近年來，我國金融科技快速發(fā)展，在多個領(lǐng)域已經(jīng)走在世界前列。大數(shù)據(jù)、人工智能、云計算、移動互聯(lián)網(wǎng)等技術(shù)與金融業(yè)務(wù)深度融合，大大推動了我國金融業(yè)轉(zhuǎn)型升級，助力金融更好地服務(wù)實體經(jīng)濟，有效促進了金融業(yè)整體發(fā)展。在這一發(fā)展過程中，又以大數(shù)據(jù)技術(shù)發(fā)展最為成熟、應(yīng)用最為廣泛。從發(fā)展特點和趨勢來看，“金融云”快速建設(shè)落地奠定了金融大數(shù)據(jù)的應(yīng)用基礎(chǔ)，金融數(shù)據(jù)與其他跨領(lǐng)域數(shù)據(jù)的融合應(yīng)用不斷強化，人工智能正在成為金融大數(shù)據(jù)應(yīng)用的新方向，金融行業(yè)數(shù)據(jù)的整合、共享和開放正在成為趨勢，給金融行業(yè)帶來了新的發(fā)展機遇和巨大的發(fā)展動力。

大數(shù)據(jù)在金融行業(yè)的典型應(yīng)用場景

大數(shù)據(jù)涉及的行業(yè)過于廣泛，除金融外，還包括政治、教育、傳媒、醫(yī)學、商業(yè)、工農(nóng)業(yè)、互聯(lián)網(wǎng)等多個方面，各行業(yè)對大數(shù)據(jù)的定義目前尚未統(tǒng)一。大數(shù)據(jù)的特點可歸納為“4V”。第一，數(shù)據(jù)體量大（Volume），海量性也許是與大數(shù)據(jù)最相關(guān)的特征。第二，數(shù)據(jù)類型繁多（Variety），大數(shù)據(jù)既包括以事務(wù)為代表的傳統(tǒng)結(jié)構(gòu)化數(shù)據(jù)，歐洲服務(wù)器租用 云服務(wù)器，還包括以網(wǎng)頁為代表的半結(jié)構(gòu)化數(shù)據(jù)和以視頻、語音信息為代表的非結(jié)構(gòu)化數(shù)據(jù)。第三，價值密度低（Value），大數(shù)據(jù)的體量巨大，但數(shù)據(jù)中的價值密度卻很低。比如幾個小時甚至幾天的監(jiān)控視頻中，有價值的線索或許只有幾秒鐘。第四，處理速度快（Velocity），大數(shù)據(jù)要求快速處理，時效性強，要進行實時或準實時的處理。

金融行業(yè)一直較為重視大數(shù)據(jù)技術(shù)的發(fā)展。相比常規(guī)商業(yè)分析手段，大數(shù)據(jù)可以使業(yè)務(wù)決策具有前瞻性，讓企業(yè)戰(zhàn)略的制定過程更加理性化，實現(xiàn)生產(chǎn)資源優(yōu)化分配，依據(jù)市場變化迅速調(diào)整業(yè)務(wù)策略，提高用戶體驗以及資金周轉(zhuǎn)率，降低庫存積壓的風險，從而獲取更高的利潤。

當前，大數(shù)據(jù)在金融行業(yè)典型的應(yīng)用場景有以下幾個方面：

在銀行業(yè)的應(yīng)用主要表現(xiàn)在兩個方面：一是信貸風險評估。以往銀行對企業(yè)客戶的違約風險評估多基于過往的信貸數(shù)據(jù)和交易數(shù)據(jù)等靜態(tài)數(shù)據(jù)，美國站群服務(wù)器 亞洲服務(wù)器，內(nèi)外部數(shù)據(jù)資源整合后的大數(shù)據(jù)可提供前瞻性預(yù)測。二是供應(yīng)鏈金融。利用大數(shù)據(jù)技術(shù)，銀行可以根據(jù)企業(yè)之間的投資、控股、借貸、擔保及股東和法人之間的關(guān)系，形成企業(yè)之間的關(guān)系圖譜，利于企業(yè)分析及風險控制。

在證券行業(yè)的應(yīng)用主要表現(xiàn)為：一是股市行情預(yù)測。大數(shù)據(jù)可以有效拓寬證券企業(yè)量化投資數(shù)據(jù)維度，幫助企業(yè)更精準地了解市場行情，通過構(gòu)建更多元的量化因子，投研模型會更加完善。二是股價預(yù)測。大數(shù)據(jù)技術(shù)通過收集并分析社交網(wǎng)絡(luò)如微博、朋友圈、專業(yè)論壇等渠道上的結(jié)構(gòu)化和非結(jié)構(gòu)化數(shù)據(jù)，形成市場主觀判斷因素和投資者情緒打分，從而量化股價中人為因素的變化預(yù)期。三是智能投資顧問。智能投資顧問業(yè)務(wù)提供線上投資顧問服務(wù)，其基于客戶的風險偏好、交易行為等個性化數(shù)據(jù)，依靠大數(shù)據(jù)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。

在互聯(lián)網(wǎng)金融行業(yè)的應(yīng)用，一是精準營銷。大數(shù)據(jù)通過用戶多維度畫像，對客戶偏好進行分類篩選，從而達到精準營銷的目的。二是消費信貸。基于大數(shù)據(jù)的自動評分模型、自動審批系統(tǒng)和催收系統(tǒng)可降低消費信貸業(yè)務(wù)違約風險。

金融大數(shù)據(jù)的典型案例分析

為實時接收電子渠道交易數(shù)據(jù)，整合銀行內(nèi)系統(tǒng)業(yè)務(wù)數(shù)據(jù)。中國交通銀行通過規(guī)則欲實現(xiàn)快速建模、實時告警與在線智能監(jiān)控報表等功能，以達到實時接收官網(wǎng)業(yè)務(wù)數(shù)據(jù)，整合客戶信息、設(shè)備畫像、位置信息、官網(wǎng)交易日志、瀏覽記錄等數(shù)據(jù)的目的。

該系統(tǒng)通過為交通銀行卡中心構(gòu)建反作弊模型、實時計算、實時決策系統(tǒng)，幫助擁有海量歷史數(shù)據(jù)，日均增長超過兩千萬條日志流水的銀行卡中心，形成電子渠道實時反欺詐交易監(jiān)控能力。利用分布式實時數(shù)據(jù)采集技術(shù)和實時決策引擎，幫助信用卡中心高效整合多系統(tǒng)業(yè)務(wù)數(shù)據(jù)，處理海量高并發(fā)線上行為數(shù)據(jù)，識別惡意用戶和欺詐行為，并實時預(yù)警和處置；通過引入機器學習框架，對少量數(shù)據(jù)進行分析、挖掘構(gòu)建并周期性更新反欺詐規(guī)則和反欺詐模型。

系統(tǒng)上線后，該銀行迅速監(jiān)控電子渠道產(chǎn)生的虛假賬號、偽裝賬號、異常登錄、頻繁登錄等新型風險和欺詐行為；系統(tǒng)穩(wěn)定運行，日均處理逾兩千萬條日志流水、實時識別出近萬筆風險行為并進行預(yù)警。數(shù)據(jù)接入、計算報警、案件調(diào)查的整體處理時間從數(shù)小時降低至秒級，監(jiān)測時效提升近3000倍，上線3個月已幫助卡中心挽回數(shù)百萬元的風險損失。