大數據技術在金融行業的應用及未來展望

蔣張子彥

【摘要】在金融產業發展過程中，風險計量與管理、精準營銷、安全與反欺詐、客戶關系管理等各個模塊都離不開大數據的分析及挖掘。在大數據時代，更加嚴格有效的管理及精細化管理機構的設置，為整體金融行業轉型提供了機遇。本文根據大數據技術在金融行業的應用，結合金融大數據應用環節核心技術，對金融行業大數據技術在未來發展中應用趨勢進行了展望。

【關鍵詞】大數據技術 金融行業 數據挖掘

中圖分類號：F83 文獻標志碼：A

大數據技術在金融行業得到應用，促使金融機構對用戶信息進行全方位掌控，而且通過對用戶信用記錄、消費歷史信息的分析，可以確定用戶資金流轉傾向，從而為一對一金融服務模式的創建提供依據。而如何利用大數據技術對金融行業與日俱增的信息進行儲存整理，并對其進行進一步挖掘應用，也成為現階段金融行業面臨的主要課題。

一、大數據技術在金融行業應用優勢

大數據通過跟蹤新聞、微博、Twitter等典型非結構化、半結構化數據，可對政治經濟等因素與市場之間的聯系進行分析，同時通過非結構化或半結構化數據處理，可以生成結構化數據，為后期金融行業自動交易決策提供支持。

二、大數據技術在金融行業的應用

（一）金融行業大數據挖掘技術

金融行業常用的大數據挖掘技術主要有決策樹算法、Logistic回歸分析、人工神經網絡、SVM、MCLP、聚類算法、關聯規則等。其中MCLP是基于最優化數據挖掘的方法，其可以在金融行業個體信用評分、金融衍生品結算風險管理、客戶流失管理等方面發揮良好的效用。

（二）大數據技術在金融行業內部審計中的應用

大數據技術在金融行業內部審計中的應用主要包括數據采集、數據分析、數據挖掘三個模塊。其中數據采集主要針對金融行業數據信息化程度高、業務關聯性強等特點，以審計為人手點，利用以往審計數據，確定金融業務開展目標。在這個基礎上，利用計算機輔助審計軟件，對非結構化數據及半結構化數據進行綜合分析，并納入整體審計系統內；數據分析主要是針對頻繁交易、相似交易、大額交易數據，以實質性程序構建的方式，進行相關問題復核，并在大數據平臺上進行關聯查詢分析，以便確定金融數據總體發展趨勢及異常變動情況；數據挖掘主要是在數據分析的前提下，從金融企業數據信息庫中提取所需信息，如年度財務報表、關鍵客戶交易記錄等。然后利用演化分析技術對以往數據與現階段經濟發展目標進行比對，確定相關金融企業風險最大限度。或者利用聚類分析的方法，將金融企業整體數據庫中具有一致特征的交易數據進行項目劃分，對其綜合信用借貸能力進行分析。最后，利用整體數據分析情況，可進行金融企業知識庫的建立，針對已獲得數據分析規律及模型，利用計算機技術進行儲存分析，在全面解決以往金融審計方法無法解決的難題的同時，也可以為財務指數虛假鑒別、辨別重復記賬應收利息等工作提供有效的指導。

（三）大數據技術在金融行業市場營銷中的應用

在金融行業內部競爭不斷加劇的背景下，客戶需求也在不斷地變化，金融機構能否制定出與客戶需求相符的管理策略，也是其市場競爭優勢的主要體現。如在沃爾瑪等商業機構市場營銷過程中，通過大數據對客戶信息的挖掘，開展了精準營銷，有效地提高了市場營銷效益。依據沃爾瑪在市場營銷中大數據技術的應用經驗，金融行業內部企業也可以根據自身管理情況，利用大數據技術采集客戶在刷卡消費、信用借貸、社交通信方面的信息，從而得出相關客戶購買力及行為趨勢，確定客戶消費需求。同時結合不同區域ATM交易、移動設備定位，可得到客戶消費頻率較高的位置，以便為相關優惠活動信息的推送提供依據。大數據技術在金融行業營銷中的應用，為金融機構市場運營效益的提升提供了良好的幫助。

（四）大數據技術在金融行業客戶管理中的應用

在經濟社會發展過程中，金融機構業務模式不斷增加，隨之導致其客戶基數不斷擴大。這種情況下，金融機構如何有效處理內部繁瑣的客戶信息，就成為金融機構現階段面臨的主要課題。利用大數據技術，金融機構可對客戶各種信息進行有效梳理，最大限度滿足客戶需要。如在常規管理過程中，金融機構可依據客戶與自身互動關系，從網上銀行、柜臺、移動手機支付端等渠道，進行客戶消費信息收集。并將文本、圖片、錄音等數據信息進行匯總，構建一個全景視圖，依此確定客戶潛在行為趨勢及預測流失客戶挽留措施，避免客戶大規模流失對金融機構日常運營的不利影響。如工商銀行利用大數據技術，通過對現有客戶活期存款、中間業務、貸記卡業務、定期存款、國際貸記卡業務等信息描述，結合客戶使用業務產品特性、客戶年齡性別等客戶基本資料信息分析，為現有客戶流失情況進行分析管理提供了依據。

三、大數據技術在金融行業的應用展望

在社會發展過程中，即云計算、物聯網之后，大數據也成為金融行業發展過程中應用頻率較高的信息技術之一。大數據技術的發展，促使金融行業內部數據種類不多增加，數據信息收集渠道也朝著多元化發展。在信息技術飛速發展的今天，大數據增量資源主要以社交網絡、可穿戴設備為載體，而隨著微信、QQ、微博等社會軟件應用群體的增多，也為金融行業數據資源庫的擴展提供了依據。

首先，在銀行業，大數據時代的到來，對銀行數據駕馭能力提出了更高的要求。在傳統結構化數據的基礎上，物聯網、互聯網內部非結構化數據的指數式增長，也從根本上改變了銀行機構收集數據的原則及措施。而在數據處理過程中，客戶錄音數據等無法采用傳統方面描述、計量的非結構化數據，也對銀行大數據挖掘利用能力提出了更高的要求。

其次，在金融證券行業，我國內部大多數證券機構主要將發展重點放在了行業動態、交易數據、基本面數據等結構性數據上。隨著大數據技術應用范圍的拓展，社交網絡隱藏的數據源價值也逐步得到了關注。利用大數據文本挖掘技術，在非結構化數據分析的基礎上，結合現有數據，可為上市公司走勢的準確判定提供依據。而在客戶信息分析方面，金融證券產品與客戶生命周期的融合，也為其更大規模金融數據的獲得提供了依據。這種情況下，投資者購買證券產品時，就可以在客觀個性特征的基礎上，利用主管風險容忍度、風險承擔意愿信息，獲得個性化定制產品，可提高金融證券行業業績。

最后，保險是金融行業重要的模塊，其在以往發展過程中，主要以樣本精算為原則。而通過大數據全量數據的挖掘，可促使金融保險機構對風險本質變動進行合理掌控，從根本上改變金融保險行業資本運作模式。如在車險業務擴展過程中，現階段主要以客戶基本信息定價分析為主，如年齡、職業、性別等。而這一方式并不能對客戶大數據定律進行有效評估。這種情況下，就可以利用大數據技術，綜合分析客戶網絡信息及其他信息，結合政府公開數據，實現個性化風險定價調控。

四、結語

綜上所述，大數據技術在金融行業內部審計、客戶管理、市場營銷中發揮著重要的作用。在互聯網信息技術高速的背景下，大數據高效、準確、全面信息收集、分析、挖掘的優良特點，也為金融行業明確客戶行為趨勢、確定市場營銷目標提供了有效的幫助。因此，金融行業應根據本行業發展需要，加大大數據技術的應用。在歷史數據分析的基礎上，利用大數據技術對內部信息進行進一步挖掘，以便為自身運營效益的提升提供依據。