京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据技术在金融行业有哪些应用前景_数据分析师考试
最近大数据征信很火,那么在金融行业大数据究竟可以怎么用呢?
那我就说一下,大数据在我们内审上面的运用.
话说回答你的问题时候,我正在用我们行的系统跑大数据,今天看到你这个问题我觉得,我已经有资格回答一下了。
我在四大行干内审工作,对我们年轻人来说,现在经验比不上老同志,账务比不上财务部专业人员,我以前是干ERP的,最熟悉的其实是两个模块,即WMS和 MES,工业流程那一块,银行这块以前干过对私房贷这块,毕竟不想在工厂,就快毕业通过校招一批来到了这工作,也很幸运直接来到内审。
简单说,大数据对于内审只能说是一种手段,数据需要设计需要磨合,不是说一个程序下来,一个模型就会有答案,会计的手法千差万别,别的不说就拿我们行来说,当拿到总行的模型时候,我们就要考虑对当地情况是否有用,如果出疑点,疑点是否是真正的疑点这对内审人员来说都要凭借自己的判断。
大数据并不是内审人员的唯一手段,还有其他比如,对公信贷系统、影响系统、柜面操作系统(这里不说的太细,以免暴露自己在哪个行),还有一大堆外挂系统,说句实话这一套东西用下来没几年功夫还真玩不转。
大数据的作用很大,起码提高了我们的效率,以前都靠录入Excel,然后用透视功能或者自己编宏来做,但是Excel有个巨大问题,他是以单元格为单位,只能达到百万级数据,但是银行工作中,业务起码是亿级数据量,(我跑过Excel十万级数据真心卡的要死呀)所以我们通过现在国际通用的一种软件(这里省略是什么系统,大家可以猜一猜)这个单位是以行为主,可以达到亿级数据了,但是这仅仅是达到,我个人觉得跑百万以上的数据已经卡的要死了,所以特别怕关联明细账,每次出结果之前先拜众神,对于这个系统我还是初学者,但是因为这个系统用量不够,总行又推出了新的系统,并且嵌入之前的老系统,但是感觉这两个系统关联的。。。。(唉,呵呵,小职员不说话)
停了一会,我看刚跑出来的模型一如以往的缺限制条件,重新加条件继续跑吧。
幸运的是,每个模型都会出一些答案,在你的模型符合性、正确性兼备的情况下,得到疑点,别以为这些疑点出来就万事大吉了,你起码抽上几笔看一看吧,验证一下吧,至于符不符合总要拿法规制度量一量吧,就是真有问题,也要看是什么问题了,系统性问题,你找人家小柜员有毛用,一笔不良贷款出现你不能说那个网点风控失灵吧,总要有自己分析,而且你要对自己分析负责,这里涉及情况太多,然后从这纷乱繁杂的线索一一梳理,然后写个分析吧,痛苦的来了,因为通过文字准确的表达出来本身就需要锻炼。
再来说说现场审计吧,那叫一斗智斗勇,各种博弈,毕竟谁都不想承认自己错了,而且这个错了真是后果很严重,所以各种推诿,有些时候部门负责人都懒得搭理你,对于有些问题,对公客户经理有些集体跳槽,留下烂摊子(这不得不说银行员工缺少追责制度),然后我们就各种落井下石,其实最不忍的是,每次下去,人家好吃好喝的供着,我们回头给人家一刀,所以招人恨。其实我也想是人力资源部或者计财部的,那是带着升值指标和钱下去的。那是人家人爱,花见花开。
刚回头又看了一下模型,关键的来了。。。。要关联明细了,继续众神保佑吧。。。。。
当然我也不排除不怕死的,心理素质好的。。。
好了,每次这一通下来,该出报告了,好吧初稿,改稿改一,初稿改二,到初稿改N,最终稿一,最终稿二,到最终稿N,我见过最夸张一次,改了60多遍,最后审计报告,真是复印出来能当砖头,然后三堂会审各种头脑风暴。就出成果了。
感觉银行内审和外审有很大的不同,
像审计期间的不同,我们也有审计期间但是和外审审计期间不一样,毕竟我们有些责任不用那么严格。
像审计重点不同,外审重点是三大表真实性,我们更关注的肯定就不是三大表了(废话就一个公司的要作那么多三大表干毛,作假账的笑而不语。。。),我们关注的更多是内控合规和制度有效性还有顶层设计情况等等吧。
审计手段不同,这个是重点,以我的审计角度来判断,对于外审来说大数据的使用,外审用的不会像我们这样频繁,最主要的是一点,大数据需要数据来源,数据来源的可靠性,真的就有那么可信吗,既然数据来源不可信,要大数据有毛用,所以我估计在对审计对象初判,肯定是要对数据源进行判断,但是他们的手段我不是太了解,能不能有大神也给我科普一下呢。。。。
加班时间的不同,我们比起四大来说要好很多了,不过也是五十步笑百步,加班阴影也同样在我们头上盘旋,话说我已经好久没过星期六了耶。。。。
像工资的不同,外审比我们赚的多多了,四大起码平均20到30W吧,我们。。。就不说了反正丢人。
但是有一个相同点,就是怀疑的态度,在我们眼里,都是坏人满处不合规,有句话“大胆假设,小心求证”,其实说出这句话,我已经想要匿名发表,因为我透露了太多我党我行的信息,明眼人真心一看就知道我是哪个行的了,不过真的想遇到个前辈给指导一下。
我说实话也是心痒,想回答一下,看到他貌似应该是“五保”里面的一员吧,感慨现在内审手段都在与时俱进呀,前几天才听说证券公司也开始用大数据,看来金融界大数据已经开始扩展起来,但是我觉得内审这行用大数据真心还在草创阶段,像我们大数据主要在于资金追踪,其他方面虽有涉及但是很难有固定模式,我倒是觉得很难有固定模式。
对于大数据这个概念其实应用起来时间很短,其中提出来大数据概念我倒是觉得已经不算晚了,对于大数据瓶颈在于硬件,大家想想,我上学那会有个2G的内存都美的不行,觉得啥游戏都能玩了,再看看现在,光刺客信条5大革命安装下来我记得是30G,而计算机家用内存达到几T了,大数据不光内存因素。
还有更关键的运算效率吧,不要让我跑个百万级数据就崩溃比啥都强,毕竟我总是拜弯身是很消耗RP值的,我也有个七灾八难,不能把人品这么频繁的使用,我也不是RP值高,任性的人。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
数据分析的核心并非单纯操作工具、整理报表或绘制图表,而是依靠科学的思维逻辑挖掘数据价值、解释业务现象、指导经营决策。在完 ...
2026-09-02在社会经济、产业研究、区域治理与大数据实证分析中,面板数据是最具研究价值的数据类型。面板数据同时包含截面维度与时间维度信 ...
2026-09-02 很多数据分析师能熟练计算均值、标准差,但当被问到“如何用一张图让业务方3秒内看懂核心结论”“面对不同数据类型该怎么选 ...
2026-09-02在数据驱动决策的体系中,数据分析按照分析目的可分为描述性分析、诊断性分析、预测性分析与指导性分析四大类型。其中,诊断性分 ...
2026-09-01网络请求是Python爬虫开发、接口测试、数据拉取的核心基础功能,Python生态中主要依靠 urllib 和 requests 两大库实现HTTP请求操 ...
2026-09-01 很多数据分析师面对业务问题时,常常感到“知道要分析,却不知道用什么方法”。其实,数据分析并非无章可循——从三大基础范 ...
2026-09-01在数据库设计与业务数据维护中,自增ID是数据表最常用的主键字段,用于唯一标识每一条业务数据,正常状态下ID应保持连续递增。但 ...
2026-08-31在数理统计、数据分析、经济测算与日常量化评估中,平均值是刻画数据集中趋势、反映整体水平的基础核心指标。在实际应用中,最常 ...
2026-08-31在数据驱动的时代,数据分析早已不是“凭经验、靠感觉”的零散操作,而是一套具备固定逻辑、标准化流程的系统方法——这就是数据 ...
2026-08-31在大数据时代背景下,海量行业数据亟需通过专业化工具挖掘潜在价值,辅助企业业务决策、优化运营模式、规避经营风险。Python凭借 ...
2026-08-28SQL是数据分析领域最基础、最核心的工具,承担着取数、清洗、统计、分层、归因的全流程工作。不同于单纯的语法练习,实战化SQL数 ...
2026-08-28 很多企业团队并非缺乏指标,而是陷入“指标失控”:仪表盘上堆满实时跳动的数据,却无法回答“当前瓶颈在哪、下一步该做什么 ...
2026-08-28随着新零售模式的快速普及,零售行业从传统的“货品驱动”全面转向“用户驱动”。门店交易数据、线上消费记录、浏览轨迹、复购频 ...
2026-08-27在数据分析、爬虫采集、接口开发、数据归档等场景中,JSON与CSV是两种使用率最高的数据存储格式。JSON为键值对结构化格式,适配 ...
2026-08-27 很多数据分析师每天都在计算指标、制作报表,但当被问到“什么叫指标数据元”“指标数据标准包含哪些核心维度”“指标数据质 ...
2026-08-27在数据分析工作中,时间序列是最常见的数据类型之一,订单时间、日志时间、交易时段、统计周期等数据均离不开时间处理。原始数据 ...
2026-08-26在数据分析与数据预处理工作中,原始数据普遍存在录入错误、系统故障、偶然极值等问题,极易产生异常数据。异常数据会严重干扰数 ...
2026-08-26 很多数据分析师能熟练写SQL、做透视表,但当被问到“数据是从哪里来的?经过哪些加工才进入数据仓库?ETL具体做了什么?”时 ...
2026-08-26在数理统计与数据分析领域,多因素方差分析与线性回归模型是研究变量关系、因素影响、数据差异规律的两大核心工具。二者均属于经 ...
2026-08-25数据分析的核心价值不在于数据计算与图表制作,而在于清晰、精准、有逻辑地输出结论、支撑业务决策。日常数据分析报告普遍存在结 ...
2026-08-25