① 澶ф暟鎹鍦ㄩ噾鋙嶈屼笟鐨勫簲鐢ㄦ湁鍝浜涳紵
1.浜嗚В鍜屽畾浣嶅㈡埛
榪欐槸澶ф暟鎹鐩鍓嶆渶騫誇負浜虹煡鐨勫簲鐢ㄩ嗗煙銆傚緢澶氫紒涓氱儹琛蜂簬紺句氦濯掍綋鏁版嵁銆佹祻瑙堝櫒鏃ュ織銆佹枃鏈鎸栨帢絳夊悇綾繪暟鎹闆嗭紝閫氳繃澶ф暟鎹鎶鏈鍒涘緩棰勬祴妯″瀷錛屼粠鑰屾洿鍏ㄩ潰鍦頒簡瑙ｅ㈡埛浠ュ強浠栦滑鐨勮屼負銆佸枩濂姐
鍒╃敤澶ф暟鎹錛岀編鍥介浂鍞鍟員arget鍏鍙哥敋鑷寵兘鎺ㄦ祴鍑哄㈡埛浣曟椂浼氭湁Baby;鐢典俊鍏鍙稿彲浠ユ洿濂藉湴棰勬祴瀹㈡埛嫻佸け;娌冨皵鐜涘彲浠ユ洿鍑嗙『鐨勯勬祴浜у搧閿鍞鎯呭喌;奼借濺淇濋櫓鍏鍙歌兘鏇寸湡瀹炵殑浜嗚В瀹㈡埛瀹為檯椹鵑┒鎯呭喌銆
婊戦洩鍦哄埄鐢ㄥぇ鏁版嵁鏉ヨ拷韙鍜岄攣瀹氬㈡埛銆傚傛灉浣犳槸涓鍚嶇媯鐑鐨勬粦闆鑰咃紝鎯寵薄涓涓嬶紝浣犱細鏀跺埌鏈鍠滄㈢殑搴﹀亣鑳滃湴鐨勯個璇;鎴栬呮敹鍒板畾鍒跺寲鏈嶅姟鐨勭煭淇℃彁閱;鎴栬呭憡鐭ヤ綘鏈鍚堥傜殑婊戣岀嚎璺銆傘傘傘傘傘傚悓鏃舵彁渚涗簰鍔ㄥ鉤鍙(緗戠珯銆佹墜鏈篈PP)璁板綍姣忓ぉ鐨勬暟鎹鈥斺斿氬皯嬈℃粦鍧★紝澶氬皯嬈＄炕瓚婄瓑絳夛紝鍦ㄧぞ浜ゅ獟浣撲笂鍒嗕韓榪欎簺淇℃伅錛屼笌瀹朵漢鍜屾湅鍙嬬浉浜掕瘎姣斿拰絝炰簤銆
闄ゆや箣澶栵紝鏀垮簻絝為夋椿鍔ㄤ篃寮曞叆浜嗗ぇ鏁版嵁鍒嗘瀽鎶鏈銆備竴浜涗漢璁や負錛屽ゥ宸撮┈鍦2012騫存葷粺澶ч変腑鑾瘋儨錛屽綊鍔熶簬浠栦滑鍥㈤槦鐨勫ぇ鏁版嵁鍒嗘瀽鑳藉姏鏇村姞鍑轟紬銆
2.浜嗚В鍜屼紭鍖栦笟鍔℃祦紼
澶ф暟鎹涔熻秺鏉ヨ秺澶氬湴搴旂敤浜庝紭鍖栦笟鍔℃祦紼嬶紝姣斿備緵搴旈摼鎴栭厤閫佽礬寰勪紭鍖栥傞氳繃瀹氫綅鍜岃瘑鍒緋葷粺鏉ヨ窡韙璐х墿鎴栬繍杈撹濺杈嗭紝騫舵牴鎹瀹炴椂浜ら氳礬鍐墊暟鎹浼樺寲榪愯緭璺綰褲
浜哄姏璧勬簮涓氬姟嫻佺▼涔熷湪浣跨敤澶ф暟鎹榪涜屼紭鍖栥係ociometric Solutions鍏鍙擱氳繃鍦ㄥ憳宸ュ伐鐗岄噷妞嶅叆浼犳劅鍣錛屾嫻嬪叾宸ヤ綔鍦烘墍鍙婄ぞ浜ゆ椿鍔ㄢ斺斿憳宸ュ湪鍝浜涘伐浣滃満鎵璧板姩錛屼笌璋佷氦璋堬紝鐢氳嚦浜ゆ祦鏃剁殑璇姘斿備綍銆傜編鍥介摱琛屽湪浣跨敤涓鍙戠幇鍛煎彨涓蹇冭〃鐜版渶濂界殑鍛樺伐鈥斺斾粬浠鍒跺畾浜嗗皬緇勮疆嫻佷紤鎮鍒跺害錛屽鉤鍧囦笟緇╂彁楂樹簡23%銆
濡傛灉鍦ㄦ墜鏈恆侀掗鍖欍佺溂闀滅瓑闅忚韓鐗╁搧涓婄矘璐碦FID鏍囩撅紝涓囦竴涓嶅皬蹇冧涪澶卞氨鑳借繀閫熷畾浣嶅畠浠銆傚亣鎯充竴涓嬫湭鏉ュ彲鑳藉壋閫犲嚭璐村湪浠諱綍涓滆タ涓婄殑鏅鴻兘鏍囩俱傚畠浠鑳藉憡璇変綘鐨勪笉浠呮槸鐗╀綋鍦ㄥ摢閲岋紝榪樺彲浠ュ弽棣堟俯搴︼紝婀垮害錛岃繍鍔ㄧ姸鎬佺瓑絳夈傝繖灝嗘墦寮涓涓鍏ㄦ柊鐨勫ぇ鏁版嵁鏃朵唬錛屸滃ぇ鏁版嵁鈥濋嗗煙瀵繪眰鍏辨х殑淇℃伅鍜屾ā寮忥紝閭ｄ箞瀛曡偛鍏朵腑鐨勨滃皬鏁版嵁鈥濈潃閲嶅叧娉ㄥ崟涓浜у搧銆
3.鎻愪緵涓鎬у寲鏈嶅姟
澶ф暟鎹涓嶄粎閫傜敤浜庡叕鍙稿拰鏀垮簻錛屼篃閫傜敤浜庢垜浠姣忎釜浜猴紝姣斿備粠鏅鴻兘鎵嬭〃鎴栨櫤鑳芥墜鐜絳夊彲絀挎埓璁懼囬噰闆嗙殑鏁版嵁涓鑾風泭銆侸awbone鐨勬櫤鑳芥墜鐜鍙浠ュ垎鏋愪漢浠鐨勫崱璺閲屾秷鑰椼佹椿鍔ㄩ噺鍜岀潯鐪犺川閲忕瓑銆侸awbone鍏鍙稿凡緇忚兘澶熸敹闆嗛暱杈60騫寸殑鐫＄湢鏁版嵁錛屼粠涓鍒嗘瀽鍑轟竴浜涚嫭鍒扮殑瑙佽В鍙嶉堢粰姣忎釜鐢ㄦ埛銆備粠涓鍙楃泭鐨勮繕鏈夌綉緇滃鉤鍙扳滃繪壘鐪熺埍鈥濓紝澶у氭暟濠氭亱緗戠珯閮戒嬌鐢ㄥぇ鏁版嵁鍒嗘瀽宸ュ叿鍜岀畻娉曚負鐢ㄦ埛鍖歸厤鏈鍚堥傜殑瀵硅薄銆
4.鏀瑰杽鍖葷枟淇濆仴鍜屽叕鍏卞崼鐢
澶ф暟鎹鍒嗘瀽鐨勮兘鍔涘彲浠ュ湪鍑犲垎閽熷唴瑙ｇ爜鏁翠釜DNA搴忓垪錛屾湁鍔╀簬鎴戜滑鎵懼埌鏂扮殑娌葷枟鏂規硶錛屾洿濂藉湴鐞嗚В鍜岄勬祴鐤劇棶妯″紡銆傝瘯鎯充竴涓嬶紝褰撴潵鑷鎵鏈夋櫤鑳芥墜琛ㄧ瓑鍙絀挎埓璁懼囩殑鏁版嵁錛岄兘鍙浠ュ簲鐢ㄤ簬鏁扮櫨涓囦漢鍙婂叾鍚勭嶇柧鐥呮椂錛屾湭鏉ョ殑涓村簥璇曢獙灝嗕笉鍐嶅矓闄愪簬灝忔牱鏈錛岃屾槸鍖呮嫭鎵鏈変漢!
鑻規灉鍏鍙哥殑涓嬈懼仴搴稟PP ResearchKit鏈夋晥灝嗘墜鏈哄彉鎴愬尰瀛︾爺絀惰懼囥傞氳繃鏀墮泦鐢ㄦ埛鐨勭浉鍏蟲暟鎹錛屽彲浠ヨ拷韙浣犱竴澶╄蛋浜嗗氬皯姝ワ紝鎴栬呮彁紺轟綘鍖栫枟鍚庢劅瑙夊備綍錛屽笗閲戞．鐥呰繘灞曞備綍絳夐棶棰樸傜爺絀朵漢鍛樺笇鏈涜繖涓榪囩▼鍙樺緱鏇村規槗銆佹洿鑷鍔ㄥ寲錛屽惛寮曟洿澶氱殑鍙備笌鑰咃紝騫舵彁楂樻暟鎹鐨勫噯紜搴︺
澶ф暟鎹鎶鏈涔熷紑濮嬬敤浜庣洃嫻嬫棭浜у効鍜屾偅鐥呭┐鍎跨殑韜浣撶姸鍐點傞氳繃璁板綍鍜屽垎鏋愭瘡涓濠村効鐨勬瘡涓嬈″績璺沖拰鍛煎惛妯″紡錛屾彁鍓24灝忔椂棰勬祴鍑鴻韓浣撴劅鏌撶殑鐥囩姸錛屼粠鑰屽強鏃╁共棰勶紝鎷鏁戦偅浜涜剢寮辯殑闅忔椂鍙鑳界敓鍛藉嵄闄╃殑濠村効銆
鏇撮噸瑕佺殑鏄錛屽ぇ鏁版嵁鍒嗘瀽鏈夊姪浜庢垜浠鐩戞祴鍜岄勬祴嫻佽屾ф垨浼犳煋鎬х柧鐥呯殑鏆村彂鏃舵湡錛屽彲浠ュ皢鍖葷枟璁板綍鐨勬暟鎹涓庢湁浜涚ぞ浜ゅ獟浣撶殑鏁版嵁緇撳悎璧鋒潵鍒嗘瀽銆傛瘮濡傦紝璋鋒瓕鍩轟簬鎼滅儲嫻侀噺棰勬祴嫻佹劅鐖嗗彂錛屽敖綆¤ラ勬祴妯″瀷鍦2014騫村苟鏈濂忔晥鈥斺斿洜涓轟綘鎼滅儲鈥滄祦鎰熺梲鐘垛濆苟涓嶆剰鍛崇潃鐪熸ｇ敓鐥呬簡錛屼絾鏄榪欑嶅ぇ鏁版嵁鍒嗘瀽鐨勫獎鍝嶅姏瓚婃潵瓚婁負浜烘墍鐭ャ
5.鎻愰珮浣撹偛榪愬姩鎶鑳
濡備粖澶у氭暟欏跺皷鐨勪綋鑲茶禌浜嬮兘閲囩敤浜嗗ぇ鏁版嵁鍒嗘瀽鎶鏈銆傜敤浜庣綉鐞冩瘮璧涚殑IBM SlamTracker宸ュ叿錛岄氳繃瑙嗛戝垎鏋愯窡韙瓚崇悆钀界偣鎴栬呮掔悆姣旇禌涓姣忎釜鐞冨憳鐨勮〃鐜般傝稿氫紭縐鐨勮繍鍔ㄩ槦涔熷湪璁緇冧箣澶栬窡韙榪愬姩鍛樼殑钀ュ吇鍜岀潯鐪犳儏鍐點侼FL寮鍙戜簡涓撻棬鐨勫簲鐢ㄥ鉤鍙幫紝甯鍔╂墍鏈夌悆闃熸牴鎹鐞冨満涓婄殑鑽夊湴鐘跺喌銆佸ぉ姘旂姸鍐點佷互鍙婂︿範鏈熼棿鐞冨憳鐨勪釜浜鴻〃鐜板仛鍑烘渶浣沖喅絳栵紝浠ュ噺灝戠悆鍛樹笉蹇呰佺殑鍙椾激銆
榪樻湁涓浠墮潪甯擱叿鐨勪簨鎯呮槸鏅鴻兘鐟滀冀鍨錛氬祵鍏ュ湪鐟滀冀鍨涓鐨勪紶鎰熷櫒鑳藉逛綘鐨勫Э鍔胯繘琛屽弽棣堬紝涓轟綘鐨勭粌涔犳墦鍒嗭紝鐢氳嚦鎸囧間綘鍦ㄥ跺備綍緇冧範銆
6.鎻愬崌縐戝︾爺絀
澶ф暟鎹甯︽潵鐨勬棤闄愬彲鑳芥фｅ湪鏀瑰彉縐戝︾爺絀躲傛ф床鏍稿瓙鐮旂┒涓蹇(CERN)鍦ㄥ叏鐞冮亶甯冧簡150涓鏁版嵁涓蹇冿紝鏈65,000涓澶勭悊鍣錛岃兘鍚屾椂鍒嗘瀽30pb鐨勬暟鎹閲忥紝榪欐牱鐨勮＄畻鑳藉姏褰卞搷鐫寰堝氶嗗煙鐨勭戝︾爺絀躲傛瘮濡傛斂搴滈渶瑕佺殑浜哄彛鏅鏌ユ暟鎹銆佽嚜鐒剁伨瀹蟲暟鎹絳夛紝鍙樼殑鏇村規槗鑾峰彇鍜屽垎鏋愶紝浠庤屼負鎴戜滑鐨勫仴搴峰拰紺句細鍙戝睍鍒涢犳洿澶氱殑浠峰箋
7.鎻愬崌鏈烘拌懼囨ц兘
澶ф暟鎹浣挎満姊拌懼囨洿鍔犳櫤鑳藉寲銆佽嚜鍔ㄥ寲銆備緥濡傦紝涓扮敯鏅閿愭柉閰嶅囦簡鎽勫儚澶淬佸叏鐞冨畾浣嶇郴緇熶互鍙婂己澶х殑璁＄畻鏈哄拰浼犳劅鍣錛屽湪鏃犱漢騫查勭殑鏉′歡涓嬪疄鐜拌嚜鍔ㄩ┚椹躲俋cel Energy鍦ㄧ戠綏鎷夊氬窞鍚鍔ㄤ簡鈥滄櫤鑳界數緗戔濈殑棣栨壒嫻嬭瘯錛屽湪鐢ㄦ埛瀹朵腑瀹夎呮櫤鑳界數琛錛岀劧鍚庣櫥褰曠綉絝欏氨鍙瀹炴椂鏌ョ湅鐢ㄧ數鎯呭喌銆傗滄櫤鑳界數緗戔濊繕鑳藉熼勬祴浣跨敤鎯呭喌錛屼互渚跨數鍔涘叕鍙鎬負鏈鏉ョ殑鍩虹璁炬柦闇奼傝繘琛岃勫垝錛屽苟闃叉㈠嚭鐜扮數鍔涜楀敖鐨勬儏鍐點傚湪鐖卞皵鍏幫紝鏉傝揣榪為攣搴桾escos鐨勪粨搴撳憳宸ヤ僵鎴翠笓鐢ㄨ噦甯︼紝榪借釜璐ф灦涓婄殑鍟嗗搧鍒嗛厤錛岀敋鑷抽勬祴涓欏逛換鍔＄殑瀹屾垚鏃墮棿銆
8.寮哄寲瀹夊叏鍜屾墽娉曡兘鍔
澶ф暟鎹鍦ㄦ敼鍠勫畨鍏ㄥ拰鎵ф硶鏂歸潰寰楀埌浜嗗箍娉涘簲鐢ㄣ傜編鍥藉浗瀹跺畨鍏ㄥ矓(NSA)鍒╃敤澶ф暟鎹鎶鏈錛屾嫻嬪拰闃叉㈢綉緇滄敾鍑(鎸璐ユ亹鎬栧垎瀛愮殑闃磋皨)銆傝﹀療榪愮敤澶ф暟鎹鏉ユ姄鎹曠姜鐘錛岄勬祴鐘緗媧誨姩銆備俊鐢ㄥ崱鍏鍙鎬嬌鐢ㄥぇ鏁版嵁鏉ユ嫻嬫鴻瘓浜ゆ槗絳夌瓑銆
2014騫2鏈堬紝鑺濆姞鍝ヨ﹀療灞瀵瑰ぇ鏁版嵁鐢熸垚鐨勨滃悕鍗曗濃斺旀湁鍙鑳界姱緗鐨勪漢鍛橈紝榪涜岄氬憡鍜屾帰璁匡紝鐩鐨勬槸鎻愬墠棰勯槻鐘緗銆
9.鏀瑰杽鍩庡競鍜屽浗瀹跺緩璁
澶ф暟鎹琚鐢ㄤ簬鏀瑰杽鎴戜滑鍩庡競鍜屽浗瀹剁殑鏂規柟闈㈤潰銆傜洰鍓嶅緢澶氬ぇ鍩庡競鑷村姏浜庢瀯寤烘櫤鎱т氦閫氥傝濺杈嗐佽屼漢銆侀亾璺鍩虹璁炬柦銆佸叕鍏辨湇鍔″満鎵閮借鏁村悎鍦ㄦ櫤鎱т氦閫氱綉緇滀腑錛屼互鎻愬崌璧勬簮榪愮敤鐨勬晥鐜囷紝浼樺寲鍩庡競綆＄悊鍜屾湇鍔°
鍔犲窞闀挎嘩甯傛ｅ湪浣跨敤鏅鴻兘姘磋〃瀹炴椂媯嫻嬮潪娉曠敤姘達紝甯鍔╀竴浜涙埧涓誨噺灝80%鐨勭敤姘撮噺銆傛礇鏉夌煻鍒╃敤紓佹ч亾璺浼犳劅鍣ㄥ拰浜ら氭憚鍍忓ご鐨勬暟鎹鏉ユ帶鍒朵氦閫氱伅淇″彿錛屼粠鑰屼紭鍖栧煄甯傜殑浜ら氭祦閲忋傛嵁緇熻＄洰鍓嶅凡緇忔帶鍒朵簡鍏ㄥ競4500涓浜ら氱伅錛屽皢浜ら氭嫢鍫電姸鍐靛噺灝戜簡綰16%銆
10.閲戣瀺浜ゆ槗
澶ф暟鎹鍦ㄩ噾鋙嶄氦鏄撻嗗煙搴旂敤涔熸瘮杈冨箍娉涖傚ぇ澶氭暟鑲＄エ浜ゆ槗閮芥槸閫氳繃涓瀹氱殑綆楁硶妯″瀷榪涜屽喅絳栫殑錛屽備粖榪欎簺綆楁硶鐨勮緭鍏ヤ細鑰冭檻鏉ヨ嚜紺句氦濯掍綋銆佹柊闂葷綉緇滅殑鏁版嵁錛屼互渚挎洿鍏ㄩ潰鐨勫仛鍑轟拱鍗栧喅絳栥傚悓鏃舵牴鎹瀹㈡埛鐨勯渶奼傚拰鎰挎湜錛岃繖浜涚畻娉曟ā鍨嬩篃浼氶殢鐫甯傚満鐨勫彉鍖栬屽彉鍖栥
② 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。
③ 浠涔堟槸澶ф暟鎹閲戣瀺錛
澶ф暟鎹閲戣瀺鏄鎸囧埄鐢ㄥぇ鏁版嵁鎶鏈鍜屽垎鏋愭柟娉曪紝瀵規搗閲忛噾鋙嶆暟鎹榪涜屽勭悊銆佸垎鏋愬拰鎸栨帢錛屼互鎻愪緵鏇村姞綺懼噯鐨勯噾鋙嶆湇鍔★紝鎻愰珮閲戣瀺鏈烘瀯鐨勮繍钀ユ晥鐜囧拰椋庨櫓綆＄悊鑳藉姏銆
澶ф暟鎹閲戣瀺鐨勫簲鐢ㄥ箍娉涳紝鍖呮嫭瀹㈡埛鐢誨儚銆侀庨櫓璇勪及銆佹姇璧勫喅絳栥佸競鍦鴻惀閿絳夊氫釜鏂歸潰銆傞氳繃澶ф暟鎹鍒嗘瀽錛岄噾鋙嶆満鏋勫彲浠ユ洿鍔犲噯紜鍦頒簡瑙ｅ㈡埛鐨勯渶奼傚拰琛屼負涔犳儻錛屽埗瀹氭洿鍔犱釜鎬у寲鐨勬湇鍔℃柟妗堬紝鎻愰珮瀹㈡埛婊℃剰搴﹀拰蹇犺瘹搴︺傚悓鏃訛紝澶ф暟鎹涔熷彲浠ュ府鍔╅噾鋙嶆満鏋勬洿鍔犲噯紜鍦拌瘎浼伴庨櫓鍜屾姇璧勬満浼氾紝鎻愰珮鎶曡祫鍐崇瓥鐨勫噯紜鎬у拰鏁堢巼銆
渚嬪傦紝鏌愰摱琛屽埄鐢ㄥぇ鏁版嵁鎶鏈錛屽瑰叾淇＄敤鍗″㈡埛鐨勬秷璐規暟鎹榪涜屽垎鏋愶紝鍙戠幇鏌愪簺瀹㈡埛鐨勬秷璐逛範鎯鍜岃屼負鐗瑰緛涓庨珮椋庨櫓瀹㈡埛鐩鎬技錛屼簬鏄閽堝硅繖浜涘㈡埛鍒跺畾浜嗘洿鍔犱弗鏍肩殑椋庨櫓綆＄悊鎺鏂斤紝鏈夋晥闄嶄綆浜嗕俊鐢ㄩ庨櫓銆
鍙﹀栵紝澶ф暟鎹閲戣瀺涔熷彲浠ュ府鍔╅噾鋙嶆満鏋勬彁楂樿繍钀ユ晥鐜囧拰闄嶄綆鎴愭湰銆傞氳繃澶ф暟鎹鍒嗘瀽錛岄噾鋙嶆満鏋勫彲浠ユ洿鍔犲噯紜鍦頒簡瑙ｅ競鍦洪渶奼傚拰涓氬姟榪愯惀鎯呭喌錛屼紭鍖栦笟鍔℃祦紼嬪拰浜у搧璁捐★紝鎻愰珮鏈嶅姟璐ㄩ噺鍜屾晥鐜囥
鎬諱箣錛屽ぇ鏁版嵁閲戣瀺鏄閲戣瀺涓氭湭鏉ョ殑閲嶈佸彂灞曟柟鍚戱紝鍙浠ュ府鍔╅噾鋙嶆満鏋勬彁渚涙洿鍔犵簿鍑嗙殑閲戣瀺鏈嶅姟錛屾彁楂橀庨櫓綆＄悊鑳藉姏鍜岃繍钀ユ晥鐜囥
④ 大數據技術在金融行業的典型應用
大數據技術在金融行業的典型應用
近年來，大數據技術結合雲計算、區塊鏈、人工智慧等新技術向金融領域滲透融合，釋放出裂變式的創新活力和應用潛能，為金融行業包括財務公司帶來巨大的機遇。
近年來，我國金融科技快速發展，在多個領域已經走在世界前列。大數據、人工智慧、雲計算、移動互聯網等技術與金融業務深度融合，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。
大數據在金融行業的典型應用場景
大數據涉及的行業過於廣泛，除金融外，還包括政治、教育、傳媒、醫學、商業、工農業、互聯網等多個方面，各行業對大數據的定義目前尚未統一。大數據的特點可歸納為「4V」。
第一，數據體量大(Volume)， 海量性也許是與大數據最相關的特徵。
第二，數據類型繁多(Variety)，大數據既包括以事務為代表的傳統結構化數據，還包括以網頁為代表的半結構化數據和以視頻、語音信息為代表的非結構化數據。
第三，價值密度低(Value)，大數據的體量巨大，但數據中的價值密度卻很低。比如幾個小時甚至幾天的監控視頻中，有價值的線索或許只有幾秒鍾。
第四，處理速度快(Velocity)，大數據要求快速處理，時效性強，要進行實時或准實時的處理。
金融行業一直較為重視大數據技術的發展。相比常規商業分析手段，大數據可以使業務決策具有前瞻性， 讓企業戰略的制定過程更加理性化，實現生產資源優化分配，依據市場變化迅速調整業務策略，提高用戶體驗以及資金周轉率，降低庫存積壓的風險，從而獲取更高的利潤。
當前，大數據在金融行業典型的應用場景有以下幾個方面：
在銀行業的應用主要表現在兩個方面：一是信貸風險評估。以往銀行對企業客戶的違約風險評估多基於過往的信貸數據和交易數據等靜態數據，內外部數據資源整合後的大數據可提供前瞻性預測。二是供應鏈金融。利用大數據技術，銀行可以根據企業之間的投資、控股、借貸、擔保及股東和法人之間的關系，形成企業之間的關系圖譜，利於企業分析及風險控制。
在證券行業的應用主要表現為：
一是股市行情預測。大數據可以有效拓寬證券企業量化投資數據維度， 幫助企業更精準地了解市場行情，通過構建更多元的量化因子，投研模型會更加完善。
二是股價預測。大數據技術通過收集並分析社交網路如微博、朋友圈、專業論壇等渠道上的結構化和非結構化數據，形成市場主觀判斷因素和投資者情緒打分，從而量化股價中人為因素的變化預期。
三是智能投資顧問。智能投資顧問業務提供線上投資顧問服務，其基於客戶的風險偏好、交易行為等個性化數據，依靠大數據量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。
在互聯網金融行業的應用，一是精準營銷。大數據通過用戶多維度畫像，對客戶偏好進行分類篩選，從而達到精準營銷的目的。二是消費信貸。基於大數據的自動評分模型、自動審批系統和催收系統可降低消費信貸業務違約風險。
金融大數據的典型案例分析
為實時接收電子渠道交易數據，整合銀行內系統業務數據。中國交通銀行通過規則欲實現快速建模、實時告警與在線智能監控報表等功能，以達到實時接收官網業務數據，整合客戶信息、設備畫像、位置信息、官網交易日誌、瀏覽記錄等數據的目的。
該系統通過為交通銀行卡中心構建反作弊模型、實時計算、實時決策系統，幫助擁有海量歷史數據，日均增長超過兩千萬條日誌流水的銀行卡中心，形成電子渠道實時反欺詐交易監控能力。利用分布式實時數據採集技術和實時決策引擎，幫助信用卡中心高效整合多系統業務數據，處理海量高並發線上行為數據，識別惡意用戶和欺詐行為，並實時預警和處置;通過引入機器學習框架，對少量數據進行分析、挖掘構建並周期性更新反欺詐規則和反欺詐模型。
系統上線後，該銀行迅速監控電子渠道產生的虛假賬號、偽裝賬號、異常登錄、頻繁登錄等新型風險和欺詐行為;系統穩定運行，日均處理逾兩千萬條日誌流水、實時識別出近萬筆風險行為並進行預警。數據接入、計算報警、案件調查的整體處理時間從數小時降低至秒級，監測時效提升近3000倍，上線3個月已幫助卡中心挽回數百萬元的風險損失。
網路的搜索技術正在全面注入網路金融。網路金融使用的梯度增強決策樹演算法可以分析大數據高維特點， 在知識分析、匯總、聚合、提煉等多個方面有其獨到之處，其深度學習能力利用數據挖掘演算法能夠較好地解決大數據價值密度低等問題。網路「磐石」系統基於每日100億次搜索行為，通過200多個維度為8.6億賬號精確畫像，高效劃分人群，能夠為銀行、互聯網金融機構提供身份識別、反欺詐、信息檢驗、信用分級等服務。該系統累計為網路內部信貸業務攔截數十萬欺詐用戶，攔截數十億不良資產、減少數百萬人力成本，累計合作近500 家社會金融機構，幫助其提升了整體風險防控水平。
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。
一是數據資產管理水平仍待提高。主要體現在數據質量不高、獲取方式單一、數據系統分散等方面。
二是應用技術和業務探索仍需突破。主要體現在金融機構原有的數據系統架構相對復雜，涉及的系統平台和供應商較多，實現大數據應用的技術改造難度很大。同時，金融行業的大數據分析應用模型仍處於起步階段，成熟案例和解決方案仍相對較少，需要投入大量的時間和成本進行調研和試錯。系統誤判率相對較高。
三是行業標准和安全規范仍待完善。金融大數據缺乏統一的存儲管理標准和互通共享平台，對個人隱私的保護上還未形成可信的安全機制。
四是頂層設計和扶持政策還需強化。體現在金融機構間的數據壁壘較為明顯，各自為戰問題突出，缺乏有效的整合協同。同時，行業應用缺乏整體性規劃，分散、臨時、應激等特點突出，信息價值開發仍有較大潛力。
以上問題，一方面需要國家出台促進金融大數據發展的產業規劃和扶持政策，同時，也需要行業分階段推動金融數據開放、共享和統一平台建設，強化行業標准和安全規范。只有這樣，大數據技術才能在金融行業中穩步應用發展，不斷推動金融行業的發展提升。