大數據時代的金融業

⑴ 大數據在金融領域的應用

大數據在金融領域的應用如下：

1. 概述

近年來，隨著大數據、雲計算、區塊鏈、人工智慧等新技術的快速發展，這些新技術與金融業務深度融合，釋放出了金融創新活力和應用潛能，這大大推動了我國金融業轉型升級，助力金融更好地服務實體經濟，有效促進了金融業整體發展。

在這一發展過程中，又以大數據技術發展最為成熟、應用最為廣泛。

從發展特點和趨勢來看，「金融雲」快速建設落地奠定了金融大數據的應用基礎，金融數據與其他跨領域數據的融合應用不斷強化，人工智慧正在成為金融大數據應用的新方向，金融行業數據的整合、共享和開放正在成為趨勢，給金融行業帶來了新的發展機遇和巨大的發展動力。

2. 大數據技術在金融行業中的典型應用

大數據技術在金融行業中有著廣泛的應用， 下面將介紹大數據技術在銀行、證券、保險等金融細分領域中的應用。

3. 金融大數據應用面臨的挑戰及對策

大數據技術為金融行業帶來了裂變式的創新活力，其應用潛力有目共睹，但在數據應用管理、業務場景融合、標准統一、頂層設計等方面存在的瓶頸也有待突破。

⑵ 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。

⑶ 大數據金融存在的問題

法律主觀：

一、大數據的定義分析：從生產來看，不需要特別的採集過程，因為監管要求、業務邏輯或者技術便利，具有「自生產」特徵，比如搜索數據、交易數據等;從存-儲來看，相對於傳統資料庫的數據規模，量變引起質變，需要新的資料庫技術來支持存-儲和訪問;從使用來看，分析方法從基於概率論的抽樣理論過渡到人工智慧、統計學習等講求高維、高效率分析技術。從行業細分角度，大數據金融業主要有大數據銀行金融和大數據證券金融，分別和銀行業務、證券業務相關。當然，保險業天然就和大數據相關。信用卡自動授信是典型的大數據銀行金融。從銀行角度是否應該對申請者授信、發授多少信用額度，是個重要問題。傳統方式是人工審核申請資料，然後根據大致的檔位發放額度或拒絕申請。但是當銀行積累了足夠多的用卡客戶數據，可以把是否違約，違約概率，有效使用額度等指標作為被評價對象，然後調用與此相關的各種客戶信息建立統計模型，自動計算授信結果。機器人投資是大數據證券金融的代表形式，股票價格波動受各種因素影響，傳統的投資方式一般人工收集信息，手動交易。機器人投資可以建立多因素模型，自動選擇股票或尋找交易時機，在適廳春當的風控模型下建立機器人投資雲交易模式。再如，連接銀行和證券的大數據不良資產評估。2005年，某國有不良資產管理公司開始嘗試在海量數據基礎上進行不良資產評估。原本銀行信貸資產的評估都是基於會計模型，但是不良資產茄爛基本沒扮納耐有會計特徵，很難用傳統方法評估。因此，收集已處置資產和待處置資產樣本進行對比，建立數據挖掘模型，可以方便評估待處置資產的價格。二、大數據金融的定義分析：金融業積累的大數據就是金融大數據，根據銀行金融和證券金融本身的不同，這些數據也分成銀行金融大數據和證券金融大數據。積累數據過程中，產生了數據採集、存-儲、使用的相關工作和企業，這樣就完成了金融大數據的產業鏈，但總體依然是信息技術產業鏈。目前，大數據服務平台的運營模式可以分為以阿-里小額信貸為代表的平台模式和京-東、蘇-寧為代表的供應鏈金融模式。阿-里小貸以「封閉流程+大數據」的方式開展金融服務，憑借電子化系統對貸款人的信用狀況進行核定，發放無抵押的信用貸款及應收賬款抵押貸款，單筆金額在5萬元以內，與銀行的信貸形成了非常好的互補。**金融目前只統計、使用自己的數據，並且會對數據進行真偽性識別、虛假信息判斷。**金融通過其龐大的雲計算能力及數十位優秀建模團隊的多種模型，為**集團的商戶、店主時時計算其信用額度及其應收賬款數量，依託電商平台、支付寶和阿-里雲，實現客戶、資金和信息的封閉運行，一方面有效降低了風險因素，同時真正的做到了一分鍾放貸。京-東商城、蘇-寧的供應鏈金融模式是以電商作為核心企業，以未來收益的現金流作為擔保，獲得銀行授信，為供貨商提供貸款。大數據能夠通過海量數據的核查和評定，增加風險的可控性和管理力度，及時發現並解決可能出現的風險點，對於風險發生的規律性有精準的把握，將推動金融機構對更深入和透徹的數據的分析需求。雖然銀行有很多支付流水數據，但是各部門不交叉，數據無法整合，大數據金融的模式促使銀行開始對沉積的數據進行有效利用。大數據將推動金融機構創新品牌和服務，做到精細化服務，對客戶進行個性定製，利用數據開發新的預測和分析模型，實現對客戶消費模式的分析以提高客戶的轉化率。大數據金融模式廣泛應用於電商平台，以對平台用戶和供應商進行貸款融資，從中獲得貸款利息以及流暢的供應鏈所帶來的企業收益。隨著大數據金融的完善，企業將更加註重用戶個人的體驗，進行個性化金融產品的設計。未來，大數據金融企業之間的競爭將存在於對數據的採集范圍、數據真偽性的鑒別以及數據分析和個性化服務等方面。

⑷ 大數據在金融行業的應用與挑戰

大數據在金融行業的應用與挑戰
A 具有四大基本特徵
金融業基本是全世界各個行業中最依賴於數據的，而且最容易實現數據的變現。全球最大的金融數據公司Bloomberg在1981年成立時「大數據」概念還沒有出現。Bloomberg的最初產品是投資市場系統（IMS），主要向各類投資者提供實時數據、財務分析等。
隨著信息時代降臨，1983年估值僅1億美元的Bloomberg以30%股份的代價換取美林3000萬美元投資，先後推出Bloomberg Terminal、News、Radio、TV等各類產品。1996年Bloomberg身價已達20億美元，並以2億美元從美林回購了10%的股份。2004年Bloomberg在紐約曼哈頓中心建成246米摩天高樓。到2008年次貸危機，美林面臨崩盤，其剩餘20%的Bloomberg股份成為救命稻草。Bloomberg趁美林之危贖回所有股份，估值躍升至225億美元。2016年Bloomberg全球布局192個辦公室，擁有1.5萬名員工，年收入約100億美元，估值約1000億美元，超過同年市值為650億美元的華爾街標桿高盛。
大數據概念形成於2000年前後，最初被定義為海量數據的集合。2011年，美國麥肯錫公司在《大數據的下一個前沿：創新、競爭和生產力》報告中最早提出：大數據指大小超出典型資料庫軟體工具收集、存儲、管理和分析能力的數據集。
具體來說，大數據具有四大基本特徵：
一是數據體量大，指代大型數據集，一般在10TB規模左右，但在實際應用中，很多企業用戶把多個數據集放在一起，已經形成了PB級的數據量。
二是數據類別大，數據來自多種數據源，數據種類和格式日漸豐富，已沖破了以前所限定的結構化數據范疇，囊括了半結構化和非結構化數據。現在的數據類型不僅是文本形式，更多的是圖片、視頻、音頻、地理位置信息等多類型的數據。
三是處理速度快，在數據量非常龐大的情況下，也能夠做到數據的實時處理。數據處理遵循「1秒定律」，可從各種類型的數據中快速獲得高價值的信息。
四是數據的真實性高，隨著社交數據、企業內容、交易與應用數據等新數據源的興起，傳統數據源的局限被打破，信息的真實性和安全性顯得極其重要。
而相比其他行業，金融數據邏輯關系緊密，安全性、穩定性和實時性要求更高，通常包含以下關鍵技術：數據分析，包括數據挖掘、機器學習、人工智慧等，主要用於客戶信用、聚類、特徵、營銷、產品關聯分析等；數據管理，包括關系型和非關系型數據、融合集成、數據抽取、數據清洗和轉換等；數據使用，包括分布式計算、內存計算、雲計算、流處理、任務配置等；數據展示，包括可視化、歷史流及空間信息流展示等，主要應用於對金融產品健康度、產品發展趨勢、客戶價值變化、反洗錢反欺詐等監控和預警。
B 重塑金融行業競爭新格局
「互聯網+」之後，隨著世界正快速興起「大數據+」，金融行業悄然出現以下變化：
大數據特徵從傳統數據的「3個V」增加到「5個V」。在數量（Volume）、速度（Velocity）、種類（Variety）基礎上，進一步完善了價值（Value）和真實性（Veracity），真實性包括數據的可信性、來源和信譽、有效性和可審計性等。
金融業按經營產品分類變為按運營模式分類。傳統金融業按經營產品劃分為銀行、證券、期貨、保險、基金五類，隨著大數據產業興起和混業經營的發展，現代金融業按運營模式劃分為存貸款類、投資類、保險類三大類別。
大數據市場從壟斷演變為充分市場競爭。全球大數據市場企業數量迅速增多，產品和服務的差異增大，技術門檻逐步降低，市場競爭日益激烈。行業解決方案、計算分析服務、存儲服務、資料庫服務和大數據應用成為市場份額排名最靠前的五大細分市場。
大數據形成新的經濟增長點。Wikibon數據顯示，2016年，全球大數據硬體、軟體和服務整體市場增長22%達到281億美元，預計到2027年，全球在大數據硬體、軟體和服務上的整體開支的復合年增長率為12%，將達到大約970億美元。
數據和IT技術替代「重復性」業務崗位。數據服務公司Eurekahedge通過追蹤23家對沖基金，發現5位對沖基金經理薪金總額為10億美元甚至更高。過去10年，靠數學模型分析金融市場的物理學家和數學家「寬客」一直是對沖基金的寵兒，其實大數據+人工智慧更精於此道。高盛的紐約股票現金交易部門2000年有600名交易員而如今只剩兩人，其任務全由機器包辦，專家稱10年後高盛員工肯定比今天還要少。
美國大數據發展走在全球前列。美國政府宣稱：「數據是一項有價值的國家資本，應對公眾開放，而不是將其禁錮在政府體制內。」作為大數據的策源地和創新引領者，美國大數據發展一直走在全球最前列。自20世紀以來，美國先後出台系列法規，對數據的收集、發布、使用和管理等做出具體的規定。2009年，美國政府推出Data.gov政府數據開放平台，方便應用領域的開發者利用平台開發應用程序，滿足公共需求或創新創業。2010年，美國國會通過更新法案，進一步提高了數據採集精度和上報頻度。2012年3月，奧巴馬政府推出《大數據研究與開發計劃》，大數據迎來新一輪高速發展。
英國是歐洲金融中心，大數據成為其領先科技之一。2013年，英國投資1.89億英鎊發展大數據。2015年，新增7300萬英鎊，創建了「英國數據銀行」data.gov.uk網站。2016年，倫敦舉辦了超過22000場科技活動，同年，英國數字科技投資逾68億英鎊，而收入則超過1700億英鎊。另外，英國統計局利用政府資源開展「虛擬人口普查」，僅此一項每年節省5億英鎊經費。
C 打造高效金融監管體系
大數據用已發生的總體行為模式和關聯邏輯預測未來，決策未來,作為現代數字科技的核心，其靈魂就是——預測。
偵測、打擊逃稅、洗錢與金融詐騙
全球每年因欺詐造成的經濟損失約3.7萬億美元，企業因欺詐受損通常為年營收額的5%。全球最大軟體公司之一美國SAS公司與稅務、海關等政府部門和全球各國銀行、保險、醫療保健等機構合作，有效應對日益復雜化的金融犯罪行為。如在發放許可之前，通過預先的數據分析檢測客戶是否有過行受賄、欺詐等前科，再確定是否發放借貸或海關通關。SAS開發的系統已被國際公認為統計分析的標准軟體，在各領域廣泛應用。英國政府利用大數據檢測行為模式檢索出200億英鎊的逃稅與詐騙，追回了數十億美元損失。被福布斯評為美國最佳銀行的德克薩斯資本銀行（TCBank），不斷投資大數據技術，反金融犯罪系統與銀行發展同步，近3年資產從90億美元增至210億美元。荷蘭第三大人壽保險公司CZ依靠大數據對騙保和虛假索賠行為進行偵測，在支付賠償金之前先期阻斷，有效減少了欺詐發生後的司法補救。
大數據風控建立客戶信用評分、監測對照體系
美國注冊舞弊審核師協會（ACFE）統計發現，缺乏反欺詐控制的企業會遭受高額損失。美國主流個人信用評分工具FICO能自動將借款人的歷史資料與資料庫中全體借款人總體信用習慣相比較，預測借款人行為趨勢，評估其與各類不良借款人之間的相似度。美國SAS公司則通過集中瀏覽和分析評估客戶銀行賬戶的基本信息、歷史行為模式、正在發生行為模式（如轉賬）等，結合智能規則引擎（如搜索到該客戶從新出現的國家為特有用戶轉賬，或在新位置在線交易等），進行實時反欺詐分析。
美國一家互聯網信用評估機構通過分析客戶在Facebook、Twitter等社交平台留下的信息，對銀行的信貸和投保申請客戶進行風險評估，並將結果出售給銀行、保險公司等，成為多家金融機構的合作夥伴。
D 數據整合困難
應用經濟指標預測系統分析市場走勢
IBM使用大數據信息技術成功開發了「經濟指標預測系統」，該系統基於單體數據進行提煉整合，通過搜索、統計、分析新聞中出現的「新訂單」等與股價指標有關的單詞來預測走勢，然後結合其他相關經濟數據、歷史數據分析其與股價的關系，從而得出行情預測結果。
追蹤社交媒體上的海量信息評估行情變化
當今搜索引擎、社交網路和智能手機上的微博、微信、論壇、新聞評論、電商平台等每天生成幾百億甚至千億條文本、音像、視頻、數據等，涵蓋廠商動態、個人情緒、行業資訊、產品體驗、商品瀏覽和成交記錄、價格走勢等，蘊含巨大財富價值。
2011年5月，規模為4000萬美元的英國對沖基金DC Markets，通過大數據分析Twitter的信息內容來感知市場情緒指導投資，首月盈利並以1.85%的收益率一舉戰勝其他對沖基金僅0.76%的平均收益率。
美國佩斯大學一位博士則利用大數據追蹤星巴克、可口可樂和耐克公司在社交媒體的圍觀程度對比其股價，證明Facebook、Twitter和 Youtube上的粉絲數與股價密切相關。
提供廣泛的投資選擇和交易切換
日本個人投資理財產品Money Design在應用程序Theo中使用演算法+人工智慧，最低門檻924美元，用戶只需回答風險承受水平、退休計劃等9個問題，就可使用35種不同貨幣對65個國家的1.19萬只股票進行交易和切換，年度管理費僅1%。Money Design還能根據用戶投資目標自動平衡其賬戶金額，預計2020年將超過2萬億美元投資該類產品。
利用雲端資料庫為客戶提供記賬服務
日本財富管理工具商Money Forward提供雲基礎記賬服務，可管理工資、收付款、寄送發票賬單、針對性推送理財新項目等，其軟體系統連接並整合了2580家各類金融機構的各類型帳戶，運用大數據分析的智能儀表盤顯示用戶當前財富狀況，還能分析用戶以往的數據以預測未來的金融軌跡。目前其已擁有50萬商家和350萬個體用戶，並與市值2.5萬億美元的山口金融集團聯合開發新一款APP。
為客戶定製差異化產品和營銷方案
金融機構迫切需要掌握更多用戶信息，繼而構建用戶360度立體畫像，從而對細分客戶進行精準營銷、實時營銷、智慧營銷。
一些海外銀行圍繞客戶「人生大事」，分析推算出大致生活節點，有效激發其對高價值金融產品的購買意願。如一家澳大利亞銀行通過大數據分析發現，家中即將誕生嬰兒的客戶對壽險產品的潛在需求最大，於是通過銀行卡數據監控准媽媽開始購買保胎葯品和嬰兒相關產品等現象，識別出即將添丁的家庭，精準推出定製化金融產品套餐，受到了客戶的積極響應，相比傳統的簡訊群發模式大幅提高了成功率。
催生並支撐人工智慧交易
「量化投資之王」西蒙斯被公認為是最能賺錢的基金經理人，自1988年創立文藝復興科技公司的旗艦產品——大獎章基金以來，其憑借不斷更新完善的大數據分析系統，20年中創造出35%的年均凈回報率，比索羅斯同期高10%，比股神巴菲特同期高18%，成為有史以來最成功的對沖基金，並於1993年基金規模達2.7億美元時停止接受新投資。在美國《Alpha》雜志每年公布的對沖基金經理排行榜上，西蒙斯2005年、2006年分別以15億美元、17億美元凈收入穩居全球之冠，2007年以13億美元位列第五，2008年再以25億美元重返榜首。
推動金融產品和服務創新
E 面臨三大挑戰
目前，全球各行業數據量的增長速度驚人，在我國尤其集中在金融、交通、電信、製造業等重點行業，信息化的不斷深入正在進一步催生更多新的海量數據。
據統計，2015年中國的數據總量達到1700EB以上，同比增長90%，預計到2020年這一數值將超過8000EB。以銀行業為例，每創收100萬元，銀行業平均產生130GB的數據，數據強度高踞各行業之首。但在金融企業內部數據處於割裂狀態，業務條線、職能部門、渠道部門、風險部門等各個分支機構往往是數據的真正擁有者，缺乏順暢的共享機制，導致海量數據往往處於分散和「睡眠」狀態，雖然金融行業擁有的數據量「富可敵國」，但真正利用時卻「捉襟見肘」。
數據安全暗藏隱患
大數據本質是開放與共享，但如何界定、保護個人隱私權卻成為法律難題。大數據存儲、處理、傳輸、共享過程中也存在多種風險，不僅需要技術手段保護，還需相關法律法規規范和金融機構自律。多項實際案例表明，即使無害的數據大量囤積也會滋生各種隱患。安全保護對象不僅包括大數據自身，也包含通過大數據分析得出的知識和結論。在線市場平台英國Handshake.uk.com就嘗試允許用戶協商個人數據被品牌分享所得的報酬。
人才梯隊建設任重道遠
人才是大數據之本。與信息技術其他細分領域人才相比，大數據發展對人才的復合型能力要求更高，需要掌握計算機軟體技術，並具備數學、統計學等方面知識以及應用領域的專業知識。

⑸ 大數據金融創新與發展

img src=' https://p26 . toutiaoimg.com/large/c5f 00022 e 860696 a06b '/

近年來，大數據已經成為重塑金融競爭格局的重要支撐和抓手。特別是「十三五」規劃綱要明確提出實施國家大數據戰略，把大數據作為基礎性戰略資源，加快數據資源共享、開放和發展。

在此背景下，為全面落實「十三五」規劃提出的國家大數據戰略，推動金融業轉型升級和創新發展，助力上海建設國際金融中心和科技創新中心，「大數據時代的金融野盯服務與創新」論壇於8月17日在中國金融信息中心舉行。論壇由上海市經濟和信息化委員會、上海市金融服務辦公室和上海銀監局指導。由新華社中國經濟信息社、新華社新聞信息中心、新華網、上海證券報、中國金融信息中心、中國銀行上海市分行主辦，易迅財經協辦，證大財富特別支持。

img src=' https://P3 . toutiaoimg.com/large/c5b 00057 DCC 4232 c 44 e '/

大數據之父勛伯格曾說，「大數據開啟了時代的重大變革。正如望遠鏡讓我們感受宇宙，顯微鏡讓我們觀察微生物一樣，大數據正在改變我們的生活和我們理解世界的方式，成為新發明和服務的來源，更多的變化即將發生」。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510 CD 74d 6298 '/

張笑君表示，傳統金融行業如何利用大數據技術和思維實現產業轉型變革，推動金融服務創新發展，是每個企業都應該深入思考的問題；如何利用大數據降低金融風險，促進「大數據新金融」的可持續發展，使其發揮更大的社會價值，也是政府部門和監管部門面臨的新課題。

據了解，2016年是「十三五」的開局之年，也是新華社業務轉型發展的重要一年。2016年7月底，新華社全面完成國內分支機構采編管理「兩分離兩加強」重大機構改革。7月1日，新聞信息中心上海中心正式成立，這也標志著新華社在上海的各項事業進入了一個新階頌罩和段。

「在保持傳統信息產品和業務優勢的同時，上海證券報將能夠專注於國家戰略和上海本地事業的整體發展。在垂直管理體制和上海分社的雙重領導下，將繼續夯實基礎、求新求變，進一步擴大新華社新聞產品市場的覆蓋面和影響力，為上海「四個中心」建設做出我們的貢獻。」張笑君說。

img src=' https://P6 . toutiaoimg.com/large/c5d 000581 f 9 CB 43 f 6 c 4 '/

上海市經濟和信息化委員會副主任邵志清

上海市經濟和信息化委員會副主任邵志清表示，這次論壇主要是為了規劃所謂的「形勢、戰略和技術」。所謂「趨勢」，永遠不應該是趨勢的敵人。一個人，一個企業做一件事，一定要順應時代潮流，順勢而為。今天，我們已經進入了信息文明時代，其中第一個是PC時代，第二個是網路時代，第三個是大數據時代。

大數據可以開發成引擎嗎？邵志清講了三個方面。首先，世界進入了一個新時代。90年代中期加入互聯網大家庭，實現了人際交往的突破，讓「一條家信抵一噸金」不復存在。現在，世界各國都在計劃實現大數據時代的國家發展，因為大數據已經是一種資源，一種資產。顯然，它已經成為一項國家發展戰略。大數據能力已經成為綜悶凱合國際競爭力和國際影響力不可或缺的方面。

第二，大數據已經成為我們的生產要素。大數據為計算開辟了新模式和新路徑。產業方面，有新業務、新商業模式、新業態，給新經濟帶來很多活力。現在政府掌握了大量的大數據資源，如何服務社會和市場，從而激發市場的活力和社會的創造力，在社會治理方面如何管理網格。大數據也帶來了很多機會，例如，它可以用於控制城市基礎設施、環境保護、食品葯品安全和交通運輸。

第三，利用大數據安裝創新驅動發展的強大引擎，要從資源、技術、使用、產業、安全等幾個方面著力。

邵志清表示，最近上海也在制定大數據發展的實施意見，對接國家層面的戰略，結合上海實際，大概有幾個方面要做：要素供給、使用創新、產業發展。他認為，要加快幾個方面的建設：一是整合共享的資源流通體系。二是創新活躍的行業使用體系。三是發展自主可控的數據技術服務體系。第四是世界一流的大數據基礎設施體系。第五，可信、安全、獨立的擔保體系。

img src=' https://P3 . toutiaoimg.com/large/c5e 0002510d 22 a 7942 e '/

上海數據交易中心首席運營官沈翔宇

「在具體循環方面，我們對所有數據做了從高風險到低風險的評估。從用戶產生的原始數據到後來產生的數據，無論是對個人還是對群體，都有幾個要求。進入流通，我們有自主知識產權的六要素標准：數據要有ID，數據要有維度主鍵，也就是Key。這是分配ID、分配key、設置限制、數據提供及時性、設置交易價格的角度。」他們把數據交易中心能給大家提供的服務分為會員、掛牌、撮合、分銷、清算服務等五個方面。沈翔宇說會有一個交易平台給大家用。

img src=' https://P6 . toutiaoimg.com/large/C5 c 00057 e 30 BF 384969 '/

上海大數據聯盟

常務副秘書長馬慧民

上海大數據聯盟常務副秘書長馬慧民演講主題是《大數據推動產業創新》。市場交易成本主要是由信息成本和討價還價成本構成。他說，企業組織成本主要是指維持企業內部各個部門運轉所需要的各類行政成本和協調成本。

當企業內的組織管理成本擴大到等於市場交易費用時，企業達到其最大邊界。比如說大數據、移動互聯網等新型技術讓計程車行業交易費用大幅度降低，傳統計程車公司逐漸被中間市場——平台公司影響。比如說滴滴打車、Uber，有了這些平台，交易成本大大降低了。互聯網促進和推動這個產業的發展，同時為產業的生產也帶來了變革。大數據和相關技術解決了某種信息不對稱領域引起的交易成本增加的過程。

通過大數據可以進行精準營銷。「我們通過很多數據採集之後，我們會形成一個用戶畫像，無論是線上數據還是線下的數據，集合在一起之後就知道這個個人或者是企業需要什麼樣的東西。這里就解決了一個問題，就是線上、線下數據加在一起的個人標簽。」馬慧民說。

上海交通大學互聯網金融研究所所長羅明雄

上海交通大學互聯網金融研究所所長羅明雄分享的主題是《從互聯網金融投融資看大數據金融》。他說，互聯網金融等同於P2P、等同於騙子這是非常不準確的，P2P只是互聯網金融當中的一個分支，而騙子只是打著P2P的旗號去做的行騙。他把大數據產業鏈條分為四個部分包括數據源、數據採集與存儲、數據分析與挖掘和大數據使用。

什麼人可以做好大數據金融，羅明雄說，一個是可以合法拿到大量的非結構化數據，二是能夠對這些非結構化數據進行專業的挖掘、梳理、清洗。他建議大家不要把銀行完全想像成傳統金融機構，銀行業在變，銀行會通過很多領域來進行思考，要做風控，會拿到很多的數據，然後把這些數據打通，包括你的信貸風控、精準營銷、運行決策優化。他說，銀行的電商把信息打通，本質就非常類似於余額寶，余額寶就是利用信息化手段，讓老百姓以極低門檻享受一個私人銀行般的理財服務。

羅明祥說，傳統的供應鏈金融是以銀行或傳統金融機構主導，通過綁定核心企業通過給核心企業授信，並給予其上下游企業一定支持，對供應鏈金融企業的BD能力以及自身資源能力提出很大的挑戰。近期以B2B或者是SaaS模式切入供應鏈金融，從「三流」切入成為供應鏈金融最容易彎道超車的商業模式。供應鏈金融的本質是你能夠抓到中小的企業為他提供整套供應鏈金融服務。

萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊

萬達金融集團總裁助理兼萬達徵信公司總經理嵇磊結合他在銀行、信貸行業和徵信領域的工作體會與大家分享了徵信行業的發展機遇。

國外徵信行業發展情況來講，美國的徵信體系最為成熟，現已形成從數據採集、數據標准化、數據處理到信用使用等成熟完整的產業鏈布局，從而形成全球最大的市場規模。嵇磊說，美國徵信行業的發展歷程、動因及趨勢，對我國徵信市場及機構發展具有很好的借鑒意義。從發展路徑看，美國的徵信行業經歷了快速發展、法律完善、行業整合及成熟發展四大階段，最後經過行業洗牌整合，機構數量從最多時的2000家減少至500家，並逐漸出現全國性徵信巨頭。

研究分析國外市場，是為了更好的研判中國徵信市場。至2015年末，央行徵信系統已收錄8.8億自然人信息，其中3.8億有信貸記錄;收錄企業及其他組織2120萬戶，其中577萬戶有信貸記錄。伴隨著龐大消費市場的逐步成熟、消費信貸的快速增長、互聯網及大數據使用的跨越式發展，更多的社會第三方徵信機構參與到我國徵信體系建設中。

盡管成立背景不同、數據類型各異，但在個人徵信業務的具體規劃上，各家徵信公司均不約而同地突出了「大數據」和「互聯網徵信」。互聯網徵信機構收集信息面寬，可以覆蓋無法在銀行留下信貸記錄的龐大群體，從而成為央行徵信體系的有益補充。

嵇磊認為，徵信業最好的時代已經到來。隨著法律法規的進一步完善、消費經濟持續增長以及大數據、互聯網技術的發展，徵信行業正面臨前所未有的發展機遇：一是法律法規的完善為徵信發展提供支持；二是消費經濟增長推動徵信業持續發展；三是大數據及互聯網促動徵信業務全面升級；四是社會發展提高人們對信用價值的認知。

翼勛金融總經理孫海江

翼勛金融總經理孫海江表示，大數據的成長速度非常快，現在整體的大數據，人類90%數據都是在最近三年產生的。每天要使用消費類的軟體，比如說滴滴打車這樣的工具類軟體以及金融軟體等等，都會產生大量的數據。這些數據的服務能夠產生價值，同時這些數據使用也能夠帶來價值。但是其實這個當中還有數據為我們帶來的困擾。

在圓桌討論環節，光大雲付副董事長兼總裁夏令武、綠地金服CEO楊曉冬、上海互聯網大數據工程研究中心主任陸晉軍、證大財富總裁戴衛新、前海徵信副總經理施奕明圍繞四個議題展開，分別是：大數據時代為金融業帶來的新機遇；大數據 金融如何服務小微企業；如何管理大數據徵信使用中存在的挑戰與風險；政府如何監管並服務於大數據金融創新。

光大雲付副董事長兼總裁夏令武

光大雲付副董事長兼總裁夏令武說，大數據和互聯網最近幾年的飛速發展給金融業帶來很多機遇。這種機遇是兩個方面，一個方面是給傳統金融機構帶來了更大、更強的生存能力。有人說互聯網會顛覆傳統機構。現在如果說從大數據維度來看，其實不是的。傳統金融機構掌控了金融業、經濟部門最大的數據。因為金融機構就是經營數據的。所以我想大數據增強了傳統金融機構的能力。另一方面，大數據也推動了新的金融服務形式的產生，而光大雲付就是這兩方面的結合。

綠地金服CEO楊曉冬

作為陸金所創始管理團隊之一，綠地金服CEO楊曉冬說，大數據最重要的是要降低企業的成本，從經營角度來說，大數據可以幫助我們提高風控能力。我對大數據未來的遠景還是充滿信心的，但目前的狀況還是不令人滿意的。舉一個例子，在美國，這是我在90年代做的項目。90年代的時候，你在美國就可以在互聯網上開戶，我不用1秒鍾就可以知道所有的信息。但是在目前，在中國的信息還是島式的信息，沒有一個統一的信息可以證明這個人是可信的，可以線上開戶。市場數據成本是否合理，是關繫到大數據能否成功的關鍵。他希望政府可以為不僅是金融企業，要為所有企業提供公共信息。這樣才可以幫助金融企業降低成本。

上海互聯網大數據工程研究中心主任陸晉軍

上海互聯網大數據工程研究中心主任陸晉軍說，現在整個大數據行業存在一個亂象。一方面擁有數據的，比如說政府、銀行、運營商很難開放。另一方面，有很多公司又號稱有數據。但這個數據哪裡來?可能會涉及到到隱私泄露的問題。圍繞金融談大數據，談移動互聯網，這是真正可以改變金融領域供給側改革的技術和手段。因為有了移動互聯網、各種寶、各種貸，為老百姓提供了更多的選擇，當然選擇過程當中又帶來了很多風險。這是做技術、管理、監管的人要去解決的問題。通過大數據一定程度可以解決客戶畫像、客戶獲取、徵信等等的問題，要把它做好。

陸晉軍說，大數據一定要開放，一定要跨境。如果說你是封閉群體的數據也可以做數據分析，但是只有打開了通路，和不同領域的數據做交換、結合之後才可以產生更多的價值。這也是大數據交易所面臨的一個非常重要的課題，而且要注重大數據的安全。

證大財富CEO戴衛新

證大財富的CEO戴衛新認為精準營銷和風險管理兩者結合度是非常高的。他們公司在兩年前就做了「淘寶達人貸」，面對的客戶是專門在淘寶上有消費的人群做信用貸款。在推出這個產品的時候，芝麻信用分還沒有出來，通過這兩年的數據積累，未來在大數據使用上，可以做一些改善。可以結合芝麻信用分來看我們客戶的表現以及真實的芝麻信用分有巨大的關聯性，來驗證芝麻信用分在這樣一個領域的市場，是不是有更好的使用場景。

戴衛新表示，金融最大的要點就是風險控制，大家數據共享可以有效降低在這一塊上的損失。他說證大財富一直和上海官方機構、民營徵信機構等合作，做數據共享。

前海徵信副總經理施奕明

前海徵信副總經理施奕明從徵信和金融的關系談了他的看法。金融的核心是風險定價，風險控制是非常重要的手段。原來傳統的金融方式都是以線下方面為主，比如說貸款必須要面簽。但是現在很多都是遠程化、線上化的方式，如果說沒有像現代徵信業的發展，像遠程開戶、人臉識別這樣的技術是不可能實現的。未來大數據在金融行業將會越來越重要。

施奕明介紹徵信業面臨的挑戰是信息孤島問題、安全合規問題和技術創新問題。

他說，現在徵信把信息分為三大類，第一類是公共信用數據，第二類是金融信用數據，第三類是生活信用數據。這三方面的數據分別在各個不同的地方，要把這三類進行整合，需要一個大的戰略，數據聯盟、數據交易中心的出現為數據整合提供了很好的基礎，也會成為徵信業未來發展的契機。

大數據時代一個很大的問題就是個人信息披露泛濫。前海徵信操作是非常規范的，任何數據的採集和披露都是要遵照合法的途徑和規矩來做的，大數據的前提是合法合規。

在大數據徵信時代有很多的創新點，但必須要謹慎。傳統的金融徵信其實已經被驗證過無數次了，是可以非常有效的判斷一個人的信用風險的。現在大數據發展很快，但是這些信息和標簽是不是可以真正的防止風險，這是需要待驗證的。因此並不會把所有創新都推向市場，需要經過長期驗證之後，才會非常負責地推向市場。

主持人：第一財經廣播主持人葉柳

相關問答：

⑹ 大數據技術在金融行業有哪些應用前景

大數據金融市場前景廣闊，深度開發大數據金融工具，或將重構整個金融行業。預計未來5到回10年，金答融大數據產業將迎來黃金增長期，大數據也將成為助推「大眾創業、萬眾創新」浪潮的有力抓手。
據《大數據金融行業市場前瞻與投資分析報告》數據顯示，2016年我國大數據金融市場規模為15.84億元，隨著政策逐步實施與落地，以大數據為核心手段、核心驅動力的產業金融，將邁入時代發展正軌成為主流趨勢，預計2018年中國金融大數據應用市場會突破100億元，金融業開始進入了大數據時代快車道。
大數據金融作為一個綜合性的概念，在未來的發展中，企業坐擁數據將不再局限於單一業務，第三方支付、信息化金融機構以及互聯網金融門戶都將融入到大數據金融服務平台中，大數據金融服務將在各家機構各顯神通的基礎上，實現多元業務的融合。
伴隨互聯網金融縱深發展，大數據優勢越加凸顯。作為互聯網金融創新的驅動力，大數據金融帶來的方式革新，未來走向精細化和專業化。今後大數據金融行業的努力方向，應該是以完備的大數據為基礎，基於用戶需求提供智能化一站式產品購買及定製化服務，以及數據挖掘、數據整合、數據產品、數據應用及解決方案等。

⑺ 大數據技術在金融行業有哪些應用前景

經過多年的發展與積累，金融領域已具備海量數據，正在步入大數據時代的初級階段版，因權此金融大數據正受到銀行、保險、證券企業的追捧。隨著大數據技術的完善，大數據在金融領域發揮的作用將越來越大，在應用廣度和深度上還有很大的進步空間，金融大數據發展勢頭強勁。
金融領域具備海量數據，非常適合與大數據技術相結合，因此金融大數據正受到銀行、保險、證券企業的追捧。通過互聯網、雲計算等信息技術來處理海量數據，從而更好地了解客戶、創新服務。
目前，金融行業主要如信用卡、防欺詐、電子支付業務等，對大數據有比較大的需求。因此，隨著金融行業大數據應用的加強已經深入，前瞻產業研究院預計，到2017-2022年，金融行業大數據應用市場規模年均復合增長率為55.21%，到2022年，中國金融行業大數據應用市場規模為497億元。
不過，金融大數據還面臨著不少阻礙，如內部各業務間存在信息孤島現象、外部大數據整合難度大等。相信在大數據起到更大效果時，金融大數據的推進不會太大問題，未來前景廣闊。

⑻ 大數據在金融領域的應用主要包括

主要包括以下方面：
1. 客戶的管理
金融機構內部也擁有大量具有價值的數據，如業務訂單數據、用戶屬性數據、用戶收入數據、客戶查詢數據、理財產品交易數據、用戶行為等數據，這些數據可以通過用戶賬號的打通，建立用戶標簽體系。在此基礎之上，結合風險偏好數據、客戶職業、愛好、消費方式等偏好數據，利用機器學習演算法來對客戶進行分類，並利用已有數據標簽和外部數據標簽對用戶進行畫像。進而針對不同類型的客戶提供不同的產品和服務策略，這樣可以提高客戶滲透力、客戶轉化率和產品轉化率。也就是說，通過大數據應用，金融機構可以逐漸實現完全個性化客戶服務的目標。
2. 產品的管理
通過大數據分析平台，金融機構能夠獲取客戶的反饋信息，及時了解、獲取和把握客戶的需求，通過對數據進行深入分析，可以對產品進行更加合理的設置。通過大數據，金融機構可以快速高效地分析產品的功能特徵和喜歡的狀態，產品的價值，客戶的喜好原因，產品的生命周期，產品的利潤，產品的客戶群等。如果處理得好，可以做到把適當的產品送到需要該產品的客戶手上，這是客戶關系管理中一個重要的環節。
3. 營銷的管理
藉助大數據分析平台，通過對形式多樣的用戶數據（基本信息數據、財富信息數據、教育數據、消費數據、瀏覽數據、購買路徑、客戶的微博、客戶的微信、客戶的購買行為）進行挖掘、追蹤、分析，以提升精準營銷水平。
拓展資料：
特徵
1.網路化的呈現。在大數據金融時代，大量的金融產品和服務通過網路來展現，包括固定網路和移動網路。
2.基於大數據的風險管理理念和工具。在大數據金融時代，風險管理理念和工具也將調整。
3.信息不對稱性大大降低。在大數據金融時代，金融產品和服務的消費者和提供者之間信息不對稱程度大大降低。
4.高效率性。大數據金融無疑是高效率的。許多流程和動作都是在線上發起和完成，有些動作是自動實現。
5.金融企業服務邊界擴大。首先，就單個金融企業而言，其最合適經營規模擴大了。由於效率提升，其經營成本必隨之降低。金融企業的成本曲線形態也會發生變化。
6.產品的可控性、可受性。通過網路化呈現的金融產品，對消費者而言，是可控、可受的。

⑼ 大數據金融前景

一、大數據金融的含義
大數據金融指的是將巨量非結構化數據通過互聯網和雲計算等方式進行挖掘和處理後與傳統金融服務相結合的一種新的金融模式，它是一種相比於傳統金融更加透明、參與度更加廣泛、體驗更好、效率更高的新興金融模式。
廣義的大數據金融包括整個互聯網金融在內的所有需要依靠發掘和處理海量信息的線上金融服務。也就是說，我們所提到的不管是P2P還是眾籌等互聯網金融行為，其核心都是大數據金融，因為互聯網金融如果沒有大數據的支撐，就成了一個單純意義上的平台。而互聯網金融得以在互聯網誕生之日起，到今天人類社會進入「PB（1024TB）」時代，歷年來數據信息的記錄與積累，以及雲計算技術的不斷成熟，使得大數據金融在互聯網誕生數十年後終於可以一展風采。持續高增長的電子交易數量和網路零售服務，使得依賴於商務需求的金融體系能夠在線上尋求到數據支撐。

狹義上的大數據金融指的是依靠對商家和企業在網路上歷史數據的分析，對其進行線上資金融通和信用評估的行為。我們可以很直觀地看到，最初在互聯網平台上尋求到金融服務的商家和企業，一類是在互聯網平台上留下了一定數量的歷史信用信息的商家或企業，另一類是在相關產業之內積累了相當程度的歷史信用的商家或企業。而從未在線上或實際交易中產生過信息的全新商家和企業在沒有建立足夠的交易基礎之前是不太容易通過單純的信用方式進行這種融資的。無論是廣義還是狹義的定義，大數據金融的核心內容都是對商家和客戶的海量數據進行收集、儲存、發掘和整理歸納，使得互聯網金融機構能夠得到客戶的全方位信息，掌握客戶的消費習慣並准確預測客戶行為。這樣的做法不管是作為評級認定標准，還是作為目標客戶進行營銷宣傳的理由，都能夠使互聯網金融機構對自己的風險進行控制，對自己的發展策略進行更詳盡的規劃。作為大數據的使用者，互聯網金融機構必須為數據的採集和使用付出成本，如果不是同時作為數據的收集方，進行原始數據的採集和整理，那就要向數據來源的第三方支付使用費用。
二、大數據金融的發展機遇
1.互聯網企業自身轉型需要。隨著電商競爭愈演愈烈，最初的零售領域與支付領域的競爭已逐漸延伸到了整個供應鏈的其他環節，包括物流、倉儲，自然也包含了最重要的金融服務。盡快發展自身原有業務引申出來的大數據金融服務，有利於建立用戶黏性。積極地進行專業化、個性化定製金融服務對未來電商領域的全方位競爭有著十分重要的意義。
2.實體產業需要大數據金融的支持。大數據金融通過各種方式給市場帶來了活性，整個產業鏈的效率提升、資源配置優化是有目共睹的，虛擬經濟與實體產業的下一步發展，必定都離不開大數據金融的支持。打通上下游環節，使資金更有效率，無論是對電商的未來發展還是對傳統金融的突破都大有益處。
三、大數據金融面臨的挑戰
大數據使得互聯網金融得到空前的發展，同時也帶來了一系列的問題。原來的互聯網非金融機構從事類金融服務，給傳統的金融體系帶來了一定的沖擊，如何協調和處理好這兩者之間的關系，成了未來大數據金融發展至關重要的環節。未來，大數據金融的發展必將基於傳統金融行業與互聯網大數據技術的進一步融入和整合，這就要求金融服務與互聯網及大數據的關聯程度必須不斷加強。
1.必須推進金融服務與社交網路的進一步融合。使金融業的數據來源能夠脫離早期呆板滯後的提交、審批、盡職調查等來源方式。要使金融信息的獲取渠道能夠直接深入金融服務本身，就要利用互聯網、社交媒體等新的數據來源，從多渠道獲取實時客戶信息和市場信息，充分了解自標客戶的需求和資質情況，建立更高效的客戶關系與更完整的客戶視圖，並利用社交網路對忠實客戶和潛在客戶進行精準營銷和定製化金融服務的方案。

2.傳統金融機構要進行互聯網、大數據金融的轉型，必須要處理好與數據服務商的競爭、合作關系。目（下轉80頁）（上接76頁）前，線上互聯網企業由於占據極大的平台優勢，壟斷從交易發生到交易結算的各個環節以及這其中產生的各項數據信息，使傳統金融企業想要介入十分困難。要想在實際過程中重新組建自己的數據平台，從時間方面來看，已經處於劣勢。因此，傳統金融機構與數據服務商開展戰略合作是比較現實的選擇。
四、大數據金融的發展趨勢
大數據技術還遠未成熟，而大數據金融帶給我們的變化已足以讓人驚訝，大數據金融的未來也是一片光明。未來，隨著大數據技術的不斷成熟，大數據金融的發展也必將進一步改變人們的生活生產方式。
1.大數據金融跨界發展。由於互聯網技術的開放性，信息不對稱將顯著減少，金融在日後也許就不是少數傳統的金融從業者的專屬領域了。從供應鏈要求的技術來看，互聯網企業、軟體企業都紛紛加入大數據金融的開發中，大數據進入跨界發展的趨勢越來越明顯，金融業的競爭也將由於未來力量的沖擊變得更加激烈。這也可能導致將來金融業內部混業經營的進一步發展，銀行金融與非銀行金融的界限、證券公司與非證券公司之間的界限都可能變得非常模糊。

2.大數據金融服務多樣化。大數據金融從電商平台發展出來以後，不斷地整合發展傳統產業，從零售的日用百貨發展到電子產品，再到汽車，甚至是大宗商品交易，未來也會發展到房地產、醫療等方面，日常的金融服務也將不斷地擴展，綜合化、社會化、日常化。
3.大數據金融服務專業化。隨著涉足領域越來越廣泛，大數據金融必將產生專業化趨勢，產生更明確的產業鏈分工，根據不同的環節或者是不同的行業，其服務內容都將產生一系列的變化。同時隨著發展水平的提高，必定會有高要求的定製化服務、個性化服務要求，未來的大數據金融企業必將以客戶為中心，高度精準與定位客戶需求來制定專業的個性化服務。總而言之，大數據金融憑借高度數據化的管理和運作模式，在互聯網發展的今天有著不可替代的地位，將來大數據金融必將是金融業發展的中流砥柱，它將進一步滲透到各行各業的每一個角落，不斷地促進金融生態的發展。在不久的將來，每個人都將能夠切身體會到大數據金融帶來的變化，都能從大數據金融的發展中獲得益處。