大数据技术在金融统计分析中的应用

张夏彧

在信息化迅猛发展的今天，我国金融行业也相继进入到了大数据时代。通过金融数据分析深化大数据技术应用，能够全面强化金融统计服务水平和能力，为后续宏观决策的开展作出理论信息支撑，同时也为金融政策制定带来更多的参考依据。因此本文首先针对传统金融统计的不足之处展开探讨分析，并以此为基础提出在金融统计分析中应用大数据技术的实践策略，希望为相关人员带来一些参考。

近些年，信息技术在我国各个行业中获得了跨越式发展。而金融本身属于数据密集型行业，其中的数据来源体量增速相对较快、数据体量相对较大，而日渐庞大的数据总量也对未来金融行业的发展带来了影响，其同时也对数据的应用、统计作出了更高标准的需求。对于金融统计而言，其是银行针对金融风险展开识别的前提和基本。在大数据时代日渐到来的今天，金融统计工程的后续开展也逐渐展露出来，其具体体现在金融数据分析结果与社会群众的基本需求无法符合，最终得出的统计报表也仅是较为基础的数据汇总，并无具象化的数据显示，无法充分展现出金融市场的波动性发展走向。

一、大数据意义

从本质上讲，所谓大数据其实际上指的是体量十分庞大，同时无法运用传统数据库工具作出管理的数据合计。对于大数据概念而言，其本身可以在总体上划分为理念、技术、现象等多个层次。第一，通过大数据这一概念，阐述了在信息时代到来后，出现了庞大数聚集的根本情况。这一情况具体表现为四个特征：首先是数据体量相对较为庞大，其本身是大型数据的集合。第二，是处理速度相对较快，即便数据量较为庞大，其也可以达成数据的及时处理。第三，数据种类相对较多，这其中包含许多结构、非结构性的数据，其很难依托传统流程来针对数据开展处理和分析。第四，数据具备较高的真实性，大数据中较为重点的数据为非结构性数据，而并非经过加工的结构化数据。大数据具体指的是经由上述现象产出的，问题分析的范式及理念，这些对应的观念与传统的经济、统计学范式有较大区别。

二、传统金融统计不足之处

（一）数据采集和运用有待完善

对于银行而言，其金融数据本身具备数据总量较大、数据属性复杂的特点。但相较于我国一些电商所应用的数据采集系统而言，银行实际应用的挖掘、采集形式依然相对落后，其中有极大部分的数据并未得到综合应用和开展。当前阶段，我国金融机构所做出的金融统计报表，大部分都是根据现阶段银行金融统计制度所制作出的有关报表，其实际报送的数据量相对较少、内容也缺乏深入性。现阶段，银行基层统计人员在每个月份，都需要针对不同法人金融机构的数据展开录入和核对工作。并由此为基础创建出各类型的报表，工作量和工作内容相对较大，并且其重点更多地在数据采集工作中，而在开展数据分析和统计工作时，往往只是通过基础的数据分析开展。与此同时，金融统计检测管理系统的应用，也更多的仅是侧重于对数据的汇总和分析，而系统本身的分析功能十分落后。

（二）非结构化数据有待利用

对于银行而言，其中的数据利用工作，仍然只是简单地局限在对结构化数据的应用中，其针对影音视频文件、图片等一系列非结构化数据工作的展开，并未形成较为统一式的数字化处理模式，同时也缺少多方位的智能展示和分析工作，同时也缺少非结构化数据处理工作能力。通过将结构性报表作为主体的金融统计工作展开，其实际在需求与产品之间具备一定的结构化矛盾。例如，在全国范围内金融资源可以实现波浪式流动，但由于地区性行政区域的划分情况，导致实际工作中的金融统计实行，往往只能遵循金融机构的属地性原则展开统计工作，致使具备区域性特征的金融统计产品本身存在一定的局限性。有一部分本地金融机构面向外地发放的贷款会被统计在本地区，但外地金融机构面向本地区发放的贷款，并不会被计入本地，这也致使地区性经济总量、金融总量之间的统计数据出现不对称的问题。

（三）统计技术有待提升

现阶段，我国各类型金融信息相对较复杂，而应如何在体量庞大的数据信息中，进行有价值信息的提取和分析，这对于统计技术而言是一种极大的挑战。而依托大数据的应用，能够确保银行在数目庞大的结构、非结构化互相混合的数据类型当中，探索出一些传统方式无法得到的针对性信息。同时人民银行也需要通过数据可视化、挖掘等技术展开分析，为后续银行的数据宏观调控工作作出更加坚实的保障。

三、大数据技术在金融统计分析中的应用

在大数据时代逐渐到来的今天，传统的单一化分析手段已经无法应对飞速增长的海量金融统计数据，同时较为单一的分析手段也已经无法顺应时代发展的新需求，因此应从根本上强化金融统计分析工作中大数据技术的应用，从根本上强化金融分析的合理性、全面性。

（一）积极开展银行内部建设

1.以大数据理念为核心，构建起金融数据决策分析工作运行平台。始终遵循平台建设理念，消除数据源边界局限，通過这样的方式达成外部、金融统计数据之间的互相连接，以此来构建起具备多方位、全面化的数据指导知识体系。同时促进金融市场、税务等多个结构化数据间的融合，并积极落实内嵌政策，根据其发挥效果进行指标预测模型、评估模型等方面的联系性分析和判断，通过这样的方式达成及时评估金融、产业政策效果的目的，在强化经济金融运行状况、完善调控政策研判能力的同时，也充分达成宏观调控政策精准性的提升。

2.以大数据技术为基础，强化数据的分析、挖掘基础能力。通过大数据技术的应用，能够将数据信息中大量的非结构性数据相应的转变为决策支撑信息。立足于收集整合的基础之上，构建起微观性细节流通，以及资本市场交易关联化模型，针对实体经济发展状况、金融体系状况等展开动态监测，通过这样的方式强化大数据的实践应用和阅读。通过大数据分析技术的实践应用，全面强化金融发展指标预测过程中的精准性，在针对金融风险苗头展开识别的同时，保障金融风险的预警以及识别工作的质量。

3.主动转变金融统计传统思维，积极开展统计队伍建设。在这一过程中，应从深处意识到在金融数据统计工作中，传统统计在关联性、总体性方面的弊端和问题，充分意识到只有确保统计理论与大数据技术互相融合，才是促进金融统计面向未来长远发展的总体趋势，只有确保大数据能够切实应用在金融数据统计工作中开展分析预测，才能从根本上强化统计工作的服务效能。除此之外，大数据时代的到来，也为金融统计工作者自身的知识结构作出了极大挑战，因此必须强化人才引进工作的积极培训，强化统计从业者的自身素质，才能确保在决策信息支持环节中，金融统计分析具备强大的作用。在实践过程中，应积极引进从事大数据工作领域的专业化人才，尤其是针对一些工作于百度、腾讯等大数据企业的核心人才，可以被当作重要引进人才。此外，更应当通过引入数据领域的专家和人才，针对银行内部的统计人才，开展专业性的学术讨论以及专家培训，使专业人才深刻理解大数据的核心思想，并将其应用在实践工作当中。

（二）拓展知识图谱技术应用

知识图谱技术是谷歌公司在2012年发布的应用技术，通过将其作为搜索核心，可以使搜索引擎更加细致地探索出用户查询背后的语义信息，并相应地传递出更加精确、结构性的信息，以此来最大程度上确保用户查询需求被满足。对于知识图谱而言，其本身是具备结构化特征的语义知识库，其本身由互相连接的实体和属性共同组成，并且依托符号的形式来针对物理世界中相关的改变进行阐述。通过知识图谱的应用，能够将不同种类的信息链接共同构建为关系化网络，同时以关系的角度入手，针对问题的方法和思想进行多元化分析，这是关系表示工作当中较为直观化的方式。

金融行业本身就是一个以数据作为推动器的行业，其中金融数据的统计，更是会受到来自监管部门、金融机构等方面的充分重视。同时依托知识图谱技术的应用，能够针对数据量庞大、来源多样化的金融大数据展开充分的整合和加工，这样一种技术在未来金融行业的发展中，也起到了十分关键和重要的作用。

首先，银行方面可以将知识图谱技术运用在评估和风险识别工作中。大数据时代的到来也为不法行为提供了更多选择，如今的金融欺诈方式越发多样化，欺诈手段也十分隐蔽和专业，在应对这一问题时，传统技术手段较为单一，并且具备相对较低的效率，但通过知识图谱技术的应用，则可以确保借款人自身的行为、消费等信息数据展开协调性关联缝隙，以此来达成针对借款人的多方面风险评估。

其次，也可以将知识图谱技术应用在风险客户、行业的预测当中。通过运用知识图谱技术可以针对多个行业中的挖掘模型进行构建，以此来全方面展示不同行业之间的关联程度，当任意行业发生行业风险，则可以针对所有具备潜在风险的行业展开预测，同时相关的金融、监管机构也能够针对性做出预判，避免后续风险问题的出现。同时依托知识图谱的应用，针对所有相关企业的网络、第三方等多种数据进行协调和整合，并充分挖掘出不同企业之间的投资、股权等一系列关联关系，通过这样的方式降低企业暴雷问题的出现。第三，则是在金融穿透式关系识别当中应用知识图谱技术。在当前这个各大金融业务结构密切联系的大背景之下，不同类型的金融业务，包括資产管理、股权融资等业务呈现出飞速发展的形势，同时其中的个体化金融风险，也会依托金融网络的形式展开多方面扩散，这也可能导致系统金融风险的出现。同时依托网络分析、知识关系图谱等一系列大数据技术，能够针对金融业务当中差异化产品、机构的结构关联性进行塑造，通过这样的方式构建起风险传导关系模型，以此来达成穿透式风险识别的目的。

（作者单位：安庆师范大学）

结 语

对于金融业而言，其是具备典型特征的信息密集产业型部门，有极大部分信息，通过不同种类的数据形式展开存储、记录以及交换。现阶段，我国银行正陆续开展金融业综合统计工作，这样致使金融统计活动越发艰巨。而依托大数据的形式展开金融统计工作十分关键。因此这样意味着银行方面应积极寻找自身问题，通过强化内部建设、拓展知识图谱的拓展应用，确保我国金融统计分析工作的未来发展。