毋庸置疑，金融大數據擁有著廣闊的發展前景。然而，金融大數據應用也面臨著數據資產管理水平不足、技術改造難度大、行業標準缺失、安全管控壓力大和政策保障仍不完善等一系列制約因素。為推動金融大數據更好發展應用，必須從政策扶持保障、數據管理能力提升、行業標準規范建設和應用合作創新等多個方面入手，不斷強化應用基礎能力，持續完善產業生態環境。
大數據技術的金融應用情況分析
大數據技術的應用提升了金融行業的資源配置效率，強化了風險管控能力，有效促進了金融業務的創新發展。金融大數據在銀行業、證券行業、保險行業、支付清算行業和互聯網金融行業都得到廣泛的應用。
1、大數據在銀行業中的應用。
一是信貸風險評估。在傳統方法中，銀行對企業客戶的違約風險評估多是基于過往的信貸數據和交易數據等靜態數據，這種方式的最大弊端就是缺少前瞻性。因為影響企業違約的重要因素并不僅僅只是企業歷史的信用情況，還包括行業的整體發展狀況和實時的經營情況。而大數據手段的介入使信貸風險評估更趨近于事實。
內外部數據資源整合是大數據信貸風險評估的前提。一般來說，商業銀行在識別客戶需求、估算客戶價值、判斷客戶優劣、預測客戶違約可能的過程中，既需要借助銀行內部已掌握的客戶相關信息，也需要借助外部機構掌握的人行征信信息、客戶公共評價信息、商務經營信息、收支消費信息、社會關聯信息等。
二是供應鏈金融。利用大數據技術，銀行可以根據企業之間的投資、控股、借貸、擔保以及股東和法人之間的關系，形成企業之間的關系圖譜，利于關聯企業分析及風險控制。知識圖譜在通過建立數據之間的關聯鏈接，將碎片化的數據有機地組織起來，讓數據更加容易被人和機器理解和處理，并為搜索、挖掘、分析等提供便利。
在風控上，銀行以核心企業為切入點，將供應鏈上的多個關鍵企業作為一個整體。利用交往圈分析模型，持續觀察企業間的通信交往數據變化情況，通過與基線數據的對比來洞察異常的交往動態，評估供應鏈的健康度及為企業貸后風控提供參考依據。
2、大數據在證券行業中的應用。
一是股市行情預測。大數據可以有效拓寬證券企業量化投資數據維度，幫助企業更精準地了解市場行情。隨著大數據廣泛應用、數據規模爆發式增長以及數據分析及處理能力顯著提升，量化投資將獲取更廣闊的數據資源，構建更多元的量化因子，投研模型更加完善。
證券企業應用大數據對海量個人投資者樣本進行持續性跟蹤監測，對賬本投資收益率、持倉率、資金流動情況等一系列指標進行統計、加權匯總，了解個人投資者交易行為的變化、投資信心的狀態與發展趨勢、對市場的預期以及當前的風險偏好等，對市場行情進行預測。
二是股價預測。證券行業具有自身的特點，與其他行業產品與服務的價值衡量普遍存在間接性的特點不同，證券行業客戶的投資與收益以直接的、客觀的貨幣形式直觀地呈現。受證券行業自身特點和行業監管要求的限制，證券行業金融業務與產品的設計、營銷與銷售方式也與其他行業具有鮮明的差異，專業性更強。
諾貝爾經濟學獎得主羅伯特·席勒設計的投資模型至今仍被業內沿用。在他的模型中，主要參考三個變量：投資項目計劃的現金流、公司資本的估算成本、股票市場對投資的反應(市場情緒)。大數據技術可以收集并分析社交網絡如微博、朋友圈、專業論壇等渠道上的結構化和非結構化數據，了解市場對特定企業的觀感，使得市場情緒感知成為可能。
三是智能投顧。智能投顧是近年證券公司應用大數據技術匹配客戶多樣化需求的新嘗試之一，目前已經成為財富管理新藍海。智能投顧業務提供線上的投資顧問服務，能夠基于客戶的風險偏好、交易行為等個性化數據，采用量化模型，為客戶提供低門檻、低費率的個性化財富管理方案。智能投顧在客戶資料收集分析、投資方案的制定、執行以及后續的維護等步驟上均采用智能系統自動化完成，且具有低門檻、低費率等特點，因此能夠為更多的零售客戶提供定制化服務。
3、大數據在保險行業中的應用。
一是騙保識別。借助大數據手段，保險企業可以識別詐騙規律，顯著提升騙保識別的準確性與及時性。保險企業可以通過建設保險欺詐識別模型，大規模地識別近年來發生的所有賠付事件。通過篩選從數萬條賠付信息中挑出疑似詐騙索賠。保險企業再根據疑似詐騙索賠展開調查會有效提高工作效率。此外，保險企業可以結合內部、第三方和社交媒體數據進行早期異常值檢測，包括了客戶的健康狀況、財產狀況、理賠記錄等，及時采取干預措施，減少先期賠付。
二是風險定價。保險公司通過大數據分析可以解決現有的風險管理問題。比如，通過智能監控裝置搜集駕駛者的行車數據，如行車頻率、行車速度、急剎車和急加速頻率等;通過社交媒體搜集駕駛者的行為數據，如在網上吵架頻率、性格情況等;通過醫療系統搜集駕駛者的健康數據。以這些數據為出發點，如果一個人不經常開車，并且開車十分謹慎的話，那么他可以比大部分人節省30%-40%的保費，這將大大地提高保險產品的競爭力。
4、大數據在支付清算行業中的應用。
以交易欺詐識別為例。目前，支付服務操作十分便捷，客戶已經可以做到隨時、隨地進行轉賬操作。面對盜刷和金融詐騙案件頻發的現狀，支付清算企業交易詐騙識別挑戰巨大。大數據可以利用賬戶基本信息、交易歷史、位置歷史、歷史行為模式、正在發生行為模式等，結合智能規則引擎進行實時的交易反欺詐分析。整個技術實現流程為實時采集行為日志、實時計算行為特征、實時判斷欺詐等級、實時觸發風控決策、案件歸并形成閉環。
金融大數據發展應用趨勢
一是大數據應用水平正在成為金融企業競爭力的核心要素。金融的核心就是風控，風控以數據為導向。金融機構的風控水平直接影響壞賬率、營收和利潤。目前，金融機構正在加大在數據治理項目中的投入，結合大數據平臺建設項目，構建企業內統一的數據池，實現數據的“穿透式”管理。大數據時代，數據治理是金融機構需要深入思考的命題，有效的數據資產管控，可以使數據資產成為金融機構的核心競爭力。
二是金融行業數據整合、共享和開放成為趨勢。數據越關聯越有價值，越開放越有價值。隨著各國政府和企業逐漸認識到數據共享帶來的社會效益和商業價值，全球已經掀起一股數據開放的熱潮。目前，美歐等發達國家和地區的政府都在數據共享上做出了表率，開放大量的公共事業數據。中國政府也著力推動數據開放，國務院《促進大數據發展行動綱要》提出：到2018年，中央政府層面實現金稅、金關、金財、金審、金盾、金宏、金保、金土、金農、金水、金質等信息系統通過統一平臺進行數據共享和交換。
三是金融數據與其他跨領域數據的融合應用不斷強化。從2016年開始，大數據技術逐漸成熟，數據采集技術快速發展，通過圖像識別、語音識別、語義理解等技術實現外部海量高價值數據收集，包括政府公開數據、企業官網數據、社交數據。金融機構得以通過客戶動態數據的獲取更深入地了解客戶。
未來，數據流通的市場會更健全。金融機構將可以方便地獲取電信、電商、醫療、出行、教育等其他行業的數據，一方面會有力地促進金融數據和其他行業數據融合，使得金融機構的營銷和風控模型更精準。另一方面，跨行業數據融合會催生出跨行業的應用，使金融行業得以設計出更多的基于場景的金融產品，與其他行業進行更深入的融合。
四是金融數據安全問題越來越受到重視。大數據的應用為數據安全帶來新的風險。數據具有高價值、無限復制、可流動等特性，這些特性為數據安全管理帶來了新的挑戰。對金融機構來說，網絡惡意攻擊成倍增長，組織數據被竊的事件層出不窮。這對金融機構的數據安全管理能力提出了更高的要求。大數據使得金融機構內海量的高價值數據得到集中，并使數據實現高速存取。但是，如果出現信息泄露可能一次性泄露組織內近乎全部的數據資產。數據泄露后還可能急速擴散，甚至出現更加嚴重的數據篡改和智能欺詐的情況。
金融大數據應用面臨的挑戰
一是金融行業的數據資產管理應用水平仍待提高。金融行業的數據資產管理仍存在數據質量不足、數據獲取方式單一、數據系統分散等一系列問題。一是金融數據質量不足，主要體現為數據缺失、數據重復、數據錯誤和數據格式不統一等多個方面。二是金融行業數據來源相對單一，對于外部數據的引入和應用仍需加強。三是金融行業的數據標準化程度低，分散在多個數據系統中，現有的數據采集和應用分析能力難以滿足當前大規模的數據分析要求，數據應用需求的響應速度仍不足。
二是金融大數據應用技術與業務探索仍需突破。金融機構原有的數據系統架構相對復雜，涉及的系統平臺和供應商相對較多，實現大數據應用的技術改造難度較大，而且系統改造的同時必須保障業務系統的安全可靠運行。同時，金融行業的大數據分析應用模型仍處于探索階段，成熟案例和解決方案仍相對較少，金融機構應用大數據需要投入大量的時間和成本進行調研和試錯，一定程度上制約了金融機構大數據應用的積極性。而且，目前的應用實踐反映出大數據分析的誤判率還比較高，機器判斷后的結果仍需要人工核查，資源利用效率和客戶體驗均有待提升。
三是金融大數據的行業標準與安全規范仍待完善。當前，金融大數據的相關標準仍處于探索期，金融大數據缺乏統一的存儲管理標準和互通共享平臺，涉及金融行業大數據的安全規范還存在較多空白。相對于其他行業而言，金融大數據涉及更多的用戶個人隱私，在用戶數據安全和信息保護方面要求更加嚴格。隨著大數據在多個金融行業細分領域的價值應用，在缺乏行業統一安全標準和規范的情況下，單純依靠金融機構自身管控，會帶來較大的安全風險。
四是金融大數據發展的頂層設計和扶持政策還需強化。在發展規劃方面，金融大數據發展的頂層設計仍需強化。一方面，金融機構間的數據壁壘仍較為明顯，數據應用仍是各自為戰，缺乏有效的整合協同，跨領域和跨企業的數據應用相對較少。另一方面，金融行業數據應用缺乏整體性規劃，當前仍存在較多分散性、臨時性和應激性的數據應用，數據資產的應用價值沒有得到充分發揮，業務支撐作用仍待加強，迫切需要通過行業整體性的產業規劃和扶持政策，明確發展重點，加強方向引導。
促進金融大數據發展應用的建議
一是出臺促進金融大數據發展的產業規劃和扶持政策。建議針對產業發展需求和政策空白領域，出臺促進金融行業大數據發展應用的指導性政策意見，明確產業發展的目標、方向、路徑和要求，完善產業發展的配套保障體系和發展能力評估建設體系。指導和支持金融大數據在產業標準、安全和商業化等多個領域的相關研究。逐步加快發布和形成金融大數據產業應用標準體系和行業規范，以標準促進產業合作，創造更加良好的產業發展環境，增強產業界發展積極性。
二是分階段推動金融數據開放、共享和統一平臺建設。針對金融機構數據分散和隔離問題，建議監管機構牽頭，分階段推進金融行業安全可控的數據開放共享。首先從制定統一數據目錄，明確最低開放標準著手，逐步鼓勵金融機構創新合作模式，搭建金融行業統一數據平臺，克服跨組織數據流通障礙。未來可鼓勵金融機構探索混合所有制，建立獨立運營主體，負責金融行業大數據的統一管理和運營，開展跨行業、跨領域應用合作，促進金融大數據在社會經濟各領域的價值實現。
三是強化金融大數據行業標準和安全規范建設。建議組織金融行業各方主體，協同制定統一的金融行業大數據交易規范，明確交易各方的數據安全責任，保障金融大數據市場的健康、有序發展;制定明確的數據安全使用標準，對金融大數據的使用權限、使用范圍、使用方式和安全機制等，進行嚴格的規范化、標準化管理;建立有效的投訴機制和懲罰機制，實施全程全網的數據安全使用管控與源頭追訴。
四是依托行業平臺推進金融大數據應用成果共享合作。積極發揮以“中國支付清算協會金融大數據應用研究組”為代表的行業組織的平臺作用，打造具有品牌影響力的金融大數據交流分享平臺，建立金融大數據行業的長效溝通機制，促進金融大數據應用成果的經驗分享和互動交流。同時，積極推動金融行業和電信、電商、旅游等跨行業的溝通和合作，通過專題活動宣傳和推廣，展示金融大數據在各個行業領域的應用成果，增加金融大數據應用的社會關注度
京公網安備 11010502049343號