探讨金融科技应用前景

摘要：在以数据化为特征的新经济时代，金融与大数据交叉融合发展。大数据是金融的核心资产，通过从大量的数据中获取有价值的信息用来支持商业决策，进一步推动金融业发展;大数据促进金融科技的不断创新，使用大数据技术来解决信用评估、风险防控、信息安全等的一系列难题。本文的首先介绍了大数据与金融科技的现状，再用swot分析法分析大数据应用于金融科技，最后结合现状问题与成功案例探讨大数据应用于金融科技的前景。

关键词：金融科技;应用前景;大数据

引言：大数据的发展，拓宽了金融交易的空间范围，金融业的涵盖非常广，金融业基本是所有行业中里面依赖于数据的，而且十分容易实现数据的变现。金融科技是基于移动互联网、大数据、云计算等高科技手段使金融服务更加有效率的商业模式，与当下最热的大数据结合，应用于不同的金融场景都有不错的发展前景。大数据技术应用于金融领域，将会是一场金融业的创新，而金融借助于大数据等技术平台应用，也是科技和金融的交汇。

一、金融科技应用的现状与大数据的概念特征

（一）金融科技的现状

随着第四次工业革命的推进，区块链、大数据、人工智能等新兴科技逐渐走向成熟化，并对金融在内的众多领域产生了影响。中国“十三五”规划中提出，全球信息化将进入全面渗透、跨界融合、加速创新、引领发展的新阶段。未来，以移动互联网、大数据、区块链、人工智能为代表的新兴技术将极大地改变金融行业的金融业态与运行机制。截至2018年上半年，全球金融科技投资额已高达近579亿美元，而中国更是占了其中的四分之一。

科技金融简单来说就是金融工具、制度、政策和服务在促进科技进步、科技成果转化以及加快科技型企业发展的一种系统制度安排。随着我国金融体系与科技水平的不断发展，“科技金融”也逐渐备受重视。

金融科技以新兴科技为科技支撑，给传统的金融行业带来新的业务模式和创新的界定。从金融中介的角度来看，金融科技通过降低交易风险和信息不对称而产生;从金融功能来说，金融科技通过从支付手段以及风险控制等使金融效率得以提升;从创新的角度来看，让传统金融所不能覆盖的庞大基层消费者也能够享受到金融服务的金融科技，从技术进步角度来看，金融科技这一金融发展将深刻地影响金融发展。

（二）大数据的概念特征

大数据，是指当下数据爆炸，传统主流软件工具已无法高效率满足信息收集、管理、处理和输出的需求，必须通过云计算技术来完成信息处理的需求，从不同类型数控，最短时间内取得精确有价值信息的能力，是互联网发展到今天的必经之路。预测则是大数据的核心。 大数据包括思维、技术与数据。大数据不仅是大规模的数据信息，而是一种思维角度的变化，是数据分析前沿技术。然后则是对数据信息的处理与应用，是数据、数据处理的技术与应用思维合一的一种综合处理技术。

大数据的特征，（1）多样化，大数据的数据的来源和数据的处理不同，产生多样的数据。（2）海量，随着互联网时代的来临，以手机、互联网、GPS 为代表的各种设备在互联网上都在产生的大量数据，数据计量单位甚至已经开始用 BB、NB、DB 来衡量。（3）快速。大数据要求数据的时效性，并在短时间内处理。很多金融行业都需要海量且准确的数据，快准的获取数据，将会带来巨大的收益。有时金融之间的博弈就在于数据收集分析的速度。（4）复杂。互联网每天无时无刻都在产生大量的信息，信息与信息之间的交错，信息处理后的二次数据，信息的归纳与存储，都能看出大数据的复杂性。

（三）大数据应用于金融科技的意义

对于当今的组织及其财务职能部门来说，数据代表着终极挑战和终极机遇。一方面，有效地收集、管理和分析数据的能力能够带来更好的商业决策和持久的竞争优势。数据如此强大，以至于2012年在瑞士达沃斯举行的世界经济论坛的与会者宣布，它是一种新的经济资产，就像货币或黄金。另一方面，当数据来自任何地方时，很难真正发现数据的价值，远远超出了公司的历史管理范围。掌握交易系统产生的所有公司信息是一项挑战。再加上由第三方、移动设备、电子邮件、推特、博客等产生的新数据源和数据量，从数据中获取价值的复杂性将进一步增加。新兴的数据驱动经济有两个主要特征：数据的丰富性和复杂性以及变化的速度，以及由此产生的决策能力。认识到数据正日益推动竞争洞察力、运营规模和法规遵从性的复杂性。衡量、管理和监控企业的惯例将被颠覆，，毕马威的研究表明，即便是领先的企业，也面临着严重的内部障碍，这些障碍阻碍了它们实现数据增值的能力。许多公司缺乏对如何访问数据或使用规模分析来提高业务绩效和管理风险的充分理解，这是一个由技能限制和竞争性战略优先权构成的实质性问题。

二、大数据应用于金融科技的swot分析

（一）大数据应用于金融科技的优势

大数据可以通过海量的数据实现精准营销，通过大数据和云计算，将互联网平台上庞大用户的海量资料，通过数据的分析，预测出客户的个人偏好。从而，投放相应的服务与产品，提高客户转化率，做到互联网业务的精准营销。很长时间以来，销售方式都是以产品为中心去吸引感兴趣的客户，但是通过大数据对客户的深度分析，分析客户喜好，背景，动机等，可以更好的细分客户，甚至为客户量身打造相应的产品，做到个性化营销。即可以提高商家的运营效率，同时也满足了客户的需求，提高客户的黏度。

（二）大数据应用于金融科技的劣势

信息壁垒的存在使大数据难以进展，大数据的共享机制还没有真正的形成，数据集中掌握在目前市场上的互联网巨头手中，拿个人征信来看，支付宝的蚂蚁信用，京东的小白条信用等，彼此之間的信息不互通，建立个人征信评分的机制也不同，而我国的个人征信大叔体系还没有健全，传统的银行为代表的信用主体已经无法满足金融对信用的需求，缺乏一个专业权威机构的统一标准。然而互联网巨头通过自己庞大的用户和先进技术所掌握的大数据资料，不愿意进行分享，这让统一信用评估标准带来困难。同时现在的数据相互割裂，购物网站收集到的是购物信息，支付网站收集到借贷信息，彼此割裂，很难实现整合。

数据的质量也难以保证，数据质量对大数据最终分析的结果有着关键性的影响。然而获取数据的渠道多种多样，真假难辨。同时不同平台对数据的分析方式不同，得到的结果也不同，很难进行比较。数据的真实性因为数据来源的不可考究也很难查证。

（三）大数据应用于金融科技的机会

随着大数据应用场景的增加，大数据技术也越来越成熟。越来越多的金融公司开始开展大数据的项目，并且获得了竞争优势。虽然很多行业都需要进行风險管理，但是毫无疑问金融业需求的可能性最大。金融公司通过大数据来观察市场的流动性，分析客户的客户的风险偏好来管理客户的风险。

（四）大数据应用于金融科技的困难与挑战

大数据的大量获取将引发个人隐私问题和安全问题，大数据将个人的行径位置，购买记录，消费偏好，财务状况，健康情况等数据收集，还有资产的分布，消费习惯，信用状况等信息的收集与分析可以提高市场的金融资源配置。但是随着这些数据被分享甚至被滥用，整个金融市场没有一个合理的规范来管理这些信息，对个人隐私和信息安全构成很大的威胁。同时数据的储存也有很大的风险，要么将数据储存于第三方云网络服务器上，要么创建企业专属的私有云网络。但是存在着隐私泄露和数据被盗取的风险。

大数据的技术是无法代替人的判断和逻辑思考，数据之间的关联并不等于事实的因果关系，只是算法和概率。大数据所作出的判断只能作为参考，并不能真正下决定，不能实现理想的一劳永逸情况。同时数据的采集量越大，对分析数据能力要求越高，数据质量难以得到保证时，数据结果的分析将会产生偏差，那就难以发挥作用。数据造假会导致分析结果失真，金融业对数据异常敏感的行业。

上文提到的数据的整合也是很大的挑战，一个消费者的行为数据分别用不同的用户名储存在不同的应用上，数据之间相互隔离，难以整合。信息在现代十分重要，商业巨头也不愿轻易的分享自身平台的数据。

三、 金融科技应用前景—以大数据为例

（一）运用云系统

网络物理和社会计算需求的急剧增长，使得各种新颖的渠道能够在金融行业中获得服务。将云系统与多媒体大数据相结合是金融服务机构实现服务多样化的一种新途径。然而，安全问题仍然是一个很大的问题，当服务媒体通道发生变化时，服务可用性往往与安全约束冲突。利用基于语义的访问控制技术在云计算多媒体大数据上获取安全金融服务的新方法。该方法被称为交叉安全大多媒体模型，旨在通过多个云平台实现不同媒体之间的安全访问。支持该模型的主要算法包括基于本体的访问识别算法和语义信息匹配算法。基于语义的访问控制和基于本体的关系识别技术来保护多媒体之间数据使用的交互安全大多媒体模型。该模型的工作原理是利用生成关系约束。此外，多媒体大数据也是一种新兴技术，经常与云系统结合在一起。在先前的研究中，提出了一种通过分析交叉云中的历史数据来形成规则的方法。这种方法试图从历史记录中提取特征，以保护隐私。其他一些先前的工作集中在计算性能，由于大的数据集，如MapReduce改进。然而，以往很少涉及多媒体大数据的安全性和性能的范例。

（二）大数据征信体制

大数据的出现有助于减低互联网金融交易的成本，提升互联网的金融监管效率，降低社会总成本。通过收集到的海量、随机数据，用云储存、云计算等方式对收集到的数据进行专业的分析、归纳与整理，并且将其与传统的征信模式相结合，对外提供信用报告顿号信用信息和信用评估等服务，用来帮助客户判断、规避风险，进行信用相关的活动。但是目前互联网金融企业与政府相关部门之间关于大数据管理和开发等方面还需要进一步加强。

以芝麻信用为例芝麻信用是基于互联网的效用而进行大数据测评的，相比较于传统线下数据的收集，互联网数据最明显的特征是实时、留痕、可追踪，这使得征信数据库更加的全面和精确。而母公司蚂蚁金服在互联网金融领域已经营了多年，从2002年支付宝推出“诚信通”的就已开始，之后的阿里小贷、滴滴打车、天猫分期购和推出的花呗等互联网金融产品，而这背后均有大数据的密切追踪，逐渐使得用户为立体化的信用档案。基于大数据的征信体制如果普及使用，以往传统的金融信用服务都将被颠覆。

分析表明，中国和其他新兴经济体的低收入家庭和微型企业无法获得金融服务的主要原因并不是因为它们缺乏信用，而是因为银行和金融机构缺乏数据、信息和能力，无法获得金融弱势群体的可编辑性并有效地提供金融服务。

与工业化国家相比，中国等发展中国家的金融服务普及率较低。对于新兴经济中的低收入家庭和微型企业来说，这些群体很难享受到金融服务。中国金融市场值得特别关注。在这个国家，放贷不成比例地倾向于强大的经济和政治利益，比如国家控制的公司。中小型企业占国内生产总值的70%，但只能获得20%的财政资源。据报告，中国89%的中小企业为了获得贷款而满足银行的要求。小借款者往往缺乏足够的抵押品，这是大多数中国传统银行所要求的。此前，研究人员发现了导致低收入家庭和微型企业在新兴经济体（如中国）中金融服务普及率低的两个主要问题。首先，传统银行不愿意也不愿意为穷人和小企业等小规模借款人提供服务，原因是交易成本高，向这些借款人提供小额贷款的流程效率低下。穷人和小企业在获取金融产品方面面临障碍的第二个原因是信息不透明。部分问题还在于，大多数发展中经济体的特点是信贷机构缺乏或表现差，无法提供有关中小企业信誉的信息。国家信用局将收集和分发信用信息，从而提高透明度，尽量减少银行的贷款风险。这种情况使中小企业在信贷市场上处于不利地位。这是因为中小企业往往比大公司在信息上更加不透明，因为前者往往缺乏经认证的经审计的财务报表，因此银行评估或监测金融状况是不同的。先前的研究人员发现，不同银行集团在向穷人和小企业贷款的倾向方面的不同贷款行为可以从获取信息的角度加以解释。例如，发现国内银行更愿意向“不透明”的借款人提供贷款，因为它们比外国银行拥有更多关于这类借款人的信息和更好的执行机制。通过使用更高的计算能力和新的数据和信息来源，创建更好的风险模型可以很大程度上消除这一问题。基础转换的一个关键机制是使用大数据评估、评估和完善贷款方的信誉，以及降低交易成本。一些可能的数据源包括社交媒体和移动电话使用模式，以及支付历史记录。在这方面已有一些成功的迹象。大数据正在演变为一股可能塑造中国银行业的变革力量。

（三）风险定价

定价是金融或者任何市场中最核心的部分之一，大部分金融活动都会涉及到风险和收益的平衡。放贷，在于平衡利息收益和违约风险;保险，在与平衡保费收入和理赔金额。大数据技术，可以让金融产品精确到每个人。可以根据每个人的历史和偏好推测其未来的财务状况及履约情况，因此给于每个人不同的授信额度以及利率。而扩展到保险，也是同样的道理，保费可以根据每个人的情况不同而差异化。

（四）利用大数据建立信息优势

投资领域，无论一级市场或是二级市场投资，拥有海量准确的信息，会让投资人获得优势而转化为投资回报。而且大部分投资都是零和博弈，谁下手早下手准，谁就会扩大利收益。在获得海量并准确的信息方面，大数据可以得到充分的发挥。常见的技术有：爬虫、 视觉技术、AI、软硬件结合等等。

银行通过爬虫技术，抓取社区、论坛和微博上关于银行以及银行产品和服务的相关信息，并通过自然语言处理技术进行正负面判断，尤其是及时掌握银行以及银行产品和服务的负面信息，及时发现和处理问题;对于正面信息，可以加以总结并继续强化。同时，银行也可以抓取同行业的银行正负面信息，及时了解同行做的好的方面，以作为自身业务优化的借鉴。

（五）商业模式以大数据的利用为中心

中国互联网公司推出了广泛的金融产品和服务。这些公司的商业模式以大数据的利用为中心。2015年2月，中国最大的在线消费贷款市场——中国快速金融宣布，它将预先批准的500元人民币（约合80美元）贷款额度扩大至5000万消费者，其中包括腾讯开发的在线软件QQ的预选用户。这些报价是基于对社交和金融信息（在线和离线）的分析，目的是预测违约率、限制欺诈以及雌伴借款人对该提议的反应。中国快速金融估计，5亿中国消费者可能是合适的借款者。该公司的目标是利用一个基于移动平台的平台，根据来自不同来源的数据自动记分。中国的传统银行也认识到，高质量的客户数据是金融市场成功的关键，因此，这些银行正在采取措施，将自己转变为大数据公司。

（六）利用大数据进行监管

互联网企业通过开拓人工智能的应用场景，提高大数据信息收集和风险控制的能力。人工智能技术在金融科技的应用，有助于提高金融平台大数据风险控制能力，降低运营风险与成本，为互金融科技的发展提供新的路径。金融创新与金融监管是动态博弈的状态，大数据带来高效率的同时，也增加了金融行业监管的难度。监管对象复杂为监管部门带来了新的困难。监管主体要深刻意识到大数据的重要性，将其运用到互联网金融的监管领域，实现人工智能监管与传统监管手段的有机结合，保证人工智能可以在监管的框架下发展，降低其引发金融风险的概率。互联网金融行业与传统金融发展形式不一样，采取的监管措施更为复杂，传统现场监管方式现在已不能满足互联网金融的监管需求，应发挥大数据技术监管和非现场监管作用。互联网金融行业的主体涵盖多个区域，其交易的形式较为零散化，增加了监管难度。大数据技术的出现，给监管提供了一种有效的途径，但是因为政府部门对于数据资源的利用不够规范、数据挖掘能力不够，造成现在互联网金融监管效率低、监管主体之间的有效沟通不足。政府可以通过开展数据的开放与共享工作，加强各个监管部门与互联网企业数据之间共享与交流，协调之间的利益关系，建立统一的监管机制。大数据信息时代，互联网扩宽了金融行业空间领域，面对海量的数据信息，单一的监管主体是无法应对互联网金融带来的风险和危机。互联网金融所具有混业经营的特点，需要各监管部门之间合作监管，加强信息方面的沟通与分享，并形成协同监管。大数据涵盖金融业中的数字化创新的商业模式创新。这些创新可能改变现存的行业结构，淡化现有的行业界限，彻底改变传统金融机构监管和服务的方式，但同时也会带来隐私和执法等方面的重大挑战。

结束语：随着社会的不断发展，金融行业的发展速度也不断提高，科学技术水平不断提升，大数据应用的场景不断变多。大数据在金融科技领域可以应用广泛，实用性也很强，未来也有发展前景。但是大数据技术也存在一些问题，在数据壁垒问题上如何进行书店共享，如何保护数据防止泄露，个人的数据与隐私之间的矛盾。大数据在未来的应用上仍面临严峻的挑战。

参考文献：

[1]马晨征，崔鹏伟，樊敏，毛茹霞，赵连磊.山西省科技金融信息服务平台建设方案初步构想[J].山西科技，2020，35（04）：44-46.

[2]李慧. 应用金融科技创新服务小微企业的途径与机制研究[C]. 天津市电子学会、天津市仪器仪表学会.第三十四届中国（天津）2020’IT、网络、信息技术、电子、仪器仪表创新学术会议论文集.天津市电子学会、天津市仪器仪表学会：天津市电子学会，2020：16-19.

[3]王广宇，何俊妮.金融科技的未来 与责任[J].南方金融，2017，（03）：14-17.

[4]李学龙，龚海刚.大数据系统综 述[J].中国科学：信息科学，2015，（01）： 1-44.

[5]巴曙松，白海峰.金融科技的发展历程与核心技术应用场景探索[J].清华金融评论，2016（11）：99-103.

[6]郭晓蓓. “外设内孵”  银行业加速布局金融科技[N]. 中国银行保险报，2020-08-10（007）.

[7]尹骁，秦志发.大数据时代下中国互联网金融创新发展与监管研究[J]. 电子商务，2017（4）.

[8]李健，王亚静，冯耕中，汪壽阳，宋昱光.供应链金融述评：现状与未来[J].系统工程理论与实践，2020，40（08）：1977-1995.

[9]石少剑.智能技术革命与法治秩序转型——从传统法治到智能法治[J].江汉大学学报（社会科学版），2020，37（04）：15-30+125.

作者简介：

余进玉（1998-），女，汉族，湖北武汉，金融学本科在读，武昌首义学院 研究方向 金融学。