1. 大數據思維在金融學研究中的作用
大數據思維在金融學研究中的作用
如今，計算機信息技術的迅速發展迎來了大數據時代，大數據時代極大程度的改變了現有的市場環境，給許多經濟主體活動既提供了發展機遇，又帶來了些許挑戰。現階段，金融研究與大數據思維息息相關，在大數據的時代背景下，對於金融研究來說，應當積極抓住機遇，迎接挑戰，金融研究人員可以利用大數據思維來為各項研究工作提供幫助，通過分析大數據的一些良好特徵，優化相關技術，調整金融研究模式。
一、大數據與大數據思維概述
（一）大數據與大數據思維
數據量大、數據真實性高、高度運行是大數據的幾大特徵，這些也是大數據得以發展的基礎，同時計算機信息技術的迅速發展，又為大數據的發展提供了技術支持。大數據的實現必須要依賴於新型數據的處理，只有這樣，大數據的真實性才能得到提高，大數據是海量且高速增長的一種綜合性信息資產[1]。大數據思維是大數據時代下的產物，在擺脫傳統的思維模式的基礎上，利用大數據思維分析問題，只有這樣，決策才能更加科學合理。
（二）大數據的發展趨勢
大數據的發展趨勢的具體表現為：首先，隨著計算機信息技術的不斷發展，數據的種類與來源越來越多，這樣一來就為大數據時代的發展增添了助力，如今，資料庫已經滲透到了人們的生活與工作之中，它幾乎囊括了人們生活與工作中的所有數據信息，這些數據信息給人們的生活與工作提供了極大的便利；其次，超級計算機的誕生為大數據時代的發展提供了設備支撐，數據的存儲與分析更加迅速，開放式的數據平台分析能力為數據的工業運行提供了保障；再次，大數據時代下，數據的種類與數量均是非常豐富，為了能夠盡量的給人們提供有用的信息，數據分析就顯得越來越重要；最後，大數據時代下，資料庫的發展勢頭強勁，但是由於資料庫仍舊處於剛剛興起階段，國家在這方面的法律與法規體系並不健全，在這一背景下，很多大數據的建設開始受到政府部門的高度關注，國際層面的大數據建設計劃也在不斷推出[2]。
二、金融學研究中運用大數據思維的價值
大數據思維的價值在在金融學研究中的運用主要表現在兩個方面，其一，大數據思維能夠決定金融行業的興衰，這並不是危言聳聽，主要是因為金融分析不可能脫離數據而獨立存在，數據獲取量與主動權利直接掛鉤，並有著正相關的關系，阿里巴巴和京東等能夠在大數據的環境下發展自身的金融業務證實了該點；其二，大數據時代的來臨給金融行業既帶來了機遇，又帶來了挑戰，一方面大數據時代下金融行業的市場競爭越來越激烈，金融企業只有依賴於大數據的思維模式，優化對客戶的服務，才能在激烈的市場競爭中占據優勢地位，另一方面，大數據時代使得金融企業在市場的開拓上不再遙不可及，而是近在咫尺。
三、大數據思維在金融學研究中的具體運用
（一）完善數據平台建設
顧名思義，大數據的主要內容即是數據，為了大數據時代的良好發展，完善數據平台建設就顯得非常有必要。完善數據平台首先要拓展數據來源，傳統的金融數據來源主要為銀行，而在網路得到普及後，網上銀行、門戶網站和很多的手機APP等類型的互聯網產品都是不同數據的主要來源[3]。完善數據的平台建設的主要目的是為客戶提供更加優質的服務，在完善數據平台的建設過程中，要特別注意應用大數據思維進行思考，從而完成數據的獲取、存儲以及分析，只有這樣，才能有效避免傳統數據的諸多不足，例如，數據豐富性和全面性缺失，也能夠在極大限度上提升數據平台建設的科學性和合理性[4]。
（二）運用大數據思維提高風險管控能力
眾所周知，所有金融產品在經營上均存在一定的風險，這種風險一旦危害到金融產品的經營，將會給金融企業造成很大損失，金融企業要想給自身的長遠性發展提供保障，在大數據的時代背景下，運用大數據思維提高風險管控能力就顯得非常有必要。研究表明，金融企業在產品的經營過程中，運用大數據思維，能夠極大的提高決策的精準性，降低經營風險。比如，一些中小企業向銀行尋求借貸時，銀行可以利用大數據思維對這些企業的銷售額、資金量和社會認可程度做出分析，從而決定是否放貸以及放貸的多少，這樣銀行在盈利的同時，也最大程度的降低了經營風險。與大數據思維相比，傳統的數據統計形式有許多不足之處，在風險管控能力上更是不可同日而語，因此，金融企業無論出於何種考慮，在經營過程中，均需要運用大數據思維。
（三）促進互聯網金融的發展
互聯網金融是金融行業一種新興產物，互聯網金融的發展不僅離不開網路技術的支持，也離不開大數據的時代背景。互聯網金融集數據行業與金融行業二者之長，在大數據的時代背景與網路技術的支持下，不斷創新生產經營方式，發展勢頭良好。互聯網金融始終建立在大數據的基礎之上，大數據的金融模式是互聯網金融得以高速發展的重要因素。
（四）大數據擴展了現代金融學的研究范圍
現代金融學的研究幾乎已經不能離開大數據思維，研究人員在獲取樣本信息時，通過實證分析與數據分析，在一定程度上能夠一改傳統分析模式的缺陷，拓展了對金融學的研究范圍。大數據的分析方式通過開辟更多的研究思路拓展現代金融學的研究范圍，主要表現在兩個方面：其一，大量數據的支撐使得數據分析的准確性得到提升，取樣數據的偶然性與隨機性得到降低或是予以避免，這樣數據分析結果的可信度與說服力大大提高；其二，大數據不僅數據數量多，而且數據種類豐富，利用資料庫內部的數據進行金融學的研究，自然而然的擴大了研究范圍，現階段的資料庫不僅擁有結構化數據，還擁有非結構化數據，這就使得金融企業特別關注圖片信息以及視頻信息。
四、金融界學習大數據思維的方式
大數據思維對於金融行業的發展具有獨到的作用，但是不得不注意的是，金融界在對大數據思維的學習與應用存在許多不足之處，金融行業要想有長遠性發展，必須要深入學習大數據的思維方式，具體可以從以下幾個方面著手：首先，金融企業可以特別成立大數據研究部門，設立相關崗位，根據企業的發展現狀進行大數據思維的學習研究。一些大中型金融企業成立了數據研究部門，主要負責信息數據的收集，分析數據信息，設立起參考的具體方案，利用互聯網和電視媒體等形式做好數據的收集；其次，考慮到現階段大數據處於剛剛起步階段，雖說門檻較低，但由於資金的滯後，一些金融企業即使建立了自身的大數據研究部門，卻缺乏硬體上的支持，使得大數據的研究受到嚴重阻礙，因此，對於一些中小型金融企業來說，大數據的研究並不一定完全需要自己著手進行，可以與專門從事大數據研究的機構取得聯系，相互合作，共同進行大數據的研究；最後，金融企業對於大數據思維的學習要深入到日常工作中，在日常的金融研究中，要積極運用大數據的思維方式，必要時，可以藉助相關培訓，使得金融研究人員在對大數據思維的應用上養成一種良好的習慣。
五、在金融研究中運用大數據思維的方式
（一）挖掘自身以及相關領域
大數據金融研究的主要內容就是對數據的處理分析，實際研究過程中，運用大數據思維挖掘自身以及相關領域的數據，這樣能夠有效提高工作效率。通過這種應用大數據思維進行挖掘的形式，能夠給我國的金融研究人員提供更加豐富的思想類型與依據，這樣能夠開發出更多種類型的適合客戶需求的個性化服務，提高我國金融企業的市場競爭力。另外，挖掘自身以及相關領域的大數據，能夠給金融企業自身提供參考，這樣可以使得金融企業認清自身發展上存在的不足，預防一些安全隱患，促進自身的發展。
（二）參與大數據交易或者互換資源
在大數據時代之下，數據種類復雜，數量巨大，可以肯定的說，沒有任何一個企業可以掌握所有的所有數據信息，企業要想獲得更多的數據信息，進行大數據的交易或者互換資源是一種非常方便、高效的方式，這種方式也必然會成為大數據未來發展的重要走向。對於金融企業來說，在激烈的市場競爭環境下，任何一個企業不可能脫離其它企業而獨立存在，因此，合作共贏就顯得非常重要，各金融企業通過參與大數據交易或者互換資源，可以得到更多對自身發展有用的信息，在這一情況下，大數據交易中心平台應運而生，它可以有效的搜集到企業發展所需的數據信息，促進金融企業之間的協同合作。
（三）使用大數據為自身發展服務
對於任何一個企業來說，使用大數據均是為自身發展服務。金融企業可以根據自身的發展現狀，利用大數據傳達的信息，及時發現自身發展中存在的問題並予以規避，完善生產經營模式，降低發展風險，促進自身的長遠性發展。
六、結語
綜上所述，大數據時代是未來社會發展的重要走向，金融學的研究離不開大數據思維，金融企業只有足夠重視大數據的思維方式，將其運用到具體事項中，實現大數據的價值，提升對客戶的服務水平，金融企業才能在激烈的市場競爭中游刃有餘的發展下去。
2. 金融大數據是什麼樣的專業
金融大數據是近幾年才又火爆的概念。之所以說是又火爆是因為金融大數據的概念不是從今天開始的，從十年前就已經開始，從所有銀行的核心系統升級改造時就已經開始注重了大數據的積累。那時候的系統改進和升級就要求新的系統要滿足大數據積累的需要。
3. 大數據和金融哪個專業難
都很難。大數據專業要學課程有基礎課程：數學分析、高等代數、普通物理數學與信息科學概論、數據結構、數據科學導論、程序設計導論、程序設計實踐。必修課：離散數學、概率與統計、演算法分析與設計、數據計算智能、資料庫系統概論、計算機系統基礎、並行體系結構與編程、非結構化大數據分析。選修課：數據科學演算法導論、數據科學專題、數據科學實踐、互聯網實用開發技術、抽樣技術、統計學習、回歸分析、隨機過程。金融的基礎課程有《稅收學》、《公司金融學》、《國際金融學》、《金融會計學》、《金融計量學》、《證券經濟學》、《金融建模》、《金融衍生產品》、《模擬銀行業務》、《銀行會計學》，然後根據不同的金融分支科目再學20本科目。所以這兩個專業都很難。
4. 上海財經大學金融大數據統計學習理論與方法及互聯網金融中的應用項目
上海財經大學的「金融大數據統計學習理論與方法及在互聯網金融中的應用」項目是重大研究計劃「大數據驅動的管理與決策研究」的重點支持項目。該項目擁有一支經驗豐富、工作高效並具有國際影響力的學術研究團隊。
上海財經大學有法學、中國語言文學、外國語言文學、新聞傳播學、農林經濟與管理、公共管理、理論經濟學、應用經濟學、工商管理、管理科學與工程、統計學、馬克思主義理論等一級學科碩士學位授權點。
近年來，「大數據」已成為互聯網、新聞媒體、學術機構、政府企業管理人員等多方關注的熱點。隨著現代科學技術姿者尤其是計算機、網路信息、生物工程等技術的發展，大量的數據出現在許多不同的自然科學和人文科學領域，包括生物學、醫學、信息技術、經濟、金融，環境科學等，並以前所未有的速度產生和積累。大數據涵蓋的數據量大、包羅萬象、變化速度快、存在的形式多種多首姿樣，可以是包括文字、圖片、視頻等多種信息的集合。在新一輪科技和產業競爭中，大數據已經是與自然資源、人力資源一樣重要的戰略資源，著名管理公司麥肯錫聲稱，「數據已經滲透到當今每一個行業和業務職能領域，成為重要的生產因素。」在這樣的背景下，美國政府2012年宣布投資2億美元啟動「大數據研究和發展計劃」，這是繼1993年美國宣布「信息高速公路」計劃後的又一次重大科技發展部署。
大數據潮流使得我們獲得了海量的數據，但掌握這些海量的數據本身並無意義。真正的意義體現在對於含有信息的數據進行專業化的處理。加強大數據科學研究和促進大數據應用開發將為未來我國在大數據領域掌握競爭主動權奠定基礎，是關系我國國家和社會穩定、提高科技創新水平、推動國民經濟可持續發展、提升社會管理服務能力的重大需求。可以預見未來國家之間的經濟與政治競爭將是大數據引領的競爭。
隨著互聯網金融的蓬勃發展，大數據技術逐漸成為其與傳統金融行業抗衡的保證。然而互聯網金融與傳統金融雖然形式上有區別，但其背後的金融「契約」本質並沒有大的改變，風險測跡芹薯度和管理依舊是重中之重。本課題以「互聯網金融風險」為核心研究對象，以各類不同發展的業務模式為研究場景，深入討論對於互聯網金融風險的計量和管理，促進虛擬經濟發展和實體經濟結構轉型，並總結和規劃未來發展導向，更好地為政府指導和監管決策，為虛擬經濟健康發展、實體經濟升級調整提出參考意見和建議。
項目負責人、上海財經大學統計與管理學院院長周勇教授表示，面對大數據應用的快速發展、國家經濟和金融安全所提出的迫切需求，我們面臨著大數據分析方法瓶頸與挑戰，需要發展大數據基礎分析的理論方法和技術，同時應用這些理論方法研究大數據下的數據降維技術和演算法，深入研究互聯網金融風險管理、高頻海量數據市場行為和管理決策等前沿問題。
「金融大數據統計學習理論與方法及在互聯網金融中的應用項目將對金融大數據統計推斷理論及其應用等重大問題展開研究，研究內容的核心是金融大數據計量建模和快速演算法的提出。我們希望通過相關研究，一方面，能在大數據金融計量理論和方法上進行創新，走向本領域學科研究的國際前沿。另一方面，也能為我國金融體系的安全運行提供深刻的實證依據和切實可行的政策建議。」
考研政策不清晰？同等學力在職申碩有困惑？院校專業不好選？點擊底部官網，有專業老師為你答疑解惑，211/985名校研究生碩士/博士開放網申報名中：https://www.87dh.com/yjs2/
5. 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。
6. 金融與大數據分析專業好嗎
金融與大數據分析專業好。根據查詢相關資料信顯示，大數據未來的就業前景好，大數據人才主要分布在移動互聯網行業，其次是金融互聯網、企業服務、游戲、教育等行業。
7. 大數據金融專業就業前景怎麼樣
就目前的市場發展趨勢，和熱度來看，建議你可以學習一下大數據。我們可以從兩個方面來看一下大數據的發展趨勢。