金融大數據行業應用及發展全洞察

摘要： 在中國經濟走向新常態的轉型中，在中國經濟成為全球第二大經濟體的發展中，在中國金融業向支持實體經濟、創新驅動的轉換中，大數據在金融領域的應用，成為中國金融業的新增長點和新亮點。

在中國經濟走向新常態的轉型中，在中國經濟成為全球第二大經濟體的發展中，在中國金融業向支持實體經濟、創新驅動的轉換中，大數據在金融領域的應用，成為中國金融業的新增長點和新亮點。大數據能夠充分利用金融市場形成的海量數據來挖掘用戶需求、評價用戶信用、管理融資風險等。它改變了金融業的發展取向、釋放了被壓抑的金融需求，一開始就具有強大的生命力。

國務院頒布的《推進普惠金融發展規劃(2016-2020年)》中更是直接提到“鼓勵金融機構運用大數據、雲計算等新興信息技術，打造互聯網金融服務平台。”國內外各金融與類金融機構、互聯網金融企業紛紛開始探索大數據的應用，希望大數據可以帶來技術上的突破，實現自動化、著手升級現有風控模型體系、探索新型態基於場景化的消費金融市場、提升催收效率、建設互聯網深層次大面積獲客能力，從而徹底提升國家金融行業的國際競爭力。

大數據時代的三個重要趨勢是：數據成為資產、行業垂直整合、泛互聯網化(即技術與行業的跨界穿越與顛覆式發展)。大數據金融的作用機制是通過雲計算等智能信息工具對序列之間的聯繫、動態信息數據序列進行分析，大幅度提高金融風險定價的效率，降低定價成本，有效減少信息不對稱問題，使得對單個客戶的信用信息、消費傾向、理財習慣分析成為可能。

未來將迎來一個大數據浪潮。隨著互聯網特別是移動互聯網的爆發式增長，全球數據量以幾何級數增加。現在全世界新產生的數據量每年增加40%，每兩年數據翻一番。2012年、2013年產生數據量總和是人類有歷史以來到2011年產生數據量的總和，兩年的數據量等於一萬年的總和，這個數據規模為1.8ZB。IBM預測，2020年，全球數據總量會達到35ZB，是2000年之前總和的50倍、目前數據總量的8倍。

1. 大數據在金融監管機構中的應用

我國的金融行業正處於應用大數據的初級階段，國內的金融機構經過多年發展與積累，擁有超過百TB的海量數據，而且非結構化的數據量也在不斷增長。金融機構在大數據應用方面具有天然優勢：首先，金融企業在平時的業務開展中積累了大量高價值的數據，例如客戶的身份、資金收付交易、資產負債情況等，這些數據經過專業技術挖掘和分析之後，將產生巨大的商業價值;其次，金融機構相比之下有較為充足的預算，可以吸引到了解大數據技術的高端人才，也有能力採用大數據的最新技術。

但是，在許多具體金融業務層面，我國還是存在管的過嚴、管的過寬、管的過細的問題，甚至管了很多不該管的事情。這種情況極大地阻礙了金融市場化改革的進程，制約了金融機構的自主發展，削弱了金融市場化配置社會資源的能力。

1) 大數據助力金融機構的戰略轉型

在宏觀經濟結構調整和利率逐步市場化的大環境下，目前國內的金融機構主要表現出盈利空間收窄、業務定位亟待調整、核心負債流失等問題。業務轉型的關鍵在於創新，但現階段我國金融機構的創新往往淪為監管套利，沒有以挖掘客戶內在需求，提供更有價值的服務為主。而大數據技術正是能夠幫助金融機構深入挖掘既有數據，找准市場定位，明確資源配置方向，推動業務創新的重要工作。

此外，大數據及智能技術的逐漸成熟將會重塑未來金融監管的方式。以非法集資為例，在互聯網時代不法分子利用網絡的虛擬性、廣泛傳播性等特點，通過承諾高收益來吸引廣大投資者。近年來由於經濟形勢下行，非法集資案件頻發，對金融秩序和居民的合法權益造成較大的影響。

利用大數據建立非法集資監測預警平台就為打擊非法集資提供了有力工具，可以提高金融監管的效率和準確性。非法集資預警平台的設計包括兩個子平台：一是對正規金融產品登記的前台，通過對網站銷售的金融產品的信息進行登記，做好數據收集工作。產品登記、信息披露、資金託管是互聯網金融三大監管措施，金融機構將產品的屬地名稱、屬地編號、發行日期、機構編號、產品編號等信息在平台上進行登記、備案。二是發現非法集資線索的後台，用來打擊違法犯罪，守住底線。前台提供信息給消費者，後台打擊非法集資。基本建設思路為：利用互聯網蒐集信息，運用大數據挖掘、雲計算技術，通過兩次比對、一次干預、最後確認的一系列步驟，實現對疑似非法集資的企業進行不同級別的處置應對。

2) 大數據能夠降低金融機構的管理和運行成本

通過大數據對信息的挖掘和分析，金融機構能夠準確地定位內部的管理缺陷，制訂有針對性的改進措施，實行符合自身特點的管理模式，最終實現降低管理運營成本。大數據還提供了全新的溝通渠道和營銷手段，可以更好的了解客戶的消費習慣和行為特徵，及時、準確地把握市場營銷行情。

3) 大數據有助於降低信息不對稱程度，增強風險控制能力

金融機構可以摒棄原來過度依靠客戶提供財務報表獲取企業信息的業務方式，轉而對其資產價格、賬務流水、相關業務活動等流動性數據進行動態和全程的監控分析，從而有效提升客戶信息透明度。目前，花旗、富國、UBS等先進銀行已經能夠基於大數據，整合客戶的資產負債、交易支付、流動性狀況、納稅和信用記錄等，對客戶行為進行360度評價，計算動態違約概率和損失率，提高貸款決策的可靠性。

2. 大數據在銀行業中的應用

從數據貢獻度上看，銀行是金融數據的重要貢獻機構和使用機構。截至2015年第四季度末，全國共開立人民幣銀行結算賬戶73.7億戶，環比增長3.15%;個人銀行結算賬戶73.25億戶，佔銀行結算賬戶的99.4%，環比增長3.15%;單位銀行賬戶4439.03萬戶，環比增長2.43%，其中基本存款賬戶增加89.55萬戶，一般存款賬戶增加10.91萬戶，專用存款賬戶增加5.10萬戶，臨時存款賬戶減少0.07萬戶。全國共發生銀行卡交易3343.2億筆，金額178.14萬億。其中，涉及互聯網金融的網上支付發生106.37億筆，同比增長25.21%;移動支付56.33億筆，同比增長244.74%(數據來源：九次方大數據)。

中國銀行業大數據應用主要集中在客戶營銷、產品創新、風險控制和運營優化四個領域。比如光大銀行研發的“陽光理財”資產配置平台(APP)，分析客戶需求並設計與之匹配的資產配置方案以支持營銷;民生銀行通過大數據分析定義營銷舉措並防止客戶流失;招商銀行利用大數據發展小微貸款。總的來看，銀行大數據的應用可以分為如下三個方面：

1) 幫助銀行控制信貸風險

在傳統方法中，銀行對企業客戶的違約風險評估多是基於過往的營業數據和信用信息，這種方式的最大弊端就是缺少前瞻性，因為影響企業違約的重要因素並不僅僅只是企業自身的經營狀況，還包括行業的整體發展狀況，而大數據手段的介入使信貸風險評估更趨近於事實。西班牙一家大型銀行正是利用大數據來為企業客戶提供全面深入的信用風險分析。該行首先識別出影響行業發展的主要因素，然後對這些因素進行模擬，以測試各種事件對其客戶業務發展的潛在影響，並綜合評判每個企業客戶的違約風險。這樣的做法不僅成本低，而且對風險評估的速度快，同時顯著提升了評估的準確性。

2) 大數據能夠提升銀行的中間收入

如今，坐擁海量數據的銀行不再局限於使用數據服務其核心業務，把數據直接變成新產品並用來創造直接收入是新的中間收入拓展渠道。澳大利亞一家大型銀行通過支付數據的分析了解零售客戶“消費路徑”，即客戶進行日常消費時的典型順序，包括客戶的購物地點、購買內容和購物順序，並對其中的關聯進行分析。該銀行將這些分析結果銷售給公司客戶，幫助客戶更準確地判斷合適的產品廣告投放地點以及適合在該地點進行推廣的產品。銀行通過這種方式獲得了傳統業務之外的收入。更重要的是，銀行通過這樣的創新為客戶提供了增值服務，從而大大增強了客戶粘性。

3) 使零售銀行業務差異化產品設計更加豐富

在零售銀行業務中，大數據為判斷客戶行為並匹配營銷手段提供了廣闊的創新空間。例如，海外銀行圍繞客戶的“人生大事”進行交叉銷售。這些銀行對客戶的交易數據進行分析，由此推算出客戶經歷“人生大事”的大致節點。人生中的這些重要時刻往往能夠激發客戶對高價值金融產品的購買意願。通過對客戶的銀行卡交易數據進行分析，銀行很容易識別出即將添丁的家庭，在這樣的家庭中，準媽媽會開始購買某些藥品，而嬰兒相關產品的消費會不斷出現。該行面向這一人群推出定制化的營銷活動，獲得了客戶的積極響應，這種具有差異化的產品設計可以大幅提高交叉銷售的成功率。

3. 大數據在證券業中的應用

現代證券行業具有資本密集、信息密集、智力密集和技術密集的特點，大數據時代使得數據信息不僅在量上大大增加了，在數據的產生、傳播、內容、速度、形式等方面都更加多樣、複雜，越來越呈現出細節化、多維化、立體化的特點，對業務發展的影響也越來越大。

目前，國內外證券業的大數據應用主要有以下三個方向：

1) 大數據可以提升證券業的個性化服務水平

證券行業作為綜合類金融服務產品的提供者，在大數據的背景下，將有能力快速蒐集高質量的信息，以設計出更符合客戶需求的產品組合，並且可以根據客戶偏好的改變及時調整。同時由於中介服務的競爭逐漸同質化，爭奪的焦點將來必然落在價格上。如果標準化同質服務不再能夠給券商帶來正常利潤，那麼券商必須轉變經營思路，將通道業務轉變成包含增值服務的金融服務。

大數據能夠通過對客戶消費行為模式進行分析，提高客戶轉化率，開發出個性化的產品以滿足不同客戶的需求。越來越多的證券公司開始採用數據驅動的方法，通過一系列信息的收集、存儲、管理和分析，給客戶提供更好的決策，充分體現了以客戶為中心的服務理念。

2) 大數據能夠幫助證券公司避免客戶的流失

依據客戶歷史交易行為和流失情況創建大數據分析模型，預測客戶流失的概率。比如海通證券自主開發的“給予數據挖掘算法的證券客戶行為特徵分析技術”主要應用在客戶深度畫像以及基於畫像的用戶流失概率預測，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、客戶流失概率等模型。該項技術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。

3) 大數據在量化投資方面的應用

量化投資策略在歐美髮達國家的金融市場已經相對成熟，由於收益巨大，是大數據最早應用的領域。證券業已經進入了一個大數據信息時代，證券的數據模型越來越複雜多樣，數據的總量和種類都有著重大的突破。大數據在處理證券數據時，通過對主力和散戶的行為、軌跡分析，對主力資金和散戶資金的去向追踪，對主力、散戶和市場之間的關係理解，能夠很好地增加投資勝率。個人投資者將能夠輕鬆使用大數據獲得實證支持，降低交易風險，投資能力將大幅提升。大數據也讓科技公司第一次有機會能夠挑戰傳統的金融分析師，利用對各種數據的量化、重組和整合，提供不同的交易策略，讓投資者能夠科學的分析全球投資市場。

4. 大數據在保險行業的應用

目前，國內保險行業的大數據應用主要集中在以下四個領域：

1) 幫助保險公司減少賠付

賠付直接影響保險企業的利潤，對於賠付的管理一直是險企的關注點。而賠付中的“異常值”(即超大額賠付)是賠付額的主要驅動因素之一。一家領先的美國保險集團通過結合內部、第三方和社交媒體數據進行早期異常值檢測，用1.4億個數據點構建預測模型，其中既包括了客戶的個人數據(健康狀況、人口特徵、雇主信息等)，也包括了集團的內部數據(過往的理賠信息和已經採取的醫療干預信息等)，及時採取乾預措施，使平均索賠費用下降了20%。同時，借助大數據手段，險企可以識別詐騙規律，顯著提升反欺詐的準確性與及時性。

2) 提高保險公司的差異化定價水平

對保費的定義是基於對一個群體的風險判斷，而大數據無疑為這樣的風險判斷帶來了前所未有的創新。一家澳大利亞保險公司通過分析客戶的購物數據來預測駕駛風險。分析顯示，飲用大量牛奶並食用大量紅肉的客戶具有較低的駕駛風險，而食用大量意大利面和米飯並在夜間開車和飲酒的客戶則是高風險人群。

3) 大數據的應用可以精細化營銷

以淘寶運費退貨險為例。據統計，淘寶用戶運費險索賠率在50%以上，該產品對保險公司帶來的利潤只有5%左右，然而依然有眾多保險公司有意願提供該服務。實際上，客戶購買運費險就意味著保險公司獲得該客戶的個人信息，包括手機號、家庭住址、銀行賬戶信息及產品購買信息等，基於這些數據保險公司能夠最大限度實現精準推送。

4) 解決現有的風險管理問題

通過大數據分析可以解決現有的風險管理問題。比如，通過智能監控裝置蒐集駕駛者的行車數據，通過社交媒體蒐集駕駛者的行為數據，通過醫療系統蒐集駕駛者的健康數據，以這些數據為出發點，如果一個人不經常開車，並且開車十分謹慎的話，那麼他可以比大部分人節省30%~40%的保費，這將大大的提高保險的競爭力。

金融大數據的發展趨勢

從歷史的角度看金融業的演變，金融業一直是先進技術的應用者與推動者。每當社會出現重大技術進步時，金融一定會以某種特定的方式與之緊密結合。

未來，大數據的規模會越來越大，大數據經濟價值會驅動大數據全產業鏈加速形成。據貴陽大數據交易所統計，2015年中國金融大數據應用市場規模達到16億元，預計這一數字在2020年將突破1300億元，金融行業有望進入大數據的快車道時代。

1. 大數據有助於實現金融信息的可視化

如何將大數據中結構化數據與非機構化數據並行的海量信息從紛繁複雜的數據當中提煉出有效數據，並且用合適的方式展示出來，更有效的幫助我們做研究、做經濟決策是很多金融機構極為需求的。

另外，當下大部分的分析工作還是基於傳統的柱狀圖、餅狀圖等最多只能從三個維度進行管理和判斷的二維數據模型，完全滿足不了多維度、複雜關係的數據模型需求。

而且，金融的兩端無法相互站在對方的角度思考問題，所以很多產品一上市就遭到失敗。金融要良性循環，雙方必須站在對方角度思考問題和重新定義價值模型。

由於資源有限不能完全靠自己開發，於是各種類型的專業可視化金融服務提供商將紛紛出現，為金融行業提供可視化解決方案。金融可視化是利用數學算法、網路技術、數據挖掘、計算機文本語言識別技術等一系列前沿科技綜合開發的信息動態集成顯示成果。一個優秀的金融可視化解決方案應該包括數據蒐集整合系統、基於經濟管理的程序開放系統、基於圖表顯示技術的通信信息系統。

可視化金融未來三個方向的應用場景：

一是建立在企業交易與財務數據基礎上，綜合內外部大數據信息的信息集成平台;

二是基於全市場信息和個人財務數據的財富管理平台;

三是國家和區域宏觀層面的風控管理平台。

未來，一個企業的經理，只要坐在辦公桌前就可以看到企業生產經營的各項數據，輕輕點擊鼠標就可以看到利潤的構成及成本的變化原因，此經理只需要專心進行決策。作為一個銀行家，可以看看外匯市場與資金流動時顯示的屏幕，就可做出重要目標投資決策，這些都可以通過大數據來實現。

金融大數據可視化應用系統可滿足金融機構連續運營的從總部到各分支機構的業務需求，可實時監測設備和業務的運行情況和工作效能，及時響應、快速應對。金融大數據可視化應用系統不但可以使金融機構的多個終端設備的視頻信號、RGB信號、網絡信號在同一大屏上實時顯示，而且可在大屏幕上查看從服務器到設備再到工作人員的運行狀態，以及各種日常監控數據。通過屏幕顯示效果，更方便用戶集中管理，尤其是在全球化下內外資金、資源的流動與並行處理。系統還可以通過網絡視頻流，實現多地的實時信息共生、共享、同步並行處理，減少設備故障率，降低資源浪費，檢測金融信息流、資金流和物流運行，為金融機構的綜合運營管理和業務操作提供全方位支撐，增強金融服務效能。

金融信息可視化將成為經濟分析、管理決策、績效評價等工作的必備工具，它將始終貫穿於金融活動的全過程。可視化金融服務必然會悄無聲息地深入到每一個企業和金融應用場景當中，畢竟所有企業都離不開貨幣資金的運轉，都需要特定的大數據可視化解決方案來提高資金運行效率。可視化金融的發展重點必然圍繞著金融行業展開，在復雜多樣化的金融業務板塊和產品線中尋找出商業機遇，大大提高金融體系的效率。

2. 大數據使未來金融更加智慧引導未來金融向個性化、定制化發展

智慧金融有兩個核心點，“一是數據，二是技術”，無論是信用評估還是反欺詐等，核心的思想都是通過數據得出更多以前沒有得到的結果，而隨著數據的越來越多，維度與頻度變多，技術也會發生改變。大數據融入到傳統的消費金融審核當中，運用客戶行為信息、申請信息、徵信信息和互聯網大數據進行交叉驗證和數據建模，對客戶進行更加精準和立體的畫像，有效的鎖定目標客戶群體，避免潛在的欺詐和逾期風險。

在提供借款服務之後，還可以根據客戶的還款信息，結合外部大數據對客戶再次進行數據建模和畫像，對於可能產生逾期的客戶發送短信或微信進行提醒。對於初次逾期或逾期天數不多的客戶，挖掘客戶逾期的具體原因，幫助客戶找到更好的解決方法，保護他們的信用記錄。

利用大數據可以搜索影響金融資產變化的大量信息，通過人工智能學習進行分析，讓普通投資者也可以享受到與專業機構一樣的投資分析信息。基於大數據開展的增值服務是金融信息資訊平台未來的主要盈利方式，依託大數據，信息門戶可以對用戶搜索、消費習慣進行有效記錄和智能分析，向用戶智能推送其所需的金融服務，通過精準匹配降低用戶搜尋成本，擴大金融產品交易規模;根據大量用戶信息可以分析出客戶的金融需求變化和傾向，滿足金融消費者個性定制化金融需求。

3. 大數據與物聯網技術融合促進金融行業發展

物聯網的發展，可實現世界數字化，實現所有物品的網絡化和數字化，金融信息化的發展，也使金融服務與資金流數字化，數字化的金融與數字化的物品有機集成與整合，可以使物聯網中物品的物品屬性與價值屬性有機融合，實現物聯網金融服務。

金融服務業正在物聯網大數據應用方面努力著。物聯網大數據在許多行業應用中已經實踐(電信，零售，製造業)，這些行業驅動了物聯網的大數據需求並處於壟斷地位。對於銀行來說物聯網大數據能夠用在ATM或者移動銀行業務中。例如，實時、多渠道的商業行為可以使用物聯網大數據對銀行零售客戶在正確的時間點提供適時的報價。或許我們反過來想想，金融公司可以將自己的服務內嵌植入到用戶的某種設備或者其他和客戶接觸的點上，不在那些交易設施上，而是在家。

生活在大數據時代，大數據與物聯網的結合對金融的影響極為深遠，將重塑金融行為模式和存在形態。大數據使得物聯網金融更加多維度、更加動態、更加豐富。以前，數據是根據企業的財務報表分析整理的，電商數據雖然豐富但也只能是商戶的平台交易數據，而與物聯網技術結合後能真正深入到實體經濟中，讓企業的產品質量與數量、物流倉儲信息、成本信息、銷售信息等匯集成綜合信息流。

對於銀行，將來銀行貸款可能無需抵押物，銀行可以根據物聯網大數據掌握企業商品的全面信息，個人信用曲線受到計算機的實時監測，銀行的放貸效率將提升到前所未有的高度，並且成本更低。

對於電商金融，可以根據物聯網大數據實現客戶和商品雙向信息交互，商品成為廠家的主要信息來源渠道，可以記錄用戶的喜愛偏好與個性化定制需求，客戶可以看到商品的來源和質量情況，以此為基礎開展的電商金融將有更好的發展空間。

對於保險行業，即使投保人不和保險公司見面，只要把物聯網傳感器上收集的信息發送給公司，公司就可以通過大數據分析對保險標的進行精準的風險定價，因為那個時候你的身邊無處不在的是傳感器的信息流。在人壽保險中，可以在人身上安放可穿戴設備，隨時監測人身體健康變化獲取生命的動態大數據。

4. 大數據應用於高頻金融交易中

高頻交易是利用證券市場極短時間存在的買賣價差或者套利空間進行的大額、快速交易。

高頻金融交易的主要特點是實時性要求高和數據規模大，滬深兩市每天4小時的交易時間內可以產生至少3億條逐筆成交數據，隨著時間的積累這些成交數據的規模將相當可觀。區別於傳統的日誌數據，這些成交數據在金融分析與應用領域有相當高的分析價值，投資機構或其他帶有投資性質的企事業單位，可以據此判斷市場熱點及投資人信心，為高層決策及藍圖規劃提供基於數據的科學支持;金融研究機構通過對歷史和實時數據進行挖掘，可以創造和改進數量化交易模型，並將之應用在基於計算機模型的實時證券交易過程中。

5. 未來大數據技術能夠為更多企業提供跨界做金融的機會

大數據金融通過海量的數據蒐集、分析提供了對單個客戶的信用信息、消費傾向、理財習慣進行系統性分析的可能，有效地減少了信息的不對稱的問題，大幅度提高了金融風險定價的效率，在此基礎上為很多企業提供了跨界進入金融領域的機會。未來O2O模式，即線上、線下融合的模式將成為主流。將線下的實體環境與互聯網線上平台結合，實現線下體驗，線上交易;線下管理、線上創新;線下風險控制、線上服務等多種組合模式。而這些都離不開大數據的支持。

在互聯網企業，只要能夠通過大數據掌握客戶數據信息，幾乎都在試圖涉足金融業務。所謂無數據不金融，BAT是這一理論踐行的最典型代表，它們本是互聯網企業卻都開發出了自己的系列金融產品，並依靠大數據不斷發展：百度有貼吧信用卡、百度金融平台、百度錢包;阿里有螞蟻金服、支付寶、餘額寶;騰訊有財付通、微信支付、佣金寶。

實際上，阿里巴巴從2007年開始就利用數據的積累與銀行合作，為平台上的商戶獲得信用貸款提供支持，阿里先是與建設銀行合作推出企業信用貸款服務，後來，以自己生態系統裡的複雜關係產生數據為基礎自己成立小額信貸公司發放貸款，並利用大數據風險控制技術來授信。據調查的數據，僅在2014年上半年，阿里小貸所發放的貸款總額就超過2000億，戶均貸款餘額和戶均授信分別為4萬元和18萬元。

在未來，金融必將是數據驅動型的金融，大數據技術的廣泛應用，對我國金融生態和金融格局必然會產生深刻的影響，大數據時代催生了眾多新的金融服務模式，必將大大推動我國金融行業的發展，金融行業一定要緊抓時代機遇，擁抱大數據時代的金融創新與變革。

End.

轉貼自： 36大數據