我国金融行业创新理念的实施与发展探究

官凯文

摘 要：随着第四次工业革命的到来，“大数据”已经成为下一个创新、竞争和生产力的前沿领域了，并且广泛地运用在金融、教育、医疗、制造、文化、能源、农业等多个领域。主要通过阐述对大数据与金融行业之间关系，研究了大数据在银行、券商、保险公司等的应用场景，及其未来发展趋势需面对的问题。

关键词：大数据；金融行业；应用场景

中图分类号：F83 文献标识码：Adoi：10.19311/j.cnki.1672-3198.2018.08.047

1 大数据概述

大数据又称海量数据，是巨量数据的集合，而且这些数据是无法在某时间段通过传统的软件工具获得、处理、分析的数据。大数据具有数据体量巨大、数据种类繁多、价值密度低但商业价值高以及处理速度快等特征。

“大数据”在著名未来学家阿尔文·托夫勒《第三次浪潮》中首次被提出，进入到21世纪后，科学技术的迅猛发展使得“大数据”在2009年成为互联网信息技术行业的流行词汇。大数据分为结构化数据和非结构化数据，结构化数据，具体来讲，就像企业ERP、财务系统；医疗HIS核心数据库、教育一卡通等根据应用场景而诞生的数据库。非结构化数据则是类似于所有格式的文本、图片、图像和音频/视频信息等等，具有不规则、不完整，无法用二级逻辑来表示的数据。大数据主要是把互联网上不规则，不完整并且看似沒有意义的非结构化数据进行挖掘、分析，从而转化成有价值的信息。随着互联网的快速发展，人们在互联网上的行为产生了大量的数据。根据相关调查，截至2013年非结构化数据增长率达到400%，预计到2020年数据将成指数级增长，并且中国的信息数据总量届时也是非常的庞大，成为真正的数据资源大国。

2 大数据在金融行业的应用场景

大数据在金融领域的应用区别在于运用于其他领域，并非海量数据简单集合，而是通过互联网、大数据以及云计算等多种信息化的模式整合相应客户的消费习惯、资产负债状况、纳税信息和信用记录等数据，这些数据经过计算和分析后，将帮助金融机构全面掌握客户行为并能计算动态违约概率和损失率，降低金融机构放贷风险。借助大数据分析而建立起的征信系统给予了对金融业最有力的帮助，创新了信用管理模式，并且极大程度的降低了坏账率， 减少了金融企业运营成本与服务成本，实现了规模化的经济效益。另外，大数据平台还可以帮助企业精准判断客户下一阶段消费倾向，从而设计推广出更贴近客户需求的业务与产品，差异化的产品设计和个性化的服务，能够提高客户的满意度。基于大数据建立的全新沟通渠道和营销手段，提高产品销售的成功率，降低了金融机构的管理运营成本。

根据前瞻研究院发布的一份分析报告显示，2016年我国的大数据金融市场规模已经达到15.8亿元。国务院颁布的《推进普惠金融发展规划（2016—2020年）》中提到，鼓励金融机构运用大数据、云计算等新兴信息技术来打造互联网金融服务平台。随着政策的推广实施，以大数据为核心驱动力的产业金融将会成为未来时代发展的大趋势，预计2018年中国金融大数据应用市场将突破100亿元，金融业也将进入大数据时代的快车道。

2.1 银行大数据应用

银行对于大数据的应用主要可以分为四个方面：客户画像、运营优化、风险管控和精准营销。

2.1.1 用户画像

用户画像有个人客户画像和企业客户画像。个人客户画像里面包含人口统计学特征、个人客户消费能力数据、客户兴趣数据以及风险偏好等数据，而企业客户画像则包含企业的生产、流通、运营、管理、财务等等。通过获取客户在社交媒体上的行为数据，可以进行更为精准的营销和管理；获取客户在电商网站上的交易纪录和数据则可以评估客户信用情况，从而决定客户可以借贷的额度。通过获取企业客户产业链上下游数据掌握企业外部环境发展情况预测企业未来发展情况减少银行贷款风险。

2.1.2 精准营销

精准营销主要有实时营销、交叉营销、个性化推荐和客户生命周期管理。

实时营销是根据用户近期的消费信息来判断今后客户的消费需求，从而有针对的进行营销。交叉营销即通过获取客户的业务或者产品的信息来进行其它业务或产品的推荐。个性化推荐是指针对某个群体，比如根据客户年龄段、消费水平、收入水平、风险接受度等选择适合该类客户的金融产品或业务进行推荐。而客户生命周期管理指的是一个客户从了解企业或者企业预对某一客户进行开发开始，直到客户与企业的业务关系完全终止并且双方的事务也已完成结束的完整时间段。

2.1.3 风险管控

通过挖掘企业的生产，与供应商之间的交易数据、财务、管理等信息数据进行贷款风险分析，设定企业可贷款额度，减少企业失信带来的贷款坏账损失。

2.2 保险行业大数据应用

保险行业传统的代理人因为代理人素质参差不齐等问题，使得保险行业一直饱受诟病，但是代理人素质及人际关系网是业务开展的关键因素。随着互联网以及大数据的发展，保险公司的营销将会变得更加精准化。

一是通过大数据对客户细分化从而进行差异化服务。通过大数据挖掘了解到客户的风险偏好，不同的风险偏好者对于保险的需求也不一样，一般风险厌恶者有更大的保险需求。除此之外，根据大数据对客户的职业、收入水平、家庭结构等各方面进行分类，对不同类别的客户提供不同的产品和服务。

二是保险公司可以通过大数据分析挖掘潜在客户。通过搜集客户线上的行为数据以及客户的其它信息，将某些关键行为数据代入到模型当中，预测出客户的出险情况，同时精确推出适合该客户的保险品种。

三是通过大数据实现对客户的精准营销。随着互联网的发展，人们的生活和互联网紧密联系，大数据使得人们在互联网产生的行为数据都集合在一起，比如购物数据、客户地域分布、平时浏览的购物偏好、爱好以及搜索关键词等等，大数据通过集合这些信息数据并进行分析，从而可以实现定时推送客户有偏好的保险品种，实现精准营销。

四是通过大数据实现精细化运营。在过去没有大数据的情况下保险公司不能掌握每个客户的信息，所以把每个客户都放在同一个风险水平，因此给客户制定的保单也大同小异。大数据的运用可以通过客户在社交网络的数据和信息精确掌控风险控制问题，从而为客户制定出适合不同客戶的个性化保单，建立出更加准确的保单模型，增加公司利润率。

2.3 证券行业数据应用

证券行业对于大数据的运用主要在三个方面：股价预测、客户关系管理以及投资景气指数。

2011年5月英国对冲基金Derwent Capital Markets建立了规模为4000万美金的对冲基金，该基金是首家基于社交网络的对冲基金，该基金通过分析Twitter 的数据内容来感知市场情绪，从而指导进行投资。情绪是影响投资者股票交易的一个重要因素，情绪既有正面情绪又有负面情绪，正面情绪就是希望，而负面情绪更多表现为害怕和焦虑，麻省理工学院的学者，根据情绪词将twitter内容标定为正面或负面情绪，结果显示这两种情绪占总twitter内容数的比例都会影响道琼斯指数、标准普尔500指数、纳斯达克指数的涨跌。但是Twitter 情绪指标无法预测出冲击金融市场的突发事件。

在客户关系管理方面，大数据分析客户的交易习惯、账户状态、投资偏好、投资收益和账户价值等对客户进行细分，挖掘潜在客户，制定出满足客户投资盈利需求且他们最需要的投资品种，从而抓住最有价值的客户。

2.4 互联网金融对于大数据的运用

成立于2010年6月的“阿里小贷”，是中国首个专门面向网商放贷的小额贷款公司。阿里小贷是阿里巴巴金融的重要组成部分，阿里小贷利用阿里巴巴企业已经拥有的客户信用数据和行为数据，进行整合和分析。在分析之前，利用平台认证时客户的注册信息、交易历史数据等等多种信息，再结合商品供应商提供的交易数据、交易流水等数据，综合所有采集的数据，然后转化为数值录入到评测、评分的模型当中，从而得出信用评级，在短短五年时间就已经达到了银行征信系统多年以来都无法完成的数据库规模和资金流量。

3 未来趋势和挑战

在银行业，除了传统的结构化数据，那些来自互联网的非结构化数据，比如客户录音资料等的描述，度量和计算的处理难度都会比较大。

在证券业，虽然宏观经济动态、行业动态以及公司的基本情况等这些比较系统的数据方面一直都是证券公司的分析主体，但是可以通过大数据挖掘出来的非结构化数据也是一块宝藏，证券公司通过挖掘这些数据同样可以为研究公司走势以及行业动态提供重要的帮助。而探讨是否可以将产品生命周期和客户生命周期结合起来获取更多的数据资料，以及获取客户风险偏好类型得出客户的风险承担意愿，从而给客户制定出真正需求的产品都是未来大数据给券商带来的新的增长点。

在保险行业，大数据的发展使得传统的样本数据变成全面数据，保险的目的是为了发现风险从而减少风险造成的损失，而大数据将重塑整个保险行业的商业模式。在过去，保险公司仅能获取有限且片面的对于客户资料，而通过大数据结合互联网以及政府公开的信息能获得较全面的信息，达到个性化风险控制和定价，变风险为可控。

作为互联网金融创新的驱动力，大数据金融带来的方式革新，互联网金融未来将走向精细化和专业化。

4 结论

大数据在各行各业的运用已经得到很好的效果验证，大数据的运用不仅提高了企业运营效率，而且能够精准把握客户需求，使得产品推销不再盲目。对客户而言，最低成本、最少时间就能选取到自己最需要的商品，从而使两者实现双赢。在金融行业方面的运用不仅使得监管更加高效、信用体系更加完备，投资更加精准化，真正实现智慧金融。

参考文献

[1]尹智杰.大数据产业对金融的发展和启示[J].消费导刊.2017，（10）：121-123.

[2]周世佳.大数据思维初探：提出、特征及意义[J].中共山西省直机关党校学报， 2014，（5）：10-12.

[3]韦雪琼，史超等.大数据发展下的金融市场新生态[J].时代金融，2014，（7）：173-174.