大數據金融的特點

Ⅰ 大數據在金融科技領域有哪些運用

風控、用戶畫像、波動分析等等，但所有的大數據應用背後其實都離不開一個功能強大的基礎數據平台，用來整合全域數據，統一標准、口徑以及數據加工模式等，為前端數據展現提供支持。

知識擴展：

大數據(big data)，或稱巨量資料，指的是所涉及的資料量規模巨大到無法透過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。

最小的基本單位是bit，按順序給出所有單位：bit、Byte、KB、MB、GB、TB、PB、EB、ZB、YB、BB、NB、DB。

在維克托·邁爾-舍恩伯格及肯尼斯·庫克耶編寫的《大數據時代》 中大數據指不用隨機分析法（抽樣調查）這樣捷徑，而採用所有數據進行分析處理。大數據的5V特點（IBM提出）：Volume（大量）、Velocity（高速）、Variety（多樣）、Value（低價值密度）、Veracity（真實性）。

Ⅱ 什麼是大數據金融不要文字游戲，通俗的說明

所謂大數據金融，就是用超級電腦收集海量的信息，通過各種演算法來對金融產品進行精確營銷的一種方法。
通俗來講就是銀行強勢收集用戶的信息，從身份證，到生物信息列如指紋，虹膜紋，人臉識別，資金使用情況，購物習慣，工作情況，家庭收入，個人收入，健康狀態，家庭情況，人際關系。性格趨向等等等等。都被統一上傳到電腦雲端。經過計算和鑒別，來對客戶進行推介和評估。

Ⅲ 什麼是大數據，大數據的的基本特徵是什麼

什麼是大數據，大數據的的基本特徵是什麼

大數據(big data)，是指無法在可承受的時間范圍內用常規軟體工具進行捕捉、管理和處理的數據 *** 。 1. 數據量大，TB，PB，乃至EB等數據量的數據需要分析處理。 2. 要求快速響應，市場變化快，要求能及時快速的響應變化

什麼是大數據，大數據的特徵和結構有那些

大數據(Big Data)是指「無法用現有的軟體工具提取、存儲、搜索、共享、分析和處理的海量的、復雜的數據 *** 。」業界通常用4個V(即Volume、Variety、Value、Velocity)來概括大數據的特徵。
一是數據體量巨大(Volume)。截至目前，人類生產的所有印刷材料的數據量是200PB(1PB=210TB)，而歷史上全人類說過的所有的話的數據量大約是5EB(1EB=210PB)。當前，典型個人計算機硬碟的容量為TB量級，而一些大企業的數據量已經接近EB量級。
二是數據類型繁多(Variety)。這種類型的多樣性也讓數據被分為結構化數據和非結構化數據。相對於以往便於存儲的以文本為主的結構化數據，非結構化數據越來越多，包括網路日誌、音頻、視頻、圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求。
三是價值密度低(Value)。價值密度的高低與數據總量的大小成反比。以視頻為例，一部1小時的視頻，在連續不間斷的監控中，有用數據可能僅有一二秒。如何通過強大的機器演算法更迅速地完成數據的價值「提純」成為目前大數據背景下亟待解決的難題。
四是處理速度快(Velocity)。這是大數據區分於傳統數據挖掘的最顯著特徵。

基於大數據的社群營銷特徵是什麼？

社群營銷，是基於圈子、人脈概念而產生的營銷模式。通過將有共同興趣愛好的人聚集在一起，將一個興趣圈打造成為消費家園。
可以通過大數據預測進行組建社群為企業做宣傳搞活動，讓社群形成一個宣傳途徑或者一個小的發布平台，不過性質的社群，依賴於群主對群的組織和維護能力。

什麼是大數據 大數據是什麼

作為一名工作兩年多的大數據系統研發師，之前在北京老男孩教育學習了四個多月的大數據，總結我學習和工作兩年來對大數據的理解，從具體的應用上，也大概可以分為三類。一是決策支持類的二是風險預警類的第三種是實時優化類的從三個維度，我個人對大數據在各行業應用的可能性做了一個定位，但這個定位還是非常定性和粗略的，具體可能還需要對行業有更多的大數據應用的探討和探索。我也是看書學的，但是效果很慢。

揭秘大數據的產生，什麼是大數據

「大數據」是指以多元形式，許多來源搜集而來的龐大數據組，往往具有實時性。
大數據(big data,mega data)，或稱巨量資料，指的是需要新處理模式才能具有更強的決策力、洞察力和流程優化能力的海量、高增長率和多樣化的信息資產。
大數據的5V特點:Volume(大量)、Velocity(高速)、Variety(多樣)、Value(價值密度)、Veracity（真實性）。
第一，Volume(大量)，數據體量巨大。從TB級別，躍升到PB級別。
第二，Variety(多樣)，數據類型繁多，如前文提到的網路日誌、視頻、圖片、地理位置信息，等等。
第三，Value(價值密度)，價值密度低。以視頻為例，連續不間斷監控過程中，可能有用的數據僅僅有一兩秒。
第四，Velocity(高速)，處理速度快。1秒定律。最後這一點也是和傳統的數據挖掘技術有著本質的不同。物聯網、雲計算、移動互聯網、車聯網、手機、平板電腦、PC以及遍布地球各個角落的各種各樣的感測器，無一不是數據來源或者承載的方式。
所以通俗來說，大數據就是通過各種不同渠道收集到的大量數據，堆積起來幫助做決策分析的數據組

什麼是大數據技術？大數據的概念

那麼什麼是大數據呢技術？大數據的概念是什麼呢？本文就為大家詳細解讀大數據的構成、模型和未來大數據發展方向： 大數據概念： 隨著每天互聯網上海量數據的產生，數據分析尤其顯得重要。所謂大數據技術，就是從各種各樣類型的數據中，快速獲得有價值信息的能力。 大數據產生的原因： 大數據時代的來臨是由數據豐富度決定的。首先是社交網路興起，互聯網上每天大量非結構化數據的出現。另外，物聯網的數據量更大，加上移動互聯網能更准確、更快地收集用戶信息，比如位置、生活信息等數據。從這些數據每天增加的數量來說，目前已進入大數據時代。 大數據書籍推薦： 一、《大數據-正在到來的數據革命.以及它如何改變 *** .商業與我們的生活》 大數據浪潮，洶涌來襲，與互聯網的發明一樣，這絕不僅僅是信息技術領域的革命，更是在全球范圍啟動透明 *** 、加速企業創新、引領社會變革的利器。 二、《大數據——大價值、大機遇、大變革(全彩)》 從實證的角度探討了大數據對社會和商業智能的影響，能否對大數據進行處理、分析與整合將成為提升企業核心競爭力的關鍵，什麼是大數據技術？既是一場大機遇，也將引發一場大變革！

什麼是大數據？什麼叫大數據？

要提一下魔據的數據不錯的

大數據概念：什麼是大數據？

大數據(big data)，或稱海量資料，指的是所涉及的資料量規模巨大到無法通過目前主流軟體工具，在合理時間內達到擷取、管理、處理、並整理成為幫助企業經營決策更積極目的的資訊。
4V特徵：Volume(大量)、Velocity(實時)、Variety(多樣)、Value(價值)。
大數據已經成為各類大會的重要議題，管理人士們都不願錯過這一新興趨勢。毫無疑問，當未來企業嘗試分析現有海量信息以推動業務價值增值時，必定會採用大數據技術。

什麼是大數據，大數據的核心價值是什麼？

大數據(BigData)是指「無法用現有的軟體工具提取、存儲、搜索、共享、分析和處理的海量的、復雜的數據 *** 。」業界通常用4個V(即Volume、Variety、Value、Velocity)來概括大數據的特徵。

• 數據體量巨大(Volume)。截至目前，人類生產的所有印刷材料的數據量是200PB，而歷史上全人類說過的所有的話的數據量大約是5EB(1EB=210PB)。

• 數據類型繁多(Variety)。相對於以往便於存儲的以文本為主的結構化數據，非結構化數據越來越多，包括網路日誌、音頻、視頻、圖片、地理位置信息等，這些多類型的數據對數據的處理能力提出了更高要求。

• 價值密度低(Value)。價值密度的高低與數據總量的大小成反比。如何通過強大的機器演算法更迅速地完成數據的價值「提純」成為目前大數據背景下亟待解決的難題。

• 處理速度快(Velocity)。大數據區分於傳統數據挖掘的最顯著特徵。根據IDC的「數字宇宙」的報告，預計到2020年，全球數據使用量將達到35.2ZB。

-------------------------------------------

社交網路，讓我們越來越多地從數據中觀察到人類社會的復雜行為模式。社交網路，為大數據提供了信息匯集、分析的第一手資料。從龐雜的數據背後挖掘、分析用戶的行為習慣和喜好，找出更符合用戶「口味」的產品和服務，並結合用戶需求有針對性地調整和優化自身，就是大數據的價值。

所以，建立在上述的概念上我們可以看到大數據的產業變化：

1大數據飛輪效應所帶來的產業融合和新產業驅動

2信息獲取方式的完全變化帶來的新式信息聚合

3信息推送方式的完全變化帶來的新式信息推廣

4精準營銷

5第三方支付——小微信貸，線上眾籌為代表的互聯網金融帶來的全面互聯網金融改革

6產業垂直整合趨勢以及隨之帶來的產業生態重構

7企業改革以及企業內部價值鏈重塑，擴大的產業外部邊界

8 *** 及各級機構開放，透明化，以及隨之帶來的集中管控和內部機制調整

9數據創新帶來的新服務

Ⅳ 大數據的特徵有哪些

大數據的特徵主要包括以下四個方面：

大量性：大數據通常具有海量的數據量，甚至可能超過幾百TB或者幾PB。因此，大數據的處理需要採用分布式存儲和計算技術。

多樣性：大數據的來源多種多樣，包括結構化數據、半結構化數據和非結構化數據等。這些數據形式不同，處理方法也不同，因此需要採用多種處理技術。

高速性：大數據的處理和分析需要快速完成，以滿足實時數據告返薯分析的需要。例如，在金融交易、互聯網廣告、社交媒體等領域，需要在短時間內進行數據分析。

價值性：襪者大數據具有較高的價值，可以用於預測和分析趨勢、提高生產效率和決策效率等。通過對大數據的分析和挖掘，可以發現商業模式的漏洞，找到新的商業機會。

同時，隨著技術的不斷發展，大世首數據的特徵也在不斷演變和擴展，例如可視化分析、深度學習、自然語言處理等。

想要系統學習，你可以考察對比一下開設有相關專業的熱門學校獲取資料，好的學校擁有根據當下企業需求自主研發課程的能力，能夠在校期間取得大專或本科學歷，中博軟體學院、南京課工場、南京北大青鳥等開設相關專業的學校都是不錯的，建議實地考察對比一下。

祝你學有所成，望採納。

北大青鳥學生課堂實錄

Ⅳ 大數據金融法律法規的特徵

1、影響大，由於互聯網加快了數據的傳播，而金融大數據又屬於個人核心隱私材料。在我國互聯網金融發展現狀下，信用體系尚不完善，互聯網金融的相關法律還有待配套。互聯網金融單位的違約成本較低，容易引發多種金融風險問題，造成群體性事件。
2、數量多，互聯網金融大數據是獲取的個人的金融行為數據，而這是屬於個人數據中非常高頻使用的部分。國內互聯網金融服務企業獲取的互金大數據已經達到數百PB，而且還在不斷高速增長中。
3、速度快，互聯網金融業務主要信息由系統處理，操作流程完全標准化，業務處理速度更快。在用戶畫像和信用資料庫等金融大數據的支持下，經過數據挖掘和分析，引入風險分析和資信調查模型，一筆業務從申請到完成只需要幾秒鍾。
4、覆蓋廣，根據最新的相關統計報告，中國互聯網用戶的人口滲透率已經高達50%，互聯網金融已經覆蓋我們身邊的很多人。互聯網金融大數據使得用戶能夠突破時空的限制，在互聯網上尋找符合自己需要的金融資源，而金融服務提供者可以更直接、更精確地提供金融服務。
5、價值高，金融數據是用戶個人數據的核心數據和高頻數據，用戶無時不刻在進行著購物、交通、餐飲、住宿、租賃等金融活動，通過大數據平台對用戶的收入水平、消費偏好、行動位置、消費特徵、品牌傾向等維度實時勾勒出用戶的真實畫像，從而深入介入和了解用戶的生活。因此，互聯網金融大數據具備極高的價值。只要擁有更大規模、更全維度、更多用戶的互聯網金融大數據，就能在互聯網金融大潮中取得優勢地位。
6、安全弱，近年來，依賴於大數據和電子商務的發展，互聯網金融得到了快速增長，但總體來說仍然存在巨大的安全風險。從全國范圍來看，至今還沒有統一的互聯網金融大數據方面的標准，也缺乏統一的互聯網金融監管系統，更不存在全國范圍的互聯網金融信息共享機制，這使得互聯網金融大數據信息不能得到充分發揮和利用。而互聯網金融大數據的速度快的特性導致整個系統行走在不穩定和不安全的鋼索上。

Ⅵ 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。