大數據被譽為第四次工業(yè)革命的能源，整個產業(yè)正處于高速起飛的階段，機會和挑戰(zhàn)總是結伴而行。大數據也是一座待挖掘的金礦，給人們帶來無限美好遐想的同時，一些潛在的挑戰(zhàn)也在漸漸浮出水面。

這個趨勢在金融大數據領域尤為明顯。

壟斷壁壘漸強，數據共享已成空話 

得益于金融行業(yè)較為完整的數據積累與人才儲備，大數據在金融領域的應用可以說是最早開花結果，包括精準營銷、客戶全周期管理、戰(zhàn)略決策、風險控制等環(huán)節(jié)均能看到大數據的落地身影。

但就像引言所說，很多挑戰(zhàn)也在不斷滋生，這些挑戰(zhàn)至少來自三個維度。

首先是認知層面。大數據對金融行業(yè)來說意味著什么 僅僅是一個優(yōu)化工具還是對金融體系的一次基因改造，或者還是代替銀行一些職能成為獨立的產品 答案眾說紛紜，始終沒有得到統一。

其次是數據獲取帶來的挑戰(zhàn)。

目前企業(yè)面臨一個普遍的困境就是挖掘與收集數據的能力有限，需要滿世界找數據。

不解決這個問題就會直接導致底層數據的流通不暢，底層數據從大的方面來說由內部和外部兩個方面組成。內部是指總行跟各分行之間，甚至是各銀行之間數據的共享;外部是指金融業(yè)和行業(yè)外部數據的打通，比如說電商平臺、醫(yī)保和社保等交易場景下用戶產生的數據。

但是這些數據本身都被高度壟斷，并且一些還涉及到用戶隱私問題，甚至一些企業(yè)一旦將自己的數據開放將會遭受難以估量的巨大損失。

舉個極端例子， 假如阿里的數據向京東開放會發(fā)生什么 我想第一時間京東會去獲取阿里中大量女性用戶的數據，一舉填平服裝和美妝產業(yè)在兩者之間的鴻溝。

即使情況沒有這么極端，阿里僅僅開放了一些簡單的數據，也會給京東很多發(fā)揮的空間。比如說用戶在阿里買了一件商品，這個數據被京東獲知，京東就可以馬上上架或者是推薦相關聯的產品，用戶買了一個筆記本可能還需要一個鼠標，就因為數據的開放，很大概率京東就搶走了本屬于阿里的訂單。

所以說數據作為企業(yè)的核心資產是絕對不會輕易開放的。

如何有效打通數據間的壁壘，是從業(yè)人員必須要跨過的一道門檻。

大數據帶來的“人機矛盾”開始隱現

第三個挑戰(zhàn)來自應用層面。應用層面的挑戰(zhàn)更具復雜多樣性，有一個矛盾越來越突出，可以預見的未來將會是困擾行業(yè)的主要焦點所在。

我稱之為“人機矛盾”。

“人機矛盾”在電影里經常被演繹。機器人突然有了意識，便大肆屠殺人類，大數據概念下的“人機矛盾”沒有這么暴力血腥，但也足夠折磨人了。

具體體現在哪里呢 我們知道，基于大數據的縝密算法構建、機器學習和關聯性預算等手段，可以直接顯示最后的分析結論，美國云服務器 韓國vps云主機，而沒必要具體展現其中的過程。也就是說，通常大數據的分析結果只負責告訴人們“what”，而不負責解釋“why”。

但是當人們利用大數據的結論時就很容易陷入糾結，比如在商業(yè)銀行做一個客戶流失的風險預測，通過大數據發(fā)現這名客戶未來有可能產生違約行為，因此建議不要放這筆貸款。

但這樣業(yè)務人員會瘋的，憑什么拿一份機器得出的結論好端端地去打攪客戶。平白無故地對客戶說：你好，我們預測你要流失，所以我要給你提供一些其他的服務來挽回。先不說提供的其他服務所產生的成本，單說這一行為會不會引起客戶的反感，反而起到反作用也不是沒有可能。業(yè)務人員要如何取舍 非常難辦。

光是這個矛盾就夠了嗎 遠遠不止，假如面對的是銀行個人用戶業(yè)務，面對的可就是數以千萬計的客戶。通過大數據預測，假如預計5%的人會流失，這是非常龐大的一個數字。前端服務或銷售人員或許一下就迷茫了，這么多人從哪里做起呢 投入有限的資源去做真的會挽回用戶嗎 

業(yè)務人員一定會問很多個為什么，一直問到機器是如何得出這個分析結論的。就如同AlphaGo大戰(zhàn)柯杰，柯杰作為人類棋手翹楚，每秒可以搜索10個走子可能。但AlphaGo每秒卻可以搜索10萬個走子可能，你問AlphaGo為什么這步棋做出這樣的選擇，是因為它已經做了10萬次的運算。

如果機器一步步將運算過程中的因果關系向人講清楚，可能要用上100年的時間。

但即使業(yè)務員對數據無條件相信，也還是不夠。因為他面對的客戶是真實的人，人不是數據組成的，他如何做決定，要受到很多因素影響，甚至有時候會有不理性地選擇。所以人與機器如何相處，未來還需要更多的時間和智慧來思考。