2015 年對于銀行和金融業公司來說是一個開局之年，在這一年中他們繼續用大數據來幫助他們進行業務和組織架構的演進。

現在，放眼2016年將要面對的，我們猜測：

金融服務公司為了利益最大化進而不斷整合大數據環境而言，他們面前的路依舊漫長。 銀行家們也正在起草大數據戰略，制定入門和隨后的用例。

對于銀行來說，大數據主要還是圍繞提高客戶情商，減少風險，符合監管。在可見的未來處于第一梯隊的大型金融集團都會繼續圍繞大數據展開各種動作。

在低端市場，一些中小型的公司(經紀、資產管理、區域銀行、顧問等)能夠更快速的適應大數據平臺(云平臺和本地部署)，這些都幫助他們構建能夠支撐復雜業務的大型系統，同時這些系統也都是比他們大的競爭對手所必須面對的。這塊市場因此能夠快速成長(對比那些大銀行所關注的長期而規范的和成本為主的項目)能夠馬上看到更加直接收入貢獻和戰略(概念/實驗)項目 。

對于大數據軟件提供商和服務提供商來說，市場已經到了一個銀行業必須要接受的爆發點上。大家都要在高可用、大規模、內部管控和面向客戶活動方面有一些措施。同時，這些內容和我們看到的云技術的發展路線有所不同。

下面給大家展示幾個大數據技術發展方向的預測，和這些發展帶來的變化如何影響金融服務業：

第一，機器學習將會加速發展，同時大批量的應用在反欺詐和風控領域。

數據科學家人才本身的供需關系將會朝著更加平衡的方向發展。在反欺詐和風控領域將會使用更加成熟的技術來改善風控模型本身，并且加速發展實時分析監控和預警。這些快速的發展和變化會來自于業界領導者的傳授和在現實世界的實踐與應用。

第二，業界領導和進步緩慢者之間的差距將會越來越大。

每一年我們都能看到銀行為了適應新技術而加大油門快速前進，同時在組織架構方面非常保守。業務和用戶在2016年都將要激增而且會非常多變，結果就是在廣闊的市場導致更強的可觀察到的和可衡量的業務大量回歸(不只是成本的下降)。

第三，數據治理，血統和其他的合規性方面問題將會更加深入的集成到大數據平臺中去。

為了找到一個能夠在合規性方面提供更強大功能的數據解決方案，許多銀行都購買或者開發了 單點解決方案，再不行就是用已經運行很多年的傳統解決方案平臺，但是這些解決方案都無法應對現今大規模爆發的數據。幸虧現在有越來越多的Hadoop改進方案來進行數據治理，改善血統和提供數據質量。更重要的是，這些新數據平臺能夠超越Hadoop平臺達到傳統數據存儲的效果，并且做的更加大容量，更快，且在細節上達到合規性要求。此外在2016年我們將繼續看到為融合監管和風險控制(RDARR)中心服務的叫做“數據湖”方面的更多進展。

第四，金融服務業正在利用物理網數據方面做出努力。

這一波浪潮正是抓住大數據吸引力炒作/發力的好時機，同時金融服務應用的為題也很多。物聯網數據在許多行業應用中已經實踐(電信，零售，制造業)這些行業驅動了物聯網的數據的需求并且處于壟斷地位。那么對于銀行來說物聯網數據是否能夠用在ATM或者移動銀行業務中?這些都是在明年的多渠道實時數據流中值得探索的。例如，實時，多渠道的商業行為可以使用物聯網數據對銀行零售客戶在正確的時間點提供適時的報價 。或許我們反過來想想，金融公司可以將自己的服務內嵌植入到用戶的某種“東西”或者設備或者其他和客戶接觸的點上，不在那些交易設施 上，而是在家。

第五，與貿易，投資組合管理和咨詢申請集成成為軟件供應商的一個顯著特點。

鼓吹與“從大數據獲得更多利益”相關的新聞頭條越奏越響。最終，這些觀點都將被金融終端用戶、可見的利益(或者不可見、無法衡量的利益)還有易用性等因素決定。大數據平臺的建設核心將要提供的就是一個橋梁就是大數據，并且將其銳化突出。我們已經看到了市場數據供應商最喜歡的動作，但是并沒有其他商業用戶的應用，那么朝這個方向努力(CRM，OMS/EMS等)。

第六，風險控制和監管數據管理將繼續成為頂級大數據平臺的重要任務。

增長和用戶中心相關的商業行為將穩坐戰略合作列表第一的位置，會有很多的公司會把未來的戰略與大數據關聯起來。不論你的銀行是不是發達的數據驅動的公司不斷變化發展的規律還是面對大量的挑戰，朝著預測發展的分析都是一條漫長的道路，同時也是一個必要的需求和被公司首席高官確認有意義的事。除非老天開恩或者監管機構放松要求，否則風險控制和監管仍然是2016年所有金融機構的首要挑戰。

第七，金融服務業采用Hadoop作為關系型數據庫進行存取將會大大增加。

大家在不同的時間使用了相同的技術之間并沒有任何差別。 “長尾”效應還很遙遠，但是中小型銀行將會從Hadoop的以下幾方面獲益：

供應商將整合整套集成解決方案，服務，平臺

用戶社區持續成長，并能提供一個基礎參考作為突破口

數據降載成為當今Hadoop一個“經典”應用(相對來講)，同時許多大數據專家繼續再更大的數據集合上前進，未來將會有更多的普通人加入到大數據應用的行列。

第八，金融服務“大數據終結app”理論在市場得到了越來越多的認可。

FinTech 已經孵化了2-3年，形成了大數據平臺和用戶間從前端到終端的連接。希望看到更多的銀行作為證明概念來運行這些應用，這些實踐將檢驗軟件所提供的“完整解決方案”的基礎。前端到終端和后端都應進行整合，而不是分割。大家可以看到市場迅速的從服務集成擴展到后端，這將迎來銀行業的關于如何定位“大數據軟件”和“傳統軟件” 的激烈討論。

第九，變化來了，獲得前進動力的最后一次機會。

隨著越來越多的高可靠大數據平臺的出現，安全專家，深層次的豐富元數據，集成LEI和其他標準成為一個嚴峻的現實。傳統的數據的方法是有效的，只是需要一些思想來充分利用新的解決方案-例如處理架構和數據建模。更深一層，隨著大數據工作在前臺，市場營銷和風險控制方面形成的工作模式，我們能夠看出這里面在辦公的中后期業務上有明顯和巨大的數據重疊部分，這些重疊能夠很容易的應用在現有的數據湖中。我們預計，在中等的商業風險評估與性能相關的大數據的商業行為將迅速增加。更進一步，我們將看到關于如何切實帶來后臺功能的更深層次的交流(合作等)。

第十，銀行的機構方將開始采用并從零售業務的方式來獲取線索增進對于市場目標客戶的了解。

有一些純B2B的公司利用大數據來改善客戶商情，但是大部分時候他們處于B2C業務的不利地位，信用卡業務，銀行零售業，財富管理或者借貸業務。一個簡單的跨界就是基金的配置(大型共同基金經理)從財富顧問網絡和經紀人相互作用來改善數據收集的過程,同時也提高產品利用率。一旦被從客戶群中移除，這對于共同基金通常是非常重要的，所以加強對于機構客戶的理解顯得尤為重要。

信任仍然是許多大型銀行的使用新供應商“大數據”的主要因素。換句話說，當你展望2016年，將會有很大的來自管理層的推動力，來把大數據項目移出IT然后放到商業用戶手中。為了達成目的，我們需要考慮架構，功能，速度，可用性，安全性等問題。與往常一樣，采用傳統的嚴謹性以全新的架構布局并沒有改變，傳統架構將的成本和緩慢的進展將開始在新的Hadoop表現和融合的大數據的架構過程中逐步展現。

更進一步，將來一定會有更加強大的工具來處理現有的工作，例如數據治理，數據質量，參考數據管理，標準。這將要求各方持續的教育，即那些IT意外的繼續教育。用以了解市場的快速發展。

最后，針對平衡開源和供應商解決方案將展開長期討論。不是所有的開源項目設計之初就符合機構客戶，開源項目傳遞了一種敏捷性需求開發—每個銀行的需求都在不停的變化，為大數據找到合適的點才是更加重要的。總而言之，2016年的市場將會不斷前行，混亂隨之減少，同時會使大數據的海洋變得風平浪靜。