基于大数据技术的金融科技创新研究

王晓勇 肖媛 谭如愿

【摘 要】金融科技时代下，大数据技术在金融领域的广泛应用，金融科技正进入大有可为的历史机遇期。金融科技在大数据应用领域的要求不断提高，并加大了其对大数据技术的探究与应用。因此，提升商业银行金融科技创新能力和实现创新转型应用，成为金融科技工作面临的重要课题。本文从大数据视角出发，对金融技术的发展及其创新应用等方面进行分析，探析如何利用大数据技术改造商业银行的创新思维与经营理念，实现商业银行金融科技的创新应用。

【關键词】大数据技术；金融科技；商业银行；创新

一、金融科技内涵及特点

金融科技（Financial Technology缩写为FinTech）是指运用大数据、区块链与人工智能等各类技术，提升金融行业运转效率，实现金融业在资产特性、组织方式、交易机制等方面发展与创新的新型业态。它一方面可以帮助传统金融机构转型，另一方面通过技术的迭代和创新，发展出传统机构无法提供的高壁垒的新产品和新服务，而机构可以通过投资或合作，与新兴金融科技公司形成业务互补。可见，金融科技是金融和科技的融合，它们将以信息技术为代表的新技术应用到金融产业链中，实现金融功能的优化和服务边界的拓展。

二、大数据技术

随着云计算、移动互联网等网络新技术的应用、发展与普及，海量数据的产生与流转成为常态，世界各国对数据的依赖急速上升。鉴于大数据潜在的巨大影响力，世界各国已将大数据研究上升为国家战略。美国奥巴马政府早在2012年便发布了“大数据研发计划”；欧盟提出“数据价值链战略计划”；联合国推出“全球脉动”项目；日本也积极谋划利用大数据改造国家治理体系；国务院发布《促进大数据发展行动纲要》，旨在大力促进中国大数据技术的发展。由此可见，世界经济已进入大数据时代。

（一）大数据涵义

“大数据”是指使用传统数据处理应用很难处理的大型而复杂的数据集，目前世界上有90%的数字内容是非结构化的，包括文档、消息、影像、多媒体流等。大数据是具有体量大、结构多样、时效强等特征的数据；处理大数据需采用新型计算架构和智能算法等新技术；大数据的应用强调以新的理念应用于辅助决策、发现新的知识，更强调在线闭环的业务流程优化。

（二）大数据关键技术

大数据时代，数据的产生和收集是基础，数据挖掘是关键。大数据技术的战略意义不在于掌握庞大的数据信息，而在于如何通过对数据进行专业化处理来获取有价值的信息。

1.大数据对传统数据处理技术体系提出挑战

大数据来源于互联网、企业系统和物联网等信息系统，经过大数据处理系统的分析挖掘，产生新的知识用以支撑决策或业务的自动智能化运转。从数据在信息系统中的生命周期看，大数据从数据源经过分析挖掘到最终获得价值一般需要经过5个主要环节，包括数据准备、数据存储与管理、计算处理、数据分析和知识展现。每个环节都面临不同程度的技术上的挑战。

2.大数据存储、计算和分析技术是关键

（1）大数据存储管理技术

数据的海量化和快增长特征是大数据对存储技术提出的首要挑战，这要求底层硬件架构和文件系统在性价比上要大大高于传统技术，并能够弹性扩展存储容量。但以往网络附着存储系统（NAS）和存储区域网络（SAN）等体系，存储和计算的物理设备分离，它们之间要通过网络接口连接，这导致在进行数据密集型计算（Data IntensiveComputing）时I/O容易成为瓶颈。

（2）大数据并行计算技术

大数据的分析挖掘是数据密集型计算，需要巨大的计算能力。与传统“数据简单、算法复杂”的高性能计算不同，大数据的计算是数据密集型计算，对计算单元和存储单元间的数据吞吐率要求极高，对性价比和扩展性的要求也非常高。针对不同计算场景建立和维护不同计算平台的做法，硬件资源难以复用，管理运维也很不方便，研发适合多种计算模型的通用架构成为业界的普遍诉求。基于新的统一资源管理层开发适应特定应用的计算模型，仍将是未来大数据计算技术发展的重点。

（3）大数据分析技术

在人类全部数字化数据中，仅有非常小的一部分（约占总数据量的 1%）数值型数据得到了深入分析和挖掘（如回归、分类、聚类），大型互联网企业对网页索引、社交数据等半结构化数据进行了浅层分析（如排序），占总量近60%的语音、图片、视频等非结构化数据还难以进行有效的分析。目前的大数据分析主要有两条技术路线，一是凭借先验知识人工建立数学模型来分析数据，二是通过建立人工智能系统，使用大量样本数据进行训练，让机器代替人工获得从数据中提取知识的能力。通过人工智能和机器学习技术分析大数据，被业界认为具有很好的前景。

3、大数据技术创新呈现“原创-开源-产品化”的阶梯格局

互联网企业在大数据技术创新方面的丰富经验主要表现为：数据和强大的平台是大数据创新的基础条件；大数据累积效益的获取，主要靠持续不断的技术迭代；技术和应用一体化组织，是快速迭代的保障；大数据技术发展与开源运动的结合也成为大数据技术创新中的一个鲜明特点。

三、大数据时代金融科技面临的挑战

在“大数据时代”，大数据作为一种新型资产，与资本、劳动、技术、土地等生产要素一起推动着经济社会向前发展。大数据与金融的深度融合是大数据时代的一个重要发展趋势。所以需要知晓以下几点：1.打破商业竞争格局；2.获取和应用数据的能力成为金融科技发展的关键；3.大数据的技术选择存在决策风险；4.大数据的安全管理需进一步加强；5.成熟的配套机制匮乏

四、依托大数据技术进行金融科技创新应用

（一）大数据技术下的智慧银行建设

大数据技术所带来的改变不仅仅是技术层面的，同时还是理念层面的。大数据技术影响下的市场发展，需要将数据存储和数据分析作为规划决策的先决条件，方可将制度决策、市场决策投入到市场环境之中。

现阶段商业银行需要形成全面、立体的数据理念，打造数据资产和数据整合思想。

（二）商业银行大数据技术的信贷风险控制

对于商业银行所面对的信贷服务风险问题，大数据技术可以借助数据统计和整合分析、云计算等方式，来完成全面详细的风险控制，从而大幅度降低商业银行的信贷风险以及风险损失。

（三）打造大数据技术下的金融服务平台

大数据技术的合理运用能够帮助商业银行搭建起完善的服务交易平台为客户提供优质服务，从经营层实现能力的提高和创新。

（四）大数据中实现多金融技术合作共赢

发展金融科技应以互利共赢为基调，坚持多方参与的发展模式，鼓励多元化市场主体开放合作。一是加强机构合作，通过推动金融业数据共享、系统互通，促进不同市场主体的优势互补，融合不同市场要素的创新力量，形成布局合理、包容开放的发展格局。二是加强产用合作，强化金融科技企业与金融机构之间的技术资金交流，构建产用相互支撑的良性循环，为产业部门协同发展提供良好的生态环境。三是加强国际合作，以金融科技为突破口，增进金融领域数字经济、网络安全等方面国际交流合作，为实现人类命运共同体贡献力量。

【参考文献】

[1] 何金星.关于大数据驱动商业银行金融科技创新转型的探讨[J/OL].中国商论，2019（03）：37-38[2019-02-22].

[2] 朱文生. 大数据时代商业银行面临的挑战及对策[J]. 中国金融电脑， 2015（12）：42-44.

[3] 钱立宾 ， 王飞龙 . 大数据驱动商业银行金融科技创新转型[J]. 金融科技时代， 2018.