5.3 国外大数据金融发展启示
第3章：大数据金融创新分析
3.1 大数据金融三大创新支点
3.2 大数据金融基础设施创新
3.2.1 支付体系建设分析
（1）支付行业用户规模
（2）支付行业交易规模
（3）支付行业模式分析
（4）支付行业市场规模预测
3.2.2 征信体系建设分析
（1）征信机构业务规模分析
（2）征信机构数据库建设情况
（3）征信行业数据端商业模式
（4）大数据征信发展趋势分析
3.2.3 资产交易平台分析
（1）资产交易平台发展规模
（2）资产交易平台主要类别
1）银行系P2P网贷平台
2）民营系P2P网贷平台
3）国资系P2P网贷平台
4）上市公司系P2P网贷平台
5）风投系P2P网贷平台
（3）资产交易平台商业模式
3.2.4 基础设施创新方向
（1）支付体系介质创新
（2）征信体系多元发展
（3）交易平台去中介化
3.3 大数据金融平台创新分析
3.3.1 电商平台发展现状分析
（1）电商平台客户结构分析
（2）电商市场竞争格局分析
（3）电商领先企业优势分析
（4）电商行业投资并购分析
3.3.2 社交平台发展现状分析
（1）社交网络流量统计排名分析
（2）社交网络市场竞争格局分析
（3）社交网络领先企业优势分析
（4）社交网络平台投资并购分析
3.3.3 信息服务平台发展现状
（1）门户网站竞争格局分析
（2）门户网站投资并购分析
3.3.4 平台建设创新发展方向
（1）用户积累方式革新
（2）平台个性定制革新
3.4 大数据金融渠道创新升级分析
3.4.1 银行业渠道互联网化发展现状
（1）电子银行的交易规模
（2）电子银行的模式分析
3.4.2 保险业渠道互联网化发展现状
（1）保险业网销交易规模
（2）保险业网销模式分析
3.4.3 证券业渠道互联网化发展现状
（1）互联网证券交易情况
（2）互联网证券模式分析
3.4.4 渠道创新升级策略分析
（1）渠道定位转型
（2）实体渠道转型
第4章：大数据金融具体应用领域
4.1 银行业大数据金融应用分析
4.1.1 银行业大数据金融发展历程
4.1.2 银行业大数据金融创新模式
（1）风险控制模式创新
（2）产品营销模式创新
（3）银行运营模式创新
（4）银行服务模式创新
4.1.3 银行业大数据金融应用现状
4.1.4 银行业大数据金融经典案例
（1）花旗银行大数据金融案例分析
（2）中信银行大数据金融案例分析
（3）浦发银行大数据金融案例分析
（4）民生银行大数据金融案例分析
4.1.5 银行业大数据金融发展潜力
4.1.6 银行业大数据金融发展前景
4.2 保险业大数据金融应用分析
4.2.1 保险业大数据金融发展历程
4.2.2 保险业大数据金融创新模式
（1）赔付管理模式创新
（2）业务定价模式创新
（3）险企运营模式创新
（4）产品营销模式创新
4.2.3 保险业大数据金融发展现状
4.2.4 保险业大数据金融经典案例
（1）平安保险大数据金融案例分析
（2）泰康人寿大数据金融案例分析
4.2.5 保险业大数据金融发展前景
4.3 证券业大数据金融应用分析
4.3.1 证券业大数据金融发展历程
4.3.2 证券业大数据金融创新模式
（1）客户关系管理模式创新
（2）证券监管模式创新
（3）市场预期模式创新
4.3.3 证券业大数据金融发展现状
4.3.4 证券业大数据金融经典案例
（1）海通证券大数据金融案例分析
（2）国泰君安大数据金融案例分析
（3）中信证券大数据金融案例分析
4.3.5 证券业大数据金融发展前景
4.4 其他领域大数据金融应用情况
4.4.1 信托业大数据金融应用分析
4.4.2 小额贷款领域大数据金融应用分析
4.4.3 担保业大数据金融应用分析
4.4.4 P2P网贷大数据金融应用分析
第5章：大数据金融领先服务商分析
5.1 国外领先大数据金融服务商
5.1.1 IBM
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
1）利润分析
2）资产负债分析
3）现金流量分析
（5）企业大数据收入分析
（6）企业竞争策略分析
（7）企业最新发展动向
（8）企业发展优劣势分析
5.1.2 甲骨文股份有限公司
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
1）利润分析
2）资产负债分析
3）现金流量分析
（5）企业大数据收入分析
（6）企业发展战略分析
（7）企业最新发展动向
5.1.3 英特尔
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
1）利润分析
2）资产负债分析
3）现金流量分析
（5）企业大数据收入分析
（6）企业发展战略分析
（7）企业最新发展动向
5.1.4 SAP公司
（1）企业基本信息概述
（2）企业大数据布局
（3）企业大数据解决方案
（4）企业主营业务分析
1）利润分析
2）资产负债分析
3）现金流量分析
（5）企业大数据收入分析
（6）企业大数据价值分析
（7）企业最新发展动向
5.1.5 文思海辉技术有限公司
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
1）利润分析
2）资产负债分析
3）现金流量分析
（5）企业相关案例分析
（6）企业发展战略分析
（7）企业最新发展动向
（8）企业发展优劣势分析
5.2 国内领先大数据金融服务商
5.2.1 荣之联
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
1）主要经济指标
2）运营能力分析
3）盈利能力分析
4）偿债能力分析
5）发展能力分析
（5）企业研发能力分析
（6）企业发展战略分析
（7）企业最新发展动向
（8）企业发展优劣势分析
5.2.2 九次方
（1）企业基本信息概述
（2）企业大数据布局
（3）企业平台资源分析
（4）企业主营业务分析
（5）企业大数据解决方案分析
（6）企业发展战略分析
（7）企业最新发展动向
（8）企业发展优劣势分析
5.2.3 贝格数据
（1）企业基本信息概述
（2）企业平台资源分析
（3）企业主营业务分析
（4）企业典型案例分析
（5）企业最新发展动向
（6）企业发展优劣势分析
5.2.4 中国保信
（1）企业基本信息概述
（2）企业组织架构分析
（3）企业平台资源分析
（4）企业主营业务分析
（5）企业最新发展动向
5.2.5 Talking Data
（1）企业基本信息概述
（2）企业发展大事记
（3）企业平台资源分析
（4）企业主营业务分析
（5）企业主要客户分析
（6）企业所获荣誉介绍
（7）企业最新发展动向
第6章：互联网企业大数据金融战略布局分析
6.1 阿里巴巴大数据金融布局分析
6.1.1 企业基本信息概述
6.1.2 企业主营业务分析
（1）企业主营业务类型
（2）企业经营业绩分析
（3）企业金融业务分析
6.1.3 企业战略发展布局
6.1.4 企业基础资源分析
（1）企业数据资源分析
（2）企业平台资源分析
（3）企业金融资源分析
6.1.5 企业网站流量分析
6.1.6 企业风险管理体系
6.1.7 企业投资并购动向
（1）2014年阿里巴巴投资布局
（2）2015年阿里巴巴投资布局
6.1.8 业务发展优劣势分析
6.1.9 企业大数据金融业务发展前景
6.2 腾讯公司大数据金融布局分析
6.2.1 企业基本信息概述
6.2.2 企业主营业务分析
（1）企业主营业务类型
（2）企业经营业绩分析
（3）企业金融业务分析
6.2.3 企业战略发展布局
6.2.4 企业基础资源分析
（1）企业数据资源分析
（2）企业平台资源分析
（3）企业金融资源分析
6.2.5 企业网站流量分析
6.2.6 企业风险管理体系
6.2.7 企业投资并购动向
（1）2014年腾讯公司投资布局
（2）2015年腾讯公司投资布局
6.2.8 业务发展优劣势分析
6.2.9 企业大数据金融业务发展前景
6.3 百度公司大数据金融布局分析
6.3.1 企业基本信息概述
6.3.2 企业主营业务分析
（1）企业主营业务类型
（2）企业经营业绩分析
（3）企业金融业务分析
6.3.3 企业战略发展布局
6.3.4 企业基础资源分析
（1）企业数据资源分析
（2）企业平台资源分析
（3）企业金融资源分析
6.3.5 企业网站流量分析
6.3.6 企业风险管理体系
6.3.7 企业投资并购动向
（1）2014年百度公司投资布局
（2）2015年百度公司投资布局
6.3.8 业务发展优劣势分析
6.3.9 企业大数据金融业务发展前景
6.4 京东商城大数据金融布局分析
6.4.1 企业基本信息概述
6.4.2 企业主营业务分析
（1）企业主营业务类型
（2）企业经营业绩分析
（3）企业金融业务分析
6.4.3 企业战略发展布局
6.4.4 企业基础资源分析
（1）企业数据资源分析
（2）企业平台资源分析
（3）企业金融资源分析
6.4.5 企业网站流量分析
6.4.6 企业风险管理体系
6.4.7 企业投资并购动向
（1）2014年京东公司投资布局
（2）2015年京东公司投资布局
6.4.8 业务发展优劣势分析
6.4.9 企业大数据金融业务发展前景
6.5 苏宁云商大数据金融布局分析
6.5.1 企业基本信息概述
6.5.2 企业主营业务分析
（1）企业主营业务类型
（2）企业经营业绩分析
（3）企业金融业务经营效益
6.5.3 企业战略发展布局
6.5.4 企业基础资源分析
（1）企业数据资源分析
（2）企业平台资源分析
（3）企业金融资源分析
6.5.5 企业网站流量分析
6.5.6 企业风险管理体系
6.5.7 企业投资并购动向
6.5.8 业务发展优劣势分析
6.5.9 企业大数据金融业务发展前景
第7章：金融机构大数据金融战略布局分析
7.1 银行大数据金融领先应用机构
7.1.1 建设银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.2 工商银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.3 中国银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.4 农业银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.5 交通银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
（3）企业基础建设情况
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）业务发展优劣势分析
7.1.6 招商银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.7 中信银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.1.8 平安银行大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
（3）企业基础建设情况
1）企业数据资源分析
2）企业金融资源分析
（4）企业平台建设情况
（5）企业渠道建设情况
（6）企业风险管理情况
（7）企业投资并购动向
（8）业务发展优劣势分析
7.2 保险大数据金融领先应用机构
7.2.1 中国人寿大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.2.2 中国人保大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.2.3 平安保险大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.2.4 泰康人寿大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.2.5 太平保险大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.2.6 阳光保险大数据金融布局分析
（1）企业基本信息概述
（2）企业主营业务分析
1）企业主营业务类型
2）企业经营业绩分析
（3）企业大数据金融布局路径
（4）企业大数据金融发展模式
（5）企业大数据金融业务优劣势分析
7.3 证券大数据金融领先应用机构
7.3.1 国金证券大数据金融布局分析
（1）企业基本信息概述
（2）企业基础资源分析
（3）企业市场预期水平
1）企业大数据金融发展现状
2）企业大数据金融发展前景
（4）企业经营业绩分析
（5）企业营业网点分析
（6）业务发展优劣势分析
7.3.2 中信证券大数据金融布局分析
（1）企业基本信息概述
（2）企业基础资源分析
（3）企业市场预期水平
1）企业大数据金融发展现状
2）企业大数据金融发展前景
（4）企业经营业绩分析
（5）企业营业网点分析
（6）业务发展优劣势分析
7.3.3 国泰君安大数据金融布局分析
（1）企业基本信息概述
（2）企业基础资源分析
（3）企业市场预期水平
1）企业大数据金融发展现状
2）企业大数据金融发展前景
（4）企业经营业绩分析
（5）企业营业网点分析
（6）业务发展优劣势分析
7.3.4 海通证券大数据金融布局分析
（1）企业基本信息概述
（2）企业基础资源分析
（3）企业市场预期水平
1）企业大数据金融发展现状
2）企业大数据金融发展前景
（4）企业经营业绩分析
（5）企业营业网点分析
（6）业务发展优劣势分析
………………
麦肯锡公司是世界级领先的全球管理咨询公司。自1926年成立以来，公司的使命就是帮助领先的企业机构实现显著、持久的经营业绩改善，打造能够吸引、培育和激励杰出人才的优秀组织机构。公司历史
麦肯锡咨询公司在其漫长的发展历程中并非一帆风顺，期间一直受到来自行业内，诸如波士顿咨询公司等其他强大对手的竞争压力。但是，麦肯锡公司通过有效的知识管理和卓越的学习机制，培育公司的核心竞争力，与时俱进，在压力和挑战面前立于不败之地。 公司的创立和前期发展历程 1926年，芝加哥大学杰姆斯·麦肯锡（James Mckinsey）教授创立了麦肯锡咨询公司。随后，这家以他姓氏命名的会计及管理咨询公司得到了迅速的发展。到了20世纪30年代，麦肯锡已逐渐把自己的企业形象塑造成一个“精英荟萃”的“企业医生”，把麦肯锡的远景规划描绘成致力于解决企业重大管理问题的咨询公司，聚集最优秀的年轻人，恪守严格的道德准则，以最高的专业水准和最卓越的技术，为客户提供一流的服务，并不断提高公司在行业中的地位。 在以后的10年里，麦肯锡将公司理念传递给每一个合伙人和同事，并把各地的分支机构组织成一个紧密合作的整体，打破公司内的地域分割，强调所有的雇员不论其身在何地，都是在为整个公司而工作；而每一位顾客，不论是哪一个分支机构对其提供的服务，整个公司都必须对其负责；利润则在全公司范围内进行分配，而不是由各地的分支机构自负盈亏，以此来确保公司上下团结一致，增强公司的凝聚力。 麦肯锡公司在20世纪50年代实现了快速发展，成为美国国内咨询业首屈一指的领先者，并为其随后于60年代在国际市场上的拓展作好了充分的准备。到60年代末，麦肯锡公司已成为一家在欧洲和北美市场享有盛誉的大型咨询公司。 公司发展过程中遇到的困境和面临的挑战 10年危机 从20世纪70年代初开始，内外部环境的变化导致麦肯锡公司陷入了困境。在这10年里，外部环境和公司内部都出现了许多不利于公司发展的因素，如70年代初的石油危机导致欧美各国经济衰退，因而也给公司业务量带来急剧减少；公司对客户的管理越来越复杂化；波士顿咨询公司等新的竞争对手又不断从其锁定的细分市场中争夺麦肯锡的顾客，等等。诸多内外问题交困，使得麦肯锡公司原本发展起来的自信和满足情绪仿佛在一夜之间就荡然无存，取而代之的是自责、自我怀疑与否定。 这时，麦肯锡的高层领导认识到，欧洲及北美的经济衰退并不止是周期性经济危机问题，消极地寄希望于经济复苏是无济于事的，必须主动采取行动摆脱萧条对公司业务的影响。在这样的形势下，麦肯锡公司召集了公司内最精锐的咨询专家组成一个专门的研究委员会，分析当时的宏观经济问题及公司的出路。1971年4月，研究公司目标及使命的委员会在一份分析报告中指出：麦肯锡公司现在所陷入的困境，在很大程度上是因为公司前期发展速度过快。他们认为，前一阶段公司在地域上扩张过快，并不断拓展新的业务领域，使得公司无暇顾及提高自身的业务水平，导致公司现在发展后劲不足。这份报告还指出，麦肯锡公司过去接受过多例行程序性的咨询业务，把时间浪费在很多琐碎的工作上，因此很难从每个新增客户身上学到更多的新经验和新技能；缺乏有一定难度的咨询任务来提升公司的水平和实力。 此外，报告还指出，麦肯锡公司的专业人员结构也不尽合理。尽管绝大多数的咨询人员都是很有效的问题解决者，但大都只是一些“通才”；而客户在解决实际问题的过程中往往需要该领域非常专业的知识，但能适应这种需求、具有某些特定领域深入、全面、具体的专业知识的“专才”型咨询专家公司非常紧缺。这就导致公司在解决特定领域的客户问题时缺乏针对性，难以提出有深度的高度专业化的调研分析和咨询方案。这个缺陷为麦肯锡公司在人才储备和发展方面指出了调整方向，公司开始吸引一些具有特定行业背景知识的专才型专家，和通才型的咨询专家一起，组成公司的“T”型人才结构。 与波士顿咨询公司的竞争激发了公司经营方式的变革 在这份关于公司的目标及战略调整方向的报告提出之后的9年时间里，一共有五任公司领导先后为实现报告提出的目标而努力。在这段时间里，麦肯锡与波士顿两家咨询公司的竞争也越来越激烈。两者的运作方式有着很大的差别：麦肯锡依靠各地的办事处或分支机构在当地发展良好的客户关系来拓展业务。通常，针对该项业务的咨询服务也在当地完成。而波士顿咨询公司则是在公司总部建立起高度集中的智力资源中心，并致力于成为咨询行业具有许多代表性的先进理念和技术的创立者，成为这一行业内的“思想领袖”。在这一理念的指导下，波士顿咨询公司发展了一些虽然简单却在实践中非常有效的咨询分析工具，如著名的经验曲线；增长—份额矩阵分析模型，即波士顿矩阵等。这些分析工具在实践中的广泛应用大大提高了波士顿咨询公司的声誉。并且，波士顿咨询公司还牢牢占据了战略管理咨询这一细分市场。这些有效的策略使得波士顿公司在与麦肯锡的竞争中占据上风，麦肯锡的客户和员工不断流失，纷纷投靠波士顿公司。 竞争的失利使麦肯锡的高层领导者认识到，公司原有的经营模式已经不能适应咨询业的发展趋势和竞争要求，公司战略和组织结构的调整已经势在必行。麦肯锡首先对在纽约的分支机构进行了改革，试点成功后再将改革方案在全公司范围内迅速推广。主要的改革举措是，在原来按地域设立的分支机构的基础上，推行针对不同行业顾客的行业分类事业部制，以便弥补麦肯锡在专业知识上的弱势，强化行业背景的分析。按行业划分的部门涵盖了日常消费品部门、工业品部门、银行业和保险业等。这项改革举措将公司原来解决顾客具体问题的模式改为产品(服务)驱动模式，弱化了原来分区制下的当地分支机构与客户之间的紧密联系，因而在公司内部遭到来自前任领导的批评和反对。但是，在公司现任领导者的坚决推动下，这种以行业划分为基础的事业部制得以顺利实施，并很快发展起各自的客户基础。 同时，公司更加重视管理职能型专家。在管理职能方面，战略制订、组织规划和政策执行等都需要灵活多样的知识和经验。麦肯锡公司加强这方面专家的培养，并在每个领域组成专门的专家团队。麦肯锡把两个至关重要的领域——战略和组织作为公司业务发展的战略重点，分别任命了该领域领先的专家负责其发展。经过一系列的改革与调整，麦肯锡公司终于于20世纪80年代初走出低谷，重新开始复兴和繁荣。 通过完善的学习机制来建设学习型组织 麦肯锡公司从1980年开始就把知识的学习和积累作为获得和保持竞争优势的一项重要工作，在公司内营造一种平等竞争、激发智慧的环境。在成功地战胜最初来自公司内部的抵制后；一个新的核心理念终于在公司扎下根来，这就是：知识的积累和提高，必须成为公司的中心任务；知识的学习过程必须是持续不断的，而不是与特定咨询项目相联系的暂时性工作；不断学习过程必须由完善、严格的制度来保证和规范。公司将持续的全员学习任务作为制度被固定下来以后，逐渐深入人心，它逐渐成为麦肯锡公司的一项优良传统，为加强公司的知识储备，提升公司的核心竞争力打下了坚实的基础。 有效的学习机制为麦肯锡带来了两个方面的好处：一是有助于发展一批具有良好知识储备和经验的咨询专家；另一是不断充实和更新公司的知识和信息资源为以后的工作提供便利的条件，并与外部环境日新月异的变化相适应。麦肯锡公司不但建立了科学的制度促进学习，而且还通过专门的组织机构加以保证：从公司内选拔若干名在各个领域有突出贡献的专家作为在每个部门推进学习机制的负责人，并由他们再负责从部门里挑选六七个在实践领域和知识管理等方面都有丰富经验和热情的人员组成核心团队。 麦肯锡的领导人还意识到，公司里最成功的员工往往都拥有庞大的个人关系网络。因此，对原先公司内部这种建立在非正式人际关系基础上的知识传递方式并不能简单加以取缔，而是应该很好地加以利用，以作为对正式学习机制的有益补充。由核心的学习领导小组在每个地区的分支机构里发掘并利用这种内部的关系网络作为信息和知识传播的渠道，实现全公司范围内的知识共享。 为了进一步促进知识和信息在组织内的充分流通，麦肯锡公司还打破了以往建立在客户规模和重要性基础上的内部科层组织体系，取而代之的是以知识贡献率为衡量标准的评价体系。这样组织内的每一个部门和每一个成员都受到知识贡献的压力，而不是仅仅将工作重点放在发展客户方面。 通过卓越的知识管理建立公司的知识储备基础 知识管理是当前企业界的热门话题。据美国《商业周刊》的一项调查，在158家跨国公司中有80%的企业正在着手建立正规的知识管理程序。而麦肯锡公司被公认为知识管理领域的领路人。麦肯锡把知识管理的重点放在了对隐性知识的发掘、传播和利用上。尽管公司内很多咨询专家在工作中发展起来的许多富有创造的见解和思想都已成文，并发表于诸如《哈佛商业评论》等影响广泛的学术性期刊、杂志和报刊上，甚至还有一些畅销著作出版，如麦肯锡公司负责企业组织发展的专家Peters和Waterman的合著《追求卓越》；负责战略管理发展的专家Ohmae的《战略家的思想》等，在学术界和实务界均受到极大的欢迎。但是，相对于公司内大量有价值的经验和深邃的学术思想而言，这些已成文流传的论文不过是“冰山的一角”。更多的知识和经验是作为隐性知识存在于专家们的头脑中，没有被整理成文，更淡不上在公司范围内交流与共享。 为了解决这个问题，麦肯锡创办了一份内部刊物（麦肯锡高层管理论丛），专门供那些拥有宝贵经验却又没有时间和精力把这些经验整理写成正式论文或著作的专家们，把他们的思想火花简单地概括出来，并与同仁共享。这种不拘形式的做法降低了知识交流和传播的门槛，使许多重要实用的新思想和新经验能够在短短一两页的摘要里面保存下来，并用于传播。在每一篇这样的短文后面，都附有关于作者的详细信息，便于有兴趣的读者按图索骥，找到可以请教的专家。这种灵活的交流方式不仅使有益的知识和经验在公司内得到有效的传播，激励创新和坦诚的交流，而且也有助于提高知识提供者的个人声誉，为他们在公司里的发展提供良好的环境和机会。这种自由选择的方法还有助于甄选真正富有价值的点子和思想。 为了使上述信息在公司内更加有效地交流和传播，麦肯锡公司还建立了一个储备经验和知识的专门数据库，用以保存在为客户工作过程中积累起来的各种信息资源，还委派全职的专业信息管理技术人员对数据库进行维护，确保库中数据的更新；当咨询专家需要从数据库中寻找信息时，由他们提供相应的检索帮助，提高使用效率。在数据库的内容管理方面，特别重视公司“T”型专家队伍结构中负责专业领域的专才型专家，从他们那里可获取有关专业领域的知识和经验，加强数据库中专用知识的完善，使数据库成为更为全面的信息资源。经过数月的努力，这个数据库搜集了2000多份文件，为这个名为“麦肯锡实践发展网络”(PDNet)的数据库的正式运行提供了充足的资料储备。 20世纪90年代以来，人类社会进入知识经济时代，环境的变革和组织的发展对每一家公司都提出了新的挑战，对于象麦肯锡这样知识密集型国际著名大型咨询公司来说，更是如此。 1996年4月，麦肯锡公司的领导者Rajat Gupta就曾断言，随着科技的进步和时代发展，麦肯锡公司将面临更加严峻的挑战：如何管理好麦肯锡公司在全球84个分支机构的7000多名咨询专家，有效整合知识资源，并使组织高效率地更好地满足客户的需要，已变得越来越复杂。 为此，麦肯锡公司必须继续致力于完善公司的学习机制和知识管理，才能适应知识经济时代所面临的严峻考验，在激烈的竞争中立于不败之地。
金融大数据公司有很多，因为监管部门有牵头组织的，然后还有这些互联网平台他们自己成立的，还有那些专门为企业服务的那么不同的类型，当然就有不同的机构了呀。像我们非常熟知的京东金融蚂蚁金服，他就是互联网电商平台旗下的金融科技公司。
有是国家牵头成立的百行征信，这个是所有的金融机构里面排名最靠前的，不是说它本身的市场占有率那么高，而是说它的公正力是没有任何人可以质疑的。因为这是国家监管部门旗下牵头的机构，你的征信是怎么回事？你猜他为什么叫百行征信呢？是不是很巧巧的不可思议，其实他本来就是自己的东西，关乎到个人征信的问题，那都不是小事情，直接关乎到你以后房子贷款，车子贷款，装修贷款等各方面的幸福生活，这可容不得马虎的。
有专门为企业服务的数据中心商，比如同盾和百融这个我们普通个人接触不到这个东西，它是为企业服务的金融数据。企业经营的时候可能就需要一些同行业的参考标准，一些竞争行业的竞争参考标准，这些都涉及到了数据统计的问题啊，这个同盾和百融就算是为企业服务的这种数据中介商，他们本身不面向普通个人，所以我们了解的就不多了，因为我们接触比较多的就是互联网金融平台，就是电商平台。
电商平台给的比较明显的蚂蚁金服，我们京东金融我们平常使用的这个京东白条都价格范围，还有百度的度小满金融，它本身也是互联网巨头牵头的这个金融大数据公司。本身也肩负着投资的这个平台功能，因为他们也可以叫做互联网金融平台，大数据是他们自己的金融平台，是对我们的两者并不冲突。
欢迎分享，转载请注明来源：内存溢出
微信扫一扫
支付宝扫一扫
评论列表（0条）