移動互聯網、大數據、金融三個熱點詞匯疊加在一起，將會爆發出多么大的想象力。大數據時代不是突然出現的，實際上過去的幾十年間，數學家就已經涉獵金融行業了，如諾貝爾經濟學獎獲得者哈里.馬克維茨、威廉.夏普，羅伯特，恩格爾都是數據家。他們通過數學模型對金融市場進行分析，利用計量經濟學知識和金融市場數據來建立數學模型，預測金融市場產品收益同風險波動的關系。著名的信用卡巨頭Master很早以前就開始利用起交易數據進行分析和風險管理，大通銀行在90年代就利用決策數方法進行房產抵押貸款的風險管理。

數據分析和數據挖掘一直就存在于過去的商業活動中。大數據時代的出現簡單的講是海量數據同完美計算能力結合的結果。確切的說是移動互聯網時代產生了海量的數據，大數據技術完美的解決了海量數據的收集、存儲、計算的問題，因此大數據時代開啟企業利用數據價值的另一個時代。本人將陸續推出有關大數據在金融的文章。文章從金融數據的商業價值和大數據分析技術入手，來同大家探討數據在金融企業應用，主要介紹數據如何成為資產，數據如何幫助金融企業實現精準營銷、產品創新、效率提升和風險管理等。計劃推出如下幾篇短文，文章的標題和內容可能會有些變化。

第一篇數據價值

主要討論數據如何成為資產。數據為何具有價值？數據如何在產品創新，效率提升，風險管理等方幫助金融企業，具有價值的數據將是金融企業未來實現業務突破的一個重點。

第二篇數據來源和應用

主要討論金融行業，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。

第三篇數據技術

主要談談常見的大數據采集和分析技術，相關數據提取和特征值分析，數據刪除。金融行業的數據平臺建設，數據組織架構的建設，數據治理建設等。

第四篇數據驅動業務

主要討論大數據在金融行業的應用，數據驅動業務，還是業務需要數據支持。數據在金融行業發展過程中的作用，通過具體案例分析來介紹數據的作用。

第五篇大數據決策

決策樹分析法介紹，學習的機器。大數據在業務決策中的作用，不要過分依賴大數據。大數據僅僅提供決策支持，不能直接決策。大數據的歸納和演繹，大數據提供的是一種大概率的決策支持。

第六篇數字銀行

介紹基于移動互聯網和大數據技術的數字銀行，探討數字銀行的概念、功能、實現技術、發展階段、同銀行現有業務的融合、在未來銀行發展中的作用。

第七篇大數據在金融的未來之路

介紹未來金融行業大數據技術的發展方向和發展特點，介紹金融大數據人才需求，同數據科學家的合作，大數據思維意識的建立，金融行業和其他行業的合作，大數據產業的融合之路。

第一篇數據價值

金融行業包含銀行、保險、證券（包含基金），按照管理資產規模看，銀行有160萬億的資產，占了整體金融行業資產超過了70%，因此我們將重點討論銀行的大數據應用。

大數據時代有三種類型的公司，1）擁有數據的公司例如銀行、電信運營商。2）擁有技術的公司例如IBM，Oracle。3）擁有技術和數據的公司例如google，百度，阿里，facebook.

銀行內部有客戶信息、交易信息、信用信息、資產信息等，具有較全的數據，僅需要從外部引入較少的信息。證券公司內部有交易信息和資產信息，如果進行大數據應用，需要從外部引入大量信息。保險公司具有客戶信息和資產信息，但是缺乏交易信息，更加依靠外部信息。

作為擁有數據的公司，必須要知道其有哪些數據，哪些具有價值的數據，數據同商業需求的相關性，如何提取其特征值進行度量，從而體現數據對于公司價值。

大數據對金融行業價值可以從以下幾個方面進行討論

1精準營銷

大數據可以提供某些企業交易特點和資金需求特點，可以幫助業務部門對企業的資金需求進行分析和篩選，提供現金管理產品，幫助企業解決流動性問題。大數據可以幫助信用卡中心追蹤熱點信息，針對特定人群提供精準營銷產品，增加新卡用戶，例如熱映電影、娛樂活動、餐飲團購等。銀行針對特定人群推出定制的理財產品，保險公司可以根據大數據來為特定人群定制保險產品，證券公司可以依據大數據提供具有針對性的融資融券產品。

2社交化營銷

人們的社交行為產生了巨大的數據，利用社交平臺，結合大數據分析，金融行業可以開展成本較低的社交化營銷，借助于開放的互聯網平臺，依據大量的客戶需求數據，進行產品和渠道推廣。通過互聯網社交平臺返回的海量數據，評測營銷方案的階段成果，實時調整營銷能夠方案，利用口碑傳銷和病毒式傳播來幫助金融行業快速進行產品宣傳、品牌宣傳、渠道宣傳等。

3信用風險評估

銀行可以利用大數據增加信用風險輸入緯度，提高信用風險管理水平，動態管理企業和個人客戶的形用風險。建立基于大數據的信用風險評估模型和方法，將會提高銀行對中小企業和個人的資金支持。個人信用評分標準的建立，將會幫助銀行在即將到來的信用消費時代取得領先。基于大數據的動態的信用風險管理機制，將會幫助銀行提前預測高風險信用違約時間，及時介入，降低違約概率，同時預防信用欺詐。

4欺詐風險管理

信用卡公司可以利用大數據及時預測和發現惡意欺詐事件，即使采取措施，降低信用開欺詐風險。保險公司可以利用大數據來發現惡意投保和索賠事件，降低欺詐帶來的經濟損失。銀行可以基于大數據建立防欺詐監控系統，動態管理網上銀行、POS機、ATM等渠道的欺詐事件，大數據提供了多緯度的監控指標和聯動方式，可以彌補和完善目前反欺詐監控方式的不足。特別在識別客戶行為趨勢方面，大數據具有較大的優勢。

5提升客戶體驗

銀行可以依據大數據分析，可以對進入網點的客戶提供定制服務和問候，在節假日為客戶提供定制服務，預知企業客戶未來資金需求，提前進行預約，提高客戶體驗。私人銀行可以依據大數據分析報告，幫助客戶進行金融市場產品投資，賺取超額利潤，形成競爭優勢，提高客戶體驗。保險公司可以依據大數據預測為客戶提前提供有效服務，提高客戶體驗，同時增加商業機會。證券公司可以利用大數分析，快速推出行業報告和市場趨勢報告，幫助投資者及時了解熱點，提高客戶滿意度。

6需求分析和產品創新

大數據提供了整體數據，銀行可以利用整體樣本數據，從中進行篩選。可以從客戶職業，年齡，收入，居住地，習慣愛好，資產，信用等各個方面對客戶進行分類，依據其他的數據輸入緯度來確定客戶的需求來定制產品。銀行還可以依據企業的交易數據來預測行業發展特點，為企業客戶提供金融產品服務。保險行業可以依據外部數據倒入，根據熱點詞匯來判斷市場對保險產品的需要。證券公司也可以依據外部數據判讀投資者喜好，來定制投資產品，進行產品創新。

7運營效率提升

大數據可以展現不同產品線的實際收入和成本，幫助銀行進行產品管理。同時大數據為管理層提供全方面報表，揭示內部運營管理效率，有力于內部效率提升。大數據可以幫助市場部門有效監測營銷方案和市場推廣情況，提高營銷精度，降低營銷費用。大數據可以展現風險視圖控制信用風險，同時加快信用審批。大數據可以幫助保險行業快速為客戶提供保險方案，提高效率，降低成本。證券行業也可以利用大數據動態提供行業報告，快速幫助投資人。

8決策支持

大數據可以幫助金融企業，為即將實施的決策提供數據支撐，同時也可以依據大數據分析歸納出規律，進一步演繹出新的決策。基于大數據和人工智能技術的決策樹模型將會有效幫助金融行業分析信用風險，為業務決策提供有力支持。金融行業新產品或新服務推向市場前，可以在局部地區進行試驗，大數據技術可以對采集的數據進行分析，通過統計分析報告為新產品的市場推廣提供決策支持。

總之，進入大數據時代，金融行業的客戶信息、交易信息、資產信息、信用信息等數據經過有效采集和整理分析，將會成為具有價值的數據信息。內部數據結合外部數據將形成具有重要價值的數據資產，可以有效幫助金融企業進行精準營銷，降低運營費用，提高欺詐管理水平，提高信用風險管理水評，為決策提供有效支持，同時幫助金融企業了解客戶需求，開發出符合客戶需要，具有創新精神的新產品。簡單的講大數據將幫助金融行業提高運轉效率，降低支出成本，提高風險管理水平，基于客戶需求進行產品創新。