我刚刚看完了一份来自麦肯锡（McKinsey）的相当令人震撼的研究，内容是：真正起飞的金融科技公司与那些停滞不前的公司之间，到底是什么在把它们分开。结论很直接：掌握数据分析的公司增长速度是其他公司的2,6倍。而有意思的是，这个差距并没有缩小，反而正相反。具备成熟分析能力的企业在不断完善模型的同时，继续积累优势。

但关键在这里：许多在金融科技新闻（fintech news）行业的人仍然没有弄明白——数据分析不是一个支持部门。它字面意义上就是竞争的引擎。没有它，增长会变得昂贵、脆弱，而且难以承受。

数据分析了40个国家中的800家金融科技公司，所以我们并不是在讨论孤立的个案。分析一共分为四个层级。第一是描述性分析，也就是最基础的：发生了什么，多少笔交易，收入是多少。大多数金融科技公司已经掌握了这一点。但真正增长的公司已经进一步走向预测性和规范性分析。也正是在这里，魔法才会发生。

以贷款为例。使用先进预测模型的金融科技放贷方，批准的客户数量比传统放贷方多30%，但其违约率仍然相当甚至更好。怎么做到的？他们会分析数百个传统系统忽略的信号：交易模式、收入稳定性、支出一致性。那些老牌征信机构根本看不到这些。

在支付方面也类似。规范性分析会对实时路由进行优化。当你发起一笔支付时，系统会评估几十条可能的路径，并选择那条在最大化授权的同时最小化成本的路径。能够做到这一点的平台，其授权率会比使用静态规则的平台高出2到4个百分点。

现在，真正对底线产生影响的是留存。通过分析客户行为来预测流失的金融科技公司，可以在客户离开之前进行干预。根据Bain & Company的说法，这会将流失率降低25%，并将客户生命周期价值提高40%。想想看：获得一个金融科技客户的成本是留住它的5到7倍。因此，提升留存会直接带来盈利能力上的影响。

我觉得最近的金融科技新闻里有一个细节特别关键：队列分析。当你追踪在同一时期获得的客户群在一段时间内的表现时，你会发现诸如：通过推荐获得的客户的生命周期价值比付费广告的客户高50%之类的现象。这会彻底改变你如何分配营销预算。而且每一个季度的数据都会提升模型的精度，从而带来更好的未来队列。它就是一个良性循环。

对投资者来说，最有意思的部分来了：根据Gartner的说法，只有23%的金融科技公司达到了由数据驱动的成熟度。剩下的77%仍然以反应式的方式使用数据，也就是分析过去，而不是用来推动未来的决策。这是一道巨大的机会鸿沟。那些加速提升分析成熟度的企业，将在与更慢的竞争对手对比中赢得更多份额。

而对于正在寻求风险投资（VC）资金的金融科技初创公司来说，分析基础设施已经成为投资评估中的一个因素。VCs（风投）不仅会看收入和增长。他们希望看到的是：公司在产品开发、风险管理、客户获取等方面，是否在做数据驱动的决策。一个凭直觉和基础指标在增长的公司，其说服力往往不如那种把分析整合进每一项关键决策中的公司。

总之，在今天的金融科技新闻领域里，数据分析不是可选项。它是用来构建其他一切的基础。没有它，增长会变得昂贵、脆弱且难以持续。懂得这一点的金融科技公司，已经在赢了。