论文部分内容阅读
【摘要】随着信息时代的到来，传统的数据处理模式已经无法满足金融业的发展要求，大数据技术以其独有的优势，被广泛应用在金融数据处理当中，大数据为金融工作者创造了便利条件。接下来笔者将详细分析信息爆炸时代下大数据对金融数据的应用。
【关键词】大数据 金融数据 风险管理
一、引言
在信息化时代背景下，大数据作为互联网技术的重要组成部分，它的应用，促进了金融业的发展。金融对我国的经济发展具有重要作用，金融数据是金融业发展的关键因素，而大数据的合理运用又可以提升金融数据处理速度，因此研究信息爆炸时代下大数据对金融数据的运用具有一定的现实意义。
二、什么是大数据技术
大数据是在信息爆炸时代背景下提出的一个新兴概念，人们经常用它来形容、定义信息爆炸时代中的大量数据。通过大数据技术，可以从大量、丰富的数据中迅速找到对使用者有价值的信息，对这些数据实施有效“提纯”，加强信息的利用率。按照大数据处理金融数据的周期，可以将它分为下面几个部分：大数据采集和预处理、大数据存储和管理、计算模式和系统、大数据分析和挖掘、大数据的可视化计算、大数据隐私和安全等。大数据在金融数据中的应用，确保了数据处理质量，提升了数据处理效率。
三、大数据在金融数据中的应用
（一）大数据在信用评估方面的运用
大数据技术的兴起对与互联网有关的个人和企业的身份认证、信用评估等具有极大影响，它不仅可以有效分析客户的静态数据，还能够对他们的动态数据进行挖掘，合理对客户的信用进行评分并构建增信模型。例如某金融企业，在供应链上的各大模块，包括订单、库存、结算、下线等产生的相关数据进行合理分析，以此构建信用等级，并按照相应信用等级、发展情况预测等予以他们相应的信用额度，为企业发展提供信贷服务。如阿里小贷与上海某金融研究院一起推出的财务信用系统，就是一个典型的例子[1]。
对于个人来说，除了注册过程中留下的静态金融数据信息之外，他们在网络上的投资、支付以及购物等相关数据形成了各种各样的信息流，将静态数据和动态数据实施有效结合，就可以有效掌握他们的交易行为，利用交叉检验，通过大数据对这些数据的处理，可以了解他们的实际身份，从而建立信用评分模型，并对他们进行合理划分，为他们不同的需求提供相应产品及服务。例如阿里巴巴利用大数据技术对淘宝用户的数据进行处理，通过信用分析，对一些客户提供信用贷款服务。
（二）大数据在金融营销中的运用
大数据在金融数据中的应用，改变了以往的金融营销模式。金融企业可以对与用户有关的数据实施充分挖掘，比如用户的交易数据、支付数据、行为等，并通过这些数据对用户合理划分，按照他们的相关要求，提供相应的产品或服务，确保金融营销更加精准化。经调查显示，一般对用户的环境信息、用户的生活经历及购物信息等对变量模型进行构造，并利用大数据对这些相关数据进行分析，这样做的目的是对客户进行合理分类，便于管理人员对其管理。在客户的合理划分之后，可以投放与他们需求有关的广告，并为他们介绍相关产品，提高营销的精准性。如支付宝利用大数据技术对客户的行为进行全面分析，将他们分成不同种群，针对不同种群提供不同产品及服务，进行精准性营销。再比如，亚马逊利用大数据对客户的浏览、购买等行为信息进行充分分析，了解这些客户的潜在需求，在营销方面也取得了比较好的效果。
（三）大数据在数据处理方面的运用
应用我国传统的数据处理方式进行金融数据整理、分析时，需要花费大量的人力、物力和财力，并且这种数据处理方式具有明显的滞后性，成本高，效率低，在浪费企业资源的同时，也降低了数据处理的真实性和可靠性，数据获取渠道也比较少。在这种情形下，多数金融企业利用了互联网平台对数据进行迅速获取，拓宽了数据获取渠道。但是由于网络平台上数据种类十分丰富，而且数量较多，因此降低了数据价值密度，传统的数据处理技术对数据的“提纯”效果比较低，而且费钱、费时、费力。因此在处理金融数据时，企业可以充分应用大数据技术，利用云计算方法，提升数据处理能力。此外，也要充分运用数据库、搜索引擎等，可以大幅度的提升数据检索能力，改变传统数据处理模式，构建快速、高效的数据处理平台，提高数据处理效率，确保数据处理质量[2]。
（四）大数据在风险管理方面的应用
金融数据在金融企业中具有重要地位，这些金融数据包括客户的信用信息、负债信息、业绩报告等，这些金融数据和信贷风险具有很大的关系，并且数据来源不同，数据种类较多、且繁琐，数据量过于庞大，如果用以往的金融数据处理方式对这些数据实施处理，会降低金融数据处理效果，为风险分析、風险预测不能提供有价值的数据信息。在这种情况下，大数据以其独特的优势被应用在金融企业风险管理当中。大数据技术能够对金融风险进行有效把控，通过对金融数据全面、及时有效的收集，进而对风险进行分析及预测，研究数据间的关联性，对数据蕴藏的风险进行全面挖掘，为金融业的风险管理提供科学依据及正确导向，提高企业对风险的认识能力，金融企业便可以对一些潜在性风险采取相关策略，提升金融风险的管控效率，以此降低金融企业不必要的经济损失。
四、结论
发展金融业是推动我国经济建设的有效途径，现阶段，社会已经过渡到信息爆炸时代，在金融数据中应用大数据技术，是金融业转型的有效手段。但是过去的数据处理技术无法满足金融数据处理的需要，因此相关人员应该提高对大数据技术的重视，在处理金融数据时加强对其的应用，以促使金融企业长期稳定的发展。
参考文献
[1]陆岷峰，虞鹏飞.互联网金融背景下商业银行“大数据”战略研究——基于互联网金融在商业银行转型升级中的运用[J].经济与管理，2015，2903：31-38.
[2]李连梦.基于大数据的商业银行智慧型风险管理研究[D].天津商业大学，2016，8：20.
作者简介：姬亚男（1982-），女，北京，汉，中级经济师，在读研究生，本科，英语，研究生企业管理。
【关键词】大数据 金融数据 风险管理
一、引言
在信息化时代背景下，大数据作为互联网技术的重要组成部分，它的应用，促进了金融业的发展。金融对我国的经济发展具有重要作用，金融数据是金融业发展的关键因素，而大数据的合理运用又可以提升金融数据处理速度，因此研究信息爆炸时代下大数据对金融数据的运用具有一定的现实意义。
二、什么是大数据技术
大数据是在信息爆炸时代背景下提出的一个新兴概念，人们经常用它来形容、定义信息爆炸时代中的大量数据。通过大数据技术，可以从大量、丰富的数据中迅速找到对使用者有价值的信息，对这些数据实施有效“提纯”，加强信息的利用率。按照大数据处理金融数据的周期，可以将它分为下面几个部分：大数据采集和预处理、大数据存储和管理、计算模式和系统、大数据分析和挖掘、大数据的可视化计算、大数据隐私和安全等。大数据在金融数据中的应用，确保了数据处理质量，提升了数据处理效率。
三、大数据在金融数据中的应用
（一）大数据在信用评估方面的运用
大数据技术的兴起对与互联网有关的个人和企业的身份认证、信用评估等具有极大影响，它不仅可以有效分析客户的静态数据，还能够对他们的动态数据进行挖掘，合理对客户的信用进行评分并构建增信模型。例如某金融企业，在供应链上的各大模块，包括订单、库存、结算、下线等产生的相关数据进行合理分析，以此构建信用等级，并按照相应信用等级、发展情况预测等予以他们相应的信用额度，为企业发展提供信贷服务。如阿里小贷与上海某金融研究院一起推出的财务信用系统，就是一个典型的例子[1]。
对于个人来说，除了注册过程中留下的静态金融数据信息之外，他们在网络上的投资、支付以及购物等相关数据形成了各种各样的信息流，将静态数据和动态数据实施有效结合，就可以有效掌握他们的交易行为，利用交叉检验，通过大数据对这些数据的处理，可以了解他们的实际身份，从而建立信用评分模型，并对他们进行合理划分，为他们不同的需求提供相应产品及服务。例如阿里巴巴利用大数据技术对淘宝用户的数据进行处理，通过信用分析，对一些客户提供信用贷款服务。
（二）大数据在金融营销中的运用
大数据在金融数据中的应用，改变了以往的金融营销模式。金融企业可以对与用户有关的数据实施充分挖掘，比如用户的交易数据、支付数据、行为等，并通过这些数据对用户合理划分，按照他们的相关要求，提供相应的产品或服务，确保金融营销更加精准化。经调查显示，一般对用户的环境信息、用户的生活经历及购物信息等对变量模型进行构造，并利用大数据对这些相关数据进行分析，这样做的目的是对客户进行合理分类，便于管理人员对其管理。在客户的合理划分之后，可以投放与他们需求有关的广告，并为他们介绍相关产品，提高营销的精准性。如支付宝利用大数据技术对客户的行为进行全面分析，将他们分成不同种群，针对不同种群提供不同产品及服务，进行精准性营销。再比如，亚马逊利用大数据对客户的浏览、购买等行为信息进行充分分析，了解这些客户的潜在需求，在营销方面也取得了比较好的效果。
（三）大数据在数据处理方面的运用
应用我国传统的数据处理方式进行金融数据整理、分析时，需要花费大量的人力、物力和财力，并且这种数据处理方式具有明显的滞后性，成本高，效率低，在浪费企业资源的同时，也降低了数据处理的真实性和可靠性，数据获取渠道也比较少。在这种情形下，多数金融企业利用了互联网平台对数据进行迅速获取，拓宽了数据获取渠道。但是由于网络平台上数据种类十分丰富，而且数量较多，因此降低了数据价值密度，传统的数据处理技术对数据的“提纯”效果比较低，而且费钱、费时、费力。因此在处理金融数据时，企业可以充分应用大数据技术，利用云计算方法，提升数据处理能力。此外，也要充分运用数据库、搜索引擎等，可以大幅度的提升数据检索能力，改变传统数据处理模式，构建快速、高效的数据处理平台，提高数据处理效率，确保数据处理质量[2]。
（四）大数据在风险管理方面的应用
金融数据在金融企业中具有重要地位，这些金融数据包括客户的信用信息、负债信息、业绩报告等，这些金融数据和信贷风险具有很大的关系，并且数据来源不同，数据种类较多、且繁琐，数据量过于庞大，如果用以往的金融数据处理方式对这些数据实施处理，会降低金融数据处理效果，为风险分析、風险预测不能提供有价值的数据信息。在这种情况下，大数据以其独特的优势被应用在金融企业风险管理当中。大数据技术能够对金融风险进行有效把控，通过对金融数据全面、及时有效的收集，进而对风险进行分析及预测，研究数据间的关联性，对数据蕴藏的风险进行全面挖掘，为金融业的风险管理提供科学依据及正确导向，提高企业对风险的认识能力，金融企业便可以对一些潜在性风险采取相关策略，提升金融风险的管控效率，以此降低金融企业不必要的经济损失。
四、结论
发展金融业是推动我国经济建设的有效途径，现阶段，社会已经过渡到信息爆炸时代，在金融数据中应用大数据技术，是金融业转型的有效手段。但是过去的数据处理技术无法满足金融数据处理的需要，因此相关人员应该提高对大数据技术的重视，在处理金融数据时加强对其的应用，以促使金融企业长期稳定的发展。
参考文献
[1]陆岷峰，虞鹏飞.互联网金融背景下商业银行“大数据”战略研究——基于互联网金融在商业银行转型升级中的运用[J].经济与管理，2015，2903：31-38.
[2]李连梦.基于大数据的商业银行智慧型风险管理研究[D].天津商业大学，2016，8：20.
作者简介：姬亚男（1982-），女，北京，汉，中级经济师，在读研究生，本科，英语，研究生企业管理。