金融大数据行业应用及发展全洞察
更新时间：2017-05-18 10:46:58点击次数：4009次作者：汇景咨询
在中国经济走向新常态的转型中，在中国经济成为全球第二大经济体的发展中，在中国金融业向支持实体经济、创新驱动的转换中，大数据在金融领域的应用，成为中国金融业的新增长点和新亮点。大数据能够充分利用金融市场形成的海量数据来挖掘用户需求、评价用户信用、管理融资风险等。它改变了金融业的发展取向、释放了被压抑的金融需求，一开始就具有强大的生命力。
国务院颁布的《推进普惠金融发展规划（2016-2020年）》中更是直接提到“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台。”国内外各金融与类金融机构、互联网金融企业纷纷开始探索大数据的应用，希望大数据可以带来技术上的突破，实现自动化、着手升级现有风控模型体系、探索新型态基于场景化的消费金融市场、提升催收效率、建设互联网深层次大面积获客能力，从而彻底提升国家金融行业的国际竞争力。
大数据时代的三个重要趋势是：数据成为资产、行业垂直整合、泛互联网化（即技术与行业的跨界穿越与颠覆式发展）。大数据金融的作用机制是通过云计算等智能信息工具对序列之间的联系、动态信息数据序列进行分析，大幅度提高金融风险定价的效率，降低定价成本，有效减少信息不对称问题，使得对单个客户的信用信息、消费倾向、理财习惯分析成为可能。
金融大数据应用分析
未来将迎来一个大数据浪潮。随着互联网特别是移动互联网的爆发式增长，全球数据量以几何级数增加。现在全世界新产生的数据量每年增加40%，每两年数据翻一番。2012年、2013年产生数据量总和是人类有历史以来到2011年产生数据量的总和，两年的数据量等于一万年的总和，这个数据规模为1.8ZB。IBM预测，2020年，全球数据总量会达到35ZB，是2000年之前总和的50倍、目前数据总量的8倍。
1.大数据在金融监管机构中的应用
我国的金融行业正处于应用大数据的初级阶段，国内的金融机构经过多年发展与积累，拥有超过百TB的海量数据，而且非结构化的数据量也在不断增长。金融机构在大数据应用方面具有天然优势：首先，金融企业在平时的业务开展中积累了大量高价值的数据，例如客户的身份、资金收付交易、资产负债情况等，这些数据经过专业技术挖掘和分析之后，将产生巨大的商业价值；其次，金融机构相比之下有较为充足的预算，可以吸引到了解大数据技术的高端人才，也有能力采用大数据的最新技术。
但是，在许多具体金融业务层面，我国还是存在管的过严、管的过宽、管的过细的问题，甚至管了很多不该管的事情。这种情况极大地阻碍了金融市场化改革的进程，制约了金融机构的自主发展，削弱了金融市场化配置社会资源的能力。
1）大数据助力金融机构的战略转型
在宏观经济结构调整和利率逐步市场化的大环境下，目前国内的金融机构主要表现出盈利空间收窄、业务定位亟待调整、核心负债流失等问题。业务转型的关键在于创新，但现阶段我国金融机构的创新往往沦为监管套利，没有以挖掘客户内在需求，提供更有价值的服务为主。而大数据技术正是能够帮助金融机构深入挖掘既有数据，找准市场定位，明确资源配置方向，推动业务创新的重要工作。
此外，大数据及智能技术的逐渐成熟将会重塑未来金融监管的方式。以非法集资为例，在互联网时代不法分子利用网络的虚拟性、广泛传播性等特点，通过承诺高收益来吸引广大投资者。近年来由于经济形势下行，非法集资案件频发，对金融秩序和居民的合法权益造成较大的影响。
利用大数据建立非法集资监测预警平台就为打击非法集资提供了有力工具，可以提高金融监管的效率和准确性。非法集资预警平台的设计包括两个子平台：一是对正规金融产品登记的前台，通过对网站销售的金融产品的信息进行登记，做好数据收集工作。产品登记、信息披露、资金托管是互联网金融三大监管措施，金融机构将产品的属地名称、属地编号、发行日期、机构编号、产品编号等信息在平台上进行登记、备案。二是发现非法集资线索的后台，用来打击违法犯罪，守住底线。前台提供信息给消费者，后台打击非法集资。基本建设思路为：利用互联网搜集信息，运用大数据挖掘、云计算技术，通过两次比对、一次干预、最后确认的一系列步骤，实现对疑似非法集资的企业进行不同级别的处置应对。
2）大数据能够降低金融机构的管理和运行成本
通过大数据对信息的挖掘和分析，金融机构能够准确地定位内部的管理缺陷，制订有针对性的改进措施，实行符合自身特点的管理模式，最终实现降低管理运营成本。大数据还提供了全新的沟通渠道和营销手段，可以更好的了解客户的消费习惯和行为特征，及时、准确地把握市场营销行情。
3）大数据有助于降低信息不对称程度，增强风险控制能力
金融机构可以摒弃原来过度依靠客户提供财务报表获取企业信息的业务方式，转而对其资产价格、账务流水、相关业务活动等流动性数据进行动态和全程的监控分析，从而有效提升客户信息透明度。目前，花旗、富国、UBS等先进银行已经能够基于大数据，整合客户的资产负债、交易支付、流动性状况、纳税和信用记录等，对客户行为进行360度评价，计算动态违约概率和损失率，提高贷款决策的可靠性。
2.大数据在银行业中的应用
从数据贡献度上看，银行是金融数据的重要贡献机构和使用机构。截至2015年第四季度末，全国共开立人民币银行结算账户73.7亿户，环比增长3.15%；个人银行结算账户73.25亿户，占银行结算账户的99.4%，环比增长3.15%；单位银行账户4439.03万户，环比增长2.43%，其中基本存款账户增加89.55万户，一般存款账户增加10.91万户，专用存款账户增加5.10万户，临时存款账户减少0.07万户。全国共发生银行卡交易3343.2亿笔，金额178.14万亿。其中，涉及互联网金融的网上支付发生106.37亿笔，同比增长25.21%；移动支付56.33亿笔，同比增长244.74%（数据来源：九次方大数据）。
中国银行业大数据应用主要集中在客户营销、产品创新、风险控制和运营优化四个领域。比如光大银行研发的“阳光理财”资产配置平台（APP），分析客户需求并设计与之匹配的资产配置方案以支持营销；民生银行通过大数据分析定义营销举措并防止客户流失；招商银行利用大数据发展小微贷款。总的来看，银行大数据的应用可以分为如下三个方面：
1）帮助银行控制信贷风险
在传统方法中，银行对企业客户的违约风险评估多是基于过往的营业数据和信用信息，这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经营状况，还包括行业的整体发展状况，而大数据手段的介入使信贷风险评估更趋近于事实。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影响行业发展的主要因素，然后对这些因素进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本低，而且对风险评估的速度快，同时显著提升了评估的准确性。
2）大数据能够提升银行的中间收入
如今，坐拥海量数据的银行不再局限于使用数据服务其核心业务，把数据直接变成新产品并用来创造直接收入是新的中间收入拓展渠道。澳大利亚一家大型银行通过支付数据的分析了解零售客户“消费路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户，帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。银行通过这种方式获得了传统业务之外的收入。更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。
3）使零售银行业务差异化产品设计更加丰富
在零售银行业务中，大数据为判断客户行为并匹配营销手段提供了广阔的创新空间。例如，海外银行围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭，在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，这种具有差异化的产品设计可以大幅提高交叉销售的成功率。
3.大数据在证券业中的应用
现代证券行业具有资本密集、信息密集、智力密集和技术密集的特点，大数据时代使得数据信息不仅在量上大大增加了，在数据的产生、传播、内容、速度、形式等方面都更加多样、复杂，越来越呈现出细节化、多维化、立体化的特点，对业务发展的影响也越来越大。
目前，国内外证券业的大数据应用主要有以下三个方向：
1）大数据可以提升证券业的个性化服务水平
证券行业作为综合类金融服务产品的提供者，在大数据的背景下，将有能力快速搜集高质量的信息，以设计出更符合客户需求的产品组合，并且可以根据客户偏好的改变及时调整。同时由于中介服务的竞争逐渐同质化，争夺的焦点将来必然落在价格上。如果标准化同质服务不再能够给券商带来正常利润，那么券商必须转变经营思路，将通道业务转变成包含增值服务的金融服务。
大数据能够通过对客户消费行为模式进行分析，提高客户转化率，开发出个性化的产品以满足不同客户的需求。越来越多的证券公司开始采用数据驱动的方法，通过一系列信息的收集、存储、管理和分析，给客户提供更好的决策，充分体现了以客户为中心的服务理念。
2）大数据能够帮助证券公司避免客户的流失
依据客户历史交易行为和流失情况创建大数据分析模型，预测客户流失的概率。比如海通证券自主开发的“给予数据挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测，通过对海通100多万样本客户、半年交易记录的海量信息分析，建立了客户分类、客户偏好、客户流失概率等模型。该项技术最大初衷是希望通过客户行为的量化分析，来测算客户将来可能流失的概率。
3）大数据在量化投资方面的应用
量化投资策略在欧美发达国家的金融市场已经相对成熟，由于收益巨大，是大数据最早应用的领域。证券业已经进入了一个大数据信息时代，证券的数据模型越来越复杂多样，数据的总量和种类都有着重大的突破。大数据在处理证券数据时，通过对主力和散户的行为、轨迹分析，对主力资金和散户资金的去向追踪，对主力、散户和市场之间的关系理解，能够很好地增加投资胜率。个人投资者将能够轻松使用大数据获得实证支持，降低交易风险，投资能力将大幅提升。大数据也让科技公司第一次有机会能够挑战传统的金融分析师，利用对各种数据的量化、重组和整合，提供不同的交易策略，让投资者能够科学的分析全球投资市场。
4.大数据在保险行业的应用
目前，国内保险行业的大数据应用主要集中在以下四个领域：
1）帮助保险公司减少赔付
赔付直接影响保险企业的利润，对于赔付的管理一直是险企的关注点。而赔付中的“异常值”（即超大额赔付）是赔付额的主要驱动因素之一。一家领先的美国保险集团通过结合内部、第三方和社交媒体数据进行早期异常值检测，用1.4亿个数据点构建预测模型，其中既包括了客户的个人数据（健康状况、人口特征、雇主信息等），也包括了集团的内部数据（过往的理赔信息和已经采取的医疗干预信息等），及时采取干预措施，使平均索赔费用下降了20%。同时，借助大数据手段，险企可以识别诈骗规律，显著提升反欺诈的准确性与及时性。
2）提高保险公司的差异化定价水平
对保费的定义是基于对一个群体的风险判断，而大数据无疑为这样的风险判断带来了前所未有的创新。一家澳大利亚保险公司通过分析客户的购物数据来预测驾驶风险。分析显示，饮用大量牛奶并食用大量红肉的客户具有较低的驾驶风险，而食用大量意大利面和米饭并在夜间开车和饮酒的客户则是高风险人群。
3）大数据的应用可以精细化营销
以淘宝运费退货险为例。据统计，淘宝用户运费险索赔率在50%以上，该产品对保险公司带来的利润只有5%左右，然而依然有众多保险公司有意愿提供该服务。实际上，客户购买运费险就意味着保险公司获得该客户的个人信息，包括手机号、家庭住址、银行账户信息及产品购买信息等，基于这些数据保险公司能够最大限度实现精准推送。
4）解决现有的风险管理问题
通过大数据分析可以解决现有的风险管理问题。比如，通过智能监控装置搜集驾驶者的行车数据，通过社交媒体搜集驾驶者的行为数据，通过医疗系统搜集驾驶者的健康数据，以这些数据为出发点，如果一个人不经常开车，并且开车十分谨慎的话，那么他可以比大部分人节省30%~40%的保费，这将大大的提高保险的竞争力。
金融大数据的发展趋势
从历史的角度看金融业的演变，金融业一直是先进技术的应用者与推动者。每当社会出现重大技术进步时，金融一定会以某种特定的方式与之紧密结合。
未来，大数据的规模会越来越大，大数据经济价值会驱动大数据全产业链加速形成。据贵阳大数据交易所统计，2015年中国金融大数据应用市场规模达到16亿元，预计这一数字在2020年将突破1300亿元，金融行业有望进入大数据的快车道时代。
1.大数据有助于实现金融信息的可视化
如何将大数据中结构化数据与非机构化数据并行的海量信息从纷繁复杂的数据当中提炼出有效数据，并且用合适的方式展示出来，更有效的帮助我们做研究、做经济决策是很多金融机构极为需求的。
另外，当下大部分的分析工作还是基于传统的柱状图、饼状图等最多只能从三个维度进行管理和判断的二维数据模型，完全满足不了多维度、复杂关系的数据模型需求。
而且，金融的两端无法相互站在对方的角度思考问题，所以很多产品一上市就遭到失败。金融要良性循环，双方必须站在对方角度思考问题和重新定义价值模型。
由于资源有限不能完全靠自己开发，于是各种类型的专业可视化金融服务提供商将纷纷出现，为金融行业提供可视化解决方案。金融可视化是利用数学算法、网路技术、数据挖掘、计算机文本语言识别技术等一系列前沿科技综合开发的信息动态集成显示成果。一个优秀的金融可视化解决方案应该包括数据搜集整合系统、基于经济管理的程序开放系统、基于图表显示技术的通信信息系统。
可视化金融未来三个方向的应用场景：
一是建立在企业交易与财务数据基础上，综合内外部大数据信息的信息集成平台；
二是基于全市场信息和个人财务数据的财富管理平台；
三是国家和区域宏观层面的风控管理平台。
未来，一个企业的经理，只要坐在办公桌前就可以看到企业生产经营的各项数据，轻轻点击鼠标就可以看到利润的构成及成本的变化原因，此经理只需要专心进行决策。作为一个银行家，可以看看外汇市场与资金流动时显示的屏幕，就可做出重要目标投资决策，这些都可以通过大数据来实现。
金融大数据可视化应用系统可满足金融机构连续运营的从总部到各分支机构的业务需求，可实时监测设备和业务的运行情况和工作效能，及时响应、快速应对。金融大数据可视化应用系统不但可以使金融机构的多个终端设备的视频信号、RGB信号、网络信号在同一大屏上实时显示，而且可在大屏幕上查看从服务器到设备再到工作人员的运行状态，以及各种日常监控数据。通过屏幕显示效果，更方便用户集中管理，尤其是在全球化下内外资金、资源的流动与并行处理。系统还可以通过网络视频流，实现多地的实时信息共生、共享、同步并行处理，减少设备故障率，降低资源浪费，检测金融信息流、资金流和物流运行，为金融机构的综合运营管理和业务操作提供全方位支撑，增强金融服务效能。
金融信息可视化将成为经济分析、管理决策、绩效评价等工作的必备工具，它将始终贯穿于金融活动的全过程。可视化金融服务必然会悄无声息地深入到每一个企业和金融应用场景当中，毕竟所有企业都离不开货币资金的运转，都需要特定的大数据可视化解决方案来提高资金运行效率。可视化金融的发展重点必然围绕着金融行业展开，在复杂多样化的金融业务板块和产品线中寻找出商业机遇，大大提高金融体系的效率。
2.大数据使未来金融更加智慧引导未来金融向个性化、定制化发展
智慧金融有两个核心点，“一是数据，二是技术”，无论是信用评估还是反欺诈等，核心的思想都是通过数据得出更多以前没有得到的结果，而随着数据的越来越多，维度与频度变多，技术也会发生改变。大数据融入到传统的消费金融审核当中，运用客户行为信息、申请信息、征信信息和互联网大数据进行交叉验证和数据建模，对客户进行更加精准和立体的画像，有效的锁定目标客户群体，避免潜在的欺诈和逾期风险。
在提供借款服务之后，还可以根据客户的还款信息，结合外部大数据对客户再次进行数据建模和画像，对于可能产生逾期的客户发送短信或微信进行提醒。对于初次逾期或逾期天数不多的客户，挖掘客户逾期的具体原因，帮助客户找到更好的解决方法，保护他们的信用记录。
利用大数据可以搜索影响金融资产变化的大量信息，通过人工智能学习进行分析，让普通投资者也可以享受到与专业机构一样的投资分析信息。基于大数据开展的增值服务是金融信息资讯平台未来的主要盈利方式，依托大数据，信息门户可以对用户搜索、消费习惯进行有效记录和智能分析，向用户智能推送其所需的金融服务，通过精准匹配降低用户搜寻成本，扩大金融产品交易规模；根据大量用户信息可以分析出客户的金融需求变化和倾向，满足金融消费者个性定制化金融需求。
3.大数据与物联网技术融合促进金融行业发展
物联网的发展，可实现世界数字化，实现所有物品的网络化和数字化，金融信息化的发展，也使金融服务与资金流数字化，数字化的金融与数字化的物品有机集成与整合，可以使物联网中物品的物品属性与价值属性有机融合，实现物联网金融服务。
金融服务业正在物联网大数据应用方面努力着。物联网大数据在许多行业应用中已经实践(电信，零售，制造业)，这些行业驱动了物联网的大数据需求并处于垄断地位。对于银行来说物联网大数据能够用在ATM或者移动银行业务中。例如，实时、多渠道的商业行为可以使用物联网大数据对银行零售客户在正确的时间点提供适时的报价。或许我们反过来想想，金融公司可以将自己的服务内嵌植入到用户的某种设备或者其他和客户接触的点上，不在那些交易设施上，而是在家。
生活在大数据时代，大数据与物联网的结合对金融的影响极为深远，将重塑金融行为模式和存在形态。大数据使得物联网金融更加多维度、更加动态、更加丰富。以前，数据是根据企业的财务报表分析整理的，电商数据虽然丰富但也只能是商户的平台交易数据，而与物联网技术结合后能真正深入到实体经济中，让企业的产品质量与数量、物流仓储信息、成本信息、销售信息等汇集成综合信息流。
对于银行，将来银行贷款可能无需抵押物，银行可以根据物联网大数据掌握企业商品的全面信息，个人信用曲线受到计算机的实时监测，银行的放贷效率将提升到前所未有的高度，并且成本更低。
对于电商金融，可以根据物联网大数据实现客户和商品双向信息交互，商品成为厂家的主要信息来源渠道，可以记录用户的喜爱偏好与个性化定制需求，客户可以看到商品的来源和质量情况，以此为基础开展的电商金融将有更好的发展空间。
对于保险行业，即使投保人不和保险公司见面，只要把物联网传感器上收集的信息发送给公司，公司就可以通过大数据分析对保险标的进行精准的风险定价，因为那个时候你的身边无处不在的是传感器的信息流。在人寿保险中，可以在人身上安放可穿戴设备，随时监测人身体健康变化获取生命的动态大数据。
4.大数据应用于高频金融交易中
高频交易是利用证券市场极短时间存在的买卖价差或者套利空间进行的大额、快速交易。
高频金融交易的主要特点是实时性要求高和数据规模大，沪深两市每天4小时的交易时间内可以产生至少3亿条逐笔成交数据，随着时间的积累这些成交数据的规模将相当可观。区别于传统的日志数据，这些成交数据在金融分析与应用领域有相当高的分析价值，投资机构或其他带有投资性质的企事业单位，可以据此判断市场热点及投资人信心，为高层决策及蓝图规划提供基于数据的科学支持；金融研究机构通过对历史和实时数据进行挖掘，可以创造和改进数量化交易模型，并将之应用在基于计算机模型的实时证券交易过程中。
5.未来大数据技术能够为更多企业提供跨界做金融的机会
大数据金融通过海量的数据搜集、分析提供了对单个客户的信用信息、消费倾向、理财习惯进行系统性分析的可能，有效地减少了信息的不对称的问题，大幅度提高了金融风险定价的效率，在此基础上为很多企业提供了跨界进入金融领域的机会。未来O2O模式，即线上、线下融合的模式将成为主流。将线下的实体环境与互联网线上平台结合，实现线下体验，线上交易；线下管理、线上创新；线下风险控制、线上服务等多种组合模式。而这些都离不开大数据的支持。
在互联网企业，只要能够通过大数据掌握客户数据信息，几乎都在试图涉足金融业务。所谓无数据不金融，BAT是这一理论践行的最典型代表，它们本是互联网企业却都开发出了自己的系列金融产品，并依靠大数据不断发展：百度有贴吧信用卡、百度金融平台、百度钱包；阿里有蚂蚁金服、支付宝、余额宝；腾讯有财付通、微信支付、佣金宝。
实际上，阿里巴巴从2007年开始就利用数据的积累与银行合作，为平台上的商户获得信用贷款提供支持，阿里先是与建设银行合作推出企业信用贷款服务，后来，以自己生态系统里的复杂关系产生数据为基础自己成立小额信贷公司发放贷款，并利用大数据风险控制技术来授信。据调查的数据，仅在2014年上半年，阿里小贷所发放的贷款总额就超过2000亿，户均贷款余额和户均授信分别为4万元和18万元。
在未来，金融必将是数据驱动型的金融，大数据技术的广泛应用，对我国金融生态和金融格局必然会产生深刻的影响，大数据时代催生了众多新的金融服务模式，必将大大推动我国金融行业的发展，金融行业一定要紧抓时代机遇，拥抱大数据时代的金融创新与变革。
国务院颁布的《推进普惠金融发展规划（2016-2020年）》中更是直接提到“鼓励金融机构运用大数据、云计算等新兴信息技术，打造互联网金融服务平台。”国内外各金融与类金融机构、互联网金融企业纷纷开始探索大数据的应用，希望大数据可以带来技术上的突破，实现自动化、着手升级现有风控模型体系、探索新型态基于场景化的消费金融市场、提升催收效率、建设互联网深层次大面积获客能力，从而彻底提升国家金融行业的国际竞争力。
金融大数据应用分析
未来将迎来一个大数据浪潮。随着互联网特别是移动互联网的爆发式增长，全球数据量以几何级数增加。现在全世界新产生的数据量每年增加40%，每两年数据翻一番。2012年、2013年产生数据量总和是人类有历史以来到2011年产生数据量的总和，两年的数据量等于一万年的总和，这个数据规模为1.8ZB。IBM预测，2020年，全球数据总量会达到35ZB，是2000年之前总和的50倍、目前数据总量的8倍。
1.大数据在金融监管机构中的应用
我国的金融行业正处于应用大数据的初级阶段，国内的金融机构经过多年发展与积累，拥有超过百TB的海量数据，而且非结构化的数据量也在不断增长。金融机构在大数据应用方面具有天然优势：首先，金融企业在平时的业务开展中积累了大量高价值的数据，例如客户的身份、资金收付交易、资产负债情况等，这些数据经过专业技术挖掘和分析之后，将产生巨大的商业价值；其次，金融机构相比之下有较为充足的预算，可以吸引到了解大数据技术的高端人才，也有能力采用大数据的最新技术。
但是，在许多具体金融业务层面，我国还是存在管的过严、管的过宽、管的过细的问题，甚至管了很多不该管的事情。这种情况极大地阻碍了金融市场化改革的进程，制约了金融机构的自主发展，削弱了金融市场化配置社会资源的能力。
1）大数据助力金融机构的战略转型
在宏观经济结构调整和利率逐步市场化的大环境下，目前国内的金融机构主要表现出盈利空间收窄、业务定位亟待调整、核心负债流失等问题。业务转型的关键在于创新，但现阶段我国金融机构的创新往往沦为监管套利，没有以挖掘客户内在需求，提供更有价值的服务为主。而大数据技术正是能够帮助金融机构深入挖掘既有数据，找准市场定位，明确资源配置方向，推动业务创新的重要工作。
此外，大数据及智能技术的逐渐成熟将会重塑未来金融监管的方式。以非法集资为例，在互联网时代不法分子利用网络的虚拟性、广泛传播性等特点，通过承诺高收益来吸引广大投资者。近年来由于经济形势下行，非法集资案件频发，对金融秩序和居民的合法权益造成较大的影响。
利用大数据建立非法集资监测预警平台就为打击非法集资提供了有力工具，可以提高金融监管的效率和准确性。非法集资预警平台的设计包括两个子平台：一是对正规金融产品登记的前台，通过对网站销售的金融产品的信息进行登记，做好数据收集工作。产品登记、信息披露、资金托管是互联网金融三大监管措施，金融机构将产品的属地名称、属地编号、发行日期、机构编号、产品编号等信息在平台上进行登记、备案。二是发现非法集资线索的后台，用来打击违法犯罪，守住底线。前台提供信息给消费者，后台打击非法集资。基本建设思路为：利用互联网搜集信息，运用大数据挖掘、云计算技术，通过两次比对、一次干预、最后确认的一系列步骤，实现对疑似非法集资的企业进行不同级别的处置应对。
2）大数据能够降低金融机构的管理和运行成本
通过大数据对信息的挖掘和分析，金融机构能够准确地定位内部的管理缺陷，制订有针对性的改进措施，实行符合自身特点的管理模式，最终实现降低管理运营成本。大数据还提供了全新的沟通渠道和营销手段，可以更好的了解客户的消费习惯和行为特征，及时、准确地把握市场营销行情。
3）大数据有助于降低信息不对称程度，增强风险控制能力
金融机构可以摒弃原来过度依靠客户提供财务报表获取企业信息的业务方式，转而对其资产价格、账务流水、相关业务活动等流动性数据进行动态和全程的监控分析，从而有效提升客户信息透明度。目前，花旗、富国、UBS等先进银行已经能够基于大数据，整合客户的资产负债、交易支付、流动性状况、纳税和信用记录等，对客户行为进行360度评价，计算动态违约概率和损失率，提高贷款决策的可靠性。
2.大数据在银行业中的应用
从数据贡献度上看，银行是金融数据的重要贡献机构和使用机构。截至2015年第四季度末，全国共开立人民币银行结算账户73.7亿户，环比增长3.15%；个人银行结算账户73.25亿户，占银行结算账户的99.4%，环比增长3.15%；单位银行账户4439.03万户，环比增长2.43%，其中基本存款账户增加89.55万户，一般存款账户增加10.91万户，专用存款账户增加5.10万户，临时存款账户减少0.07万户。全国共发生银行卡交易3343.2亿笔，金额178.14万亿。其中，涉及互联网金融的网上支付发生106.37亿笔，同比增长25.21%；移动支付56.33亿笔，同比增长244.74%（数据来源：九次方大数据）。
中国银行业大数据应用主要集中在客户营销、产品创新、风险控制和运营优化四个领域。比如光大银行研发的“阳光理财”资产配置平台（APP），分析客户需求并设计与之匹配的资产配置方案以支持营销；民生银行通过大数据分析定义营销举措并防止客户流失；招商银行利用大数据发展小微贷款。总的来看，银行大数据的应用可以分为如下三个方面：
图表2银行业大数据应用
1）帮助银行控制信贷风险
在传统方法中，银行对企业客户的违约风险评估多是基于过往的营业数据和信用信息，这种方式的最大弊端就是缺少前瞻性，因为影响企业违约的重要因素并不仅仅只是企业自身的经营状况，还包括行业的整体发展状况，而大数据手段的介入使信贷风险评估更趋近于事实。西班牙一家大型银行正是利用大数据来为企业客户提供全面深入的信用风险分析。该行首先识别出影响行业发展的主要因素，然后对这些因素进行模拟，以测试各种事件对其客户业务发展的潜在影响，并综合评判每个企业客户的违约风险。这样的做法不仅成本低，而且对风险评估的速度快，同时显著提升了评估的准确性。
2）大数据能够提升银行的中间收入
如今，坐拥海量数据的银行不再局限于使用数据服务其核心业务，把数据直接变成新产品并用来创造直接收入是新的中间收入拓展渠道。澳大利亚一家大型银行通过支付数据的分析了解零售客户“消费路径”，即客户进行日常消费时的典型顺序，包括客户的购物地点、购买内容和购物顺序，并对其中的关联进行分析。该银行将这些分析结果销售给公司客户，帮助客户更准确地判断合适的产品广告投放地点以及适合在该地点进行推广的产品。银行通过这种方式获得了传统业务之外的收入。更重要的是，银行通过这样的创新为客户提供了增值服务，从而大大增强了客户粘性。
3）使零售银行业务差异化产品设计更加丰富
在零售银行业务中，大数据为判断客户行为并匹配营销手段提供了广阔的创新空间。例如，海外银行围绕客户的“人生大事”进行交叉销售。这些银行对客户的交易数据进行分析，由此推算出客户经历“人生大事”的大致节点。人生中的这些重要时刻往往能够激发客户对高价值金融产品的购买意愿。通过对客户的银行卡交易数据进行分析，银行很容易识别出即将添丁的家庭，在这样的家庭中，准妈妈会开始购买某些药品，而婴儿相关产品的消费会不断出现。该行面向这一人群推出定制化的营销活动，获得了客户的积极响应，这种具有差异化的产品设计可以大幅提高交叉销售的成功率。
3.大数据在证券业中的应用
现代证券行业具有资本密集、信息密集、智力密集和技术密集的特点，大数据时代使得数据信息不仅在量上大大增加了，在数据的产生、传播、内容、速度、形式等方面都更加多样、复杂，越来越呈现出细节化、多维化、立体化的特点，对业务发展的影响也越来越大。
目前，国内外证券业的大数据应用主要有以下三个方向：
图表3证券业大数据应用
1）大数据可以提升证券业的个性化服务水平
证券行业作为综合类金融服务产品的提供者，在大数据的背景下，将有能力快速搜集高质量的信息，以设计出更符合客户需求的产品组合，并且可以根据客户偏好的改变及时调整。同时由于中介服务的竞争逐渐同质化，争夺的焦点将来必然落在价格上。如果标准化同质服务不再能够给券商带来正常利润，那么券商必须转变经营思路，将通道业务转变成包含增值服务的金融服务。
大数据能够通过对客户消费行为模式进行分析，提高客户转化率，开发出个性化的产品以满足不同客户的需求。越来越多的证券公司开始采用数据驱动的方法，通过一系列信息的收集、存储、管理和分析，给客户提供更好的决策，充分体现了以客户为中心的服务理念。
2）大数据能够帮助证券公司避免客户的流失
依据客户历史交易行为和流失情况创建大数据分析模型，预测客户流失的概率。比如海通证券自主开发的“给予数据挖掘算法的证券客户行为特征分析技术”主要应用在客户深度画像以及基于画像的用户流失概率预测，通过对海通100多万样本客户、半年交易记录的海量信息分析，建立了客户分类、客户偏好、客户流失概率等模型。该项技术最大初衷是希望通过客户行为的量化分析，来测算客户将来可能流失的概率。
3）大数据在量化投资方面的应用
量化投资策略在欧美发达国家的金融市场已经相对成熟，由于收益巨大，是大数据最早应用的领域。证券业已经进入了一个大数据信息时代，证券的数据模型越来越复杂多样，数据的总量和种类都有着重大的突破。大数据在处理证券数据时，通过对主力和散户的行为、轨迹分析，对主力资金和散户资金的去向追踪，对主力、散户和市场之间的关系理解，能够很好地增加投资胜率。个人投资者将能够轻松使用大数据获得实证支持，降低交易风险，投资能力将大幅提升。大数据也让科技公司第一次有机会能够挑战传统的金融分析师，利用对各种数据的量化、重组和整合，提供不同的交易策略，让投资者能够科学的分析全球投资市场。
4.大数据在保险行业的应用
目前，国内保险行业的大数据应用主要集中在以下四个领域：
图表4保险业大数据应用
1）帮助保险公司减少赔付
赔付直接影响保险企业的利润，对于赔付的管理一直是险企的关注点。而赔付中的“异常值”（即超大额赔付）是赔付额的主要驱动因素之一。一家领先的美国保险集团通过结合内部、第三方和社交媒体数据进行早期异常值检测，用1.4亿个数据点构建预测模型，其中既包括了客户的个人数据（健康状况、人口特征、雇主信息等），也包括了集团的内部数据（过往的理赔信息和已经采取的医疗干预信息等），及时采取干预措施，使平均索赔费用下降了20%。同时，借助大数据手段，险企可以识别诈骗规律，显著提升反欺诈的准确性与及时性。
2）提高保险公司的差异化定价水平
对保费的定义是基于对一个群体的风险判断，而大数据无疑为这样的风险判断带来了前所未有的创新。一家澳大利亚保险公司通过分析客户的购物数据来预测驾驶风险。分析显示，饮用大量牛奶并食用大量红肉的客户具有较低的驾驶风险，而食用大量意大利面和米饭并在夜间开车和饮酒的客户则是高风险人群。
3）大数据的应用可以精细化营销
以淘宝运费退货险为例。据统计，淘宝用户运费险索赔率在50%以上，该产品对保险公司带来的利润只有5%左右，然而依然有众多保险公司有意愿提供该服务。实际上，客户购买运费险就意味着保险公司获得该客户的个人信息，包括手机号、家庭住址、银行账户信息及产品购买信息等，基于这些数据保险公司能够最大限度实现精准推送。
4）解决现有的风险管理问题
通过大数据分析可以解决现有的风险管理问题。比如，通过智能监控装置搜集驾驶者的行车数据，通过社交媒体搜集驾驶者的行为数据，通过医疗系统搜集驾驶者的健康数据，以这些数据为出发点，如果一个人不经常开车，并且开车十分谨慎的话，那么他可以比大部分人节省30%~40%的保费，这将大大的提高保险的竞争力。
金融大数据的发展趋势
从历史的角度看金融业的演变，金融业一直是先进技术的应用者与推动者。每当社会出现重大技术进步时，金融一定会以某种特定的方式与之紧密结合。
未来，大数据的规模会越来越大，大数据经济价值会驱动大数据全产业链加速形成。据贵阳大数据交易所统计，2015年中国金融大数据应用市场规模达到16亿元，预计这一数字在2020年将突破1300亿元，金融行业有望进入大数据的快车道时代。
图表52014-2020年中国金融大数据应用市场规模及增长率
1.大数据有助于实现金融信息的可视化
如何将大数据中结构化数据与非机构化数据并行的海量信息从纷繁复杂的数据当中提炼出有效数据，并且用合适的方式展示出来，更有效的帮助我们做研究、做经济决策是很多金融机构极为需求的。
另外，当下大部分的分析工作还是基于传统的柱状图、饼状图等最多只能从三个维度进行管理和判断的二维数据模型，完全满足不了多维度、复杂关系的数据模型需求。
而且，金融的两端无法相互站在对方的角度思考问题，所以很多产品一上市就遭到失败。金融要良性循环，双方必须站在对方角度思考问题和重新定义价值模型。
由于资源有限不能完全靠自己开发，于是各种类型的专业可视化金融服务提供商将纷纷出现，为金融行业提供可视化解决方案。金融可视化是利用数学算法、网路技术、数据挖掘、计算机文本语言识别技术等一系列前沿科技综合开发的信息动态集成显示成果。一个优秀的金融可视化解决方案应该包括数据搜集整合系统、基于经济管理的程序开放系统、基于图表显示技术的通信信息系统。
可视化金融未来三个方向的应用场景：
一是建立在企业交易与财务数据基础上，综合内外部大数据信息的信息集成平台；
二是基于全市场信息和个人财务数据的财富管理平台；
三是国家和区域宏观层面的风控管理平台。
未来，一个企业的经理，只要坐在办公桌前就可以看到企业生产经营的各项数据，轻轻点击鼠标就可以看到利润的构成及成本的变化原因，此经理只需要专心进行决策。作为一个银行家，可以看看外汇市场与资金流动时显示的屏幕，就可做出重要目标投资决策，这些都可以通过大数据来实现。
金融大数据可视化应用系统可满足金融机构连续运营的从总部到各分支机构的业务需求，可实时监测设备和业务的运行情况和工作效能，及时响应、快速应对。金融大数据可视化应用系统不但可以使金融机构的多个终端设备的视频信号、RGB信号、网络信号在同一大屏上实时显示，而且可在大屏幕上查看从服务器到设备再到工作人员的运行状态，以及各种日常监控数据。通过屏幕显示效果，更方便用户集中管理，尤其是在全球化下内外资金、资源的流动与并行处理。系统还可以通过网络视频流，实现多地的实时信息共生、共享、同步并行处理，减少设备故障率，降低资源浪费，检测金融信息流、资金流和物流运行，为金融机构的综合运营管理和业务操作提供全方位支撑，增强金融服务效能。
金融信息可视化将成为经济分析、管理决策、绩效评价等工作的必备工具，它将始终贯穿于金融活动的全过程。可视化金融服务必然会悄无声息地深入到每一个企业和金融应用场景当中，毕竟所有企业都离不开货币资金的运转，都需要特定的大数据可视化解决方案来提高资金运行效率。可视化金融的发展重点必然围绕着金融行业展开，在复杂多样化的金融业务板块和产品线中寻找出商业机遇，大大提高金融体系的效率。
2.大数据使未来金融更加智慧引导未来金融向个性化、定制化发展
智慧金融有两个核心点，“一是数据，二是技术”，无论是信用评估还是反欺诈等，核心的思想都是通过数据得出更多以前没有得到的结果，而随着数据的越来越多，维度与频度变多，技术也会发生改变。大数据融入到传统的消费金融审核当中，运用客户行为信息、申请信息、征信信息和互联网大数据进行交叉验证和数据建模，对客户进行更加精准和立体的画像，有效的锁定目标客户群体，避免潜在的欺诈和逾期风险。
在提供借款服务之后，还可以根据客户的还款信息，结合外部大数据对客户再次进行数据建模和画像，对于可能产生逾期的客户发送短信或微信进行提醒。对于初次逾期或逾期天数不多的客户，挖掘客户逾期的具体原因，帮助客户找到更好的解决方法，保护他们的信用记录。
利用大数据可以搜索影响金融资产变化的大量信息，通过人工智能学习进行分析，让普通投资者也可以享受到与专业机构一样的投资分析信息。基于大数据开展的增值服务是金融信息资讯平台未来的主要盈利方式，依托大数据，信息门户可以对用户搜索、消费习惯进行有效记录和智能分析，向用户智能推送其所需的金融服务，通过精准匹配降低用户搜寻成本，扩大金融产品交易规模；根据大量用户信息可以分析出客户的金融需求变化和倾向，满足金融消费者个性定制化金融需求。
3.大数据与物联网技术融合促进金融行业发展
物联网的发展，可实现世界数字化，实现所有物品的网络化和数字化，金融信息化的发展，也使金融服务与资金流数字化，数字化的金融与数字化的物品有机集成与整合，可以使物联网中物品的物品属性与价值属性有机融合，实现物联网金融服务。
生活在大数据时代，大数据与物联网的结合对金融的影响极为深远，将重塑金融行为模式和存在形态。大数据使得物联网金融更加多维度、更加动态、更加丰富。以前，数据是根据企业的财务报表分析整理的，电商数据虽然丰富但也只能是商户的平台交易数据，而与物联网技术结合后能真正深入到实体经济中，让企业的产品质量与数量、物流仓储信息、成本信息、销售信息等汇集成综合信息流。
对于银行，将来银行贷款可能无需抵押物，银行可以根据物联网大数据掌握企业商品的全面信息，个人信用曲线受到计算机的实时监测，银行的放贷效率将提升到前所未有的高度，并且成本更低。
对于电商金融，可以根据物联网大数据实现客户和商品双向信息交互，商品成为厂家的主要信息来源渠道，可以记录用户的喜爱偏好与个性化定制需求，客户可以看到商品的来源和质量情况，以此为基础开展的电商金融将有更好的发展空间。
对于保险行业，即使投保人不和保险公司见面，只要把物联网传感器上收集的信息发送给公司，公司就可以通过大数据分析对保险标的进行精准的风险定价，因为那个时候你的身边无处不在的是传感器的信息流。在人寿保险中，可以在人身上安放可穿戴设备，随时监测人身体健康变化获取生命的动态大数据。
4.大数据应用于高频金融交易中
高频交易是利用证券市场极短时间存在的买卖价差或者套利空间进行的大额、快速交易。
高频金融交易的主要特点是实时性要求高和数据规模大，沪深两市每天4小时的交易时间内可以产生至少3亿条逐笔成交数据，随着时间的积累这些成交数据的规模将相当可观。区别于传统的日志数据，这些成交数据在金融分析与应用领域有相当高的分析价值，投资机构或其他带有投资性质的企事业单位，可以据此判断市场热点及投资人信心，为高层决策及蓝图规划提供基于数据的科学支持；金融研究机构通过对历史和实时数据进行挖掘，可以创造和改进数量化交易模型，并将之应用在基于计算机模型的实时证券交易过程中。
5.未来大数据技术能够为更多企业提供跨界做金融的机会
大数据金融通过海量的数据搜集、分析提供了对单个客户的信用信息、消费倾向、理财习惯进行系统性分析的可能，有效地减少了信息的不对称的问题，大幅度提高了金融风险定价的效率，在此基础上为很多企业提供了跨界进入金融领域的机会。未来O2O模式，即线上、线下融合的模式将成为主流。将线下的实体环境与互联网线上平台结合，实现线下体验，线上交易；线下管理、线上创新；线下风险控制、线上服务等多种组合模式。而这些都离不开大数据的支持。
在互联网企业，只要能够通过大数据掌握客户数据信息，几乎都在试图涉足金融业务。所谓无数据不金融，BAT是这一理论践行的最典型代表，它们本是互联网企业却都开发出了自己的系列金融产品，并依靠大数据不断发展：百度有贴吧信用卡、百度金融平台、百度钱包；阿里有蚂蚁金服、支付宝、余额宝；腾讯有财付通、微信支付、佣金宝。
实际上，阿里巴巴从2007年开始就利用数据的积累与银行合作，为平台上的商户获得信用贷款提供支持，阿里先是与建设银行合作推出企业信用贷款服务，后来，以自己生态系统里的复杂关系产生数据为基础自己成立小额信贷公司发放贷款，并利用大数据风险控制技术来授信。据调查的数据，仅在2014年上半年，阿里小贷所发放的贷款总额就超过2000亿，户均贷款余额和户均授信分别为4万元和18万元。
在未来，金融必将是数据驱动型的金融，大数据技术的广泛应用，对我国金融生态和金融格局必然会产生深刻的影响，大数据时代催生了众多新的金融服务模式，必将大大推动我国金融行业的发展，金融行业一定要紧抓时代机遇，拥抱大数据时代的金融创新与变革。
