论当前时代下金融大数据的分析与应用

庄夏唯 中国人民银行清算总中心无锡主站

金融行业作为支撑和支持地区发展的重要力量，在当今互联网时代的背景下，“金融+大数据”的发展越来越受重视。金融业的长远发展，已经不能仅仅依靠线上线下的完美融合了，更需要的是数据的搜集整合、整合来实现可指导可预测，也就是金融大数据的管理。所谓数据，即是一种无形的资产，已经逐渐成为金融业竞争力的核心。在这种大环境下，加快建设金融业的数据方向建设、积极抓好金融企业、金融单位信息安全保密工作尤为重要，不仅能保经营效益、保发展前景，更能为国家安全、社会稳定和经济繁荣做贡献。

一、论大数据时代

大数据是一种一般软件难以获取、存储和管理的大容量数据。对于大数据的特点和特征来看，其一般表现在三个方面。

其一，智能化。毫无疑问，智能化是大数据的首要特点，这也是大数据时代的特征体现。探究大数据“智能化”的原因，则是因为其庞大的容量存储。据相关数据统计，全球的数据量基本每年都是翻一倍，2020年甚至达到了35.2ZB的数据量。（如图1所示）而其数据容量存储的方法和方式大抵是通过前端、后端、平台、传输等一体化的智能设备，从而进行数据的集合、反应、计算与运作。比如说海康威视提出的微智能“Smart”的概念，它是将高清监控视频合理应用到分控中心，能够对区域以及网点的图像进行时时查看，出现问题及时解决，增强金融监测能力，网络化信息化和数据化进程能够让问题得到实时改进，深化安防科技体系的建设。

图1

其二，多样化。大数据时代中，数据类型更为广泛和复杂，从文本形式的数据不断演变为了网页、视频、音频、文档等非结构化的数据为主要内容。这样的内容，也极大地应用到了诸多企业的运作及发展过程中。比如说，智慧旅游基础设施的建设，就是依托大数据推进的产业边界融合的发展。其通过对日志、微博、图片及视频的应用，统筹推进了智慧景区建设、智慧酒店建设、智慧旅游电商建设、智慧旅游特色文化建设和智慧旅游智业建设。同时，依靠结构化的数据，逐步的夯实了各种数据项目的建设，比如说，在景区内的二维码扫描设备、智慧旅游等内容。

其三，业务融合。大数据的主要特征就是流动速度快、价值密度低，用最清晰的数值变化来表示，就是从原本的PB变为了TB级别，从“超大数据规模”变为了“海量数据”（如图2）。这种“数据”的变迁，这应用到了各项金融业务的开展过程中。如，各个金融机构在相关的业务管理和经营管理中，对业务中的音视频数据、客户的投诉处理、售后以及经营管理进行了相互融合，利用统一的互联网平台软件与具体的业务进行统一管理，统一运作。这不仅仅创建出了新的金融管理机制，而且更能够约束具体人员做到事事合规，时时合规，事事防范，时时防范，比如说监控分组、数字加密等方式，能够更好地保证金融行业从根本上规避风险。

图2

总结来说，大数据的出现和生产，为“大数据时代”搭建了平台，用“大数据”定位了“微差距”。它能够将“全体”均纳入管理对象，助使每行每业都可以建立一个个账户，从而对数据的产生、发展、变化、应用等各类数据进行全面记录。实现大数据记录事项的可累计、可查询、可分析、可总结，同时历史的、综合地反映了一个数据的成长轨迹，实现了全程管理。

二、大数据下金融业的发展现状

在大数据下，金融行业的发展现状呈现出如下几个特点：

一是大数据为金融行业带来的动能。大数据带给金融行业的优势在于，能够使其更好地顺应经济全球化、区域发展一体化趋势，加快对接发展战略新机遇。其对于金融行业的转型发展、金融创新和管理升级带来了发展的要素，为其激活了发展动能。

二是大数据为金融行业带来的驱动。在大数据的支持下，金融行业在发展过程中可以更好的依靠其所带来的数据功能，不断的完善新技术、培育新能力，从而更好地推进科技、管理、品牌、组织、商业模式等领域的全面创新，加快创新成果的产业化、商业化，开创开放发展新局面。

三是大数据为金融行业带来的人才。金融行业本就是一种密集型的产业，通过大数据的加持，则更好的为金融行业创造了各类IT精英和人才。同时，金融行业所提供的人才培养和人才资助资金，也进一步的强化了“大数据+金融”产业高素质专业人才的培养、引进，健全了人才培养体制，为进一步优化金融发展环境带来了基础。

三、金融+大数据所面临的挑战和问题

对于金融行业而言，目前国内外经济发展新形势和大数据发展的新变化，都需要其从战略高度认真分析，科学把握。就目前而言，所带给金融业的机遇和挑战是并存的。

一方面来说，是机遇与挑战并存的国内外经济新形势。对于金融业而言，其所面临的大环境有所变化，如，当前全球性经济危机与社会危机叠加发生，国际政治经济秩序面临深刻调整，欧美国家面临体制结构调整震荡，加上新冠疫情、粮食危机等“黑天鹅”“灰犀牛”因素，诸多矛盾在非常态氛围中存在激化、失控的危险。同时，另一方面来说在国内的发展过程中，市场已经逐步走向了深度的融合，此时5G、物联网、大数据、云计算等信息化技术进入全面应用推广阶段，如何更好地应用大数据进行发展，就成了一种机遇。

另一方面来说，是全球新一轮科技革命带来新机遇。在新一轮的科技发展和变革中，逐步的引出了智能化、网络化的发展。同时，更有诸多的新技术和新领域涌现，这些新的内容、结构和方式，就为金融大数据的发展带来了挑战和考验。因此，对于当下的金融大数据发展而言，那么如何更好地适应新一轮的科技革命，就成了金融业必须要去思考的问题。

最后来说，金融业在大数据时代下，所面临的问题也不容小觑：

一是经营发展模式亟待改善。对于金融业的发展而言，产业浪潮的发展势必会推进经营模式的发展和变化，而经营模式的发展和变化会带来一些文化、结构、市场需求的变化。因此，对于金融业经营发展模式的不断变化而言，如果不能够“即时”的跟随时代进行发展和创新，就不能够满足金融标准化的经营技术服务、经营管理、经营风险防控理等现代化金融业的建设需要。

二是机制管理模式亟待提高。对于金融业而言，在大数据发展过程中需要数据标准、数据架构、元数据和数据仓储的机制管理。这种机制管理模式是一种基础性的管理，而想要支撑起金融业的创新发展，就要能够依靠业务线条的发展进行再次的创新，如若创新力度不够，技术支撑不够，就很难把控好大数据的机制性管理，从而影响金融业的周期发展。因此，如何更好地运用数据生命周期去进行金融机制管理周期的延续和创新，就决定了未来数据质量和数据模式的变化。

三是人员结构亟待调整。金融业是一个集中性的产业，其需求的人才数量是巨大的，而同时需求人才技术也是必要的硬件支撑。同时，大数据时代中，其所带来的数据处理、数据技术、数据工具与软件技术会不断的更迭发展，如果人才队伍的能力与大数据时代的发展不匹配，这就会导致金融也缺乏前瞻性。特别是对于一些金融公司或者是银行业而言，其在内部存在着一些“老、新员工”的队伍，老员工工作经验丰富但缺乏创新精神，新晋人员缺乏专业技术或者专业技术不高，这就导致了在人才的长期规划和发展过程中，对于实际工作的考察和研究性不足，缺少系列的反馈。

四、新时代中金融大数据的发展思考及建议

就当下时代中的金融大数据发展来讲，要能够做到敢于突破思维定势，与时俱进地解放思想、更新观念、务实进取、敢想敢干。同时，还要认知到在思想观念、体制机制、发展环境上的差距。因此，抓好新时代金融大数据的发展，必须结合实际，主要从以下几个方面实现突破。

一要致力更新观念，在思维上求突破。思路决定出路。思想解放的程度，决定着金融业的发展的速度。解放思想不是凭空想象，大数据的应用过程就是解放思想、更新观念的过程。特别是在当下，数字化的力量正在慢慢的展示出来，数据对于金融业的价值也正在一步步成为现实。最早体现出来数据化金融价值的是电子商务和零售行业为代表的销售行业。大数据管理，是对于商业数据化与智能化的一个系统的思考和探索，是一个新的思考方向，对于金融业发展而言具有划时代的意义。是金融业能够在飞速发展的巨变时代中继续发展下去，掌握潮流和金融发展未来的有力武器和理论依据。对此，金融业要能够做到坚持规划引领，依据现时代中大数据资源环境的承载能力、现实基础和发展潜力，以完善数据管理网络为依托，以强化金融产业分工协作为纽带，以提升大数据“开放”和“共享”的综合服务能力和功能互补为重点，逐步优化金融的空间开发布局，促进在内部的合理分工、协同发展。

二要致力平台建设，在融合上求突破。业务是金融经济发展的“生命线”，也是依靠大数据拉动发展的重要引擎。对此，金融业应该立足于大数据所带来的信息共享平台机制，加快配套信息共享平台的打造，增强综合承载力，使其成为培育特色业务、吸纳客户容量、增添发展动力、推进数据突破发展的融合性平台。比如说，对于银行业发展而言，就可以做到抓好服务模式的创新，在贷款、金融、融资等服务中，大力普及应用互联网、物联网、大数据等信息化手段，不断的引导企业发展个性化定制、平台经济、共享经济、“粉丝经济”等新产业、新业态。又比如说，还可以通过抓好服务品牌创新，加快推进“互联网+金融服务”，实现“一站式”的融资审批、“一条龙”服务和“全流程”的监管，为企业提供便捷高效的服务，不断推动企业实现经济效益、社会效益、生态效益共赢。

三要致力增强后劲，在优化体系上求突破。人才是金融产业的载体和保障，两者相辅相成、不可偏废。同时，金融人才的搭建是一个系统工程，既要有若干制度支撑，又要有技术平台支撑，还有适应于各个层面的通用教材作为支撑，内容十分复杂、操作难度很大，必须坚持不懈地持续推进、实践、改进和优化。因此，对于人才队伍的培养和管理，要能够把控好对大数据的应用，如，通过大数据为依靠，从职业基础、业务能力升级、考核评价、自我发展等方面，对金融人才队伍的未来职业规划提供良好的保障。又比如说，还可以通过分析综合评价、个人成长账户等重要指标，为选拔使用提供重要参考；根据岗位特点，建立适当的数据模型，客观评判金融人才的个性特征、优势不足，为考察人才提供数据支撑。