论文部分内容阅读
目前，中国的金融行业数据量已经超过100TB，非结构化数据迅速增长。IDC认为中国金融行业正在步入大数据时代的初级阶段。优秀的数据分析能力是当今金融市场创新的关键，资本管理、交易执行、安全和反欺诈等相关的数据洞察力，成为金融企业运作和发展的核心竞争力。基于SunGard对于大数据的发展趋势分析，大数据在存储和处理框架方面的优势将帮助金融企业充分掌握业务数据的价值，降低业务成本并发掘新的盈利机会。
客户洞察：开发、服务、营销
IBM预测分析软件大中华区销售经理刘海亮认为：“在金融行业，应用大数据的主要目标是通过更深层次地理解客户习惯以便更好地提升用户体验。一方面，数字化的关系模式让客户对服务的形式和结果有了更多的期待。另一方面，数字的高度集成化为更完整地理解客户习惯提供了可能。”IBM调查数据显示，以客户为中心是金融企业的首要运作目标，这一目标占据整体战略计划的50%。
在目前的中国金融业，同质竞争非常严重，建立在庞大人口基数上的海量客户数据更应该被有效利用，提高客户转化率。例如中信银行的信用卡中心已经通过Greenplum数据仓库解决方案实现了秒级营销，利用统一的客户视图，结合实时、历史数据进行全局分析，使营销活动配置平均时间从两周缩短到2～3天。国内金融行业大数据应用已经起步，银河证券信息中心技术总监唐沛来表示：“目前公司已经利用结构化数据为客户提供服务，如根据客户的买卖信息来分析客户的投资偏好，是激进型、保守型还是平衡型等。”兴业银行北京分行IT经理黄晟表示：“兴业银行目前已经通过对还款数据的比较分析区分优质客户，如每月还款2000元以上和5000元以上的客户是不同类别，对此采取的服务方式和提供的产品也会不同。”以上只是对数据的初步分析，对于大数据的进一步应用还可通过不同角度的筛选分析，支持企业的业务运作。以兴业证券为例，通过营利率数据分析对客户进行分类，分析出哪些客户适合进行开发，哪些客户适合进行营销，市场团队根据这些成果再去开发客户，至少提高了30%以上的成功率。
通过大数据技术，扩展现有的客户视图（MDM、CRM等），合并内部和外部信息源，将数据转化为实际的洞察力。以往需要客户经理一对一和客户沟通信息，并以自身的经验和知识水平提供反馈。而在大数据时代，通过数据主动掌控进行客户经营，不仅节省了成本，而且能够覆盖到更广泛的用户群，为用户提供更为全面、贴心的金融服务。
市场洞察：策略、模式、产品
在金融投资分析领域，大数据挑战了传统的金融分析师，对全部数据进行整合分析，低成本地建立针对各个市场、面向不同用户的交易策略。全球最大的对冲基金Bridge Water搜集了近百年的金融数据建立交易模型，其管理的资产中，99%的交易都由电脑决策做出。在国内，早在2010年，量化交易已经开始在期货市场有小规模尝试。期货行业协会信息部主任刘铁斌认为：“利用大数据在证券市场进行量化交易的应用非常广泛，期货品种的丰富也为量化交易提供了更多的策略选择，以大数据分析为基础的跨市场交易、跨品种交易、跨期交易等都值得尝试。”
互联网金融的兴起，凸显了大数据的策略优势，提供了金融模式发展的新思路。以阿里集团为代表的互联网企业以客户资源和信息数据库为基础，运用数据挖掘技术产生的金融创新模式正冲击着银行传统的运营模式。经济学家巴曙松在海南博鳌论坛上提出：“金融企业借道IT公司，可通过大数据及时采集信息、行为数据，能够利用比较低的成本，获得数据应对策略。”阿里集团涉足金融行业的优势就在于数据。阿里巴巴年交易额过万亿元，用户从搜索到浏览、支付，每一个节点都将产生大量数据。淘宝首席商业智能官车品觉表示：“阿里集团目前拥有的大数据达到30PB，目前有800名员工从事大数据相关的工作。”
除了互联网公司利用数据向金融业渗透外，金融企业也主动寻求互联网公司的数据支持，平安集团与百度合作，利用大数据研究消费者在互联网上的行为习惯，进行产品创新。平安渠道咨询公司总经理助理徐汉华表示：“未来平安和百度的合作，将涵盖保险、银行、投资等全产品线。”
运营洞察：治理、监管和风控
IBM大中华区银行业解决方案高级顾问陈剑认为：“在金融领域的大数据平台中，通过非结构化的信息补充传统数据仓库，并匹配大数据存储和计算技术，能使金融行业在提高运营效率、增强客户的满意度、规避风险方面取得突破。”目前，IBM的BigInsights 、Watson大数据分析平台、MongoDB大规模高频金融交易数据处理平台、Oracle的Big Data Appliance等针对不同的需求，在金融企业的运营中实现了应用。
民生银行基于IBM大数据方案部署建立了精细化的交叉协同销售平台、智能化的产业链金融平台等，持续从广泛的来源获取、量度、建模、处理、分析大容量多类型数据，根据数据智能分析向前台提供服务与反馈，并将经过智能分析与加工的数据用于业务决策与支持。对于银行应用大数据平台的特点，英特尔数据中心软件部大数据产品技术顾问黎超提出：“银行业务发展要求不停地把不同来源的数据进行重新组合，生成新的数据模型，以便反映经营的状态和指导经营运作，这是多层次、多角度的数据挖掘的集成。”
针对钓鱼网站攻击、信用卡套现等欺诈行为，基于大数据引擎，建立反欺诈模型，使用专业知识、已知的欺诈案例、异常情况的设定等数据资源可进行分析、判断嫌疑行为是否违规，并能够对复杂的多渠道欺诈构建可视化解读模型。国外金融机构对此应用较为成熟：摩根大通已经使用Hadoop技术满足其风险防范需求，包括诈骗检验、IT风险管理和自助服务；西太平洋银行则建立了事前风险管理 （PRM） 系统，使用银行风险实践数据快速更新有关欺诈的模型，以实时控制风险。
链接
大数据与小额信贷——阿里金融新模式
阿里金融基于纯互联网提供小额信贷服务，支持信贷的24小时开放、随时申请、随时审批、随时发放。大数据应用是网络融资模式的核心内容，阿里巴巴、淘宝网、支付宝等阿里集团旗下一系列平台的底层数据完全打通，为阿里金融产品提供大数据支持，使客户网络行为、网络信用在小额贷款中得到充分运用。小企业在阿里巴巴、淘宝店主在淘宝网上经营的信用记录、发生交易的状况、投诉纠纷等百余项指标信息等在评估系统中经过资源调度、系统监控、数据分析、算法优化等流程进行分析，最终作为贷款的评价标准。阿里金融的小额信贷服务利用了电子商务公开、透明、数据可记录的特点，解决了传统金融行业针对个人及小企业贷款时存在的信息不对称、流程复杂等问题。
客户洞察：开发、服务、营销
IBM预测分析软件大中华区销售经理刘海亮认为：“在金融行业，应用大数据的主要目标是通过更深层次地理解客户习惯以便更好地提升用户体验。一方面，数字化的关系模式让客户对服务的形式和结果有了更多的期待。另一方面，数字的高度集成化为更完整地理解客户习惯提供了可能。”IBM调查数据显示，以客户为中心是金融企业的首要运作目标，这一目标占据整体战略计划的50%。
在目前的中国金融业，同质竞争非常严重，建立在庞大人口基数上的海量客户数据更应该被有效利用，提高客户转化率。例如中信银行的信用卡中心已经通过Greenplum数据仓库解决方案实现了秒级营销，利用统一的客户视图，结合实时、历史数据进行全局分析，使营销活动配置平均时间从两周缩短到2～3天。国内金融行业大数据应用已经起步，银河证券信息中心技术总监唐沛来表示：“目前公司已经利用结构化数据为客户提供服务，如根据客户的买卖信息来分析客户的投资偏好，是激进型、保守型还是平衡型等。”兴业银行北京分行IT经理黄晟表示：“兴业银行目前已经通过对还款数据的比较分析区分优质客户，如每月还款2000元以上和5000元以上的客户是不同类别，对此采取的服务方式和提供的产品也会不同。”以上只是对数据的初步分析，对于大数据的进一步应用还可通过不同角度的筛选分析，支持企业的业务运作。以兴业证券为例，通过营利率数据分析对客户进行分类，分析出哪些客户适合进行开发，哪些客户适合进行营销，市场团队根据这些成果再去开发客户，至少提高了30%以上的成功率。
通过大数据技术，扩展现有的客户视图（MDM、CRM等），合并内部和外部信息源，将数据转化为实际的洞察力。以往需要客户经理一对一和客户沟通信息，并以自身的经验和知识水平提供反馈。而在大数据时代，通过数据主动掌控进行客户经营，不仅节省了成本，而且能够覆盖到更广泛的用户群，为用户提供更为全面、贴心的金融服务。
市场洞察：策略、模式、产品
在金融投资分析领域，大数据挑战了传统的金融分析师，对全部数据进行整合分析，低成本地建立针对各个市场、面向不同用户的交易策略。全球最大的对冲基金Bridge Water搜集了近百年的金融数据建立交易模型，其管理的资产中，99%的交易都由电脑决策做出。在国内，早在2010年，量化交易已经开始在期货市场有小规模尝试。期货行业协会信息部主任刘铁斌认为：“利用大数据在证券市场进行量化交易的应用非常广泛，期货品种的丰富也为量化交易提供了更多的策略选择，以大数据分析为基础的跨市场交易、跨品种交易、跨期交易等都值得尝试。”
互联网金融的兴起，凸显了大数据的策略优势，提供了金融模式发展的新思路。以阿里集团为代表的互联网企业以客户资源和信息数据库为基础，运用数据挖掘技术产生的金融创新模式正冲击着银行传统的运营模式。经济学家巴曙松在海南博鳌论坛上提出：“金融企业借道IT公司，可通过大数据及时采集信息、行为数据，能够利用比较低的成本，获得数据应对策略。”阿里集团涉足金融行业的优势就在于数据。阿里巴巴年交易额过万亿元，用户从搜索到浏览、支付，每一个节点都将产生大量数据。淘宝首席商业智能官车品觉表示：“阿里集团目前拥有的大数据达到30PB，目前有800名员工从事大数据相关的工作。”
除了互联网公司利用数据向金融业渗透外，金融企业也主动寻求互联网公司的数据支持，平安集团与百度合作，利用大数据研究消费者在互联网上的行为习惯，进行产品创新。平安渠道咨询公司总经理助理徐汉华表示：“未来平安和百度的合作，将涵盖保险、银行、投资等全产品线。”
运营洞察：治理、监管和风控
IBM大中华区银行业解决方案高级顾问陈剑认为：“在金融领域的大数据平台中，通过非结构化的信息补充传统数据仓库，并匹配大数据存储和计算技术，能使金融行业在提高运营效率、增强客户的满意度、规避风险方面取得突破。”目前，IBM的BigInsights 、Watson大数据分析平台、MongoDB大规模高频金融交易数据处理平台、Oracle的Big Data Appliance等针对不同的需求，在金融企业的运营中实现了应用。
民生银行基于IBM大数据方案部署建立了精细化的交叉协同销售平台、智能化的产业链金融平台等，持续从广泛的来源获取、量度、建模、处理、分析大容量多类型数据，根据数据智能分析向前台提供服务与反馈，并将经过智能分析与加工的数据用于业务决策与支持。对于银行应用大数据平台的特点，英特尔数据中心软件部大数据产品技术顾问黎超提出：“银行业务发展要求不停地把不同来源的数据进行重新组合，生成新的数据模型，以便反映经营的状态和指导经营运作，这是多层次、多角度的数据挖掘的集成。”
针对钓鱼网站攻击、信用卡套现等欺诈行为，基于大数据引擎，建立反欺诈模型，使用专业知识、已知的欺诈案例、异常情况的设定等数据资源可进行分析、判断嫌疑行为是否违规，并能够对复杂的多渠道欺诈构建可视化解读模型。国外金融机构对此应用较为成熟：摩根大通已经使用Hadoop技术满足其风险防范需求，包括诈骗检验、IT风险管理和自助服务；西太平洋银行则建立了事前风险管理 （PRM） 系统，使用银行风险实践数据快速更新有关欺诈的模型，以实时控制风险。
链接
大数据与小额信贷——阿里金融新模式
阿里金融基于纯互联网提供小额信贷服务，支持信贷的24小时开放、随时申请、随时审批、随时发放。大数据应用是网络融资模式的核心内容，阿里巴巴、淘宝网、支付宝等阿里集团旗下一系列平台的底层数据完全打通，为阿里金融产品提供大数据支持，使客户网络行为、网络信用在小额贷款中得到充分运用。小企业在阿里巴巴、淘宝店主在淘宝网上经营的信用记录、发生交易的状况、投诉纠纷等百余项指标信息等在评估系统中经过资源调度、系统监控、数据分析、算法优化等流程进行分析，最终作为贷款的评价标准。阿里金融的小额信贷服务利用了电子商务公开、透明、数据可记录的特点，解决了传统金融行业针对个人及小企业贷款时存在的信息不对称、流程复杂等问题。