基于大数据理念构建金融分析平台

课题组

摘   要：随着基于数据的价值发现过程时代的到来，针对成几何倍增长的海量数据，传统分析手段已难以适应新形势的需求，而经过互联网、云计算等基于大数据理念的信息化处理方式，在挖掘信息价值、创新金融服务、开拓市场需求等方面体现了很强的竞争力，创造着重要的业务价值。在这样的时代背景下，建立金融大数据分析平台不仅将为央行健全完善决策管理体系提供参谋支撑，更能在今后结合传统金融重构金融体系中发挥巨大价值。

关键词：大数据;金融分析平台;统计分析

中图分类号：F830.31                   文献标识码：B                     文章编号：1674-0017-2015（9）-0032-06

当今数据正以前所未有的速度在不断地增长和累积，受全球信息化、需求多样性、云计算和物联网等信息技术发展的推动，全球数据增长超越了历史上任何一个时期。据IDC研究报告中指出，2011年全球数据总量为1.8ZB，预计到2020年将增至35.2ZB，年均增长率超过40%，《福布斯》分析指出全球90%的数据都是在过去2年中生成的。在这种背景下，2011年麦肯锡全球研究院发布的研究报告中，首次正式提出“大数据”一词，从经济角度讲解了处理这些数据能够释放出的潜在价值，从而引发全球对大数据的关注。

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，特别是在大数据技术支持下的互联网金融持续快速增长，打破了金融行业的垄断，促进了互联网金融信息的交流和共享，提高了资源配置效率。随着阿里集团等一批涉及互联网金融的企业先后上市，使移动互联网、大数据、金融日益成为社会焦点，对传统金融业形成冲击的同时也带来重要的发展机遇，使金融企业能利用大数据对大量的数据信息进行分析，从中发掘出有用的信息，从而优化网络，实现精准营销。同样，央行等金融监管部门也能通过对大数据进行分析、利用，从中提取出大量有利于科学决策的信息。因此，基于大数据理念，利用多渠道、多层面数据建立金融分析平台，以数据为中心，包括数据的识别与获取、数据的存储与分析、数据的交易与决策等主要内容的数据驱动式的研究方式正成为一种新型的金融管理思路，对央行快速判断宏观经济形势、制定执行货币政策、及时改进金融服务具有重要意义。

一、国内外大数据政策建立状况

2012年5月，联合国发布了《大数据促发展：挑战与机遇》白皮书，全面分析了各国特别是发展中国家在运用大数据、促进社会发展方面所面临的历史机遇和挑战，并系统给出了在应用过程中正确运用大数据的策略建议。该报告指出，大数据对于各国政府而言不仅是一个挑战，更是一个历史性的机遇。各国政府可以使用极为丰富的数据资源来对社会经济进行前所未有的实时分析，帮助政府更好地预测经济运行。

（一）美国及欧盟。2012年3月，美国宣布投资2亿美元启动“大数据研究和发展计划”，这是继1993年美国宣布“信息高速公路”计划后的又一次重大科技发展部署，将“大数据研究”上升为国家意志。互联网、大数据以及云计算技术正在成为美国产业和商业国际竞争力的一个主要推动技术。信息革命成为美国经济、管理和技术创新的一个主要渠道。而技术和管理创新是近年来美国劳动生产率增长的一个主要来源。英国商业、创新和技能部在2013年初宣布，将注资6亿英镑发展8类高新技术，其中对大数据的投资即达1.89亿英镑。法国政府在其发布的《数字化路线图》中表示，将大力支持“大数据”在内的战略性高新技术，法国软件编辑联盟曾号召政府部门和私人企业共同合作，投入3亿欧元用于推动大数据领域的发展。在第二届巴黎大数据大会结束后，法国宣布将投入1150万欧元用于支持未来7个投资项目。

（二）日本及印度。2013年6月，日本公布新IT战略——“创建最尖端IT国家宣言”。“宣言”全面阐述了2013—2020年期间以发展开发公共数据和大数据为核心的日本新IT战略。在2012年初，印度联邦内阁批准了国内数据共享和开发政策，印度全国软件与服务企业协会预计，印度大数据行业规模在3年内将达到12亿美元，将是全球大数据行业平均增速的两倍。

（三）我国政府2012年批复“十二五国家政务信息化建设工程规划”。2014年，上海市印发《2014年度上海市政府数据资源向社会开发工作计划》，推动各级政府部门将数据对外开放，并鼓励社会对其加工和运用。2015年2月，广州通过运用大数据，对前两年销售量、库存量、价格走势等各项指标进行分析，决定继续实施楼市限购政策。

二、建立央行金融大数据决策分析平台的重要意义

金融大数据分析平台可通过可视化分析、数据挖掘算法、预测性分析能力、语义引擎、数据质量和数据管理等技术手段，根据不同的信息需求快速获取最有价值的决策应用数据。

（一）有助于快速判断宏观经济形势。央行制定货币政策过程中，宏观经济形势的判断是决策的最核心依据，但以往的宏观经济形势分析要依赖统计部门的层层上报，必须依托各行业管理部门的行政流程，各类数据的统计一般有数日乃至数周的时滞，综合分析报告甚至需要数月的时间，不仅时效性难以适应国际化、信息化大背景下经济金融飞速发展的节奏，而且精确性也难以达到现代金融管理日益专业化的需求。

同时，根据麦肯锡发布的不同行业应用大数据技术潜在价值评估图可以看出，随着大数据在各大行业的不断渗入，通过关联分析将会使得金融大数据分析平台反映出全面、立体式的结果。平台中广泛涵盖涉及国家和地方经济发展中社会消费数据、财政收支、固定资产投资、农业数据、工业数据、居民收入数据、物价变动数据、信贷投放数据、粮食储备、劳动力资源、大宗商品价格等各类数据融合，并充分考虑国际形势、在线商品价格、市场预期、社交网络和货币政策的时滞效应等各方面相关数据，将这些结构化和非结构化的数据转化为决算模型，获取最新的经济运行情况，更加有利于快速、合理地制定和实施货币政策。通过金融大数据分析平台建立，可获得经过关联分析和趋势分析的国家产业政策、行业政策、财政政策等实施效果的模型、房地产产业发展趋势相关模型、产业发展等相关模型分析结果，有助于准确掌握经济发展规律和经济特点，把握好对地方金融宏观调控的方向、重点和力度。

（二）有助于提高对整体经济金融运行状态的分析判断能力。通过金融大数据分析平台将经济金融发展中各主体变化、国际经济金融形势等要素进行同步联动并成为传感器，使得金融调控政策在定向上更加精准，从而提高经济金融运行分析判断的准确性和精确性，协助快速形成新的适应新常态发展的宏观经济政策。以阿里集团为例，目前拥有的大数据超过30PB，约有800名员工从事大数据相关的工作，大数据在帮助其分析各类内外部数据，寻找其中的金融创新机会中发挥了非常重要的作用。而同样央行建立金融大数据分析平台，可以进行货币政策实施效果的监测管理，无论是物价、经济发展、就业、国际收支等，并通过各种传感器来提高政策制定的灵活性和针对性，实施统一货币政策下更加有针对性、精细化的差别化执行措施。同时，较传统的数据应用于金融监管模式，围绕金融机构管理、金融业态发展、宏观调控等多方面关联、趋势和协同分析的大数据分析平台，可以实现更加具有实时性、针对性的监管数据分析，而且更加准确和安全。

（三）有助于引导金融资本推动“三产融合”下农业产业化发展。我国政府和央行一贯高度重视涉农金融的支持力度，建立了包括涉农贷款监测等一系列研究分析制度，并通过支农再贷款等手段给予有力的政策支持。但由于支农信贷管理机制以及农村金融服务单一化导致支农信贷粗放式管理，与农业产业发展新形势不适应。大数据分析平台应用下，可以深入农业产业链各节点、各环节需求，准确把握资金需求市场，利用金融机构多年的数据积累以及外部数据接入融合，充分整合数据传输链条上的各方数据并进行有效分析，实现对农业发展中各产业链资金需求动态的掌握，使得支农金融资本将从“以规模为中心”向“以个体为中心”转型，支农信贷管理模式将从“粗放型”向“精细化”转型，增强政策制定、实施的针对性、有效性和资本的调配效率，以确保金融资本推动“三产融合”下农业产业化发展政策落到实处，满足开放、普惠、创新的新金融时代要求。

（四）有助于确保市场活力的前提下推动互联网金融健康发展。随着互联网金融的快速发展，金融生态系统正从一个相对区隔的、模块化的工业时代向一个融合的、动态的、分子化的数据时代转型。针对互联网金融与传统金融的本质差异，监管模式向“大数据监管”转变，可实时监控社交网站、搜索引擎、物联网和电子商务等互联网金融中各参与主体和组成要素，跟踪分析互联网金融主体变化及行为变化等多方面信息，对互联网金融运营状况进行预判，建立起互联网风险预警机制，既可以扫描出“分业监管”中存在的真空地带，有效防范各类风险，特别是防范金融风险的交叉传染，又可以鼓励互联网金融创新，激发传统银行市场活力。

（五）有助于进一步完善征信系统，推动融资便利化。人民银行主导的征信体系建设近年来在降低金融机构调查成本、维护金融机构权益、便利群众融资、加强金融监管等方面发挥了重要作用，但其数据来源单一、评价模式固化、失误难以修改等问题也逐步凸显，而互联网金融中“大数据+云计算”的运用，可以从整个互联网的大数据库中搜集数据，进一步完善央行现有征信系统。一方面大数据支持下的金融业信贷评级分析，在获取相关客户信息方面更为详细精确，例如可参考如客户交易记录、交易习惯、资产状况，甚至消费水平、投资偏好等，以便更有效地进行风险管理。另一方面，大数据支持下的金融业风险管理具有很强的动态性与实时性，可以通过基于注册用户的大数据平台建立动态风险控制模型，对每一贷款人的贷款风险进行实时测算和评级，并且随着贷款人的实际贷款类型及还款情况、消费情况、资金流向，自动调整风控数据及评级，及时作出预警。同时，与原先被动接受金融机构提供数据的传统征信管理相比，大数据支持下的征信系统是主动开展数据搜集的，正好弥补了传统征信体系建立过程中对小微企业及创业者、个体工商户等群体数据采集不足的缺陷，借力于大数据挖掘技术，对收集的信用信息加以分析整合，就能切实为小微企业提供更便利的金融服务，缓解融资难的问题。例如阿里小额贷款也高效地利用了阿里巴巴、淘宝、支付宝等电商平台，不断积累客户消费数据、行为数据及资信数据，并通过交叉检验技术辅以第三方认证确认客户信息的真实性，将客户在电商平台上的行为轨迹映射为信用数据，结合风险控制数据模型，并最终给予一定限额的授信额度。根据有关调查，传统商业银行贷款额度平均为150万元，审批周期最快3天，不良贷款率为2%-3%。而阿里小额贷款额度为平均4万元，审批周期最快只需要几分钟，不良贷款率小于1%。仅2010年成立至2012年8月底，阿里小贷共发放贷款便超过300亿元。尽管与银行的贷款业务相比仍然微乎其微，但阿里小贷效率更高，可实时在线放贷，且不良贷款率很低。这种高效放贷的基础，正是基于阿里巴巴平台上的交易大数据挖掘。我们已经看到，依托于“移动互联网+大数据+云计算+电子商务”技术，互联网金融已经在小微领域取得了大数据挖掘所带来的征信优势，对传统征信体系是极其有益的补充。

三、面临的挑战

（一）对数据来源、标准的整合和统一存在一定难度。大型数据资源通常是分散的、异构的，而且由于数据量非常之大，数据完全获取的方式显然是不可能。这一方面需要探讨所访问的互联网资源的类型、数据成分、网络接口限制等特点，正确分析其影响，建立符合大规模网络数据资源特性的科学统计模型;另一方面通过强大的数据库和信息软件和硬件建设作为金融大数据分析平台的技术支撑，同时逐步制定全国范围内金融行业统一数据标准。目前，缺乏建立金融大数据所需技术、安全、管理、应用、模型等多个角度的基础性、方法性和公共性的标准，因此构建统一的金融大数据标准体系是建立金融大数据分析平台必须完成的阶段性工程。

（二）信息安全和隐私保护问题。金融大数据分析系统中涵盖数据涉及各行各业，特别是金融行业掌控国计民生的经济命脉，金融大数据存储、传输、应用等各环节安全尤其重要。国内外曾屡次发生的上千万客户信息泄露的事件，如2013年国内某保险公司受黑客攻击，造成数十万保单信息泄露;2012年，诈骗集团曾攻击欧美至少60家银行的网络，盗取银行资金，使得大数据安全成为阻碍大数据大规模铺开的一个重要原因。

（三）专业人才问题。我国央行有处理数据的经验和人才，数据分析和计量模型技术在宏观政策实施和执行中已得到运用，同时也培养出计量分析技术的人才。但是从大数据使用角度来看，由于分析方法从基于概率论的抽样理论过渡到人工智能、统计学习等讲求高维、高效率的分析技术，各层级部门面临着具有在分析或技术领域拥有高等学历、拥有大型数据集方面的实践经验、熟悉数据发掘工具、具备优秀的数学及统计学工作经历、能够清晰理解并规划以目标为导向的大数据技术方案等方面能力的复合型人才紧缺的局面。

四、建立金融大数据分析平台应用策略

英国央行已经将大数据引入货币政策模型，开始运用大数据对英国房地产市场和劳动力市场趋势作出快速判断，如对非传统数据——互联网及社交网络中的非结构性数据加以分析，洞察英国经济起伏的早期迹象。这对我国在货币政策决算体系中引入大数据，建立金融大数据决策分析平台具有很大启示意义。

（一）推进数据融合。数据将是金融行业发展最重要的资产，也将是国家宏观调控的有力抓手，而且随着数据产业的发展，将会变得更有价值，但封闭的数据环境会阻碍数据价值的实现。发展金融大数据平台，需打破传统的数据源边界，注重整合涉及到金融市场主体、财政、海关等部门下的海量数据、社交网络等线上和线下数据来源，通过各种渠道获取尽可能多的数据和资讯。首先要整合金融机构数据获取渠道，充分发挥基层人民银行监管的作用，增强对金融机构发展的关注，建立良好的数据来源渠道。其次是注重数据获得方式的发展，将各类数据分析统计系统融合，建立成为与传统统计数据并行的宏观经济分析渠道。三是将金融业内部数据和外部统计数据互联，获得更加完整的分析视图，打破“画地统计”的壁垒，全面整合海关、财政、交易所、金融市场主体等机构拥有的结构化与非结构化数据，实现共同范围内的数据共享，并进行更高效的决策信息管理。四是注重新媒体渠道的舆情监测，在风险事件爆发之前就进行及时有效地处置，将风险降至最低。

（二）增强大数据的核心处理能力。传统的信息和数据处理主要依靠序列处理技术：计算机内存要能够读完所有数据，依次进行必要的数据处理，然后进行统计或数学运算。大数据则依靠平行处理技术，它不必同时读完所有数据，而是可以分别同时提取部分数据，在对部分数据汇总的基础上，做出统计和数学运算。由于这个特点，首先应强化大数据的整合能力，这不仅包括金融业发展数据整合，更重要的是与大数据链条上其他外部数据的整合。其次是增强数据挖掘与分析能力，利用大数据专业工具，建立业务逻辑模型，将大量非结构化数据转化成决策支持信息。例如在建立包括金融与非金融体系的宏观大金融数据系统基础上，建立并筛选宏观货币供求、微观资金流通、资本市场交易、国际收支体系、实体经济发展内部及各体系间关系的各种关联模型，建立筛选反映这些体系内外部均衡的关键指标体系及各指数的安全边界值，并在条件允许的情况下进行连续的情景模拟和压力测试，动态测试金融体系内部以及金融与实体经济关系的现状，及时预测经济金融发展可能趋势，并发现风险苗头，制定相应政策及政策组合。三是加强对大数据分析结论的解读和应用能力，关键是打造一支复合型的大数据专业团队，团队不仅掌握数理建模和数据挖掘的技术，还要具备良好的经济、金融分析能力，并能与各部门业务条线进行充分地沟通合作。

（三）加强风险管控，确保大数据安全。大数据能够在很大程度上快速提供决策信息，为央行宏观经济判断和分析管理提供更有效的手段，但如果管理不善，“大数据”本身也可能演化成“大风险”。大数据应用改变数据安全风险的特征的同时需要建立新的管理方法，进行统一监控和治理。为确保大数据的安全，应抓住两个关键环节：一是协调大数据链条中的所有机构，共同推动数据安全标准，加强产业自我监督和技术分享;二是加强与内部各部门在数据安全和数据使用方面沟通和管理，提升管理人员的数据安全意识，形成大数据风险管理的合力效应。

五、建议

（一）建立完善的大数据工作认证、管理、组织体系，确保央行掌握主动权。充分认识到大数据分析、运用的重要性，从管理体系建设、具体运用模式方面不断探索，深化金融大数据的重要作用。分层级建立大数据工作推进机制，制定大数据工作规划，组织建立主管数据部门，并对大数据工作进行统筹规划、组织协调、集中管理，明确职责部门承担大数据采集、分析和应用等工作，全面定义、收集、多方式整合各类内外部金融数据，形成授权认证、管理数据、使用数据的有效工作机制。

（二）创新优化风险管理模式。构建金融大数据分析决策平台可以全面整合国家发展的多渠道、多层次、多阶段的经济数据，相应地会对风险管理模式提出挑战，应协调大数据链条中的所有机构建立全面风险管理体系，进行统一监控和治理，与各参与者在数据安全和数据使用方面加强沟通，提升参与部门数据安全意识，形成大数据风险管理的合力效应。

（三）接入和整合互联网金融数据资源。随着电商信息流和金融流的融合，逐步实现金融化后，以阿里巴巴、苏宁云商为代表的互联网金融快速发展，成为金融市场新兴主体。考虑到互联网支付下大量真实的用户信息和交易数据，互联网金融数据的全量在线和多样化产生的风险以及互联网数据不同于传统的数据面向经营指标、面向群体，而是完全瞄向个体，数据结构精准于个体的特征，应尝试接入互联网金融市场数据资源，以利于风险防控和金融市场运营监控。同时，推动《互联网金融监管条例》出台实施，以法律的形式保证央行执法权和管理权，确保具有接入和整合外部数据资源的法律支撑。

（四）建立人才培养新模式。推动建立金融大数据分析平台必须筑牢人才基础。应结合“人岗匹配”思维，准确、有效地引进人才;建立人才培养新模式，通过校行合作、专家讲座、加大岗位交流力度等方式，结合岗位职能特点加强对数学、统计学、信息技术等多方面知识的培训，促使人才管理模式升级，培养综合型人才队伍。

参考文献

[1]戴稳胜.基于大数据理念构建经济金融管理体系[J].理论视野，2013，（12）：33-34。

[2]贾鸿飞.大数据时代银行业的机遇与挑战[J].中国金融电脑，2012，（12）：25-29。

[3]李东荣.大数据时代的金融人才培养[J].中国金融，2013，（24）：9-10。

[4]涂子沛.大数据：正在到来的数据革命[M].广西：广西师范大学出版社，2012。

[5]张毅菁.金融业面对大数据的机遇与挑战[J].中国外资，2013，（9）：46-47。

Constructing the Financial Analysis Platform Based on the Concepts of Big Dada

Research Group

Abstract：Along with the arrival of the era of the value discovery process based on the data， aiming at the huge amounts of data which geometrically multiple， the traditional analysis means have been difficult to meet the requirement of the new situation. The information processing methods based on the concept of big data such as through the Internet， cloud computing etc. reflect the strong competitiveness in such aspects as discovering the information value， innovating in the financial services and expanding the market demand and so on， which creates an important business value. Under such background， the establishment of financial big data analysis platform will not only provide the support for the central bank to improve decision-making management system but also play a great value in combining with the traditional finance and restructuring the financial system.

Keywords： Big Data; financial analysis platform; statistical analysis

责任编辑、校对：申建文