案例一：True Accord利用大数据催债，收割债务人和债权人好评
True Accord是一家用大数据进行债务催收的公司，在谷歌上的评分，高达4.8分（满分5分）。
出乎意料的是，在评分下面而且下面表达感谢的，不仅有债权人，还有很多债务人。他们说，多亏这家公司的帮助，自己才能摆脱债务困扰。有人甚至说，这可能是美国有史以来，最受欢迎的催收公司。
这家公司到底是怎么做到的呢？
在逾期环节，也就是到了还钱的日子，用户还没还钱，怎么办？在我们通常的印象里，债权人和债务人，好像有一种天然的对立关系。你欠钱不还，我就得跟你过不去，直到你还钱为止。
方法一：用户画像个性化催债
True Accord为了提升用户催收体验，是这么做的。首先，他们设计了一款产品，叫Recover。好多人觉得催债烦人，就是因为对方总是不分时间场合地打电话。尤其是在朋友同事面前，或者开会的时候接到这种电话。但是，这个产品从来不打电话，只发邮件，这么做是为了保住债务人的面子。
你可能会说，光靠邮件，这能行吗？万一我压根就不打开这封邮件怎么办？
这家公司用大数据来解决这个问题。
首先，在邮件标题上，软件会自动根据债务人的公开信息，比如年龄、性别、欠款金额，来计算出更适合的邮件标题。（ 这里就是根据大数据，使用用户画像方法，进行个性化发邮件内容）
比如，有正经职业的中年人，这些人一般上有老下有小，对待债务比较认真。那么给他们的邮件，标题就要郑重一些。比如，“你可以做到！这笔债务是你的，你就必须承担责任。这是我们提供的还款方案，供您选择。”
假如是年轻人，语气就会轻松一些，带点幽默感：“嗨，我是你的债务，你忘记我了吗？”或者是“我正坐着吃冰淇淋、听着失恋情歌，因为感觉你正躲着我。”
因为有这样千人千面的标题，这家公司每周只发三次邮件，却能创造65%的开信率。相比于传统催收每天十几次的问候，效率高了很多。而且更重要的是，用机器来自动化发邮件，成本非常低。低到什么程度？他们接单的标准是，只要这笔债务超过3美元，他们就接。你看，这么一来，业务范围又扩大了不少。
方法二：提供解决方案
但是，你可能会说，就算我愿意打开邮件，但假如就是真没钱，怎么办？这家公司替你想办法。这时，他们会派专人提供人工服务。
首先，是跟你讨论还款弹性，说白了，就是可以讨价还价。甚至是给出一点折扣。你可能会说，一个催收公司有什么权力给折扣呢？债务人会同意吗？
其实这并不难，因为催收公司收取的佣金是很高的，20%-30%是常事儿，如果是长期的欠款，甚至会超过50%。为了促使债务人还款，他们让渡5%的收益，完全值得。
假如债务人还不满意，Ture Accord这家公司甚至会请对方提还款方案，双方共同商讨出最佳还款计划。
从逾期前置管理，到个性化催款邮件，再到有弹性的还款服务，使True Accord催收的成功率比同行要高出50%。
True Accord这家公司用大数据进行催收，提升用户体验，成为了美国有史以来，最受欢迎的催收公司。
案例二：大数据防范偷税漏税
A公司资金周转出现了点状况，又卡在企业所得税申报的时点，他们老板没有钱纳税，灵光一闪，现在不是大部分发票都是电子发票吗？那么就采用将电子发票重复打印的方式做账，做高费用，这样当季利润就会大幅下降，从而达到少缴税的目的。
刚申报完没多久，税务局就打电话让企业财务去税务局约谈，然后还来到了企业现场检查会计凭证，很快就发现了猫腻，当场就下了处罚通知书。
人家老板也很纳闷，税务局是如何做到如此“精准打击”的。
后了解到，税务局系统能掌控企业所有的发票信息，谁给你们企业开了多少发票，税务局系统一清二楚，比如其他企业今年给A企业总共开了5000万的发票，而A企业在做纳税申报时申报了8000万的费用支出，那税务局系统就会自动发出警报。
因为成本费用支出里不需要发票的只有人工支出，而人工支出的具体金额也可以根据与个税申报系统进行对接而获知，其余的成本费用都需要有发票，而以你公司为抬头的发票开出了多少，税务局系统一目了然，通过大数据一对比分析，你企业做纳税申报时数据是否有水分，系统自动就能判断。
而系统出现预警，税务局工作人员则需要去核查并解除警报，如果确实是有些正常的例外情况触发了警报，则工作人员则将会反馈给技术人员，技术人员会根据这些没考虑到的例外情况去完善预警模块的参数与指标，从而不断提高系统预警的准确度，而实现精准打击偷税漏税。
在大数据面前，一切偷税漏税都无所遁形，只是时间早晚的问题。
案例三Target和怀孕预测指数
关于数据挖掘的应用，最近还有这样一个真实案例在数据挖掘和营销挖掘领域广为流传。
美国一名男子闯入他家附近的一家美国零售连锁超市Target店铺(美国第三大零售商塔吉特)进行抗议：“你们竟然给我17岁的女儿发婴儿尿片和童车的优惠券。”店铺经理立刻向来者承认错误，但是其实该经理并不知道这一行为是总公司运行数据挖掘的结果。如图所示。一个月后，这位父亲来道歉，因为这时他才知道他的女儿的确怀孕了。Target比这位父亲知道他女儿怀孕的时间足足早了一个月。
Target能够通过分析女性客户购买记录，“猜出”哪些是孕妇。他们从Target的数据仓库中挖掘出25项与怀孕高度相关的商品，制作“怀孕预测”指数。比如他们发现女性会在怀孕四个月左右，大量购买无香味乳液。以此为依据推算出预产期后，就抢先一步将孕妇装、婴儿床等折扣券寄给客户来吸引客户购买。
如果不是在拥有海量的用户交易数据基础上实施数据挖掘，Target不可能做到如此精准的营销。
网友评论