大數據在金融行業中的應用研究

張曉露 馬先仙

摘要：隨著國際形勢的發展，云計算、人工智能成為引領世界前進的動力，而大數據在其中發揮的作用不容小覷。本文基于大數據的發展，深入探討其在金融行業中的應用范圍、應用模式、應用場景等。研究顯示，在大數據時代，大數據技術擴寬了數據來源渠道，完善了數據分析方式，以多種模式應用在傳統金融和新金融業態中，在金融資源配置、精準營銷、風險管控和創新方面有重要的應用意義。但數據安全度低、技術人才缺乏、技術創新難度大、數據開放度不足、產業環境差等成為制約大數據產業發展的重大問題。本文建議加強人才培養，建立數據監管機構和共享平臺，擴大資金支持和技術創新，完善大數據產業環境以保障大數據持續、穩定發展，更高效、安全地為金融行業提供服務。

關鍵詞：大數據 ?金融 ?應用

一、引言

近年來，隨著大數據的提出及我國對大數據產業的重視，大數據發展已取得一定成果，并且參與到數據密集行業的分析研究與決策中。據中商產業研究院發布的《2018-2023年中國大數據產業市場前景及投資機會研究報告》的數據顯示，2017年我國大數據產業規模達到4700億元，重要軟硬件企業已陸續推出大數據相關產品[1]。這些產品通過多種渠道海量收集政府和行業商業類數據，利用特定數據分析技術，得出的結果對管理決策產業發展的輔助作用已越來越顯現。

金融作為數據密集型行業，利用大數據進行分析研究是金融行業發展的未來趨勢。在大數據與金融的相關研究中，韋雨聲（2017）[2]以應用范圍為研究對象，認為大數據已經融入銀行、保險、證券和金融監管機構。萬昊戈（2018）[3]認為大數據在風險評估、精準營銷、優化運營等方面起著不可估量的作用。莊旭東（2019）[4]認為大數據可以實現金融風險管控，也可以應用在金融創新和監管方面。蘭虹（2019）[5]、李薇（2019）[6]以互聯網金融為研究對象，認為大數據技術使第三方支付、P2P等不斷國際化和合規化，并從大數據的角度對互聯網金融發展存在的問題提出解決辦法。唐彬（2017）[7]認為數據安全是實施大數據戰略的重要保障，建議建設安全制度，加強安全防護意識，全力提高數據安全。

隨著我國金融的深入發展，有眾多金融模式如供應鏈金融、消費金融、網絡借貸等逐漸出現在大家的生活中。而現有研究文獻僅針對傳統金融或某種新金融模式展開研究，缺乏對金融行業系統、全面的應用研究;其次，多以海量數據為基礎進行研究，缺乏技術層面的深入探索。所以，本文從應用范圍、應用模式、應用場景等不同方面探索大數據在金融行業中的應用，從中挖掘潛在問題，并提出對策建議以更好的應用于金融行業。

二、大數據產業發展背景

大數據是指數據的容量、數據的獲取速度或者數據的表示限制了使用傳統關系方法對數據的分析處理能力，需要使用水平擴展的機制以提高處理效率[5]。根據國際知名咨詢公司麥肯錫的報告顯示：在大數據應用綜合價值潛力方面，信息技術、金融保險、政府及批發貿易四大領域潛力最高。雖然金融行業，尤其是證券行業發展起步較晚，但不少銀行及證券公司開始嘗試通過大數據平臺驅動業務運營，如英國對沖基金Derwent Capital Markets通過分析Twitter的數據內容指導投資決策并實現盈利等，大數據在金融行業的應用成果有目共睹。

大數據于2013年真正開始在我國發展。由于互聯網和信息行業的發展及國際趨勢，人們逐漸意識到數據的重要性并開始構建大數據平臺。2016年，“大數據”上升為國家戰略，全國各省市政府相繼出臺大數據研究及發展行動計劃，并制定相關政策，推進大數據平臺建設。2017年，大數據滲透到各行各業。

金融業作為數據密集型行業，利用大數據進行分析研究是大數據產業發展的趨勢。目前，銀行、保險、證券及互聯網金融都積極利用大數據進行業務拓展，廣州、武漢、南京、重慶等地已規劃建設金融大數據云平臺，河南建成信用大數據金融服務平臺并開始上線運營。金融企業利用大數據，通過用戶分析、風險信貸評估、交易欺詐識別等方法能實現精準營銷、提高風險管控能力等，對金融業發展起著不可估量的作用。

三、大數據在金融行業的應用現狀

在傳統數據時代，金融行業的數據主要通過機構內部和政府相關部門渠道進行收集。由于無法對樣本進行實時跟蹤，僅利用靜態數據進行分析研究與現實存在一定的偏差。隨著大數據時代的來臨，這一問題逐漸開始緩解。目前，金融行業除了利用傳統收集渠道之外，還可以使用Linux、Docker等技術通過云計算、大數據基礎設施或產品、App等收集互聯網數據，可以實時洞察用戶變化。海量、實時數據不僅可以全面反映金融行業內部發展，還可以完善具體分析方法，全面應用于傳統金融與新金融模式中，增強風險管控，實現金融創新。

（一）應用廣泛，傳統與新金融齊頭并進

大數據在金融行業中應用廣泛，傳統金融與新金融齊頭并進。在傳統金融中，大數據不僅可以根據其不同的數據類型為銀行、保險業提供精準營銷服務、完善股票的分析方法，還能有效增強金融風險的管控能力。構建金融大數據平臺，從機構內部、政府部門等多渠道收集用戶數據，根據畫像特征及基礎標簽形成用戶畫像，為用戶提供精準的銀行產品及保險服務;根據征信數據建立信貸模型、反欺詐模型等，實時跟蹤用戶的還款能力及行為模式，提高銀行的信貸風險管控能力;根據股票數據及市場數據，通過聚類分析等方法完善股票的基本面分析。

同時，大數據也應用在供應鏈金融、消費金融等新金融模式中，其典型實例是京東金融、芝麻信用。京東作為我國最大的自營式電商企業，擁有完整的產業鏈條，依托對上下游企業的交易數據、企業數據等龐大的數據庫資源而建立金融大數據平臺——京東金融，可以為其上下游企業提供融資需求。芝麻信用通過對金融系統、政府、支付寶等海量信息數據綜合處理得到用戶的信用評估，為消費金融公司提供信用服務。

（二）模式多樣，平臺與供應鏈相結合

以大數據在金融行業的應用模式看，現有的應用模式有平臺模式和供應鏈模式。平臺模式是指平臺企業利用自身掌握的大數據，通過互聯網、云計算等信息處理方式對數據進行專業挖掘，再與傳統金融服務相結合，為平臺企業提供資金的融通、結算等服務[8]，如阿里小貸。阿里小貸是基于電商平臺的交易數據、消費者的購物習慣等大數據通過分析處理形成信用數據，利用信用評級及風險模型等向阿里巴巴商戶發放訂單貸款或信用貸款。供應鏈模式是指供應鏈條中的核心企業依托自己的產業優勢地位，通過對上下游企業的現金流、訂單、購銷流水等大數據的掌控，利用自有資金或者與金融機構合作，對上下游企業提供金融服務[8]。其典型案例是京東金融。

（三）全面提升資源配置效率

較傳統數據時代而言，大數據技術從數據的采集、處理、分析等不同環節提高了對數據的應用能力及速度，使得風險預警平臺能夠及時防范信貸風險并發出預警信號、扶貧大數據平臺能夠實現精準扶貧，提升金融資源的配置效率。

在數據采集方面，ETL技術、mysql、爬蟲技術等采集日志數據，有效拓寬數據來源渠道;在數據處理方面，Hadoop、SparkStreaming在實現高效、可伸縮處理時，可以有效處理半結構化數據和非結構化數據;在數據存儲方面，具備hbase、hive、Spark技術的云存儲具有較高的存儲分析能力;在數據分析方面，圖像識別、機器學習等方法完善了信用指數、偏好分析、SPSS、Eviews等傳統分析方式。進一步，根據不同數據選取不同的分析方法，不僅能夠快速并精準分析和預測客戶行為及信用，還能實現動態監管市場風險和企業風險，使金融資源安全有序的流動。

為防范金融風險，維護金融生態環境，蘇州市于2018年建立金融風險大數據預警平臺并開始上線運營，對全市1.9萬余家投資理財類企業實現系統化監測，當企業風險分值出現異常時，平臺將其列為重點監測對象并采取一定措施嚴厲打擊非法集資，防范金融風險。2018年，盧氏縣推出金融扶貧大數據平臺，實現了金融扶貧的精準對接，使得金融資源物盡其用。

（四）量化用戶，實現精準營銷服務

將行為數據與營銷服務有效結合，通過用戶偏好分析可實現精準營銷服務。首先，在機構內部收集客戶的信用卡還款記錄、轉賬記錄、風險偏好、對金融產品的購買及瀏覽記錄等行為數據;其次，使用特定技術系統清洗、劃分與識別數據，使用專業方法，如聚類分析、差異化行為分析和客戶需求預測等，形成用戶畫像;最后，對不同的客戶需求進行精確的市場細分與定位，采取不同的市場營銷手段，通過微博、微信等多渠道進行定向信息推送，將合適的金融產品在適當的時間通過適當的營銷手段銷售給有需求的客戶群體，實現精準營銷。

目前，掌眾金融、網易金融、花旗等都依據各自商業模式利用大數據推出精準服務。網易、掌眾金融等企業依托內部數據開發中心深度加工用戶數據，并制定畫像特征和標簽體系，以此對用戶進行全方位量化并形成用戶畫像，為合作平臺提供精準用戶推薦，也可以為場景化用戶研發和搭建定制化的互聯網金融產品提供可靠的數據支撐。花旗與聯通合作，為花旗用戶量身定制全球化的金融資產配置計劃，在花旗銀行大數據分析的基礎上，利用上海聯通大數據機器學習建模能力、人工智能分析能力，為用戶提供精準的全球資產配置、境外理財、金融保險等金融服務。

（五）建立模型和系統，增強風險管控能力

在企業內部成立專業的金融大數據風控團隊，建立信用管理系統及風控平臺，通過收集用戶征信數據，建立企業信用指數、風險指數、反欺詐模型等量化企業及個人的信用額度及風險水平，根據計算結果實時監測企業行為模式，從貸前、貸中、貸后全方位防范風險，增強金融風險的管控能力。

眾多金融公司根據自身業務特點開發自己的數據體系，并利用大數據打造風控平臺。掌眾金融、京東金融、網易金融等依據自己的數據庫建立反欺詐模型、交易行為風險模型等多種模型，構建大數據風控體系和平臺，對平臺企業進行智能風控和貸后管理，以解決信貸欺詐。

同時，各地方政府也積極建立大數據金融風控平臺。貴陽、蘇州、廣東等地聯合市金融辦、聯通、電信等建立金融風險監測預警平臺，包括用戶信用畫像、平臺業務管理、融資擔保管理、小額信貸管理和平臺綜合管理等多種系統，實現對相關企業的分級監管和預警處理，對加強地區金融風險防控有積極意義。

（六）多方面實現金融創新

基于以上分析，金融行業可以利用大數據實現精準營銷、增強風險管控和監管能力，以此提高資源配置效率。事實上，精準營銷和風險管控等本身就是金融創新，其次，利用客戶需求、風險數據及精準營銷分析報告也可實現金融產品、業務創新。各金融機構利用客戶需求、風險數據制定客戶需求報告，結合自身經營特點及年度營銷趨勢分析，不僅能為客戶推出合適的金融產品服務，還能提高客戶粘性，實現金融機構的差異化競爭。

為實現多方面金融創新，上海聯合高校、企業及政府相關部門于2017年建成大數據金融創新中心，致力于實現金融工具、業務及技術的創新。為建成小康社會，盧氏縣將大數據運用到精準扶貧中，利用金融扶貧大數據平臺實現金融扶貧的精準對接，在解決精準扶貧的信息共享問題上取得了重大突破。

四、大數據在金融行業應用中存在的問題

（一）大數據人才儲備不足

由于大數據與云計算、人工智能等深度融合發展可以釋放巨大能量，成為引領經濟發展的強勁動力。人才在發展大數據產業中扮演著越來越重要的角色，但我國大數據人才儲備明顯不足，甚至出現缺口。2017年11月發布的《中國經濟的數字化轉型：人才與就業》報告顯示，我國目前大數據領域人才出現缺口，達到150萬，預計2025年將達到200萬。我國大數據人才儲備僅46萬，若近幾年內不制定人才培養方案，不加大人才培養，將嚴重影響未來大數據產業發展。

（二）數據信息安全度低

在大數據時代，社會、政府、黑客及互聯網發展等多方面因素使數據信息處于危險狀態。首先，數據信息的敏感性使得黑客對數據“虎視眈眈”;其次，互聯網的快速傳播及大數據隨時可被應用到黑客攻擊中，這更加快了黑客攻擊的速度;最后，群眾對數據信息安全認識不高、政府保障數據安全措施乏力等綜合因素使數據安全問題形勢嚴峻。數據造假、數據泄露、數據買賣、數據欺詐等現象屢屢發生。2017年，京東員工與黑客勾結，為黑客提供用戶交易信息和個人身份信息等50億條;2018年，多家外賣平臺的用戶信息發生泄露，對受害者的日常生活造成諸多不良影響。

如果數據安全問題不能有效解決，不僅會制約大數據產業本身發展，嚴重影響其應用領域，還會造成諸多社會問題。所以，保障數據安全是實現產業持續健康發展、保持社會穩定的重要前提。

（三）大數據共享與開放度不足

造成大數據信息不流通，開放度低的原因有兩個：一個是大數據來源渠道多，各渠道掌握的數據信息不盡相同，且保存在不同部門，各金融機構、政府及平臺內部利用自身數據獲取及分析優勢建立并使用自己的數據庫，將數據信息視為“自己”的數據并獲取利益，導致政府、企業等不愿意共享數據;另一個原因是數據安全度低，若直接將大數據暴露在社會公眾中，會對用戶自身安全造成極其嚴重的后果。所以，諸多原因導致掌握數據的部門不愿公開、不能公開和不敢公開數據。實現數據共享不僅能夠節省數據儲存空間，使企業、政府專注于研發數據分析技術，突破大數據產業現有難題，還有助于形成良好的數據使用氛圍，充分發揮數據資源整合的優質效應。

（四）技術創新難度大

大數據產業發展要有足夠充分的數據挖掘和數據分析技術，加之大數據在金融領域風控、監管、創新的應用，未來對大數據技術的要求不僅僅在數據安全、共享等技術層面，更多的是跨領域的綜合技術。然而，金融機構原有的數據系統較復雜，涉及平臺及供應商較多，技術改造及創新難度較大。目前，大數據在金融行業中的應用仍處于起步階段，在眾多應用模式中仍需要經過大量的調研與試錯方可進入使用階段，所以，金融與大數據復雜的發展背景一定程度上制約了大數據在金融行業發展的進度，可能影響企業對未來發展的積極性。

（五）基礎環境不健全

據2018年發布的《中國大數據產業發展評估報告》顯示，在行業大數據基礎環境評估指數中，金融的評估結果為8.04，在十大行業中排名第五。作為大數據應用的領軍行業，其發展環境并不理想，具體表現為缺乏行業政策及基礎設施。在我國目前的法律體系下，金融大數據在保障信息安全方面有較多的法律法規，但在大數據融合發展推動產業升級之際，中西部地區缺乏完整的技術、投融資、人才培養與引進等政策體系，缺乏大數據產業基地等設施，致使我國金融大數據的發展環境不夠健全。

五、對策建議

（一）加強大數據人才培養

各地區建立完善的大數據人才培養計劃及系統，整合高校、企業和社會資源，在5-10年內為國家大數據產業發展提供強有力的人才和技術支撐。在各地高校設立大數據專業，通過政策吸引或高薪聘請大數據專業人才開設相關技術課程，成立大數據研究實驗室，并培訓一批專業團隊到各地高校進行招生演講，以擴大大數據人才培養規模。同時，高校主動與大數據企業和政府合作建立大數據人才培養基地，充分利用社會和政府資源為大數據人才提供實踐機會，提高技術能力并實現創新。

（二）建立第三方數據監管機構

為防止大數據平臺和企業進行內部非法交易發生數據安全事故，建立第三方數據監管機構，將所有大數據平臺及平臺企業納入監管對象，并建立監管機制全面保障數據安全。監管機構聘請專家團隊選定考核指標并賦予權重，如領導重視情況、數據交易情況、用戶安全滿意度調查、特色加分項等，建立全面、系統的考核指標體系，以季度或半年為周期制定定期檢查機制，對大數據平臺及平臺企業交易情況嚴格考核。第三方監管機構將考核結果不及格的大數據平臺處以警告并納入重點監管對象，一旦發現數據非法交易現象則立馬報警。同時，第三方監管機構建立健全激勵機制，對連續三年考核結果特別優秀的大數據平臺進行表彰、嘉獎，以提高大數據平臺內部搞好數據安全工作的積極性。

（三）加大資金支持力度

在大力發展大數據產業的各個環節中，如研發大數據技術、培養大數據人才、建立數據監管機構等都離不開資金支持，足夠的資金支持是確保大數據產業各環節穩定有序發展的重要條件。在大數據人才培養過程中，全力支持高校購買技術設備，聘請專家開展大數據專題講座等;在大數據研發過程中，政府出臺大數據政策，在為大數據初創企業提供融資條件的同時，對大數據企業所承擔的重大項目和高校培養的優秀人才，根據發揮的作用給予團隊和教師一定程度的獎勵，以此提高大數據企業與教師的積極性。

（四）建立數據共享平臺

各地方政府出臺數據共享政策，聘請專家或相關機構完善數據共享平臺的具體建設方案，以平臺形式保障數據共享的安全性和有效性。該平臺整合政府、金融機構及企業數據資源，設置應用層及服務層，有數據及服務需求的用戶需完善身份信息并同意數據保密協議，方可進入平臺購買和使用相關數據。同時，該平臺需完善項目標準建設，如管理制度、數據標準、規范索引和安全保障等，要求數據雙方嚴格遵守平臺規則，一旦出現信息泄露、違法交易等現象，經查明后禁止該用戶使用數據共享平臺，從而全方位保障數據共享平臺安全有效地運營。

（五）完善大數據產業環境

依據國家發布的金融大數據發展規劃等相關政策，各地區結合自身發展優勢，推出金融大數據具體規劃及系統整合共享實施方案，尤其是人才培養與引進、技術創新、投融資、數據安全、共享、監管資金支持等方案。同時，結合大數據企業建立金融大數據產業基地，打造金融大數據中心，積極貫徹落實相關政策，整合周邊資源，整治產業環境，提高產業基地的吸引力及承載力，為本地金融大數據發展提供良好的產業環境，并進一步培養龍頭企業發揮帶動引領作用。

（六）加大技術創新

各地方政府針對目前大數據在金融行業應用中面臨的技術難題，加大投資力度，建設龍頭企業，突破技術瓶頸，努力實現技術創新。大數據企業根據大數據產業發展規劃，重點發展跨學科、跨領域等交叉融合技術，全力突破大數據關鍵技術，發表大數據核心技術專利，提高企業的技術含量，努力建設龍頭企業。進一步，政府與龍頭企業密切配合，針對金融行業突破技術瓶頸，加強金融行業先進技術、前沿技術的跟蹤、引進和研究，提升地區大數據產業及企業核心競爭力，實現大數據技術改造及創新。

六、總結

本文介紹了大數據的概念及發展情況，著重研究大數據在金融行業的應用現狀，并針對問題提出對策建議。研究發現，大數據以平臺及供應鏈模式廣泛應用在傳統金融及新金融中，在金融資源配置效率、精準營銷、風險管控和創新等方面具有重要的應用意義。但是，數據安全度低、數據人才儲備不足、數據開放度不足、技術創新難度大、產業環境差成為制約大數據發展的重要因素，通過整合政府、高校及社會資源，加強大數據人才培養、加大資金支持力度和技術創新、建立第三方數據監管機構和共享平臺、完善大數據產業環境等措施使大數據產業健康穩定發展，從而提升大數據在金融領域中的應用效率和質量。

參考文獻：

[1]茶洪旺，鄭婷婷.中國大數據產業發展研究[J].中州學刊，2018，No.256（04）：25-31.

[2]韋雨聲.大數據在金融行業的應用和發展[J].現代經濟信息，2017（24）：320.

[3]萬昊戈.大數據在金融領域中的應用現狀[J].通訊世界，2018，25（12）：61-62.

[4]莊旭東.大數據在金融領域的應用及影響[J].金融科技時代，2019（02）：29-32.

[5]蘭虹，熊雪朋，胡穎潔.大數據背景下互聯網金融發展問題及創新監管研究[J].西南金融，2019（03）：809.

[6]李薇.大數據時代互聯網金融創新及風險防控[J].人民論壇，2019（05）：76-77.

[7]唐彬，吳曉光.金融業大數據安全問題[J].中國金融，2017（23）：77-78.

[8]何平平，車云月編著.大數據金融與征信[M].清華大學出版社.

（張曉露為成都信息工程大學應用經濟學碩士研究生;馬先仙為成都信息工程大學統計學院教授，博士）