金融大數據的運用有助于提高金融監管能力，重塑金融監管的方式。
金融先進技術可以讓金融監管發揮更大的效力。先進的信息系統可以及時檢測金融市場與企業的動態大數據。
加強對大數據運用的監管，一方面要加強行政監管，另一方面要加強行業自律管理。
A 前言：大數據是柄“雙刃劍”
2017年7月18日晚間，基金行業爆出爆炸性消息，華夏基金原債券交易員王某在兩年半的時間，利用200萬元本金，通過“老鼠倉”獲利1773萬元。本案引起廣泛關注在于“零口供”定案，也就是說，在沒有犯罪嫌疑人的口供之下，通過客觀的證據，形成完整的證據鏈，從而實現定罪。中國證監會稽查人員通過從交易所等調取相關賬戶的交易情況，并將賬戶交易特征進行比對，從交易的趨同性、時間的匹配性進行分析，得出涉案單個賬戶與華夏基金產品的匹配度最低也在85%以上，從而確定犯罪嫌疑人的作案事實。
金融行業“老鼠倉”的弊病由來已久，一直像毒瘤般存在。而通過本案，我們似乎看到了治病良方：金融大數據在行政監管和犯罪偵查方面的運用解決了以往很多的難題。
但同時，當我們查閱中國裁判文書網（最高法院建立的全國法院統一裁判文書公開平臺）上的關于“出售、非法提供公民個人信息罪”的判決文書時，卻也能深深感受到，在大數據的大潮中，公民的個人信息不停遭受非法兜售、使用，公民的隱私權仍然受到來自各種主體的泄露和侵犯。
大數據的運用和隱私權的保護就像一對孿生的“冤家兄弟”，相生相克，又如影隨形。如何把握好兩者合理的邊界，處理好兩者之間的微妙關系，不僅是道德問題、法律問題，還是廣泛的操作實踐問題。
最早提出大數據概念的是全球著名的咨詢公司麥肯錫，麥肯錫對于大數據的定義是：一種規模大到在獲取、存儲、管理、分析方面大大超出傳統數據庫軟件工具能力范圍的數據集合，具有海量的數據規模、快速的數據流轉、多樣的數據類型和價值密度低四大特征。
根據上述定義，業界對于大數據的構成通常運用四個V來解構，分別是：“Volume”，即數據體量巨大。大數據的起始計量單位至少是P（1000個T）、E（100萬個T）或Z（10億個T）；“Variety”，即要求數據類型繁多，比如網絡日志、視頻、圖片、地理位置信息等；“Value”即價值密度低，商業價值高；“Velocity”即處理速度快。
金融大數據主要運用于金融監管、經營管理、投資操作等三大領域。
國務院頒布的《推進普惠金融發展規劃（2016—2020年）》提到，鼓勵金融機構運用大數據、云計算等新興信息技術，打造互聯網金融服務平臺。金融行業是大數據的先行者，國內監管部門、金融機構經過多年發展與積累，已經擁有海量數據，而且數據量還在不斷增長。隨著大數據技術和應用的日趨深入，大數據理念漸入人心。金融行業的大數據運用能力更是能夠幫助監管機構、經營機構及投資者在多個方面得到有效提升。
金融監管
金融大數據的運用有助于提高金融監管能力，重塑金融監管的方式。上海證券交易所白碩、熊昊在《大數據時代的金融監管創新》一文中提到，大數據時代的金融監管將是一個精確化的金融監管，大數據為金融監管部門提供了全新的風險管理方式。傳統的監管方式通常是監管部門制定系列的監管規定、規范，并按照各規定的要求，定期或不定期對金融機構進行檢查，或通過各類線索對違規行為進行調查，從而約束經營機構的行為。不過傳統的監管方式存在滯后性，通常是一種事后監管，不能非常好的實現事前預防。此外，傳統的監管方式很難做到個性化、差異化監管，不可避免會出現“一刀切”的問題。
而金融的先進技術可以讓金融監管發揮更大的效力。先進的信息系統可以及時檢測金融市場與企業的動態大數據。多渠道的信息數據來源可以降低監管面對的信息不對稱難題。通過機器學習可以構建智能監管監測系統，從而提高監管的有效性、及時性、低成本性。
以異常交易行為監控為例，各交易所已經實現實時監控，通常從交易行為、重點賬戶、股價指數、風險公司、公告輿情、跨市場行為等多個維度進行實時監控，以提升實時監控的針對性和覆蓋面，確保及時發現異常交易行為。同時，我們還可以看到交易所運用科技的力量加強監察系統的自動化功能，運用輿情監測、預警處理、線索篩選等提升監察的效力和即時性，從而能夠有效地配合證監會等相關部門的稽查執法。
經營管理
