今天跟大家分享的是第一个模块：数据智慧的第一讲，大数据。

大数据这个词，大家现在几乎每天都能听到，每天发生的交易记录，云端保存的海量数据，无论是公司还是个人，大数据无处不在。

我今天要跟大家讨论的大数据，是专门针对公司的，特别是针对财务从业人员的，一个财务专业人士，该以什么样的姿态面对大数据，又有什么样的具体可操作的方法用好身边的大数据。

首先我想澄清一个观点：大数据不是互联网发达、云计算虚拟空间被发明出来的信息化时代才有的。大数据一直都在，只是受重视的程度不同而已。

这样讲比较抽象，我还是举个例子吧：

2002 年我去德国工作时，在那买了一辆二手车，记得是花了 5200 欧元买了一辆三厢 POLO。买了车，要上路还得买保险。可是一圈问下来，像我这个在「德国驾龄是 0 年」的外国司机，保费奇贵，要将近 2000 欧元，一年的保费超过车价的三分之一，这贵得有点离谱了。

这时，有一个朋友给我推荐了一家网上交易的保险公司，我现在还记得公司的名称，叫 MLP，据说这家公司不歧视外国司机。

我就登陆了这家公司的网页，结果发现，在询价前先要完成一个调研问答。好吧，我就开始一个个地回答，等到做完，发现居然回答了 40 个问题，大家一定很好奇，买个汽车保险，会问什么样的问题？

问题多了去了，在此我就摘录几个吧。

「你的住所是否有地下车库？」

「答：有。」

「你是做什么职业的？」

「答：财务管理。」

「你家里是否有 8 岁以下的小孩？」

「答：没有。」

第一个问题问我有没有地下车库？我立马意识到，这是为了推断车子的受保护状况，因为晚上过夜停在大街上容易被刮蹭到。

第二个问题，问我的职业，我稍微转了个弯，也能想明白，一个成天坐办公室的财务人与一个经常要出门见客户的销售，出险几率是很不一样的。

但是第三个问题，家里有没有 8 岁以下的小孩？我怎么想都没想明白，这与计算保费有什么关联？

有 8 岁以下的的小孩到底是保费该高一些还是低一些呢？我在许多公开讲座上讲起这个例子的时候，每次都会得到一半一半的不同意见。

我后来问了德国同事才明白，一个人从单身到有小孩，在驾驶行为上会有明显的不同。有了小孩，开车会更谨慎。红灯变黄时一般就踩住刹车不往前冲了，所以，家里有小孩对买保险是一个加分项。

我这里只是列举了几个问题，所有 40 个问题回答完，大家可以想象得出，每个人都有一份独特的顾客车险肖像。我的财务职业，上下班都有地下车库，一周只有周五开车上班，所有这些条件评定下来，我的保费只有 500 多欧元，比起先前的 2000 欧元，便宜得可不是一点点。