大数据在金融：数据的价值_数据分析师考试

移动互联网、大数据、金融三个热点词汇叠加在一起，将会爆发出多么大的想象力。大数据时代不是突然出现的，实际上过去的几十年间，数学家就已经涉猎金融行业了，如诺贝尔经济学奖获得者哈里.马克维茨、威廉.夏普，罗伯特，恩格尔都是数据家。他们通过数学模型对金融市场进行分析，利用计量经济学知识和金融市场数据来建立数学模型，预测金融市场产品收益同风险波动的关系。著名的信用卡巨头Master很早以前就开始利用起交易数据进行分析和风险管理，大通银行在90年代就利用决策数方法进行房产抵押贷款的风险管理。

数据分析和数据挖掘一直就存在于过去的商业活动中。大数据时代的出现简单的讲是海量数据同完美计算能力结合的结果。确切的说是移动互联网时代产生了海量的数据，大数据技术完美的解决了海量数据的收集、存储、计算的问题，因此大数据时代开启企业利用数据价值的另一个时代。本人将陆续推出有关大数据在金融的文章。文章从金融数据的商业价值和大数据分析技术入手，来同大家探讨数据在金融企业应用，主要介绍数据如何成为资产，数据如何帮助金融企业实现精准营销、产品创新、效率提升和风险管理等。计划推出如下几篇短文，文章的标题和内容可能会有些变化。

第一篇数据价值

主要讨论数据如何成为资产。数据为何具有价值？数据如何在产品创新，效率提升，风险管理等方帮助金融企业，具有价值的数据将是金融企业未来实现业务突破的一个重点。

第二篇数据来源和应用

主要讨论金融行业，数据来源于哪里，自身具有哪些数据，需要哪些外部数据，这些数据的价值，如何获得和利用这些数据。数据来源是大数据在金融行业应用的基础。

第三篇数据技术

主要谈谈常见的大数据采集和分析技术，相关数据提取和特征值分析，数据删除。金融行业的数据平台建设，数据组织架构的建设，数据治理建设等。

第四篇数据驱动业务

主要讨论大数据在金融行业的应用，数据驱动业务，还是业务需要数据支持。数据在金融行业发展过程中的作用，通过具体案例分析来介绍数据的作用。

第五篇大数据决策

决策树分析法介绍，学习的机器。大数据在业务决策中的作用，不要过分依赖大数据。大数据仅仅提供决策支持，不能直接决策。大数据的归纳和演绎，大数据提供的是一种大概率的决策支持。

第六篇数字银行

介绍基于移动互联网和大数据技术的数字银行，探讨数字银行的概念、功能、实现技术、发展阶段、同银行现有业务的融合、在未来银行发展中的作用。

第七篇大数据在金融的未来之路

介绍未来金融行业大数据技术的发展方向和发展特点，介绍金融大数据人才需求，同数据科学家的合作，大数据思维意识的建立，金融行业和其他行业的合作，大数据产业的融合之路。

第一篇数据价值

金融行业包含银行、保险、证券（包含基金），按照管理资产规模看，银行有160万亿的资产，占了整体金融行业资产超过了70%，因此我们将重点讨论银行的大数据应用。

大数据时代有三种类型的公司，1）拥有数据的公司例如银行、电信运营商。2）拥有技术的公司例如IBM，Oracle。3）拥有技术和数据的公司例如google，百度，阿里，facebook.

银行内部有客户信息、交易信息、信用信息、资产信息等，具有较全的数据，仅需要从外部引入较少的信息。证券公司内部有交易信息和资产信息，如果进行大数据应用，需要从外部引入大量信息。保险公司具有客户信息和资产信息，但是缺乏交易信息，更加依靠外部信息。

作为拥有数据的公司，必须要知道其有哪些数据，哪些具有价值的数据，数据同商业需求的相关性，如何提取其特征值进行度量，从而体现数据对于公司价值。

大数据对金融行业价值可以从以下几个方面进行讨论

1精准营销

大数据可以提供某些企业交易特点和资金需求特点，可以帮助业务部门对企业的资金需求进行分析和筛选，提供现金管理产品，帮助企业解决流动性问题。大数据可以帮助信用卡中心追踪热点信息，针对特定人群提供精准营销产品，增加新卡用户，例如热映电影、娱乐活动、餐饮团购等。银行针对特定人群推出定制的理财产品，保险公司可以根据大数据来为特定人群定制保险产品，证券公司可以依据大数据提供具有针对性的融资融券产品。

2社交化营销

人们的社交行为产生了巨大的数据，利用社交平台，结合大数据分析，金融行业可以开展成本较低的社交化营销，借助于开放的互联网平台，依据大量的客户需求数据，进行产品和渠道推广。通过互联网社交平台返回的海量数据，评测营销方案的阶段成果，实时调整营销能够方案，利用口碑传销和病毒式传播来帮助金融行业快速进行产品宣传、品牌宣传、渠道宣传等。

3信用风险评估

银行可以利用大数据增加信用风险输入纬度，提高信用风险管理水平，动态管理企业和个人客户的形用风险。建立基于大数据的信用风险评估模型和方法，将会提高银行对中小企业和个人的资金支持。个人信用评分标准的建立，将会帮助银行在即将到来的信用消费时代取得领先。基于大数据的动态的信用风险管理机制，将会帮助银行提前预测高风险信用违约时间，及时介入，降低违约概率，同时预防信用欺诈。

4欺诈风险管理

信用卡公司可以利用大数据及时预测和发现恶意欺诈事件，即使采取措施，降低信用开欺诈风险。保险公司可以利用大数据来发现恶意投保和索赔事件，降低欺诈带来的经济损失。银行可以基于大数据建立防欺诈监控系统，动态管理网上银行、POS机、ATM等渠道的欺诈事件，大数据提供了多纬度的监控指标和联动方式，可以弥补和完善目前反欺诈监控方式的不足。特别在识别客户行为趋势方面，大数据具有较大的优势。

5提升客户体验

银行可以依据大数据分析，可以对进入网点的客户提供定制服务和问候，在节假日为客户提供定制服务，预知企业客户未来资金需求，提前进行预约，提高客户体验。私人银行可以依据大数据分析报告，帮助客户进行金融市场产品投资，赚取超额利润，形成竞争优势，提高客户体验。保险公司可以依据大数据预测为客户提前提供有效服务，提高客户体验，同时增加商业机会。证券公司可以利用大数分析，快速推出行业报告和市场趋势报告，帮助投资者及时了解热点，提高客户满意度。

6需求分析和产品创新

大数据提供了整体数据，银行可以利用整体样本数据，从中进行筛选。可以从客户职业，年龄，收入，居住地，习惯爱好，资产，信用等各个方面对客户进行分类，依据其他的数据输入纬度来确定客户的需求来定制产品。银行还可以依据企业的交易数据来预测行业发展特点，为企业客户提供金融产品服务。保险行业可以依据外部数据倒入，根据热点词汇来判断市场对保险产品的需要。证券公司也可以依据外部数据判读投资者喜好，来定制投资产品，进行产品创新。

7运营效率提升

大数据可以展现不同产品线的实际收入和成本，帮助银行进行产品管理。同时大数据为管理层提供全方面报表，揭示内部运营管理效率，有力于内部效率提升。大数据可以帮助市场部门有效监测营销方案和市场推广情况，提高营销精度，降低营销费用。大数据可以展现风险视图控制信用风险，同时加快信用审批。大数据可以帮助保险行业快速为客户提供保险方案，提高效率，降低成本。证券行业也可以利用大数据动态提供行业报告，快速帮助投资人。

8决策支持

大数据可以帮助金融企业，为即将实施的决策提供数据支撑，同时也可以依据大数据分析归纳出规律，进一步演绎出新的决策。基于大数据和人工智能技术的决策树模型将会有效帮助金融行业分析信用风险，为业务决策提供有力支持。金融行业新产品或新服务推向市场前，可以在局部地区进行试验，大数据技术可以对采集的数据进行分析，通过统计分析报告为新产品的市场推广提供决策支持。

总之，进入大数据时代，金融行业的客户信息、交易信息、资产信息、信用信息等数据经过有效采集和整理分析，将会成为具有价值的数据信息。内部数据结合外部数据将形成具有重要价值的数据资产，可以有效帮助金融企业进行精准营销，降低运营费用，提高欺诈管理水平，提高信用风险管理水评，为决策提供有效支持，同时帮助金融企业了解客户需求，开发出符合客户需要，具有创新精神的新产品。简单的讲大数据将帮助金融行业提高运转效率，降低支出成本，提高风险管理水平，基于客户需求进行产品创新。