2016年中国金融大数据白皮书

　当 前，全球大数据产业日趋活跃，技术演进和应用创新加速发展，各国政府也逐渐认识到大数据在推动经济发展、改善公共服务，乃至保障国家安全方面的重大意义， 纷纷积极出手推动。在全球大数据蓬勃发展的大背景下，我国也面临难得的发展机遇。如何抓住机遇，将我国拥有的数据资源转化为经济发展动力，是摆在政府和产 业界面前的紧迫课题。

　　随着大数据技术的成熟应用，麦 肯锡全球研究院在其发布的《大数据：创新、竞争和生产力的下一个新领域》报告中指出：“大数据之大，通常是指数据量大到超过传统数据处理工具的处理能力， 是相对和动态的概念。此外，大数据又被引申为解决问题的方法，即通过收集、分析海量数据获得有价值信息，并通过实验、算法和模型，从而发现规律、收集有价 值的见解和帮助形成新的商业模式。” 金融业是大数据的重要产生者，交易、报价、业绩报告、消费者研究报告、官方统计数据公报、调查、新闻报道无一不是数 据来源。但反过来，大数据对于金融行业新时代发展的助推作用也逐渐浮现。

　　二、 迎接金融大数据时代到来

　　1、 大数据起源

　　大数据的应用和技术是在互联网快速发展中诞生的，起点可追溯到2000年前后。当时互联网网页爆发式增长，每天新增约700万个网页，到2000年底全球网页数达到40亿，用户检索信息越来越不方便。谷歌等公司率先建立了覆盖数十亿网页的索引库，开始提供

　　较为精确的搜索服务，大大提升了人们使用互联网的效率，这是大数据应用的起点。当时搜索引擎要存储和处理的数据，不仅数量之大前所未有，而且以非结构化数据为主，传统技术无法应对。为此，谷歌提出了一套以分布式为特征的全新技术体系，即后来陆续公开的分布式文件系统(GFS，GoogleFileSystem)、分布式并行计算(MapReduce)和分布式数据库(BigTable)等技术，以较低的成本实现了之前技术无法达到的规模。这些技术奠定了当前大数据技术的基础，可以认为是大数据技术的源头。

　　最早提出“大数据”时代到来的是全球知名咨询公司麦肯锡，麦肯锡称：“数据，已经渗透到当今每一个行业和业务职能领域，成为重要的生产因素。人 们对于海量数据的挖掘和运用，预示着新一波生产率增长和消费者盈余浪潮的到来。”“大数据”在物理学、生物学、环境生态学等领域以及军事、金融、通讯等行 业存在已有时日，因为近年来互联网和信息行业的发展而引起人们关注。

　　2、 金融大数据由来

　　中国金融大数据来源于早期的信息化,如下图:

　　我国金融大数据是从金融信息化大背景下的升级和提升

　　早 在2007年，人类制造的信息量有史以来第一次在理论上超过可用存储空间总量，近几年两者的剪刀差越来越大。2010年，全球数字规模首次达到了“ZB” （1ZB＝1024TB）级别。2012年，淘宝网每天在线商品数超过8亿件。2013年底，中国手机网民超过6亿户。随着互联网、移动互联网、传感器、 物联网、社交网站、云计算等的兴起，我们这个社会的几乎所有方面都已数字化，产生了大量新型、实时的数据。无疑，我们已身处在大数据的海洋。大数据对许多 行业的影响和冲击已经呈现。例如，商业零售、物流、医药、文化产业等。金融，作为现代经济中枢，其实也已透出了大数据金融的曙光。

　　从 21世纪以来，学术界中涌现出了一批关于大数据与金融之间联系的研究成果。2010年，美国印第安纳大学的一项研究成果表明从Twitter信息中表现出 来的情绪指数与道琼斯工业指数的走势之间具有很强的相关性。研究表明，Twitter中表现出来的情绪和道指接下来几天的上涨或者下跌的相关性达到了 87%。随后在2011年，作者将研究的范围扩展到了新闻调查、Twitter订阅以及GOOGLE搜索引擎数据，通过情绪追踪技术，比较这些指标对道琼 斯工业指数价格、交易量、市场波动率(VIX)还有黄金价格的影响。同时，作者还使用了传统的记录投资者情绪的数据，与上述的互联网上的大数据进行比较， 看它们对金融市场的影响。结果表明，传统的关于投资者情绪的调查数据是金融市场的滞后指标，也即是说，利用传统的投资者情绪指标无法预测股票市场的涨跌变 化。然而，每周的GOOGLE金融搜索数据则能够预测股票市场的变化，用Twitter投资者情绪指标预测一到两天后的股市收益率的结论也是统计上显著 的。这就说明，利用网络大数据来预测股市的变化是可行的。此外，美国佩斯大学在2011年的研究成果表明，社交媒体可以预测出三大国际知名品牌股票价格的 涨跌，包括星巴克、可口可乐和耐克。

　　我国金融大数据是从金融信息化大背景下的升级和提升。中国金融大数据来源于早期的信息化,如下图:

　　传统的信息化已经不能适应新时代需求，互联网、物联网带来的冲击将加快大数据金融的构建速度。

　　3、 金融大数据相关概念及特点

　　金融大数据将给中国银行带来极大的转变。它将让银行从被动服务客户，转向更加主动的方式。主动地去探索和挖掘，形成营销和分析模型，并直接投入到金融运营当中，使金融大数据真正产生业务价值。这一切正在悄然改变金融运营模式。

　　三、当前金融大数据的应用及现状

　　1、银行业金融大数据应用情况

　　（1）银行业接受大数据的变革

　　与其他行业相比，大数据对银行更具潜在价值，麦肯锡的研究显示，金融业在大数据价值潜力指数中排名第一。这主要是因为：一方面，大数据决策 模式对银行更具针对性。发展模式转型、金融创新和管理升级等都需要充分利用大数据技术、践行大数据思维。另一方面，银行具备实施大数据的基本条件：(一) 数据众多。银行不仅拥有所有客户的账户和资金收付交易等结构化数据，还拥有客服音频、网点视频、网上银行记录、电子商城记录等非结构化数据；(二)拥有处 理传统数据的经验；(三)较高的薪酬能够吸引到实施大数据的人才；(四)充分的预算可以利用多项大数据新技术。因此，银行应从大数据就是大资产的高度，尽 早制定大数据战略，研究、应用大数据，分享大数据所带来的利润。

　　金融业正在面临着前所未有的科技挑战，面对激增的海量数据，如何实现分析洞察，将是行业创新和转型的关键。各个银行都在做相关的尝试，这些 尝试其实都和大数据分析本身的特性紧密相关。银行大数据项目都有一个共同动因，那就是业务价值驱动。各银行中会有不同的内部结构化数据资产，在业务价值驱 动的前提下，很多银行在尝试着把原有资产进行梳理。大数据会打破以前的数据壁垒，将不同类型的数据借着大数据的新技术和新能力进行关联性认知分析，产生了 新的业务和价值。

　　（2）银行业优秀的大数据服务商情况

　　a.文思海辉技术有限公司在银行业领域已有多年积累，凭借以关注客户为中心，和以产品创新为核心驱动力的建设，文思海辉的金融解决方案，在 客户群中赢得了良好的口碑。此前，文思海辉在IDC《中国银行业IT解决方案市场2013-2017年预测与分析》中被评为2012年中国银行业IT解决 方案市场的领导者之一。IDC在报告中指出：“与2011年相比，文思海辉的异军突起成为2012年中国银行业IT解决方案市场的一大亮点。花旗银行、广 发银行和上海浦东发展银行信用卡。

　　b.九次方企业大数据平台为750万家企业插了产品及服务标签，分布到了40多个产业链、8000个行业、4万个细分市场。营销大数据系统 覆盖了全国500个城市，5600个区县、2500个高新园区、30多万条街道、12万个写字楼。商业银行信贷业务员可以按照不同区域街道、不同收入及资 产规模、不同行业、不同企业集团及法人进行检索潜在客户，并对此企业进行初步信用分析。

　　九次方基于所有企业设定了综合征信指标，真实反应企业的信用指数、价值评级。分析指标包括信用等级、核心竞争力、投资价值、成长性、抗风险 能力、投资潜力等。并做到3个月跟踪监测一次，实时反应区域企业活跃度。九次方为银行业降低风险,寻找潜在目标客户提供了扎实基础。

　　企业综合征信信息既可为防范信用风险，保障交易安全创造条件，又可对具有良好信用记录的企业进一步进行价值分析。基于产业链搜索，银行可以 精准的获取目标企业客户的行业发展前景、所处行业地位、企业竞争力、所处产业区域分布、营收分布情况、行业成长性、竞争格局及市场占有率等。

　　（3）银行业领先的大数据应用方

　　交通银行数据中心副总经理郑仕辉认为云计算和大数据在商业银行的应用将使得商业银行在及时感知和洞察客户需求、精准实时的营销、个性化的客 户体验、信贷风险控制等方面使得银行更加智能，使得未来的银行更加智慧。云计算的特征，包括以下几个方面，一是虚拟化；二是按需获取；三是弹性扩展；四是 自助服务。而从技术实现上来说云计算由基础的技术部分组成：第一类技术是大家比较熟悉的互联网、大规模分布式处理技术；第二个技术是传统IT厂商的虚拟化 技术；第三个技术是就是互联网分布式处理技术和数据库运行处理技术的结合，也就是大数据基础的技术。目前大数据的技术实现主要两个方式，一个方式是在传统 数据库的基础之上，引入hadoop的一些处理方法，主要集中在分布式的文件系统，像GreenPlum、AsterData等。第二种方式，就是原本做 Hadoop等云计算厂商，在处理一些结构化或者半结构化的数据时可能就会选择Hive、Pig等技术。这两种产品各有优缺点。当涉及到云计算的扩展性， 第二类的分布处理能力从范围上、规模上都扩大了很多，但是支持能力比较弱。大数据可以从几个层面进行入手，首先可以对客户行为进行分析，提供个性化的沉淀 与服务。第二个是精准营销，实现个性化、准实时的营销。第三个是个人信用评分：自动决定信用额度。最后就是风险控制：贷记卡反欺诈等。

　　浦发银行12月11日正式发布其“电商通2.0”产品以发力大数据，也升级该行服务小微电商企业能力。浦发银行董事长吉晓辉提出：“服务电商是浦发银行创新网络金融服务模式的积极探索。”

　　小微电商经营于虚拟网络空间，金融服务模式必须与电商经营模式完全契合，才能符合电商经营的需要。浦发银行的“电商通2.0”是其着手搭建大数据平台，为小微电商打造专属服务方案，包括线上经营、线上数据、线上审批与线上贷款，尝试变革商务企业融资方式。

　　“原来的服务模式是‘线上+线下’，现在发展到‘线上全自动’。”浦发银行冀光恒在发布会上表示。以授信评审为例，升级后的浦发电商业务就以自动评审为核心，简化操作流程，客户经理只上门一次、客户来银行一次即可完成所有业务流程。

　　中信银行信用卡中心利用大数据打造用户体验的一些做法，不是简单照搬互联网的做法，而是把互联网一些深层的东西，"化"在了自己的业务中。 实现了引进消化吸收基础上，结合市场需求进行再创新。中信银行信用卡中心（以下简称卡中心）基于社交网络数据提供增值服务表现了这样的特点。在互联网做金 融服务，还仅仅是以中心化的IP网络结构处理业务时，他们采用了更先进的去中心化的WEB网络结构处理业务。"客户的好友也是我们的客户"这样的理念，反 映的是下一代网络（如小世界网络）的先进特征。这个思路就其架构的先进性来说，超过淘宝商城的传统网络模式，具有腾讯微信架构的网络特征。以往总是互联网 企业率先采用新的网络理念、网络架构，银行被动追赶，但这里是银行领先于互联网采用新的网络理念和新的网络架构。互联网企业对此不能不高度重视。

　　花旗集团为了解决非结构化数据困扰，使用了IBMWatson的深度内容分析、自然语言处理、决策支持和基于循证的学习功能来提高客户交互 水平。来帮助改进银行金融系统，包括分析贷款以及投资风险，改善与顾客之间的交互等。从而改进并简化客户银行业务体验，不断推进花旗数字银行战略的发展。 对于花旗银行来说，零售银行家和信贷员可以利用Watson获取银行客户信息并且分析客户下一步需求，进而向消费者出售金融产品。比如，某人为自己的孩子 开办了一款信用卡，当孩子被送去上大学后，Watson就会分析这位顾客所需要的金融产品。如果之后家长有装修厨房的计划，那么花旗银行的工作人员会向这 位家长推荐装修贷款。在大数据时代，越来越多的企业管理者意识到了业务分析的重要性。业务分析洞察已经成为了企业转型的有利抓手。银行也发生了变化，从以 产品为中心，也就是销售产品和服务转向现在以客户为中心。

　　广发银行今年一季度启动了大数据分析平台项目。该项目旨在收集整合全行所有渠道的客户接触数据，重点包括客户渠道接触记录、交易行为、交互 行为等信息，同时还将通过多方合作拓展外部数据源。大数据分析平台对广发银行的业务支撑将主要体现在以下四个方面。一是通过加强对客户的分析和洞察，丰富 客户全景视图，促进客户的获取率和留存率，活跃客户的激活率和持续力，提升客户整体价值。二是通过交叉营销分析、精准营销分析和个性化推荐分析的应用提升 业务营销成效。三是通过加强市场风险分析、中小企业贷款风险评估、实时欺诈交易分析和反洗钱业务分析手段，提升风险管控水平。四是通过增加渠道优化分析、 市场分析、资讯热点分析、舆情分析和联系中心分析等多维分析方法，提升产品创新和运营质量。项目的最终实现广发银行获客渠道和营销手段的成倍增长，营销成 本的大幅压缩和潜在客户数的大幅提升，以产品为中心所带来的弊端将被抛弃，每个业务条线被压抑的潜能都将得以释放。

　　中国第一家大数据信用信息服务机构—金电联行则利用大数据破解中小微企业的贷款难题，开启了纯信用贷款的新模式。金电联行打破了传统的财报 信用评价思维，通过对企业的大数据（生产、流通、销售中产生的所有信息）进行分析，量化企业的信用额度。借由金电联行的信用评价结果，中小企业可直接从银 行获取无需担保抵押的纯信用贷款，大大降低了企业的贷款门槛。基于大数据的技术，目前对授信企业的变化情况已经可以按秒计，已经成为民生银行、招商银行、 建设银行的信贷管理服务提供商。”截至目前，金电联行为200多家中小微企业提供了总规模超30亿元人民币的非抵质押信用融资服务，贷款利率多为基准利率 上浮20－30%，尚未发生过一笔不良贷款。其中，最大单笔纯信用贷款额度为6800万元人民币。

　　2、保险业金融大数据应用情况

　　（1）保险行业适应大数据时代的新发展

　　保险业的业务比较复杂，几乎涵盖了银行的所有业务，同时又有理赔等各种业务，保险业信息系统所涉及的数据类型也比较复杂，这是保险行业的特 色。从现代保险业的业务类型来看，险商主要分为人身险、财产险、再保险三种，其中财产险与人身险在业务流程上存在很多相似之处，其业务系统构成大致相同， 在具体业务的操作上会存在较大的差异。

　　IBM商业价值研究院与牛津大学在2012年联合开展的关于大数据实际应用状况的调研显示，目前全球保险业中约有2/3的企业已经或正在计划进行大数据技术应用。数据挖掘分析能力将成为未来的一大竞争优势。

　　大数据所带来的思维和技术变革，将提供创新的金融产品，也在加强各类金融基础信息保障能力。未来，保险业和互联网大数据将进行深度结合，一个历 来以数据为生产资料，培训数据统计专业人才，以严格的数据和准则监管报批核准的金融行业和一个掌控海量咨询数据库的如空气般弥漫在每个人身边的新兴行业， 其在思维中融合将带来颠覆性的变革。

　　截至2013年，中国平安已经建立了客户价值分群体系和客户大数据分析平台，深入挖掘客户价值，综合金融大后台建设得到深化。平安数据科技通过 深化集中共享、提高自动化率等运营优化措施，助力平安产险和平安寿险理赔服务水平升级；2013年，寿险首创的移动展业销售模式(MIT)移动展业平台寿 险业务的使用率已达到98%，为客户提供了更为便捷的服务。通过微信及APP平台运用和移动展业E化保全等举措，提升了客户体验。

　　泰康人寿宣布正式启用云计算中心，云中心被认为不仅仅将信息技术作为对传统保险业务的后台支持，更是让信息技术无缝对接市场需求，直接推动产品 创新。泰康今后还将基于云数据中心构建大数据平台，为包括寿险类、年金类、资产类以及养老社区等全业务领域提供全方位的技术支撑。尽管泰康“金融云”概念 正式落地到保险业务实践，意味着每一位泰康的客户都将享受云中心快速的服务响应和安全的数据保障，但技术体现的仍是支持保险业务的作用。

　　（2）保险业优秀的大数据服务商情况

　　中国保险行业首家大数据公司——中国保险信息技术管理有限责任公司（以下简称“中国保信”）对外宣布正式成立。中国保信由中国保险保障基金有限责任公司出资，注册资本20亿元。中国保监会依法对中国保信实施管理。

　　据介绍，中国保信成立的主要目的在于统一建设、运营和管理保险信息共享平台，为保险公司之间及保险业与其他行业之间的信息交互提供支持。

　　中国保信将通过信息技术手段，采集保险经营管理数据及相关外部数据，建立标准化、系统性的数据体系，保证数据的完整性、时效性和真实性，为保险公司、保险监管部门、保险消费者等主体提供不同方式的信息服务。

　　3、证券业金融大数据应用情况

　　（1）大数据为证券行业带来新的发展机遇

　　由于证券行业的信息化起点较高，业务发展迅速，全行业已经实现了交易撮合、价格生成发布的自动化和集中化。因此证件行业是目前和大数据贴合比较 近的行业。经过多年的探索，证券业信息系统的建设取得了长足的进步，在发布、交易、结算、信息披露、技术监控、信息咨询与服务等方面，IT技术的应用深度 和广度都得到了极大扩展。下图是证券信息服务的市场规模：

　　券商业务属性天然适应大数据概念与其他产业相比,证券业的产品、服务与流程都能体现出充分的虚拟化特征,这一点与互联网的基因完全适应。多年来 证券公司的电算化系统已经积累了大量碎片化的标准数据,形成丰厚的数据资产,在后期的数据挖掘和客户服务中都将起到重要作用。成本上,互联网金融模式能大 幅减小交易成本和信息挖掘处理成本;信息上,券商的海量客户信息将成为新的生产要素。

　　在信息爆发的时代，股市、债市的风雨变化，往往直接和各项经济、行业、企业数据挂钩，如果没有数据，我们很难想象证券业是个什么样子。到今天， 大数据在证券业的应用也更加升入，如高频交易、互联网数据联动分析，无疑都是需要强大的大数据库信息作为基础，通过数据库的铭感数据变化直接影响交易指令 的下达。证券业如果谁还不会运营大数据，那么他将被淘汰。

　　（2）专注证券业的大数据服务商

　　北京荣之联科技股份有限公司（以下简称：荣之联）获得“2013年度中国证券业大数据最佳服务商”称号。荣之联致力于为能源、电信、政府、制 造、证券金融等行业客户提供数据中心解决方案和“一站式”IT服务，并且在大中型数据中心建设服务方面积累了丰富的经验，形成了全产业链管理、跨平台操作 的专业化服务体系，在新一代数据中心建设、云计算、大数据等领域形成了独特的技术优势。2012年度收购上海锐至信息技术有限公司（以下简称：上海锐 至），上海锐至是一家致力于为证券、基金、期货、银行、电信运营商等行业客户提供专业、优质的解决方案服务供应商，增强了荣之联在证券行业的服务能力。

　　目前在证券业做的比较突出的大数据公司包括wind、同花顺、九次方等数据库，其将二级市场和行业数据精密结合，将分析意见准确展现。其中九次方更是将一级市场和二级市场数据联动，给一沉不变的证券数据服务业带来新意。

　　（3）证券业领先的大数据应用方

　　今年4月初，中信证券、国泰君安等五家券商获互联网证券业务试点资格，据悉，又有数家券商成立网络金融管理部门，欲试水金融大数据相关业务。以 国金为例，互联网金融开辟了新的渠道。今年2月份，国金证券“佣金宝”上线，开启万二佣金时代。类似的合作方式，是券商目前参与所谓的“互联网金融”的主 流。

　　湘财证券将被上市公司大智慧换股合并，大智慧的用户近1亿，每天上线1000万人，大智慧在金融信息服务平台、数据分析、交易支持等方面具有优 势，大智慧可通过与湘财证券的合作，整合财通的牌照及通道资源，以及大智慧的金融信息服务能力与平台资源，从而为客户提供投资理财服务。此外，在互联网金 融方面可开展线上、线下融合的互联网证券业务，并且可加强专业化综合金融服务。

　　2012年，海通证券自主开发的“给予数据挖掘算法的证券客户行为特征分析技术”（简称“行为特征分析技术”）问世。目前这项技术主要应用在两 方面——根据客户历史交易行为，为每一位客户打上交易行为特点的标签；根据客户流失概率的预测。通过对海通100多万样本客户、半年交易记录的海量信息分 析，建立了客户分类、客户偏好、客户流失概率的模型。基于模型验证结果，为海通400多万位客户打上了行为偏好的标签。该项技术开发时的最大初衷，是希望 通过客户行为的量化分析，来测算客户将来可能流失的概率。海通证券称，“行为特征分析技术”从2012年开始已投入运行近一年，累计使用人数278248 人，日均1030人；累计使用功能次数100多万次。经2012年客户交易数据的验证，上述模型较为准确反映了客户行为。

　　2012年，国泰君安也运用大数据技术推出了“个人投资者投资景气指数”（简称3I指数）。3I与海通的行为特征分析技术，数据样本同样是来自 券商真实客户的真实交易行为数据。“3I指数”采集的客户行为样本包括账户活动率、账户持仓比例、追加资金比例、流出资金比例、浮盈率、实盈率等。

　　4、信托业金融大数据应用情况

　　（1）信托依赖大数据将让业务变得更加深入

　　大数据在信托领域有着广泛的应用前景，它既是一种工具的创新，同时也是人类历史上认识世界的方法论的一次创新。信托在业务最核心的流程中引入了 大数据的方法，对借款人的净值调查采用了大数据，用大数据的方法，发现很多借款人在原来的净调过程中发现不了的问题，取得了很好的效果，未来还将使用大数 据的方法做信托项目运行过程中的风险监控。大数据是一种工具，也是一种理念。

　　（2）专注信托领域的数据服务商

　　聚信托作为平台，主要指通过信托研究、信托产品供销和信托人脉渠道管理等在线功能管理平台，为客户提供信托资讯、产品批发与推介、组团理财业务 等方面的理财服务，同时，把企业的融资需求通过组团的方式，由该平台主导，联合信托产品发行机构、资金机构和官方管理机构，发行合法的信托产品或“类信 托”产品，然后通过销售渠道的组团包销，短期内把大额信托产品销售出去，从而达到大额快速融资目的。模式类似于营销信托的“阿里巴巴”。

　　5、直接投资领域大数据运用情况

　　（1）大数据为直接投资增加利器

　　大数据在指导投资上也开始崭露头角。传统的投资机构基本上使用的是金融和财务数据进行投资，而使用的是大数据挖掘，通过这些数据的挖掘来准确判断消费者的行为，进而了解国家宏观经济运行的趋势，从而做出正确的投资决策。

　　大数据为直接投资领域加深了产业链挖掘能力，以往直接投资都是通过投资人本身个人能力和行业资源、人脉去挖掘行业潜力企业，并实施投资。但借助 行业大数据，行业产业链上的企业一目了然，那些企业发展后，那个细分领域谁做的通过数据直接反应出来，大大提高直接投资企业的投资效率。

　　通过产业链的挖掘，也同时大大提高了投资的成功率，规避风险。以往对细分行业的判断及分析往往给予个人研究。拥有大数据资源后完全不一样，可以通过数据方式将行业风险、竞争关系、潜在竞争对手，公司成长潜力直观反映出来，便于投资决策的实施。

　　此外，在投资增值服务领域也将提高效率，通过大数据反映企业缺什么，弱项在哪里，需要去哪里找资源，备选资源有那些。以菜单的形式呈现，将大大改变目前在直接投资领域投后管理的盲目性。

　　（2）投资领域大数据的优秀企业

　　贝格金融数据库集多证券品种为一体，包含丰富的上市公司及非上市公司、基金、债券、宏观、行业等数据资料，并在此基础上开发了完整的衍生类分析 数据，同时涵盖公告、新闻、研究报告等资讯，实现了数据和信息并重，全面反映投资市场信息，方便投资者决策。数据库产品相对于终端产品更为复杂，用户的需 求和平台环境千差万别，这对数据库内容建设、传输、转换、存储及调用等提出了较高的要求。贝格吸收业内现有的数据库产品优势，同时结合多年金融领域工作经 验，自主研发一套针对金融领域的高效且精准的数据库产品，该产品可支持多种平台下的不同的数据库存储格式如SQLSERVER、Oracle、MYSQL 等，并支持多种数据格式间的转换，为金融机构的信息服务提供了强有力的支持。同时加强售后服务，为数据库二次应用提供全面支持。

　　在内资的金融大数据企业中，我们可以看到众多的潜力企业，包括清科集团、九次方资讯、投中数据等，其均为在国内直接投资领域较早参与金融大数据 服务公司，并积累强大数据库资源，以九次方为例。九次方企业大数据平台为750万家企业插了产品及服务标签，分布到了40多个产业链、8000个行业、4 万个细分市场。营销大数据系统覆盖了全国500个城市，5600个区县、2500个高新园区、30多万条街道、12万个写字楼。商业银行信贷业务员可以按 照不同区域街道、不同收入及资产规模、不同行业、不同企业集团及法人进行检索潜在客户，并对此企业进行初步信用分析。

　　6、其它领域大数据运用情况

　　（1）小额贷款领域运用情况

　　阿里小贷首创了从风险审核到放贷的全程线上模式，将贷前、贷中以及贷后三个环节形成有效联结，向通常无法在传统金融渠道获得贷款的弱势群体批量 发放“金额小、期限短、随借随还”的小额贷款。通过阿里巴巴B2B、淘宝、天猫、支付宝等电子商务平台，收集客户积累的信用数据，利用在线视频全方位定性 调查客户资信，再加上交易平台上的客户信息(客户评价度数据、货运数据、口碑评价等)，并对后两类信息进行量化处理；大数据的运用使得金融产品和服务的消 费者和提供者之间信息不对称程度大大降低了，在大数据金融时代风险管理理念上，财务分析(第一还款来源)、可抵押财产或其他保证(第二还款来源)的重要性 将有所降低。

　　（2）担保行业大数据运用情况

　　阿里巴巴及中国银行、招商银行、建设银行等多家银行合作推出“网商贷高级版”，向使用阿里巴巴一达通出口基础服务的中小企业，提供以出口贸易数 据为基础的无抵押、免担保、纯信用贷款服务，最高授信可达1000万元。这也是银行首次基于阿里巴巴平台大数据和信用体系给中小企业提供无抵押信用贷款。 其实，早在2007年，阿里巴巴就曾与多家银行合作，推出网络联保贷款，尝试解决电商平台上企业的融资需求，但整体效果未达到双方预期，合作在2010年 趋于终止。随后，阿里巴巴推出了自己的小额贷款公司“阿里小贷”。

　　大数据对银行的帮助，不仅限于为中小企业提供授信依据，还在于能够帮助银行降低成本，让为中小企业贷款真正具有可操作性。

　　据不完全统计，70%以下的中小企业外贸进出口单笔资金需求的额度低于25万元人民币。相对于漫长的授信过程，如此低的金融额度让金融机构“不 堪重负”。银行过去一方面是不信任中小企业自己提交的数据，另一方面则是拿到数据的成本太高。“因为单笔金融小，按照传统的净值调查，取得各种资料需要大 量的人力成本。”上海银行总行小企业金融服务中心总经理朱会冲也认为，利用大数据支持，银行在信贷流程上可以大大优化。

　　（3）P2P领域大数据运用情况

　　在传统的借贷流程中，对于借款人的信息审核，机构是依靠借款人自己提供的各类信息来判定其还款能力。但个人认为此种审核方式有四大问题：其一， 用传统信息获取渠道判断信息真伪的成本较高；其二，由于全程需要人工参与，既增加了道德风险，又导致效率极其低下；其三，传统的风险评估模型中，对于借款 人资产状况评估的权重过高；其四，贷款人隐藏风险的难度较低，造假成本较低。如果我们用大数据的角度来构思，就可以发现应该把更多权重放在借款人日常生活 的交易数据及社交数据上，比如借款人一般都在哪里消费，月均消费金额是多少，消费支出中的分布情况如何，微博微信之类的社交圈活跃度如何等诸如此类的问 题。这类数据具有很好的连贯性，我们可以从中分析很多的用户特性，习惯并反向推断借款人的实际财务状况，进行风险筛选；也能大幅增加借款人的违约成本从而 警示借款人遵守规则、按期还款。最重要的是，这些数据造假可能性非常低，因为都是大数据环境下的各类碎片信息收集和分析，真实性基本可以做到百分之百。

　　不少P2P公司正在快速与各个细分行业的领军企业成立合资公司，双方共同来开发贷款客户。P2P主要寻找投资人与资金来源，而合资公司借助产业 企业提供的大数据对产业链上的借款方进行资质审核、风险把控、资金用途监管和贷后管理。这其中比较有机会的便是京东、唯品会、1号店、当当、苏宁等电商平 台。

　　（4）其它领域优秀的大数据服务提供方

　　九次方为提供的金融互联网交易撮合平台是一套部署在云计算架构上的解决方案，银行无需进行任何的软硬件以及通讯带宽投入，也无需进行相应的系统 维护，客户对平台的使用采用云服务的模式进行。该方案的内核是九次方企业大数据库，以及基于手机和互联网的在线业务系统。协助银行实现批量开发客户，系统 控制风险的目标。

　　四、金融大数据技术特点及未来方向

　　1、金融大数据的关键技术

　　数据安全其实是一个相对的改变。因为在这里面大数据技术与数据安全性能整个要求本身没有直接的关系。怎么说呢？如果不采用大数据技术，安全性是 不是一样面临同样的问题呢？对于传统模式，无论你采用什么样的技术，同样面临数据安全性的问题。所以在这个里面包括各个环节，像存储的安全，传输的安全， 展现的安全。这种模式，传统的银行采用的模式里面，不包括物理网站的隔离，包括访问权限的控制，包括软加密这些都是在传统的模式里面适用的。

　　2、大数据带来的征信体系变革

　　目前央行的征信系统侧重于贷款信息，这对银行放贷来说还比较片面，建议建立全社会的征信体系，将工商、法院、公安、环保等部门的信息整合起来， 这将给银行小微企业服务增加有力的信用判断武器。小微企业充满了变数，必须看得准、看得清，银行才敢放贷。记者采访中发现，银行更希望能有一个综合性的征 信平台，对小企业方方面面的信息进行查询，用大数据的思维去验证。要识别企业到底好不好，银行自己还做不到，而政府的信息对称度要比银行强很多。比如企业 老板有没有去博弈，派出所是很清楚的，但是银行就不知道。如果政府把信息资源整合、搭建平台，并对外共享，银行才能把信贷投给真正需要的企业。

　　3、大数据加快资本市场并购效率及步伐

　　中国资本市场发展到今天，并购和资源整合，已经成为金融市场的重头戏，通过公开数据我们可以发现中国资本市场已经进入了资本并购的元年。很多有 并购需求的企业在并购过程中有很大的盲目性，往往通过中介机构进行联系，缺乏主观性。但并购大数据的出现解决了这一问题，大大提高效率，如相对汽车后装市 场进行并购，通过大数据可以发现，那个细分市场是成长最好的，确定细分市场后有可以通过企业大数据得到，那些企业的参数存在并购价值，然后再针对性的去对 接企业，这比以往通过中介机构的方式快捷得多。以往可能经过几个月，也不一定能找到合适标的。运营大数据，可能只需数天的分析，就可以锁定数十家潜在的并 购标的，大大提高了效率。

　　另外数据的透明化，也为并购后续风险把控提供有力基础，可以通过数据的直接体现，细分行业和企业在那个环节存在风险。收购方可以针对风险环节设计稳妥的方案和计划，规避风险。

　　通过大数据才可以快速加快企业的并购日程，以九次方大数据为例，通过九次方独有的企业大数据，涵盖750万家企业信息，包括企业的的上游供应 商、竞争对手、下游客户设定100多项指标，指标主要包括收入、利润、毛利率、2005年-2013年的财务稳定性、产品竞争力、进出口情况、专利技术、 企业资质。为并购目标寻找提供有力的支持和风险评价。

　　4、互联网金融的结合

　　互联网金融似乎还没有一个严格定义。从已出现在周遭的服务看，大体可以分为三类：一类是支付行业，如今持牌第三方支付机构已达200多家；第二 类是P2P模式，有粗略统计称目前全国大体有300家P2P公司；第三类则是淘宝、京东、腾讯等互联网平台公司对接持牌的金融机构、类金融机构，针对其平 台上的商户、个人所推出的金融服务。一份颇具影响的报告指出，互联网金融模式会给信贷市场、证券市场带来巨大商机，也会促成竞争格局大变化：移动支付将替 代传统支付业务，全球移动支付未来5年将以年均40%以上的速度增长；P2P贷款替代传统存贷款业务；通过互联网为投资项目募集股本金的众筹融资模式将替 代传统证券业务。我们简单来分析互联网金融是如何改变传统金融行业的。

　　一是传统金融服务的网络化，例如网络银行，网络券商，网络保险，等等。这些都是古已有之的东西，只不过在中国实现较晚，动作较慢而已。事实上， 互联网在美国最早最成熟的商业模式就是这一套，二十多年前就已出现并蓬勃发展至今。不过，无论在金融服务业还是在网络业，都没有什么公司因此脱颖而出，其 原因无非是家家都做，没什么创新，最好的结果是获得摊薄的平均利润。为此今天再创一个新概念毫无必要。

　　二是传统金融服务的扩展化，例如小额支付，小微企业信用调查，小额贷款，灵活机动的市场营销，等等。这些事情在互联网出现之前，做起来费时费 力，成本太高而收益太少，如今利用互联网就可以顺利实现。做这些事情也许可以创些收，但很难提高利润率，因为是个琐碎活。为此带上个互联网金融的大帽子有 点言过其实。

　　三是全新的网络金融服务和产品，例如众筹投资和比特币。这些东西新则新矣，但属于小众市场和缝隙市场，不值得大动干戈，更不值得为此创立什么新概念。

　　四是全面的网络金融服务，或曰金融电商，例如金融商城和各类产品和服务的综合大卖场。这种模式以金融服务为基础，以阿里为样板，再掺杂以 WEB2.0，云计算，移动互联网和大数据等时髦互联网概念，几乎是一个通吃的全面互联网服务平台，仅仅称之为互联网金融显得有点包容不住，过于狭窄了。

　　从以上我们可以看出，互联网金融完全和大数据密不可分，也可以说，互联网金融是建立在金融大数据的基础上的，没有大数据就没有互联网金融，因此两者密不可分。

　　5、未来金融大数据的发展方向

　　大数据是信息技术与互联网产业发展到特定阶段的产物，从互联网到物联网，从云计算到大数据，信息技术正在从产业基础走向产业核心。而金融业作为 与信息技术深度结合的行业，互联网思维和决策数据化已开始嵌入经营管理的全流程。大数据实质是“深度学习”，能够为金融机构提供全方位、精确化和实时的决 策信息支持。金融机构的经营转型、产品创新和管理升级等都需要充分用好大数据。目前，各金融机构在客户分析、风险管理方面对大数据运用已初步积累了一定的 经验，为未来过渡到全面大数据运用奠定了良好基础。

　　五、结束语

　　大数据金融作为一个综合性的概念，在未来的发展中，企业坐拥数据将不再局限于单一业务，第三方支付、信息化金融机构以及互联网金融门户都将融入 到大数据金融服务平台中，大数据金融服务将在各家机构各显神通的基础上，实现多元业务的融合。在大数据的未来发展中，建立数据交易平台，在相关法律法规允 许的情况下，数据能够在统一的平台上进行搜索比价和交易，这不仅是企业在主营业务外的数据增值行为，也为解决封闭数据、数据割裂提供了有效的解决方法，实 现了有关机构之间的协同合作，更为符合“数据即是资产”的精神。

　　如果需要完整版的《2016年中国金融大数据白皮书》pdf文档，请进入我是X数据网http://www.imxdata.com/免费下载。