我剛剛審閱了一份來自麥肯錫的相當具有啟發性的研究，內容關於真正起飛的金融科技公司與停滯不前的公司之間的差異。結論很直白：掌握數據分析的公司成長速度是其他公司的2.6倍。而有趣的是，這個差距並沒有縮小，反而越來越大。擁有成熟分析能力的企業持續累積優勢，同時完善他們的模型。

但這裡是許多金融科技新聞業界仍未理解的事實：數據分析不是一個支援部門。它字面上就是競爭的引擎。沒有它，成長會變得昂貴且脆弱。

這份分析涵蓋了來自40個國家的800家金融科技公司，因此不是孤立的案例。分析分為四個層次。首先是描述性，這是最基本的：發生了什麼、交易數量、收入是多少。大多數金融科技公司已經掌握了這一點。但真正成長的公司已經進展到預測性和規範性分析。這才是魔法發生的地方。

以貸款為例。使用先進預測模型的金融科技放款公司，批准的客戶比傳統放款公司多30%，但違約率卻相當或更佳。怎麼做到的？他們分析數百個傳統系統忽略的信號：交易模式、收入穩定性、支出一致性。這些老舊的信用評分機構根本看不到這些。

在支付方面也類似。規範性分析能即時優化路由。當你發起支付時，系統會評估數十條可能的路徑，選擇能最大化授權率且降低成本的那一條。做得好的平台，其授權率比使用靜態規則的系統高出2到4個百分點。

真正影響底線的，是用戶留存。能分析客戶行為預測流失的金融科技公司，可以在客戶離開前介入。根據貝恩公司（Bain & Company）的數據，這能降低流失率25%，並將客戶的終身價值提升40%。想想看：獲取一個金融科技客戶的成本是留存的5到7倍。改善留存，直接影響盈利能力。

我覺得近期金融科技新聞中一個關鍵細節是：群組分析（cohort analysis）。追蹤同一時期獲得的客戶群在時間上的行為，會發現一些事實，例如：透過推薦獲得的客戶，其終身價值比付費廣告獲得的多50%。這會徹底改變你分配行銷預算的方式。而每一季的數據都會提升模型的準確性，進而產生更好的未來群組分析。這是一個良性循環。

對投資者來說，這裡也很有趣：根據Gartner的資料，只有23%的金融科技公司已經達到由數據驅動的成熟階段。其餘77%仍以反應式數據使用為主，分析過去而非推動未來決策。這是一個巨大的機會差距。那些加快數據分析成熟度的公司，將在競爭中取得優勢。

對於尋求風險資本的金融科技新創公司來說，分析基礎設施已經成為投資評估的重要因素。風投不僅看收入和成長，更想知道公司是否在產品開發、風險管理、客戶獲取等方面，基於數據做出決策。一家憑直覺和基本指標成長的公司，與一個在每個重要決策中都整合分析的公司相比，說服力明顯較低。

總結來說，今天金融科技新聞的核心是：數據分析不是選擇，而是所有事物的基礎。沒有它，成長會變得昂貴、脆弱且難以持續。懂得這點的金融科技公司，已經在贏得競爭。