大數據與金融創新

⑴ 大數據怎樣影響著金融業

大數據可以挖掘和分析金融信息深層次的內容，使決策者能夠把握重點，引導戰略方向。

正在來臨的大數據時代，金融機構之間的競爭將在網路信息平台上全面展開，說到底就是「數據為王」。誰掌握了數據，誰就擁有風險定價能力，誰就可以獲得高額的風險收益，最終贏得競爭優勢。

中國金融業正在步入大數據時代的初級階段。經過多年的發展與積累，目前國內金融機構的數據量已經達到100TB以上級別，並且非結構化數據量正在以更快的速度增長。金融機構行在大數據應用方面具有天然優勢：一方面，金融企業在業務開展過程中積累了包括客戶身份、資產負債情況、資金收付交易等大量高價值密度的數據，這些數據在運用專業技術挖掘和分析之後，將產生巨大的商業價值；另一方面，金融機構具有較為充足的預算，可以吸引到實施大數據的高端人才，也有能力採用大數據的最新技術。
總體看，正在興起的大數據技術將與金融業務呈現快速融合的趨勢，給未來金融業的發展帶來重要機遇。

首先，大數據推動金融機構的戰略轉型。在宏觀經濟結構調整和利率逐步市場化的大環境下，國內金融機構受金融脫媒影響日趨明顯，表現為核心負債流失、盈利空間收窄、業務定位亟待調整。業務轉型的關鍵在於創新，但現階段國內金融機構的創新往往淪為監管套利，沒有能夠基於挖掘客戶內在需求，提供更有價值的服務。而大數據技術正是金融機構深入挖掘既有數據，找准市場定位，明確資源配置方向，推動業務創新的重要工具。

其次，大數據技術能夠降低金融機構的管理和運行成本。通過大數據應用和分析，金融機構能夠准確地定位內部管理缺陷，制訂有針對性的改進措施，實行符合自身特點的管理模式，進而降低管理運營成本。此外，大數據還提供了全新的溝通渠道和營銷手段，可以更好的了解客戶的消費習慣和行為特徵，及時、准確地把握市場營銷效果。

第三，大數據技術有助於降低信息不對稱程度，增強風險控制能力。金融機構可以擯棄原來過度依靠客戶提供財務報表獲取信息的業務方式，轉而對其資產價格、賬務流水、相關業務活動等流動性數據進行動態和全程的監控分析，從而有效提升客戶信息透明度。目前，先進銀行已經能夠基於大數據，整合客戶的資產負債、交易支付、流動性狀況、納稅和信用記錄等，對客戶行為進行全方位評價，計算動態違約概率和損失率，提高貸款決策的可靠性。

當然，也必須看到，金融機構在與大數據技術融合的過程中也面臨諸多挑戰和風險。

一是大數據技術應用可能導致金融業競爭版圖的重構。信息技術進步、金融業開放以及監管政策變化，客觀上降低了行業准入門檻，非金融機構更多地切入金融服務鏈條，並且利用自身技術優勢和監管盲區佔得一席之地。而傳統金融機構囿於原有的組織架構和管理模式，無法充分發揮自身潛力，反而可能處於競爭下風。

二是大數據的基礎設施和安全管理亟待加強。在大數據時代，除傳統的賬務報表外，金融機構還增加了影像、圖片、音頻等非結構化數據，傳統分析方法已不適應大數據的管理需要，軟體和硬體基礎設施建設都亟待加強。同時，金融大數據的安全問題日益突出，一旦處理不當可能遭受毀滅性損失。近年來，國內金融企業一直在數據安全方面增加投入，但業務鏈拉長、雲計算模式普及、自身系統復雜度提高等，都進一步增加了大數據的風險隱患。

三是大數據的技術選擇存在決策風險。當前，大數據還處於運行模式的探索和成長期，分析型資料庫相對於傳統的事務型資料庫尚不成熟，對於大數據的分析處理仍缺乏高延展性支持，而且它主要仍是面向結構化數據，缺乏對非結構化數據的處理能力。在此情況下，金融企業相關的技術決策就存在選擇錯誤、過於超前或滯後的風險。大數據是一個總體趨勢，但過早進行大量投入，選擇了不適合自身實際的軟硬體，或者過於保守而無所作為都有可能給金融機構的發展帶來不利影響。

應該怎樣將大數據應用於金融企業呢？

盡管大數據在金融企業的應用剛剛起步，目前影響還比較小，但從發展趨勢看，應充分認識大數據帶來的深遠影響。在制訂發展戰略時，董事會和管理層不僅要考慮規模、資本、網點、人員、客戶等傳統要素，還要更加重視對大數據的佔有和使用能力，以及互聯網、移動通訊、電子渠道等方面的研發能力；要在發展戰略中引入和踐行大數據的理念和方法，推動決策從「經驗依賴」型向「數據依靠」型轉化；要保證對大數據的資源投入，把渠道整合、信息網路化、數據挖掘等作為向客戶提供金融服務和創新產品的重要基礎。

（一）推進金融服務與社交網路的融合

我國金融企業要發展大數據平台，就必須打破傳統的數據源邊界，注重互聯網站、社交媒體等新型數據來源，通過各種渠道獲取盡可能多的客戶和市場資訊。首先要整合新的客戶接觸渠道，充分發揮社交網路的作用，增強對客戶的了解和互動，樹立良好的品牌形象。其次是注重新媒體客服的發展，利用各種聊天工具等網路工具將其打造成為與電話客服並行的服務渠道。三是將企業內部數據和外部社交數據互聯，獲得更加完整的客戶視圖，進行更高效的客戶關系管理。四是利用社交網路數據和移動數據等進行產品創新和精準營銷。五是注重新媒體渠道的輿情監測，在風險事件爆發之前就進行及時有效的處置，將聲譽風險降至最低。

（二）處理好與數據服務商的競爭、合作關系

當前各大電商平台上，每天都有大量交易發生，但這些交易的支付結算大多被第三方支付機構壟斷，傳統金融企業處於支付鏈末端，從中獲取的價值較小。為此，金融機構可考慮自行搭建數據平台，將核心話語權掌握在自己的手中。另一方面，也可以與電信、電商、社交網路等大數據平台開展戰略合作，進行數據和信息的交換共享，全面整合客戶有效信息，將金融服務與移動網路、電子商務、社交網路等融合起來。從專業分工角度講，金融機構與數據服務商開展戰略合作是比較現實的選擇；如果自辦電商，沒有專業優勢，不僅費時費力，還可能喪失市場機遇。
（三）增強大數據的核心處理能力

首先是強化大數據的整合能力。這不僅包括金融企業內部的數據整合，更重要的是與大數據鏈條上其他外部數據的整合。目前，來自各行業、各渠道的數據標准存在差異，要盡快統一標准與格式，以便進行規范化的數據融合，形成完整的客戶視圖。同時，針對大數據所帶來的海量數據要求，還要對傳統的數據倉庫技術，特別是數據傳輸方式ETL（提取、轉換和載入）進行流程再造。其次是增強數據挖掘與分析能力，要利用大數據專業工具，建立業務邏輯模型，將大量非結構化數據轉化成決策支持信息。三是加強對大數據分析結論的解讀和應用能力，關鍵是要打造一支復合型的大數據專業團隊，他們不僅要掌握數理建模和數據挖掘的技術，還要具備良好的業務理解力，並能與內部業務條線進行充分地溝通合作。

（四）加大金融創新力度，設立大數據實驗室

可以在金融企業內部專門設立大數據創新實驗室，統籌業務、管理、科技、統計等方面的人才與資源，建立特殊的管理體制和激勵機制。實驗室統一負責大數據方案的制定、實驗、評價、推廣和升級。每次推行大數據方案之前，實驗室都應事先進行單元試驗、穿行測試、壓力測試和返回檢驗；待測試通過後，對項目的風險收益作出有數據支撐的綜合評估。實驗室的另一個任務是對「大數據」進行「大分析」，不斷優化模型演算法。在「方法論上。

（五）加強風險管控，確保大數據安全。

大數據能夠在很大程度上緩解信息不對稱問題，為金融企業風險管理提供更有效的手段，但如果管理不善，「大數據」本身也可能演化成「大風險」。大數據應用改變了數據安全風險的特徵，它不僅需要新的管理方法，還必須納入到全面風險管理體系，進行統一監控和治理。為了確保大數據的安全，金融機構必須抓住三個關鍵環節：一是協調大數據鏈條中的所有機構，共同推動數據安全標准，加強產業自我監督和技術分享；二是加強與監管機構合作交流，藉助監管服務的力量，提升自身的大數據安全水準；三是主動與客戶在數據安全和數據使用方面加強溝通，提升客戶的數據安全意識，形成大數據風險管理的合力效應。

⑵ 工商銀行攜手華為雲，打造金融數據創新應用實踐新標桿

工於至誠，行以致遠。

1984年，中國工商銀行（以下簡稱工行）正式成立。如今，以建設「數字工行」為目標，工行全面布局大數據、人工智慧等創新領域，在 探索 新業務、採用新技術等方面持續 探索 踐行。目前，工行已實現行內外海量金融數據資產要素的融合，全面支持客戶營銷、產品創新、風險控制等多領域智能化創新，服務實體經濟的金融供給能力大幅提升。而在這背後，華為雲大數據有著濃墨重彩的一筆。

始於數據的業務創新

在8月31日舉行的華為雲TechWave大數據專題日上，中國工商銀行軟體開發中心總經理助理劉承岩表示，「工行在大數據創新應用方面的 探索 ，就是一段不斷使用新技術、提升自身數據駕馭能力的歷程。」

從數據角度來看，工行經歷了自動化、數據化、智能化和生態化四個階段。在每個階段里，工行都採用了當時最領先的技術來支撐業務需求與發展，始終走在業界前列。智能化階段，工行正式開啟與華為的合作，引入了華為雲FusionInsight智能數據湖解決方案中的大數據產品，搭建了自主可控的大數據雲平台，真正將數據智能服務由事後快速演進到事前、事中的階段。

生態化階段，工行進一步深化與華為的合作，實現大數據雲平台與華為雲Stack雲基礎設施的融合，進一步提升大數據雲平台的高可用和彈性靈活擴展等能力，全面支撐起數字平台的生態化建設，更好地服務於數字工行的轉型。

劉承岩介紹，通過綜合運用大數據和人工智慧技術，工行實現了風險數據整合，在金融同業中首家推出了大數據風險信息服務產品融安e信，服務了260家金融機構和4.6萬家企業。大數據的應用還改變了傳統意義上「客戶找服務」的金融服務模式，實現了「金融服務找用戶」，通過渠道交易行為數據，工行建立精準客戶畫像，通過數據演算法判斷客戶偏好，進而提供針對性的金融產品與服務。

工行與華為的合作始於大數據，雙方進行了一系列的聯合創新。目前，工行已經有大量的數據放到了基於華為雲FusionInsight構建的金融數據湖中，FusionInsight MRS大數據、GaussDB(DWS)數據倉庫等產品承載了關鍵的金融數據業務，實現不同場景下的運營、管理，以及風控。

風控系統是金融領域的「生命線」。然而隨著金融 科技 的飛速發展，傳統的風控已經無法滿足當前的需求，勢必需要新的技術手段介入。大數據風控系統就是在這種背景下誕生的新技術，在華為全力支持下，工行的風控管理一直保持著業界一流水準。

大數據平台提供的超高頻實時計算能力，幫助工行率先在行業內實現了實時反欺詐防控，在不影響客戶體驗的情況下，實現了對每筆交易的實時欺詐防控，為客戶避免損失約90億元。此外，通過全行風險信息的整合共享，以及前中後模型服務的沉澱與開放，工行實現了金融業務端到端的風險防控，真正實現了一點出險、全面防控的目標。

劉承岩介紹，工行引入華為雲的另一個目的，是希望將原來在IaaS上的一些業務系統遷入到華為雲Stack，並結合華為雲FusionInsight智能數據湖方案，使之成為數據的底座和業務平台的底座。這將是一次規模空前的雲遷移，整體遷移規模將達到75%以上。

目前，雙方正在加快推進工行大數據技術平台與華為雲的融合，構建混布式容器化和存算分離架構，進一步提升大數據平台的高可用、穩定性、資源彈性靈活擴展能力，更好地支撐工行全數據存儲、全數據挖掘、全演算法應用、全場景布署的需要。這個過程預計需要一兩年的時間，而在所有工作完成之後，一朵華為雲支撐起工行整個業務和數據體系的運行與管理。

劉承岩認為，大數據技術平台融合了雲計算、大數據和人工智慧等技術，為工行數據中台生態的創新應用，提供了強大存儲、算力、演算法的保障，是工行數據智能體系的技術底座。

存貸是銀行業的核心業務之一。過去的貸款發放，需要做很多的核驗工作，而現在藉助大數據、人工智慧等技術，工行基本可以做到秒批秒貸，以便捷、高效的金融服務，助力實體經濟的穩健發展。

在高復雜性的人工智慧領域，工行與華為的合作正在不斷加深。目前，工行的數據分析師和業務專家們正在極大受惠於華為雲FusionInsight智能數據湖解決方案的系列產品，以及「普惠AI」的理念，而未來在數據隱私等更深入的領域，雙方還會進一步進行 探索 與合作。

面向未來，工行將不斷加強與華為雲的合作，通過雲計算、人工智慧、區塊鏈、IoT等創新技術，更好地利用數據這一新的生產要素，從 社會 的痛點、難點入手，做好金融數據中台的建設工作，不斷提升自身服務實體經濟的能力。

2020年9月23-26日，華為將於上海舉辦第五屆HUAWEI CONNECT，攜手來自全球的業界思想領袖、商業精英、技術大咖、先鋒企業、生態合作夥伴、應用服務商以及開發者等，共同探討行業數字化的發展方向，展示ICT領域的領先技術、產品和解決方案，分享成功實踐，構築開放、共贏的 健康 產業生態，共創行業新價值。

⑶ 大數據應用在哪些領域

大數據應用於各個行業，包括金融、汽車、餐飲、電信、能源、娛樂等在內的社會各行各業都已經融入了大數據的痕跡。

1、製造業：利用工業大數據提升製造業水平，包括產品故障診斷與預測、分析工藝流程、改進生產工藝，優化生產過程能耗、工業供應鏈分析與優化、生產計劃與排程。

2、金融業：大數據在高頻交易、社交情緒分析和信貸風險分析三大金融創新領域發揮重大作用。

3、汽車行業：利用大數據和物聯網技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。

4、互聯網行業：藉助於大數據技術分析用戶行為，進行商品推薦和針對性廣告投放。

5、餐飲行業：利用大數據實現餐飲O2O模式，徹底改變傳統餐飲經營方式。

6、電信行業：利用大數據技術實現客戶離網分析，及時掌握客戶離網傾向，出台客戶挽留措施。

7、能源行業：隨著智能電網的發展，電力公司可以掌握海量的用戶用電信息，利用大數據技術分析用戶用電模式，可以改進電網運行，合理設計電力需求響應系統，確保電網運行安全。

8、物流行業：利用大數據優化物流網路，提高物流效率，降低物流成本。

9、城市管理：利用大數據實現智能交通、環保監測、城市規劃和智能安防。

10、生物醫學：大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘。

11、公共安全領域：政府利用大數據技術構建強大的國家安全保障體系，公共安全領域的大數據分析應用，反恐維穩與各類案件分析的信息化手段，藉助大數據預防犯罪。

12、個人生活：大數據還可以應用於個人生活，利用與每個人相關聯的「個人大數據」，分析個人生活行為軌跡，為其提供更加周到的個性化服務。

大數據的價值遠不止於此，大數據對各行各業的滲透，是推動社會生產和生活的核心要素。

(3)大數據與金融創新擴展閱讀

七個典型的大數據應用案例

1、梅西百貨的實時定價機制。根據需求和庫存的情況，該公司基於SAS的系統對多達7300萬種貨品進行實時調價。

2、Tipp24AG針對歐洲博彩業構建的下注和預測平台。該公司用KXEN軟體來分析數十億計的交易以及客戶的特性，然後通過預測模型對特定用戶進行動態的營銷活動。這項舉措減少了90%的預測模型構建時間。SAP公司正在試圖收購KXEN。

3、沃爾瑪的搜索。這家零售業寡頭為其網站Walmart.com自行設計了最新的搜索引擎Polaris，利用語義數據進行文本分析、機器學習和同義詞挖掘等。根據沃爾瑪的說法，語義搜索技術的運用使得在線購物的完成率提升了10%到15%。「對沃爾瑪來說，這就意味著數十億美元的金額。」Laney說。

4、快餐業的視頻分析。該公司通過視頻分析等候隊列的長度，然後自動變化電子菜單顯示的內容。如果隊列較長，則顯示可以快速供給的食物;如果隊列較短，則顯示那些利潤較高但准備時間相對長的食品。

5、Morton牛排店的品牌認知。當一位顧客開玩笑地通過推特向這家位於芝加哥的牛排連鎖店訂餐送到紐約Newark機場（他將在一天工作之後抵達該處）時，Morton就開始了自己的社交秀。首先，分析推特數據，發現該顧客是本店的常客，也是推特的常用者。根據客戶以往的訂單，推測出其所乘的航班，然後派出一位身著燕尾服的侍者為客戶提供晚餐。

6、PredPolInc.。PredPol公司通過與洛杉磯和聖克魯斯的警方以及一群研究人員合作，基於地震預測演算法的變體和犯罪數據來預測犯罪發生的幾率，可以精確到500平方英尺的范圍內。在洛杉磯運用該演算法的地區，盜竊罪和暴力犯罪分布下降了33%和21%。

7、TescoPLC（特易購）和運營效率。這家超市連鎖在其數據倉庫中收集了700萬部冰箱的數據。通過對這些數據的分析，進行更全面的監控並進行主動的維修以降低整體能耗。

⑷ 大數據主要應用於哪些行業，有什麼價值

大數據無處不在，大數據應用於各個行業，包括金融、汽車、餐飲、電信、能源、體能和娛樂等在內的社會各行各業都已經融入了大數據的印跡，下面詳細介紹一下大數據在各行各業的具體應用。

製造業， 利用工業大數據提升製造業水平，包括產品故障診斷與預測、分析工藝流程、改進生產工藝，優化生產過程能耗、工業供應鏈分析與優化、生產計劃與排程

金融行業 ，大數據在高頻交易、社交情緒分析和信貸風險分析三大金融創新領域發揮重大作用。

汽車行業， 利用大數據和物聯網技術的無人駕駛汽車，在不遠的未來將走入我們的日常生活。

互聯網行業， 藉助於大數據技術，可以分析客戶行為，進行商品推薦和針對性廣告投放。

餐飲行業， 利用大數據實現餐飲O2O模式，徹底改變傳統餐飲經營方式

電信行業 ，利用大數據技術實現客戶離網分析，及時掌握客戶離網傾向，出台客戶挽留措施

能源行業， 隨著智能電網的發展，電力公司可以掌握海量的用戶用電信息，利用大數據技術分析用戶用電模式，可以改進電網運行，合理設計電力需求響應系統，確保電網運行安全。

物流行業， 利用大數據優化物流網路，提高物流效率，降低物流成本

城市管理， 可以利用大數據實現智能交通、環保監測、城市規劃和智能安防

生物醫學， 大數據可以幫助我們實現流行病預測、智慧醫療、健康管理，同時還可以幫助我們解讀DNA,了解更多的生命奧秘

體育娛樂 ，大數據可以幫助我們訓練球隊，決定投拍哪種題財的影視作品，以及預測比賽結果

安全領域， 政府可以利用大數據技術構建起強大的國家安全保障體系，企業可以利用大數據抵禦網路攻擊，警察可以藉助大數據來預防犯罪。

個人生活 ，大數據還可以應用於個人生活，利用與每個人相關聯的「個人大數據」，分析個人生活行為習慣，為其提供更加周到的個性化服務。

大數據的價值，遠遠不止於此，大數據對各行各業的滲透，大大推動了社會生產和生活，未來必將產生重大而深遠的影響，對大數據感興趣的可以到科多大數據進行更深入的了解咨詢~

⑸ 什麼是大數據金融

就是建立在大規模數據信息上的金融行為。例如網路推出大數據炒股理財。

⑹ 大數據金融是什麼

大數據金融是指集合海量非結構化數據，通過對其進行實時分析，可以為互聯網金融機構提供客戶全方位信息，通過分析和挖掘客戶的交易和消費信息掌握客戶的消費習慣，並准確預測客戶行為，使金融機構和金融服務平台在營銷和風控方面有的放矢。

大數據金融的內容：基於大數據的金融服務平台主要指擁有海量數據的電子商務企業開展的金融服務。大數據的關鍵是從大量數據中快速獲取有用信息的能力，或者是從大數據資產中快速變現的能力，因此，大數據的信息處理往往以雲計算為基礎。

(6)大數據與金融創新擴展閱讀：

大數據金融的弊端：

1、大數據對個人信息的大量獲取導致了隱私和安全問題。

隨著個人所在或行經位置、購買偏好、健康和財務情況的海量數據被收集，再加上金融交易習慣、持有資產分布、以及信用狀況以更細致的方式被儲存和分析，機構投資者和金融消費者能獲得更低的價格、更符合需要的金融服務，從而提高市場配置金融資源的能力。

但同時，金融市場乃至整個社會管理的信息基礎設施將變得越來越一體化和外向型，對隱私、數據安全和知識產權構成更大風險。就個人隱私而言，大數據的隱私問題遠遠超出了常規的身份確認風險的范疇。

2、大數據技術不能代替人類價值判斷和邏輯思考。

大數據是人類設計的產物，大數據的工具(如Hadoop軟體)並不能使人們擺脫曲解、隔閡和成見，數據之間相關性也不等同於因果關系，大數據還存在選擇性覆蓋問題。

例如，社交媒體是大數據分析的重要信息源，但其中年輕人和城市人的比例偏多，還存在大量由程序控制的「機器人」賬號或「半機器人」賬號。波

士頓的 StreetBump應用程序為統計城市路面坑窪情況，從駕駛員的智能手機上收集數據，可能少計年老和貧困市民較多區域的情況;「谷歌流感趨勢」曾高估了 2012年流感發病率。這說明依賴有缺陷的大數據可能給政府決策造成負面影響，還可能加劇社會不公。

3、基於大數據開發的金融產品和交易工具對金融監管提出挑戰。

大數據的使用正在改變金融市場，也需要改變監管市場的方式，以保證市場參與者負責地使用大數據。

例如，2010年5月的「閃電暴跌」(flashcrash)令道瓊斯工業平均指數 突然大跌，美國監管部門認為是高頻交易造成了快速拋售引發的更多拋售。大數據中的一個數據點出錯就能導致「無厘頭暴跌」。

監管機構限制大數據技術的使用，或是對其使用進行直接干預，其潛在風險是巨大的，應鼓勵業界對更復雜的技術乃至更大數據的利用。

⑺ 大數據和人工智慧在互聯網金融領域有哪些應用

大數據從四個方面改變了金融機構傳統的數據運作方式，從而實現了巨大的商業價值。這四個方面（「四個C」）包括：數據質量的兼容性（Compatibility）、數據運用的關聯性（Connectedness）、數據分析的成本（Cost）以及數據價值的轉化（Capitalization）。

大數據在金融業的應用場景正在逐步拓展。在海外，大數據已經在金融行業的風險控制、運營管理、銷售支持和商業模式創新等領域得到了全面嘗試。在國內，金融機構對大數據的應用還基本處於起步階段。數據整合和部門協調等關鍵環節的挑戰仍是阻礙金融機構將數據轉化為價值的主要瓶頸。

數據技術與數據經濟的發展是持續實現大數據價值的支撐。深度應用正在將傳統IT從「後端」不斷推向「前台」，而存量架構與創新模塊的有效整合是傳統金融機構在技術層面所面臨的主要挑戰。此外，數據生態的發展演進有其顯著的社會特徵。作為其中的一員，金融機構在促進數據經濟的發展上任重道遠。

無論是在金融企業還是非金融企業中，數據應用及業務創新的生命周期都包含五個階段：業務定義需求；IT部門獲取並整合數據；數據科學家構建並完善演算法與模型；IT發布新洞察；業務應用並衡量洞察的實際成效。

在今天的大數據環境下，生命周期仍維持原樣，而唯一變化的是「數據科學家」在生命周期中所扮演的角色。大數據將允許其運用各種新的演算法與技術手段，幫助IT不斷挖掘新的關聯洞察，更好地滿足業務需求。