京公网安备 11010802034615号
经营许可证编号:京B2-20210330
大数据助推金融业发展
专家表示,对于金融行业来说,尤其是以银行、保险为主的金融行业都是非常注重数据应用的,很多企业已经在利用大数据去服务其风险管理、客户营销和运营管理等工作。大数据未来将成为全球金融业竞争的主要“阵地”之一。对大数据的应用能力已经成为金融企业的核心竞争力,未来有竞争力的金融企业一定是有深厚大数据文化的企业。
今年《政府工作报告》明确提出要“发展壮大新动能。做大做强新兴产业集群,实施大数据发展行动”。近年来,以信息通信技术的创新为基础,互联网、大数据和人工智能等蓬勃发展,新的经济形态展现出强劲的生命力。接受《金融时报》记者专访的毕马威中国大数据团队学科带头人魏秋萍博士表示,对于金融行业来说,尤其是以银行、保险为主的金融行业都是非常注重数据应用的,很多企业已经在利用大数据去服务其风险管理、客户营销和运营管理等工作。
金融大数据值得关注
魏秋萍表示,金融行业本身是一个自带很大流量的行业。比如一个规模较大的银行,都拥有海量的客户。银行可以利用大数据技术,针对不同的客户群体制定不同的个性化服务方案,可以创建出很多不同的场景。同时,银行拥有很多的数据维度,这些数据项又比一般的网络行为大数据拥有更高的价值密度,可以发挥很大的业务价值。因此,金融行业充分利用自己的流量、数据,有效结合外部数据,再配套先进的技术和理念,必然可以成为一个生态体系中的核心组织。
大数据已经被广受关注,但到底什么是大数据,并没有一个被大家普遍认可的定义。魏秋萍认为,要认识大数据,可以从数据和技术两大层面来看。在大数据这个热词没有出现之前,金融行业早就开始了商务智能分析和数据挖掘,不过这时被分析的数据往往是企业内部的结构化数据。目前,金融企业分析的数据已经不再拘泥于此,而是大大拓宽了数据的广度,除了结构化数据外,也会根据实际的分析需要来引入非结构化数据,同时也会结合企业内部数据和企业外部数据来开展分析。在技术层面,也有了很大的变革,包括存储能力、计算能力和算法种类等,都有长足的进步。在10多年前做数据挖掘的时候,往往由于样本量庞大需要做采样技术,现在有了高性能存储和内存计算等技术的更新,采样基本不再是必需的了。
魏秋萍预计,大数据未来将成为全球金融业竞争的主要“阵地”之一。与互联网企业相比,虽然金融行业践行大数据战略的起步要晚了一些,但是金融行业利用大数据的进程也发展得很快。对大数据的应用能力,已经成为金融企业的核心竞争力,未来有竞争力的金融企业一定是有深厚大数据文化的企业。大数据提供了全新的沟通渠道和客户经营手段,可以加深企业和客户的互动,更及时精准地洞察客户。大数据也可以帮助金融企业滋生新型的金融业态参与市场竞争,用大数据来武装自己的金融企业未来一定是某个生态链中的关键组件。
风控需同步跟上
魏秋萍表示,应用大数据必须要重视数据质量和技术创新。举例来说,把大数据应用于风险控制是金融业应用大数据最典型的场景之一。在这一场景的应用中,有以下两点必须注意:一是对于数据的整合和数据的治理。风控是一个复杂的过程,要利用数据对风险进行穿透式管控,必须实现用真实的数据再现业务流程,因此,数据的可获得性和数据质量非常关键。二是先进技术的应用和创新。风控是魔高一尺道高一丈的游戏,“小偷”的伎俩层出不穷,作为“警察”的风控必须要有不断创新的能力,不断优化风控的技术。她还表示,从大数据风控技术的角度看,国内和国际的差异并不大,中国也走在了技术的前沿。但是,国外的金融企业对创新技术的容错会比国内好,他们有一些机制来鼓励创新技术的试错。这一点值得国内企业学习。
魏秋萍还认为,应用大数据的时候,数据安全也要同步跟上。保障数据安全的方法主要是三大手段:第一,需要依靠健全的法律制度来保障和约束数据交易的买卖双方;第二,需要加强数据买卖双方的道德约束;第三,需要通过安全技术来保障数据的安全。
金融企业应用大数据是一个逐步发展的过程,大数据的价值释放也必然是循序渐进的。企业内部一致的大数据理念和数据驱动决策的文化,也是大数据助推金融企业发展的保障。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
主讲人简介 张冲,海归统计学硕士,CDA 认证数据分析师,前云南白药集团资深数据分析师,自媒体 Python 讲师,全网课程播放量破 ...
2026-04-10在数据可视化与业务分析中,同比分析是衡量业务发展趋势、识别周期波动的核心手段,其核心逻辑是将当前周期数据与上年同期数据进 ...
2026-04-10在机器学习模型的落地应用中,预测精度并非衡量模型可靠性的唯一标准,不确定性分析同样不可或缺。尤其是在医疗诊断、自动驾驶、 ...
2026-04-10数据本身是沉默的,唯有通过有效的呈现方式,才能让其背后的规律、趋势与价值被看见、被理解、被运用。统计制图(数据可视化)作 ...
2026-04-10在全球化深度发展的今天,跨文化传播已成为连接不同文明、促进多元共生的核心纽带,其研究核心围绕“信息传递、文化解读、意义建 ...
2026-04-09在数据可视化领域,折线图是展示时序数据、趋势变化的核心图表类型之一,其简洁的线条的能够清晰呈现数据的起伏规律。Python ECh ...
2026-04-09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 ...
2026-04-09长短期记忆网络(LSTM)作为循环神经网络(RNN)的重要改进模型,凭借其独特的门控机制(遗忘门、输入门、输出门),有效解决了 ...
2026-04-08在数据分析全流程中,数据质量是决定分析结论可靠性的核心前提,而异常值作为数据集中的“异类”,往往会干扰统计检验、模型训练 ...
2026-04-08在数字经济飞速发展的今天,数据已渗透到各行各业的核心场景,成为解读趋势、优化决策、创造价值的核心载体。而数据分析,作为挖 ...
2026-04-08在数据分析全流程中,数据处理是基础,图形可视化是核心呈现手段——前者负责将杂乱无章的原始数据转化为干净、规范、可分析的格 ...
2026-04-07在数据分析与统计推断中,p值是衡量假设检验结果显著性的核心指标,其本质是在原假设(通常为“无效应”“无差异”)成立的前提 ...
2026-04-07在数字经济深度渗透的今天,数据已成为企业生存发展的核心资产,企业的竞争本质已转变为数据利用能力的竞争。然而,大量来自生产 ...
2026-04-07Python凭借简洁的语法、丰富的生态库,成为算法开发、数据处理、机器学习等领域的首选语言。但受限于动态类型、解释性执行的特性 ...
2026-04-03在深度学习神经网络中,卷积操作是实现数据特征提取的核心引擎,更是让模型“看懂”数据、“解读”数据的关键所在。不同于传统机 ...
2026-04-03当数字化转型从企业的“战略口号”落地为“生存之战”,越来越多的企业意识到,转型的核心并非技术的堆砌,而是数据价值的深度挖 ...
2026-04-03在日常办公数据分析中,数据透视表凭借高效的汇总、分组功能,成为Excel、WPS等办公软件中最常用的数据分析工具之一。其中,“计 ...
2026-04-02在数字化交互的全场景中,用户的每一次操作都在生成动态的行为轨迹——电商用户的“浏览商品→点击详情→加入购物车”,内容APP ...
2026-04-02在数字化转型深度推进的今天,企业数据已成为驱动业务增长、构建核心竞争力的战略资产,而数据安全则是守护这份资产的“生命线” ...
2026-04-02在数据驱动决策的浪潮中,数据挖掘与数据分析是两个高频出现且极易被混淆的概念。有人将二者等同看待,认为“做数据分析就是做数 ...
2026-04-01