大資料在金融領域的應用及問題時

網際網路使資訊變的扁平，但是資訊的利用效率卻沒有得到提高，因為技術的限制和認知的局限，海量的資訊無法深度挖掘價值，甚至是資訊本身被直接忽視。很多情況下人們能看到的隻是網際網路的便利，而挖掘資訊背後的價值則無從做起。但是大資料技術的到來改變了這一狀态。

馬雲曾說：“人類正在從it時代走向dt時代”。随着網際網路技術的進一步發展和資料的積累，“大資料”應運而生，資訊的收集，資料的挖掘逐漸被重視起來。人們意識到在現有的技術和資料的基礎上，新的資料處理模式會具有更強的決策力、洞察發現力和流程的優化能力。在這樣的情況下，資訊成為資産，如何利用大資料技術變現資料資産的價值成了很多人的關心的問題。

而在金融行業，控制風險是永久的話題。根據個體以往的曆史和整個大環境的觀察，卻可以對風險或多或少的有個預判。對于各種資訊組合成的大資料，隻要把關資料來源的範圍和準确性、資料處理能力、資料産品是否能夠滿足客戶要求、是否具有多樣性，資料之于金融行業的價值不可估量。

但不同的主體、不同的情形下的風險不具有可比性；加上金融行業發展的現狀，每個金融機構的資料就像是一個資訊孤島。是以在金融領域要讓大資料技術得到進一步的應用，還存在一系列的問題亟待解決。

大資料應用在金融的典型案例

大資料應用到信貸：在美國，一家網際網路信用評估機構已成為多家銀行在個人信貸風險評估方面的好幫手。該機構通過分析客戶在各個社交平台（如facebook和twitter）留下的資料，對銀行的信貸申請客戶進行風險評估，并将結果賣給銀行。另外，利用曆史資料的積累可把握客戶的行為規律。

阿裡巴巴的淘寶信用貸款、阿裡小貸的業務，同樣基于網絡平台的資料進行分析評估後開張的業務，隻是阿裡巴巴利用的是其自身平台的資料優勢。

大資料輔助征信風控：中國網際網路使用者将近7億，有一半左右人在央行征信系統沒有信用記錄。而網際網路金融的意義使得金融發揮了普惠的價值，大量的人群在金融上也需要金融的消費需求，但是卻一直遊離于征信體制之外，以至于面對金融的“高門檻”，望之莫及。而在現在的技術條件之上，人們的日常行為被記錄，大資料可以根據客戶的資訊進行客戶畫像，評估個人信用和投資風險。填補征信領域的市場空白。

大資料維護金融安全：大資料在反洗錢領域的能力也開始嶄露頭角。螞蟻金服已經在利用大資料找出藏匿于網絡空間的洗錢黑手，建立起智能的反洗錢體系。僅2015上半年，螞蟻金服的反洗錢團隊就向反洗錢監測分析中心報送300多份可疑交易報告，其中多份已移送公安機關。

大資料為客戶制定差異化産品和營銷方案：海外銀行開始圍繞客戶的“人生大事”進行交叉銷售。這些銀行對客戶的交易資料進行分析，由此推算出客戶經曆“人生大事”的大緻節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融産品的購買意願。一家澳洲銀行通過大資料分析發現，家中即将有嬰兒誕生的客戶對壽險産品的潛在需求最大。通過對客戶的銀行卡交易資料進行分析，銀行很容易識别出即将添丁的家庭：在這樣的家庭中，準媽媽會開始購買某些藥品，而嬰兒相關産品的消費會不斷出現。該行面向這一人群推出定制化的營銷活動，獲得了客戶的積極響應，進而大幅提高了交叉銷售的成功率。

大資料應用預測市場走勢

以上的案例是基于個體的資料分析，而基于個體資料進行的提煉整合，對市場環境也可以做出好壞的評估，進而更有效率的開展業務。

ibm 使用大資料資訊技術成功開發了“經濟名額預測系統”。借助該預測系統，可通過統計分析新聞中出現的單詞等資訊來預測股價等走勢：ibm 的“經濟名額預測系統”首先從網際網路上的新聞中搜尋與“新訂單”等與經濟名額有關的單詞，然後結合其他相關經濟資料的曆史資料分析與股價的關系，進而得出預測結果。

早在2012年，國内國泰君安也推出了“個人投資者投資景氣指數”（簡稱3i指數），通過一個獨特的視角傳遞個人投資者對市場的預期、當期的風險偏好等資訊。國泰君安研究所對海量個人投資者樣本進行持續性跟蹤監測，對賬本投資收益率、持倉率、資金流動情況等一系列名額進行統計、權重彙總後得到的綜合性投資景氣指數。

在國内人們熟知的餘額寶，其鮮明的特色就當屬大資料。以基金的申購、贖回預測為例，基于淘寶和支付寶的資料平台，可以及時把握申購、贖回變動資訊。

大資料在金融的應用 風控還是核心

上述無論是基于個體還是大環境的資料分析，都繞不開風險這一話題。基于個體行為和特征對客戶進行的畫像，是對個體的信用評級和風險評估；基于大環境的追蹤和觀察，是對系統性風險和市場景氣指數的判斷。這些行為都有效的控制住了行業風險，進而更順利的開展金融業務。

可見，風險控制是金融行業的核心這一命題，在大資料技術的滲入下依然不會改變。

大資料發展的問題：

大資料發展至今，在金融領域的應用正在步入深水區。但是要進一步發展，除了大資料技術本身的局限，行業内部也有瓶頸亟待解決。

1、 合法性問題

大資料需要收集和提取私人資料，如何界定私人資料與公共資料的界限，如何保護個人的資料隐私權，灰色地帶在哪裡？這種标準的制定，為現實的法律提出了要求。

2、 共享與安全

大資料的本質是開放與共享，但是現實情況是需要資料共享的各個行業之間存在各種壁壘，如何解決目前仍是業界普遍面臨的難點。

3、 解讀與應用

對于大資料的結論如何解讀，從哪個産業的利益出發來分析？應用的多元化，将引出不同層面的大資料價值，這需要想象力。資料分析的量級、角度和系統計算方式的差異，如果不同系統之間所作出的大資料分析出現差異，或者相反的結論，我們該如何判斷和解讀？

盡管大資料技術還可以繼續深入發展，但這些問題，嫣然不是技術上的可以解決的。要想深入應用大資料技術，充分發掘出資料的價值。行業自身也需要自我進化更新。

本文轉自d1net（轉載）