大数据技术与金融行业的深度融合分析

来源:用户上传      作者:冯瑞琳

　　摘 要：现如今互联网技术正以令人震惊的速度向各大行业渗透，随之而来是指数级增长的数据。在当今时代，数据已然成为企业制胜的关键手段。而金融行业作为最依赖数据的行业之一，大数据技术在此行业的应用范围非常广泛。基于大数据以及金融业务的特征对行业风险控制、客户信息管理与挖掘以及金融产品设计与宣传方面进行细化分析，旨在不断助力金融业与大数据技术整合发展，为金融业获取更大价值并进入深层次发展阶段提供相关可行性建议。
　　关键词：大数据;金融业;融合发展;金融科技
　　中图分类号：F23 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2019.30.057
　　央行在2018年发布的《“十三五”现代金融体系规划》一文中强调深入探索应用大数据技术促进金融行业创新发展，制定行业内数据共享及交易模式，同时也强调相关技术创新在金融行业监管方面的应用。政府也在不断出台相关政策鼓励金融机构在金融产品及金融产品服务创新方面积极利用云计算、大数据等先进技术手段，如此一来大数据时代下金融行业将释放出前所未有的潜在能量。在大数据的浪潮中，金融行业的发展获得了极大的动力的同时也面临着的巨大的威胁与挑战。大数据技术作为推动金融行业创新发展的关键力量，二者的深度结合将改变传统金融行业体系、金融行业的业务模式以及各个环节运转方式，并重新构建金融行业的生态圈。
　　1 研究背景
　　1.1 国外研究现状
　　国外对于大数据技术与金融的相关研究较为丰富多样，包括金融创新性研究、技术挖掘等方面的深度剖析;同时也对大数据背景下P2P模式发展做了相关分析。Bryan R.Routledge以金融大数据与公司成长为切入点，重点研究投标数据对外部融资成本的影响以及大数据与企业规模的相关联程度。Juliane Begenau等学者研究大数据技术的诞生对公司投资成本方面产生的影响。Chia-Lin Chang、Michael McAleer等对大数据、金融、计算科学等七大学科的相关领域问题进行研究探讨。Donald Lien;对大数据时代中的商业金融以及金融企业的管理问题进行重点研究分析。
　　1.2 国内研究现状
　　我国正经历着由IT时代向DT时代转型的过程，金融行业内的数据呈现指数级增长的形态。近年来，我国的金融科技发展极其迅速，取得了非常不错的成果。银行、证券、期货、保险、基金等传统金融机构将新技术、新环境作为转型升级的武器，逐步实现金融产品优化、精准营销、智能运营。除此之外，以互联网平台起家的公司如百度、阿里、京东等也将业务拓展到金融市场。越来越多的学者将研究重点放在了大数据背景下金融行业创新发展的挑战与发展策略上。从信用评估、金融企业转型、普惠金融、互联网金融平台建设等多个角度对金融科技的發展提出相关对策。米青满从大数据互联网金融的发展现状入手首先提出互联网金融的发展模式，并进一步结合传统银行业的特点从银行信息技术特点、创新服务等方面对银行业的转型提出相关发展策略。学者张进伟等人重点研究大数据背景下互联网金融的发展现状、发展特点以及对行业的影响。
　　1.3 金融大数据发展问题
　　随着大数据等技术的普及与覆盖，各行业在转型发展不断前进的同时也面临着更加严峻的问题。金融与大数据的结合将主要在金融业务监管、管理经营以及投资等方面发挥作用。作为较早建设数据平台的金融行业压力尤其沉重。首先是金融行业形态较为复杂，建立的大数据平台主要以P2P、保险、银行、征信等企业为主，不同金融机构的业务的发展对数据平台的依赖程度非常高，因此就必要解决庞大的金融机构对于大数据技术的业务需求。其次，金融行业数据平台上的数据复杂多样，包括结构化、非结构化数据、图片等多种格式。面对各类数据的接入需求以及安全保密级别管理控制方式进行数据平台的设计与维护是金融大数据结合的第二个难点。金融行业的有序发展业依赖于技术的安全性，从数据平台的搭建、数据保密、数据输入输出以及平台业务进展方面都必须要保证安全，坚决防止数据泄露等问题的发生。
　　2 大数据技术与金融业
　　2.1 大数据技术与金融业风控
　　金融行业的风险性与其他行业相比是极大的，依据行业领域的特性来看正是风控能力决定了金融机构的市场竞争力。金融机构主要依据信用评分模型预测风险水平从而确定利率。因而征信的发展水平对金融业的发展非常重要。我国的传统信用评分模型无法对缺乏征信记录的人进行评估，在一定程度上阻碍了信贷的发展进程。不仅如此，传统的评分模型也存在着标准过于局限的问题。大数据技术的诞生结合数据采集、机器学习、数据建模等方式对信贷评估、反欺诈等环节进行控制与管理。而由于移动设备的广泛使用，产生了大量的行为数据。正是由于大数据具有海量的特性，可以捕捉到多种多样的数据，保证了数据的多样性与全面性。在经过数据采集之后利用机器学习进行数据挖掘，基于数据的关联程度确定测量指标。从个人交易信息、社交信息、法律信息、偿还能力等方面入手构建新型信用评估模型。这是静态多维数据信息进行持续动态调整及转换的过程。此举将全面、精准反映出借贷人的征信情况，以此形成征信评估平台的标准化、规范化。在大数据、云计算等新技术的推动之下，金融行业的“云数据”平台的建立将大幅度降低金融机构的运转投入成本。在此基础上对金融区块链技术将不断对数据的安全问题进行严格控制，以数据驱动为重点的创新应用模式将为金融行业带来更广阔的发展空间。
　　2.2 大数据技术与中小企业融资
　　随着政府政策的大力支持以及市场环境的良好运转，中小企业的数量不断增长。但是中小企业在社会融资方面受到了一定的限制，因此在过去大多数的中小企业都面临着缺乏资金运转的问题。这是因为中小企业在业务、管理等方面与大型公司相比存在着一定的劣势，正是由于金融机构对中小企业较高的经营风险存在顾虑也就出现了中小企业融资困难的问题。而大数据技术可以有效解决此问题，企业数据信息的透明化、全面化使金融机构可以对该企业的发展更加了解，也就加强了对中小企业的信任程度，金融机构可以有针对性地对企业资金支持方面提供较为合理的解决方案。 　　2.3 大数据技术与金融产品创新
　　随着经济的转型发展，购买金融产品的群体也在不断变化，尤其是近年来互联网的飞速发展改变了相关产品的购买渠道及购买方式，这一转变使越来越多的年轻人接触到了金融产品。金融产品成为年轻人日常理财的关键手段。传统的理财产品偏好在此背景下必然会发生变化，而大数据技术在此方面将发挥巨大的优势。利用大数据技术采集客户在社交媒体以及电商平台等渠道的行为信息。针对用户信息标签进行客户群体分类，以“客群”作为金融产品设计与宣传的划分标准，从客户标签分类提取出人口属性、商业属性、行为属性、交易属性等多个维度的数据信息进行分析实现客户画像，针对分析结果对客户进行定位。大数据技术的辅助支撑将进一步对用户的消费能力、消费理念、购买需求、购买途径等多方面进行精准化定位利用多种宣传推广方式逐步实现金融产品创新。可见，大数据技术在客户画像实现产品创新设计、新型宣传营销等方面有着巨大的商业价值。
　　3 对策与建议
　　3.1 促进金融行业数据融合，加强平台间的交流与合作
　　数据制胜的时代迎来的将会是一场场的数据竞争战。现阶段各大金融机构所掌握的数据资源无论在数量上还是种类上都是参差不齊的状态，而机构之间考虑到自身的发展拒绝数据共享，长此以往将会出现数据垄断的问题，所谓数据垄断就是金融机构掌握了大量核心的数据资源却拒绝与同行业或者其他行业进行数据共享交流，因而导致各大金融机构之间的合作冲突，也将对大数据征信模型的建立起到了相当大的阻碍作用。金融行业的数据不同于其他行业，其数据平台的建立依赖于各大机构之间的数据共享。因此，要促进金融机构之间的数据共享，不断推出金融数据共享鼓励机制，在完善金融数据库的同时，也要对数据库进行优化升级，为企业之间的数据共享提供支持。一方面金融行业与本行业内以及其他行业都存在着一定的联系，大数据时代各行业之间必然要进行数据的共享合作，通过与其他行业数据平台的联系，可以对自身的发展不断创新优化;另一方面可以借此机会不断在其他领域寻找发展机会与空间。如此一来将逐步加快我国金融行业之间的整合以及各行业之间的交流合作，通过金融大数据融合应用模型促进行业进入新的阶段、加速应用的整合协同过程，不断填补行业应用中的空白。
　　3.2 完善相关法律，加强金融大数据平台的监管
　　随着行业的竞争愈演愈烈，数据的大规模爆发、多渠道采集获取与应用，随之而来的就是数据信息的隐私安全问题，无论是个人层面上的数据安全问题还是企业机构的数据安全问题都必须有严格的法律法规作为支撑。从隐私保护方面入手，逐步完善隐私信息的界定以及处置手段、维权方式等。金融大数据平台的监管是金融业持续稳定发展的重中之重。一方面，金融机构的监管部门要保障平台客户的隐私信息，明确客户信息的使用界限;另一方面要加强行业内部的管理，例如机构内部的保密机制及人事内控管理。加强对金融机构内部系统的安全维护，应用数据加密、防火墙、数字时间戳、身份认证与识别等多种网络安全管理控制机制确保金融信息系统的安全运行。
　　3.3 塑造优质人才梯队，吸引复合型人才
　　人才团队对于任何一个行业而言都是至关重要的存在，金融行业也不例外。由于我国在大数据等技术领域的研究还处在初期阶段，对相关技术创新、产业融合等方面都存在一定的局限性，这就需要优质的人才队伍。金融与大数据的结合对于人才的素质能力要求较高，不仅需要掌握金融行业的发展动态、大数据等先进技术的概念及操作方式，更需要懂得如何利用先进科学技术建设金融科技平台。金融企业应重点培养先进、优质、现代化的复合型人才队伍，不断吸引此类人才为金融大数据的创新融合发展提供基础保障。
　　参考文献
　　[1]贺小曼.基于大数据的金融风险预测与防范对策[J].财经界（学术版），2019，（12）：4.
　　[2]陈丽汀.大数据背景下的互联网金融创新的几个趋势分析[J].金融经济，2019，（14）：51-52.
　　[3]瞿晓强.精准营销在商业银行的应用——以J银行基层机构精准营销的实践为例[J].对外经贸，2019，（06）：83-84+89.
转载注明来源:https://www.xzbu.com/2/view-15025679.htm