大數據對金融統計的影響分析

馬榮昌 對外經濟貿易大學

一、大數據與金融統計概念及影響分析

(一)大數據概念

隨著大數據技術向各領域的延伸，各領域業務范疇不同，技術應用方式也有所區別。大數據技術概念Apache Hadoop組織認為，在互聯網普及的今天，大數據是處理大規模的數據集的一種技術形式。麥肯錫環球研究院認為大數據是打破傳統數據庫軟件對數據集的獲取和存儲功能，實現智能管理和分析。李金昌認為，大數據建立在現代信息技術基礎上，實現自動獲取數據、存儲和連續擴充的類型數據。其中大數據體現在形式上更加靈活、便捷等。

(二)金融統計界定

19世紀，我國金融領域的統計有了初步概念，MFS將金融機構和非金融機構的相關流量在整體經濟體系中進行數據統計，詮釋了社會貨幣資金的各種融通活動的統計內涵，其中除了融資主體以外還包括中介機構、形式、網絡場所等，金融統計更加關注貨幣資金流動量、結構、余額和去向。金融統計監測管理信息系統目前運用COGNOS作為底層開發基礎，確保數據CUBE實時更新，確保金融統計數據即時性，由于金融統計數據監測管理系統內部包含3 600種報表模板定義，根據數據使用者需求，可以生成不同組合形式。

(三)金融統計與統計的關系

金融統計屬于統計學范疇，按照屬性區分，首先，統計學著眼點趨于宏觀的數理統計和經濟統計，而金融統計更加注重實際操作，運用專業軟件和數學模建等形式，推動金融領域更加快捷、高效開展工作。其次，發展方向區別，統計學重點對經濟統計，更加注重學術研發等方向，而金融統計學是利用計算機軟件在金融領域發揮實際作用，側重運用統計知識來指導實際生產活動。

二、大數據對金融統計產生的具體影響

大數據對金融統計中的數據采集、處理、分析以及整體造成一定影響，相關領域人員應針對當前業務范疇不斷獲取最佳金融統計方案，避免大數據技術對金融統計產生負面影響。

(一)對金融統計數據采集的影響

大數據技術較傳統統計數據提高了數據采集的難度，由于大數據技術的在金融領域的深入，非結構化數據量隨之增多，較傳統結構化數據相比占比逐步增加，非結構化數據在采集過程中由于缺乏成熟的技術采集手段，降低了各項參數的精準性。同時，大數據技術還降低了人工采集數據效率，在采集方法不變的情況下，提高了數據采集難度，部分企業還沒有完全轉換為大數據統計技術，由于人員有限，面對大數據呈現出的大量數據信息，直接影響數據采集效率，為了保持原有工作效率，還應增加人力成本，因此，還應不斷優化人工采集方法，避免大數據技術的出現影響人工采集效率。最后，由于傳統人工采集需要從各類數據中挑選出對應的參數，在互聯網的作用下，大數據技術實現數據自動篩選功能，提高數據采集的時效性，運用先進的采集方法，促進采集效率的提升。

(二)對金融統計數據處理的影響

首先，大數據技術呈現出海量的數據信息，相關參數應從海量數據中妥善篩選，數據儲存空間隨著技術的發展不斷更新迭代變得空間加大。由于金融統計業務開展離不開數據儲存，傳統數據儲存空間較小，隨著業務量的增加數據無法保存，隨著大數據技術的發展和推進，對數據庫存儲空間要求也隨之增加。其次，提高了數據檢索、匯總的效率，由于大數據技術逐漸代替的傳統金融統計工作，而半結構與非結構化數據占比隨著大數據技術的深入數據體量加大，提高了數據處理工作量，有效數據篩選難度加大，且存在一定誤差，影響數據處理的有效性。最后，由于大數據技術會產生大量數據信息，為了從中篩選有效的參數，剔除掉無價值信息，隨著數據量的增加，大數據價值密度低的弊端，增加了有用信息的篩選難度，陷入無用信息干擾境地。

(三)對金融統計數據分析的影響

首先，影響了統計分析方法的有效性，隨著大數據技術應用在金融統計工作中，非結構化數據的增加，致使傳統數據處理方法處理非結構化數據，增加了數據處理難度，分析所采用的數據不完整，影響分析方法的有效性。其次，由于數據分析處理過程中的軟硬件不能隨時更新，處理方式固化，只能駕馭傳統少量的數據分析，大數據技術生成海量的數據信息，一時間軟硬件處理能力很難應對，降低了工作效率。最后，弱化了統計報表的作用。由于人們思維方式的轉變，大數據技術背景下，需要全面掌握動態市場信息，對金融風險實行預警機制，傳統金融統計工作不能滿足當前報表使用者需求，影響分析效果。

(四)對金融統計整體的影響

大數據對金融統計整體影響正向分析，可以促進金融統計數據的精準性，雖然對數據采集、處理和分析環節分析多以負面為主，但隨著軟硬件設施更新到位后，相關技術措施準備充分，大數據技術可以從多個維度確保金融統計數據的系統性、全面性和精準性。我國各大銀行金融體系運用大數據技術，規避了一些不良影響，擴大了優勢范圍，通過建立大數據平臺，提高互聯網技術水平，各類數據信息在數據庫平臺可以實時更新便于查找，非結構化數據的處理效率增加，運用新媒體信息技術、終端人臉識別技術、錄音文本等，保障了數據安全，有效規避客戶損失。

三、大數據對金融統計影響程度實證分析

(一)大數據對金融統計影響程度定性分析

首先，大數據對金融統計數據采集的影響因素，一方面是提高了數據采集難度，增加了金融統計的即時性，降低了人工采集的效率。其次，對數據處理影響體現在存儲空間加大，匯總、校驗等降級了總有效性，數據清晰難度增加。最后，大數據對金融統計數據分析的影響，主要體現在軟硬件的處理能力，降低了統計分析效果，弱化了統計報表的作用。

(二)數據采集及指標賦權

首先，數據收集與樣本結構的說明，通過調查問卷的形式對相關數據信息做影響程度分析，其中包括基本信息和策略型的問項，通過調查樣本可以清晰了解到被調查者的區域分布、單位分布、對大數據技術的認知程度、金融統計的認知程度等。結構較為適中，可以對總體實行有效估計和統計分析判斷。其次，運用SPSS19.0軟件做數據信度和效度檢驗，Cronbach's Alpha系數均大于0.6，結果表明具有較高的可信度。

(三)大數據對金融統計影響程度測算

通過問卷調查的形式搜集相關數據，根據比例對每個影響程度的模糊子集隸屬度計算隸屬矩陣，根據權重向量后，進一步做多階層模糊綜合變換。根據三個層次分類的公式為根據AHP方法，計算二級指標權重第三層模糊綜合變換根據最大隸屬度原則，金融統計每個維度和總體之間隸屬度等級影響較大，并按照隸屬度從大到小，分別為影響較大、影響較小和無影響，結果顯示，雖然大數據對金融統計影響被調查者認為較大的對整體影響不大。

四、大數據時代提升金融統計工作的政策建議

(一)完善金融統計制度建設

首先，應構建金融業綜合統計系統，根據當前銀行、證券、保險等領域運用大數據技術建立綜合統計系統，確保數據采集實現平臺統一，結構多樣化，便于現代化采集工具和計算機系統結合。做好數據挖掘，規范工作流程和操作規則。其次，要推進金融統計標準化建設，隨著數據類型增多，數據量的增大，數據口徑存在不統一或者數據記錄缺失等問題，針對這一現狀首先應對金融機構信息做標準化管理，其次應對金融工具信息做標準化管理；最后對金融計值單位做標準化管理。

(二)加強金融統計工作隊伍建設

大數據背景下，金融統計工作離不開統計工作隊伍，為了與傳統統計工作有效結合，應加強人才引進，以便開展金融統計工作。同時還要加強人才培養，針對金融統計工作范圍，培訓大數據相關技術知識，培養工作隊伍的基本素質和創新能力。聘請大數據領域專家、學者深入金融領域參與有關學術討論，提升金融統計工作標準，打造專業金融統計人才。

(三)升級金融統計配套設施

首先，應加強計算機硬件升級，數據量的增加存儲和分析功能帶來重大挑戰，為了提高計算機運行的速度和可靠性，應加強存儲硬盤的升級，促進計算機存儲和分析能力，從傳統的集中式計算變更為分布式計算，實行多個任務同時在多個計算機上處理，提高運算速度和分析能力。其次，計算機的軟件升級，軟件包括R、Scipy、SAS、SPSS等，其中有的需要編程的解決方式，有的需要分析解決，有的具備可視化操作效果，大數據技術融入了非結構化的數據，原有軟件無法勝任當前運行要求，但由于金融統計工作的特殊性質，還應不斷完善和改進軟件。

五、結語

近年來，隨著大數據技術的不斷深入發展，大數據技術已被廣泛應用與各領域。金融統計工作融合大數據技術可以提高數據采集、處理和分析的效率，并從三個維度分析出影響金融統計的相關指標，為新時期大數據背景下金融統計工作明確工作方向，為管理人員提供新的思路和工作依據。