大數據在金融第一篇推出后得到了很多朋友的反饋，有的人認為大數據確實是一個新興的產業機會，有的人認為大數據就是一個炒作概念，是一些科技公司和咨詢公司的商業行為。其實不管大家的觀點如何，大數據的產業機會正在到來，如果沒有大數據概念的興起，數據營銷，數據分析、數據決策就不能如此快速發展。

在大數據分析一書中，邁克爾.梅內里介紹了商業技術應用發展歷史。從技術發展時間軸來看，80年代之前是企業ERP時代，80年代到90年代進入客戶關系管理時代，90年代到2000年進入電子商務年代，2000年到2010年逐步進入大數據分析時代。在沒有進入大數據分析年代前，所有的商業技術的出發點是用于提升效率，通過自動化工具代替手工流程，無論是應用于供應鏈的ERP，還是應用客戶管理管理的CRM其目的都是幫助企業提高內部的運營效率，降低庫存，降低生產費用，快速處理客戶建議，提高客戶滿意度，電子商務的應用是打破生產者和消費者之間的信息壁壘，減少中間的銷售環節，本質還是提高商品的流通效率，降低銷售成本。

大數據分析給企業帶來的不僅僅是效率的提升，還有決策支持和差異化競爭。利用大數據分析技術，商家可以定位自己的客戶，將產品以最低的營銷成本送達到客戶。同時商家也可以通過大數據分析了解客戶要求，開發出滿足客戶需要的產品。大數據分析還可以降低企業運營成本，降低風險，節省時間，預防欺詐，提供自助服務等。其帶給企業不僅僅是效率的提升還包含預測分析、決策支持、優化、模擬仿真等等。

廣告、媒體、 電商、交通、電信、金融、醫療是數據應用較早的幾個行業，由于涉及到個人隱私和公共安全的原因，很多數據還不能夠公開，各個行業只能采用自己的數據進行商業應用，大數據整體協同效應不明顯，但是還是可以看到其中的商業價值。

本文主要討論金融行業的數據來源和應用，介紹金融行業，數據來源于哪里，自身具有哪些數據，需要哪些外部數據，這些數據的價值，如何獲得和利用這些數據。數據來源是大數據在金融行業應用的基礎。

金融行業的數據可以分為三大類別，并依據各個類別的特點來探討其應用。本文舉例以銀行業為主，證券和保險也可以參考。金融行業的數據大多數來源于客戶自身信息以及其金融交易行為。

一般來講數據在金融行業可以分為以下三大類。

1、客戶信息數據

可以稱為基礎數據，主要是指描述客戶自身特點的數據。

個人客戶信息數據包括：個人姓名，性別，年齡，身份信息，聯系方式，職業，生活城市，工作地點，家庭地址，所屬行業，具體職業，收入，社會關系，婚姻狀況，子女信息，教育情況，工作經歷，工作技能，賬戶信息，產品信息，個人愛好等等。

企業客戶信息數據包括：企業名稱，關聯企業，所屬行業，銷售金額，注冊資本，賬戶信息，企業規模，企業地點，分公司情況，客戶和供應商，信用評價，主營業務，法人信息等等。

銀行業這些信息來源于多個系統，包括客戶管理系統，核心銀行系統，貿易系統，保理系統，融資管理系統，信息卡系統、信貸管理系統等。銀行應將這些割裂的數據整合到大數據平臺，形成全局數據。對銀行所有客戶數據進行整合，按照自身需要進行歸類和打標簽，由于都是結構化數據因此有利于數據分析。

金融行業可以將這些信息集中在大數據管理平臺，對客戶進行分類，依據其他的交易數據，進行產品開發和決策支持。例如可以依據客戶年齡、職業、收入、資產等，針對部分群體推出信用消費，抵押貸款，教育儲蓄，投資產品、養老產品等，為客戶提供針對于人生不同階段的金融服務。也可以檢驗已有產品的占有率，推廣效果，以及采集客戶的自身產品需求。企業客戶也是同樣道理，沒有數據分析之前，產品開發依賴于產品經理自身能力和風險偏好，或者模仿行業其他競爭對手的產品，有了數據分析之后管理層可以決定推出何種產品，了解到產品實際銷售情況，針對特定用戶進行推廣，降低營銷費用，有利于降低風險。因此客戶信息數據主要用于精準營銷，產品設計，產品反饋、降低風險等。

2、交易信息數據

交易信息也可以稱為支付信息，主要是指客戶通過渠道發生的交易以及現金流信息。

個人客戶交易信息：包括工資收入，其他收入，個人消費，公共事業繳費，信貸還款，轉賬交易，委托扣款，購買理財產品，購買保險產品，信用卡還款等

企業客戶交易：包括供應鏈應收款項，供應鏈應付款項，員工工資，企業運營支出，同分公司之間交易，同總公司之間交易，稅金支出，理財產品買賣，外匯產品買賣，金融衍生產品購買，公共費用支出，其他轉賬等

這些信息大多存在銀行的渠道系統里面，如網上銀行，卡系統，信用卡系統，貿易系統，保理系統，核心銀行系統，保險銷售平臺，外匯交易系統等。這些交易數據容量巨大，必須借助于大數據技術進行分析，形成全局數據、整體數據。銀行利用這些數據對個人消費者進行消費行為分析，開發產品，提供金融服務。同時也可以利用這些數據提供供應鏈金融服務，建立自己的商品交易生態圈。。銀行也可以依據交易數據為企業提供貿易融資或設備融資服務。整合后的數據可以用于銀行對企業的信用評價，交易數據可用來進行風險給管理，提前介入風險事件，降低債務違約風險。現金流和支付信息數據量很大，如果大批量采用將會造成效率下降，因此對商業需求的了解將是進行大數據分析關鍵，有效的數據分類和取舍將會幫助銀行高效利用大數據技術。銀行在采集和使用交易數據時，其采用哪些數據，通過何種形式展現，數據分析報告輸入維度和權重具有極大的挑戰性。

3、資產信息

資產信息主要是指客戶在銀行端資產和負債信息，同時也包含銀行自身資產負債信息。

個人客戶資產負債信息包括：購買的理財產品，定期存款，活期存款，信用貸款，抵押貸款，信用卡負債，抵押房產，企業年金等

企業客戶資產負債信息包括：企業定期存款，活期存款，信用貸款，抵押貸款，擔保額度，應收賬款，應付賬款，理財產品，票據，債券，固定資產等

銀行自身端資產負債信息包括：自身資產和負債例如活期存款，定期存款，借入負債，結算負債，現金資產，固定資產，貸款證券投資等。

資產數據主要來源于核心銀行系統和總帳系統，資產數據可以用于銀行完整的風險視圖，幫助銀行對進行有效風險管理，通過資產數據的集中整合，針對每一個企業客戶或個人客戶，銀行可以有效快速對客戶進行風險評估和風險管理，提高客戶體驗，并結合現金流和交易數據，供應鏈數據為客戶提供定制的理財產品或貸款產品。銀行也可以利用自身資產負債信息來提高資金利用率，通過調整資產負債，來降低資金成本，提高資本收益。銀行還可以對客戶及自身資產負債配置信息進一步分析，通過調整產品來解決存款和貸款之間的時間匹配問題，降低流動性風險，提高資金利用效率。資產信息主要用于銀行自身風險管理和資本效率提升，同時也可以幫助銀行通過產品推廣來合理調整資產負債，提高自身盈利能力。

除了上面提到的三大類銀行自身的數據之外，如果銀行進行大數據分析，為了贏得差異化競爭，就必須考慮其他的數據輸入，這些數據是銀行自身不具有的，但是對其數據分析和決策起到了很重要的作用。銀行可以采用同大數據廠商合作的方式，通過自身平臺來采集數據或購買第三方數據。前提是銀行自身必須了解且業務需求和數據需求，借助于其他的數據平臺和技術來完善自身的大數據平臺和分析技術。下面簡單介紹一下銀行進行大數據分析時需要的其他數據。

1、行為數據

主要是指客戶在互聯網上的行為數據，包括APP應用上的點擊數據，社交媒體和社交網絡數據，電商平臺的消費數據。銀行可以購買這些用數據來完善自己的大數據分析輸入，行為數據作為補充數據來為銀行數據營銷，產品設計，數據反饋，風險管理提供數據支持。但是行為數據可能涉及到消費者的個人隱私，因此銀行在購買這行數據講應該小心，建議和數據擁有者合作并得到客戶的授權。

2、位置信息

主要是指銀行客戶使用的移動設備位置信息，客戶自己所處的地理空間數據。包括其多頻率的位置往返數據。銀行可以利用其進行精準營銷，結合商家推出優惠服務，同行也可以利用其信息提供理財產品介紹會，針對特殊人群的財富管理會議，為新增網點還是撤銷網點提供決策支持等

3、供應鏈數據

主要是指企業同上下游企業之間的商品或貨物的交易信息，銀行自身的供應鏈信息不全，無法完全支撐對企業的供應鏈金融服務。銀行需要和具有這些信息的電商平臺例如阿里，京東等合作，根據完整的供應鏈信息來提供金融服務。

4、商業數據

主要是指經過分析整理的研究數據，包括消費者行為數據，行業分析報告，競爭與市場數據，宏觀經濟數據，特殊定制數據等。銀行可以利用第三方的專業分析報告來制定自身風險偏好，同時為自身的大數據分析，產品開發，風險管理提供決策支持。

總之，銀行在實施大數據戰略時，應該了解銀行內部都有哪些數據，需要對數據進行歸類，通過大數據技術進行提取和取舍，了解這些數據背后代表著哪些商業價值，銀行自身的大數據需求在哪里，還需要哪些外部數據，如何同已有數據進行整合。銀行自身豐富的數據就是大數據應用的基礎，大數據分析可以從銀行自身數據出發，依據商業需求進行分析，為決策提供支持。外部數據的引入需要在大數據模型搭建過程中進行考慮，作為參考數據為大數據分析提供輔助支持作用。