近年來，隨著大數(shù)據(jù)、云計算、區(qū)塊鏈、人工智能等新技術(shù)的快速發(fā)展，這些新技術(shù)與金融業(yè)務(wù)深度融合，釋放出了金融創(chuàng)新活力和應(yīng)用潛能，這大大推動了我國金融業(yè)轉(zhuǎn)型升級，助力金融更好地服務(wù)實體經(jīng)濟，有效促進了金融業(yè)整體發(fā)展。在這一發(fā)展過程中，又以大數(shù)據(jù)技術(shù)發(fā)展最為成熟、應(yīng)用最為廣泛。從發(fā)展特點和趨勢來看，“金融云”快速建設(shè)落地奠定了金融大數(shù)據(jù)的應(yīng)用基礎(chǔ)，金融數(shù)據(jù)與其他跨領(lǐng)域數(shù)據(jù)的融合應(yīng)用不斷強化，人工智能正在成為金融大數(shù)據(jù)應(yīng)用的新方向，金融行業(yè)數(shù)據(jù)的整合、共享和開放正在成為趨勢，給金融行業(yè)帶來了新的發(fā)展機遇和巨大的發(fā)展動力。
大數(shù)據(jù)涉及的行業(yè)過于廣泛，除金融外，還包括政治、教育、傳媒、醫(yī)學(xué)、商業(yè)、工業(yè)、農(nóng)業(yè)、互聯(lián)網(wǎng)等多個方面。根據(jù)國際知名咨詢公司麥肯錫的報告顯示：在大數(shù)據(jù)應(yīng)用綜合價值潛力方面，信息技術(shù)、金融保險、政府及批發(fā)貿(mào)易四大行業(yè)潛力最高高。具體到行業(yè)內(nèi)每家公司的數(shù)據(jù)量來看，信息、金融保險、計算機及電子設(shè)備、公用事業(yè)四類的數(shù)據(jù)量最大。可以看出，無論是投資規(guī)模和應(yīng)用潛力，信息行業(yè)(互聯(lián)網(wǎng)和電信)和金融行業(yè)都是大數(shù)據(jù)應(yīng)用的重點行業(yè)。
大數(shù)據(jù)的行業(yè)定位
大數(shù)據(jù)的特點可歸納為“4V”。
數(shù)據(jù)量(Volume)， 海量性也許是與大數(shù)據(jù)最相關(guān)的特征。
多樣性(Variety)，大數(shù)據(jù)既包括以事務(wù)為代表的傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)，還包括以網(wǎng)頁為代表的半結(jié)構(gòu)化數(shù)據(jù)和以視頻、語音信息為代表的非結(jié)構(gòu)化數(shù)據(jù)。
數(shù)據(jù)價值(Value)，大數(shù)據(jù)的體量巨大，但數(shù)據(jù)中的價值密度卻很低。比如幾個小時甚至幾天的監(jiān)控視頻中，有價值的線索或許只有幾秒鐘。
動態(tài)性(Velocity)，大數(shù)據(jù)要求能夠快速處理數(shù)據(jù)，時效性強，要進行實時或準實時的處理。
大數(shù)據(jù)的特點
金融行業(yè)一直較為重視大數(shù)據(jù)技術(shù)的發(fā)展。相比常規(guī)商業(yè)分析手段，大數(shù)據(jù)可以使業(yè)務(wù)決策具有前瞻性， 讓企業(yè)戰(zhàn)略的制定過程更加理性化，實現(xiàn)生產(chǎn)資源優(yōu)化分配，依據(jù)市場變化迅速調(diào)整業(yè)務(wù)策略，提高用戶體驗以及資金周轉(zhuǎn)率，降低庫存積壓的風(fēng)險，從而獲取更高的價值和利潤。
大數(shù)據(jù)產(chǎn)生價值
2. 大數(shù)據(jù)技術(shù)在金融行業(yè)中的典型應(yīng)用
大數(shù)據(jù)技術(shù)在金融行業(yè)中有著廣泛的應(yīng)用， 下面將介紹大數(shù)據(jù)技術(shù)在銀行、證券、保險等金融細分領(lǐng)域中的應(yīng)用。
金融大數(shù)據(jù)應(yīng)用
2.1 銀行大數(shù)據(jù)應(yīng)用
國內(nèi)不少銀行已經(jīng)開始嘗試通過大數(shù)據(jù)來驅(qū)動業(yè)務(wù)運營，如中信銀行信用卡中心使用大數(shù)據(jù)技術(shù)實現(xiàn)了實時營銷，光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫，招商銀行則利用大數(shù)據(jù)發(fā)展小微貸款?？偟膩砜淬y行大數(shù)據(jù)應(yīng)用可以分為四大方面：
2.1.1 客戶畫像
客戶畫像應(yīng)用主要分為個人客戶畫像和企業(yè)客戶畫像。個人客戶畫像包括人口統(tǒng)計學(xué)特征、消費能力數(shù)據(jù)、興趣數(shù)據(jù)、風(fēng)險偏好等;企業(yè)客戶畫像包括企業(yè)的生產(chǎn)、流通、運營、財務(wù)、銷售和客戶數(shù)據(jù)、相關(guān)產(chǎn)業(yè)鏈上下游等數(shù)據(jù)。值得注意的是，銀行擁有的客戶信息并不全面，基于銀行自身擁有的數(shù)據(jù)有時候難以得出理想的結(jié)果甚至可能得出錯誤的結(jié)論。比如，如果某位信用卡客戶月均刷卡8次，平均每次刷卡金額800元，平均每年打4次客服電話，從未有過投訴，按照傳統(tǒng)的數(shù)據(jù)分析，該客戶是一位滿意度較高流失風(fēng)險較低的客戶。但如果看到該客戶的微博，得到的真實情況是：工資卡和信用卡不在同一家銀行，還款不方便，好幾次打客服電話沒接通，客戶多次在微博上抱怨，該客戶流失風(fēng)險較高。所以銀行不僅僅要考慮銀行自身業(yè)務(wù)所采集到的數(shù)據(jù)，更應(yīng)考慮整合外部更多的數(shù)據(jù)，以擴展對客戶的了解。包括：
(1)客戶在社交媒體上的行為數(shù)據(jù)(如光大銀行建立了社交網(wǎng)絡(luò)信息數(shù)據(jù)庫)。通過打通銀行內(nèi)部數(shù)據(jù)和外部社會化的數(shù)據(jù)可以獲得更為完整的客戶拼圖，從而進行更為精準的營銷和管理;
(2)客戶在電商網(wǎng)站的交易數(shù)據(jù)，如建設(shè)銀行則將自己的電子商務(wù)平臺和信貸業(yè)務(wù)結(jié)合起來，阿里金融為阿里巴巴用戶提供無抵押貸款，用戶只需要憑借過去的信用即可;
(3)企業(yè)客戶的產(chǎn)業(yè)鏈上下游數(shù)據(jù)。如果銀行掌握了企業(yè)所在的產(chǎn)業(yè)鏈上下游的數(shù)據(jù)，可以更好掌握企業(yè)的外部環(huán)境發(fā)展情況，從而可以預(yù)測企業(yè)未來的狀況;
(4)其他有利于擴展銀行對客戶興趣愛好的數(shù)據(jù)，如網(wǎng)絡(luò)廣告界目前正在興起的DMP數(shù)據(jù)平臺的互聯(lián)網(wǎng)用戶行為數(shù)據(jù)。
客戶畫像
2.1.2 精準營銷
在客戶畫像的基礎(chǔ)上銀行可以有效的開展精準營銷，包括：
(1)實時營銷。實時營銷是根據(jù)客戶的實時狀態(tài)來進行營銷，比如客戶當時的所在地、客戶最近一次消費等信息來有針對地進行營銷(某客戶采用信用卡采購孕婦用品，可以通過建模推測懷孕的概率并推薦孕婦類喜歡的業(yè)務(wù));或者將改變生活狀態(tài)的事件(換工作、改變婚姻狀況、置居等)視為營銷機會;
(2)交叉營銷。即不同業(yè)務(wù)或產(chǎn)品的交叉推薦，如招商銀行可以根據(jù)客戶交易記錄分析，有效地識別小微企業(yè)客戶，然后用遠程銀行來實施交叉銷售;
(3)個性化推薦。銀行可以根據(jù)客戶的喜歡進行服務(wù)或者銀行產(chǎn)品的個性化推薦，如根據(jù)客戶的年齡、資產(chǎn)規(guī)模、理財偏好等，對客戶群進行精準定位，分析出其潛在金融服務(wù)需求，進而有針對性的營銷推廣;
(4)客戶生命周期管理?？蛻羯芷诠芾戆ㄐ驴蛻臬@取、客戶防流失和客戶贏回等。如招商銀行通過構(gòu)建客戶流失預(yù)警模型，對流失率等級前20%的客戶發(fā)售高收益理財產(chǎn)品予以挽留，使得金卡和金葵花卡客戶流失率分別降低了15個和7個百分點。
2.1.3 風(fēng)險管理與風(fēng)險控制
在風(fēng)險管理和控制方面包括中小企業(yè)貸款風(fēng)險評估和欺詐交易識別等手段。
(1)中小企業(yè)貸款風(fēng)險評估。銀行可通過企業(yè)的產(chǎn)、流通、銷售、財務(wù)等相關(guān)信息結(jié)合大數(shù)據(jù)挖掘方法進行貸款風(fēng)險分析，量化企業(yè)的信用額度，更有效的開展中小企業(yè)貸款。
(2)實時欺詐交易識別和反洗錢分析。銀行可以利用持卡人基本信息、卡基本信息、交易歷史、客戶歷史行為模式、正在發(fā)生行為模式(如轉(zhuǎn)賬)等，結(jié)合智能規(guī)則引擎(如從一個不經(jīng)常出現(xiàn)的國家為一個特有用戶轉(zhuǎn)賬或從一個不熟悉的位置進行在線交易)進行實時的交易反欺詐分析。如IBM金融犯罪管理解決方案幫助銀行利用大數(shù)據(jù)有效地預(yù)防與管理金融犯罪，摩根大通銀行則利用大數(shù)據(jù)技術(shù)追蹤盜取客戶賬號或侵入自動柜員機(ATM)系統(tǒng)的罪犯。
大數(shù)據(jù)在實時風(fēng)險控制中的應(yīng)用
2.1.4 運營優(yōu)化
(1)市場和渠道分析優(yōu)化。通過大數(shù)據(jù)，銀行可以監(jiān)控不同市場推廣渠道尤其是網(wǎng)絡(luò)渠道推廣的質(zhì)量，從而進行合作渠道的調(diào)整和優(yōu)化。同時，也可以分析哪些渠道更適合推廣哪類銀行產(chǎn)品或者服務(wù)，從而進行渠道推廣策略的優(yōu)化。
(2)產(chǎn)品和服務(wù)優(yōu)化：銀行可以將客戶行為轉(zhuǎn)化為信息流，并從中分析客戶的個性特征和風(fēng)險偏好，更深層次地理解客戶的習(xí)慣，智能化分析和預(yù)測客戶需求，從而進行產(chǎn)品創(chuàng)新和服務(wù)優(yōu)化。如興業(yè)銀行目前對大數(shù)據(jù)進行初步分析，通過對還款數(shù)據(jù)挖掘比較區(qū)分優(yōu)質(zhì)客戶，根據(jù)客戶還款數(shù)額的差別，提供差異化的金融產(chǎn)品和服務(wù)方式。
(3)輿情分析：銀行可以通過爬蟲技術(shù)，抓取社區(qū)、論壇和微博上關(guān)于銀行以及銀行產(chǎn)品和服務(wù)的相關(guān)信息，并通過自然語言處理技術(shù)進行正負面判斷，尤其是及時掌握銀行以及銀行產(chǎn)品和服務(wù)的負面信息，及時發(fā)現(xiàn)和處理問題;對于正面信息，可以加以總結(jié)并繼續(xù)強化。同時，銀行也可以抓取同行業(yè)的銀行正負面信息，及時了解同行做的好的方面，以作為自身業(yè)務(wù)優(yōu)化的借鑒。
2.2 保險行業(yè)大數(shù)據(jù)應(yīng)用
過去，由于保險行業(yè)的代理人的特點，所以在傳統(tǒng)的個人代理渠道，代理人的素質(zhì)及人際關(guān)系網(wǎng)是業(yè)務(wù)開拓的最為關(guān)鍵因素，而大數(shù)據(jù)在在新客戶開發(fā)和維系中的作用就沒那么突出。但隨著互聯(lián)網(wǎng)、移動互聯(lián)網(wǎng)以及大數(shù)據(jù)的發(fā)展，網(wǎng)絡(luò)營銷、移動營銷和個性化的電話銷售的作用將會日趨顯現(xiàn)，越來越多的保險公司注意到大數(shù)據(jù)在保險行業(yè)中的作用?？偟膩碚f，保險行業(yè)的大數(shù)據(jù)應(yīng)用可以分為三大方面：客戶細分及精細化營銷、欺詐行為分析和精細化運營。
2.2.1 客戶細分和精細化營銷
(1)客戶細分和差異化服務(wù)。風(fēng)險偏好是確定保險需求的關(guān)鍵。風(fēng)險喜好者、風(fēng)險中立者和風(fēng)險厭惡者對于保險需求有不同的態(tài)度。一般來講，風(fēng)險厭惡者有更大的保險需求。在客戶細分的時候，除了風(fēng)險偏好數(shù)據(jù)外，要結(jié)合客戶職業(yè)、愛好、習(xí)慣、家庭結(jié)構(gòu)、消費方式偏好數(shù)據(jù)，利用機器學(xué)習(xí)算法來對客戶進行分類，并針對分類后的客戶提供不同的產(chǎn)品和服務(wù)策略。
(2)潛在客戶挖掘及流失用戶預(yù)測。保險公司可通過大數(shù)據(jù)整合客戶線上和線下的相關(guān)行為，通過數(shù)據(jù)挖掘手段對潛在客戶進行分類，細化銷售重點。通過大數(shù)據(jù)進行挖掘，綜合考慮客戶的信息、險種信息、既往出險情況、銷售人員信息等，篩選出影響客戶退保或續(xù)期的關(guān)鍵因素，并通過這些因素和建立的模型，對客戶的退保概率或續(xù)期概率進行估計，找出高風(fēng)險流失客戶，及時預(yù)警，制定挽留策略，提高保單續(xù)保率。
(3)客戶關(guān)聯(lián)銷售。保險公司可以關(guān)聯(lián)規(guī)則找出最佳險種銷售組合、利用時序規(guī)則找出顧客生命周期中購買保險的時間順序，從而把握保戶提高保額的時機、建立既有保戶再銷售清單與規(guī)則，從而促進保單的銷售。除了這些做法以外，借助大數(shù)據(jù)，保險業(yè)可以直接鎖定客戶需求。以淘寶運費退貨險為例。據(jù)統(tǒng)計，淘寶用戶運費險索賠率在50%以上，該產(chǎn)品對保險公司帶來的利潤只有5%左右，但是有很多保險公司都有意愿去提供這種保險。因為客戶購買運費險后保險公司就可以獲得該客戶的個人基本信息，包括手機號和銀行賬戶信息等，并能夠了解該客戶購買的產(chǎn)品信息，從而實現(xiàn)精準推送。假設(shè)該客戶購買并退貨的是嬰兒奶粉，我們就可以估計該客戶家里有小孩，可以向其推薦關(guān)于兒童疾病險、教育險等利潤率更高的產(chǎn)品。
(4)客戶精準營銷。在網(wǎng)絡(luò)營銷領(lǐng)域，保險公司可以通過收集互聯(lián)網(wǎng)用戶的各類數(shù)據(jù)，如地域分布等屬性數(shù)據(jù)，搜索關(guān)鍵詞等即時數(shù)據(jù)，購物行為、瀏覽行為等行為數(shù)據(jù)，以及興趣愛好、人脈關(guān)系等社交數(shù)據(jù)，可以在廣告推送中實現(xiàn)地域定向、需求定向、偏好定向、關(guān)系定向等定向方式，實現(xiàn)精準營銷。
精準營銷
2.2.2 欺詐行為分析
基于企業(yè)內(nèi)外部交易和歷史數(shù)據(jù)，實時或準實時預(yù)測和分析欺詐等非法行為，包括醫(yī)療保險欺詐與濫用分析以及車險欺詐分析等。
(1)醫(yī)療保險欺詐與濫用分析。醫(yī)療保險欺詐與濫用通?？煞譃閮煞N，一是非法騙取保險金，即保險欺詐;另一類則是在保額限度內(nèi)重復(fù)就醫(yī)、浮報理賠金額等，即醫(yī)療保險濫用。保險公司能夠利用過去數(shù)據(jù)，尋找影響保險欺詐最為顯著的因素及這些因素的取值區(qū)間，建立預(yù)測模型，并通過自動化計分功能，快速將理賠案件依照濫用欺詐可能性進行分類處理。
(2)車險欺詐分析。保險公司夠利用過去的欺詐事件建立預(yù)測模型，將理賠申請分級處理，可以很大程度上解決車險欺詐問題，包括車險理賠申請欺詐偵測、業(yè)務(wù)員及修車廠勾結(jié)欺詐偵測等。
2.2.3 精細化運營
(1)產(chǎn)品優(yōu)化，保單個性化。過去在沒有精細化的數(shù)據(jù)分析和挖掘的情況下，保險公司把很多人都放在同一風(fēng)險水平之上，客戶的保單并沒有完全解決客戶的各種風(fēng)險問題。但是，保險公司可以通過自有數(shù)據(jù)以及客戶在社交網(wǎng)絡(luò)的數(shù)據(jù)，解決現(xiàn)有的風(fēng)險控制問題，為客戶制定個性化的保單，獲得更準確以及更高利潤率的保單模型，給每一位顧客提供個性化的解決方案。
(2)運營分析?；谄髽I(yè)內(nèi)外部運營、管理和交互數(shù)據(jù)分析，借助大數(shù)據(jù)臺，全方位統(tǒng)計和預(yù)測企業(yè)經(jīng)營和管理績效?；诒ｋU保單和客戶交互數(shù)據(jù)進行建模，借助大數(shù)據(jù)平臺快速分析和預(yù)測再次發(fā)生或者新的市場風(fēng)險、操作風(fēng)險等。
(3)代理人(保險銷售人員)甄選。根據(jù)代理人員(保險銷售人員)業(yè)績數(shù)據(jù)、性別、年齡、入司前工作年限、其它保險公司經(jīng)驗和代理人人員思維性向測試等，找出銷售業(yè)績相對最好的銷售人員的特征，優(yōu)選高潛力銷售人員。
2.3 證券行業(yè)大數(shù)據(jù)應(yīng)用
大數(shù)據(jù)時代，大多數(shù)券商們已意識到大數(shù)據(jù)的重要性，券商對于大數(shù)據(jù)的研究與應(yīng)用正在處于起步階段，相對于銀行和保險業(yè)，證券行業(yè)的大數(shù)據(jù)應(yīng)用起步相對較晚。目前國內(nèi)外證券行業(yè)的大數(shù)據(jù)應(yīng)用大致有以下幾個方向：
2.3.1 股價預(yù)測
2011年5月英國對沖基金Derwent Capital Markets建立了規(guī)模為4000 萬美金的對沖基金，該基金是首家基于社交網(wǎng)絡(luò)的對沖基金，該基金通過分析Twitter 的數(shù)據(jù)內(nèi)容來感知市場情緒，從而指導(dǎo)進行投資。利用 Twitter 的對沖基金 Derwent Capital Markets 在首月的交易中確實盈利了，其以1.85%的收益率，讓平均數(shù)只有0.76%的其他對沖基金相形見絀。
麻省理工學(xué)院的學(xué)者，根據(jù)情緒詞將twitter內(nèi)容標定為正面或負面情緒。結(jié)果發(fā)現(xiàn)，無論是如“希望”的正面情緒，或是“害怕”、“擔心”的負面情緒，其占總twitter內(nèi)容數(shù)的比例，都預(yù)示著道瓊斯指數(shù)、標準普爾500指數(shù)、納斯達克指數(shù)的下跌;美國佩斯大學(xué)的一位博士則采用了另外一種思路，他追蹤了星巴克、可口可樂和耐克三家公司在社交媒體上的受歡迎程度，同時比較它們的股價。他們發(fā)現(xiàn)，F(xiàn)acebook上的粉絲數(shù)、Twitter 上的聽眾數(shù)和 Youtude 上的觀看人數(shù)都和股價密切相關(guān)。另外，品牌的受歡迎程度，還能預(yù)測股價在10天、30天之后的上漲情況。但是，Twitter 情緒指標，仍然不可能預(yù)測出會沖擊金融市場的突發(fā)事件。例如，在2008年10月13號，美國聯(lián)邦儲備委員會突然啟動一項銀行紓困計劃，令道瓊斯指數(shù)反彈，而3天前的Twitter相關(guān)情緒指數(shù)毫無征兆。而且，研究者自己也意識到，Twitter 用戶與股市投資者并不完全重合，這樣的樣本代表性有待商榷，但仍無法阻止投資者對于新興的社交網(wǎng)絡(luò)傾注更多的熱情。
2.3.2 客戶關(guān)系管理
(1)客戶細分。通過分析客戶的賬戶狀態(tài)(類型、生命周期、投資時間)、賬戶價值(資產(chǎn)峰值、資產(chǎn)均值、交易量、傭金貢獻和成本等)、交易習(xí)慣(周轉(zhuǎn)率、市場關(guān)注度、倉位、平均持股市值、平均持股時間、單筆交易均值和日均成交量等)、投資偏好(偏好品種、下單渠道和是否申購)以及投資收益(本期相對和絕對收益、今年相對和絕對收益和投資能力等)，來進行客戶聚類和細分，從而發(fā)現(xiàn)客戶交易模式類型，找出最有價值和盈利潛力的客戶群, 以及他們最需要的服務(wù), 更好地配置資源和政策, 改進服務(wù),抓住最有價值的客戶。
(2)流失客戶預(yù)測。券商可根據(jù)客戶歷史交易行為和流失情況來建模從而預(yù)測客戶流失的概率。如2012年海通證券自主開發(fā)的“給予數(shù)據(jù)挖掘算法的證券客戶行為特征分析技術(shù)”主要應(yīng)用在客戶深度畫像以及基于畫像的用戶流失概率預(yù)測。通過對海通100多萬樣本客戶、半年交易記錄的海量信息分析，建立了客戶分類、客戶偏好、客戶流失概率的模型。該項技術(shù)最大初衷是希望通過客戶行為的量化分析，來測算客戶將來可能流失的概率。
客戶大數(shù)據(jù)營銷
2.3.3 智能投資顧問
智能投資顧問業(yè)務(wù)提供線上投資顧問服務(wù)，其基于客戶的風(fēng)險偏好、交易行為等個性化數(shù)據(jù)，依靠大數(shù)據(jù)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。
2.3.4 投資景氣指數(shù)
2012年，國泰君安推出了“個人投資者投資景氣指數(shù)”(簡稱3I指數(shù))，通過一個獨特的視角傳遞個人投資者對市場的預(yù)期、當期的風(fēng)險偏好等信息。國泰君安研究所對海量個人投資者樣本進行持續(xù)性跟蹤監(jiān)測，對賬本投資收益率、持倉率、資金流動情況等一系列指標進行統(tǒng)計、加權(quán)匯總后得到的綜合性投資景氣指數(shù)。
3I指數(shù)通過對海量個人投資者真實投資交易信息的深入挖掘分析，了解交易個人投資者交易行為的變化、投資信心的狀態(tài)與發(fā)展趨勢、對市場的預(yù)期以及當前的風(fēng)險偏好等信息。在樣本選擇上，選擇資金100萬元以下、投資年限5年以上的中小投資者，樣本規(guī)模高達10萬，覆蓋全國不同地區(qū)，所以，這個指數(shù)較為有代表性。在參數(shù)方面，主要根據(jù)中小投資者持倉率的高低、是否追加資金、是否盈利這幾個指標，來看投資者對市場是樂觀還是悲觀?！?I指數(shù)”每月發(fā)布一次，以100為中間值，100—120屬于正常區(qū)間，120以上表示趨熱，100以下則是趨冷。從實驗數(shù)據(jù)看，從2007年至今，“3I指數(shù)”的漲跌波動與上證指數(shù)走勢擬合度相當高。
3. 金融大數(shù)據(jù)應(yīng)用面臨的挑戰(zhàn)及對策
大數(shù)據(jù)技術(shù)為金融行業(yè)帶來了裂變式的創(chuàng)新活力，其應(yīng)用潛力有目共睹，但在數(shù)據(jù)應(yīng)用管理、業(yè)務(wù)場景融合、標準統(tǒng)一、頂層設(shè)計等方面存在的瓶頸也有待突破。
數(shù)據(jù)資產(chǎn)管理水平仍待提高。主要體現(xiàn)在數(shù)據(jù)質(zhì)量不高、獲取方式單一、數(shù)據(jù)系統(tǒng)分散等方面。
應(yīng)用技術(shù)和業(yè)務(wù)探索仍需突破。主要體現(xiàn)在金融機構(gòu)原有的數(shù)據(jù)系統(tǒng)架構(gòu)相對復(fù)雜，涉及的系統(tǒng)平臺和供應(yīng)商較多，實現(xiàn)大數(shù)據(jù)應(yīng)用的技術(shù)改造難度很大。同時，金融行業(yè)的大數(shù)據(jù)分析應(yīng)用模型仍處于起步階段，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(diào)研和試錯。系統(tǒng)誤判率相對較高。
行業(yè)標準和安全規(guī)范仍待完善。金融大數(shù)據(jù)缺乏統(tǒng)一的存儲管理標準和互通共享平臺，對個人隱私的保護上還未形成可信的安全機制。
頂層設(shè)計和扶持政策還需強化。體現(xiàn)在金融機構(gòu)間的數(shù)據(jù)壁壘較為明顯，各自為戰(zhàn)問題突出，缺乏有效的整合協(xié)同。同時，行業(yè)應(yīng)用缺乏整體性規(guī)劃，分散、臨時、應(yīng)激等特點突出，信息價值開發(fā)仍有較大潛力。
總的來看，大數(shù)據(jù)在金融行業(yè)的應(yīng)用起步比互聯(lián)網(wǎng)行業(yè)稍晚，其應(yīng)用深度和廣度還有很大的擴展空間。金融行業(yè)的大數(shù)據(jù)應(yīng)用依然有很多的問題需要克服，同時需要國家出臺促進金融大數(shù)據(jù)發(fā)展的產(chǎn)業(yè)規(guī)劃和扶持政策，也需要行業(yè)分階段推動金融數(shù)據(jù)開放、共享和統(tǒng)一平臺建設(shè)，強化行業(yè)標準和安全規(guī)范。只有這樣，大數(shù)據(jù)技術(shù)才能在金融行業(yè)中穩(wěn)步應(yīng)用發(fā)展，不斷推動金融行業(yè)的發(fā)展提升。
