京公网安备 11010802034615号
经营许可证编号:京B2-20210330
金融行业对大数据的思考
“大数据”是一个约定俗成的说法,而“数据科学”则是更科学的定义,它包括了数据和计算相关领域的科学范畴。如果用一个更大的视角,互联网、平台化、社交媒体、搜索引擎、维基技术等科技元素将从根本上影响金融、经济,乃至整个社会。
但这并不妨碍我们用“大数据”这个词。因为,通过这个词,能够去包含这个时代许多与之相关的科学和技术,通过这个词,让人们能够更多、更直观地认识数据科学,以及数据的时代使命。
对于金融业而言,需要我们有充分的认识和准备,并加快做出相应的调整和变革。
一是对于大数据时代的到来,需要有一个专业、深刻和前瞻性的认识。从金融业的角度看,需要关注三个问题,首先是“去边界”思维,即在大数据和平台化时代,各种边界都会越来越模糊,所以,未来的创新和机遇,更多的是在边界发生的,不是中心,但我们对边界又关注了多少,认识了多少?
其次是“社会脑”的认识,大数据使得整个社会的信息实现了共享。从整个社会的层面,出现了一个趋势叫“数字社会主义”;从个人的层面,出现了一个“数位人生”的概念,即每一个人都将被数据化。社会和人的数字化是“社会脑”出现的前提,也是其进化的基础,它将从根本上改变我们对知识和智慧的传统认识,并营造出全新的“生存环境”。在这个大背景下,就面临着怎么利用好这个“社会脑”的问题。
第三是协同创新问题,消费者的“生产者化”是一个趋势,是“以客户为中心”的根本解,为此,金融业要有一个开放的心态,一个畅通的机制,一个协同的平台,适应这种潮流,核心是解决内外部信息流的统一视图,并通过商业模式的创新,实现行业效率的结构性提升。
二是在互联网和大数据的思维下,效率不再是静态和单一维度。在多维、跨界和融合的浪潮下,就有了“羊毛出在猪身上”的说法。对于传统思维而言,这无疑是颠覆性的,是不可思议的。但这并不妨碍互联网企业高举着免费的“旗帜”,摧枯拉朽,攻城略地,大有“横扫千军如卷席”的架势。尽管金融企业未必能够理解和接受,但必须清醒地认识到这些已经的的确确地在我们的周遭甚至是行业内发生了,“余额宝”就是一个鲜活案例。因此,我们需要重新思考金融行业的效率和盈利模式问题,并在商业模式上进行反思和行动。因为,不创新,则被创新。
三是互联网行业有一个非常流行的商业模式,叫免费模式。大多数人都乐此不疲地使用各种免费模式,就忘记了一句话:天下没有免费的午餐。人们在免费使用数据产品的同时,其实是被运营商免费使用了自己的信息。互联网和大数据时代走到了今天,需要提出一个概念:“数权”,即每个数据都有权利归属的,均存在“所有权”的问题。这种“数权”与我们的财产权一样,是不能够随意侵犯的,国家需要在制度层面来完善这个问题的治理,否则,很多人稀里糊涂下载了那么多APP软件,最后,几乎就没有隐私了。与此同时,金融业也面临着数据的“用”与“不用”的问题,这涉及到了大数据的一个核心问题:数据的隐私与保护。从社会的角度看,需要通过法律对“数权”加以保护,金融业面临着适应问题。从商业的角度看,数据隐私问题处理不好,客户就可能不接受金融企业的产品与服务。
四是在大数据时代,解构和重构数据将成为一种重要能力。解构和重构的逻辑起点是发现并实现客户需求和发展机会,是结构性的成本降低并提升效率。金融业需要回答如何将现有的数据进行解构,同时根据需求进行重构,创造出一个新的商业模式。这种解构和重构的背后是一种价值的发现与实现。同时,解构与重构能力的根本是洞察力和计算能力,洞察力的核心是发现新需求和价值洼地,计算能力提升的关键是对数据的“追随”,即要改变数据“迁就”计算的管理思维模式,而让计算“追随”并“服务”数据,提供灵活性、易构性和高效性的计算能力,并在服务业务创新中成就自我。
五是随着“云计算”的出现,带动了信息技术和管理理念的变革,“云计算”带给人们更大的价值在于催生了“云管理”的概念。现代商业面临的最大挑战是越来越复杂的管理与越来越动态的市场和客户需求之间的矛盾,越来越高的风险管理标准与越来越灵活的需求之间的矛盾。客户、销售和服务是越来越分散的,要求是更加灵活多变,而经营管理则要求尽可能地集中,以有效控制风险,降低成本。通过“云管理”概念的导入,就能够较好地破解这一难题。“云管理”的核心是“形散神聚”,它能够很好地解决和平衡集中管控与效率保证的关系,解决集中运营与灵活服务的矛盾,建立一种灵动敏捷的管理模式。
六是数据管理面临“内外有别”的问题。金融业要有两个认识:第一,长期以来,我们总认为行业数据是经营的重要基础,面向未来,要认识到行业数据,仅仅是经营和风险数据的一小部分,真正解读客户和风险,需要更多关注行业外的数据。第二,历史和存量数据固然重要,但大数据时代,实时数据的获取和利用成为可能,因此,要更多地关注对实时数据的利用,实现对客户需求和风险管控的动态掌握和有效管控。第三,在大数据时代,我们对于数据的管理也要有一个全新的认识。从传统的角度看,我们更多的是希望“拥有”数据,但在未来大数据时代,“拥有”既不经济,更不现实。因此,对于外部海量数据的使用和管理,不可能采用数据管理的传统理念和技术,更多的应当是“不求所有,但知所在”,以确保效率。
七是对“专业”的再认识和再管理。传统意义上的专业,一是靠信息不对称,二是靠个体智慧。互联网时代,特别是搜索引擎技术的出现,最大的贡献是实现了信息的平等。此外,以往的“专业”更多是以个体的专家为载体,但在维基技术和互联网进化论的环境下,专业更多的是体现为一种社会互动与共享,体现为一种“社会脑”。从金融业看,传统的风险管理专业能力也面临来自科技时代的挑战,特别是物联网和人工智能技术的出现,将从根本上改变许多领域对于专业的认识。面向未来,科技时代“专业”的存在形式将从个体、机构和静态形式走向环境、聚合和动态形式,为此,金融业需要以互联网思维,构建全新的专业能力,人工智能将成为重要构成。建立新专业能力的重要指导思想是从传统的风险等量管理向风险减量管理过渡,特别是利用互联网技术破解信息不对称难题,通过动态和自主的“点对点”匹配与对冲,实现社会总体风险暴露的降低,继而为社会创造福祉。
最后,大数据时代面临的最大挑战是数据人才。数据人才是一种两栖人才,未来金融业需要大量通晓金融业务和信息技术的复合型人才,包括数据科学家和数据工程师,而这些人才最重要的一个能力是解构和重构数据。因此,关注这种人才的培养,不仅是企业的经营管理问题,更是行业发展的基础和关键问题。
CDA学员免费下载查看报告全文:2026全球数智化人才指数报告【CDA数据科学研究院】.pdf
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
在数字化时代,数据已成为企业决策的核心驱动力,数据分析与数据挖掘作为解锁数据价值的关键手段,广泛应用于互联网、金融、医疗 ...
2026-04-17在数据处理、后端开发、报表生成与自动化脚本中,将 SQL 查询结果转换为字符串是一项高频且实用的操作。无论是拼接多行数据为逗 ...
2026-04-17面对一份上万行的销售明细表,要快速回答“哪个地区卖得最好”“哪款产品增长最快”“不同客户类型的购买力如何”——这些看似复 ...
2026-04-17数据分析师一天的工作,80% 的时间围绕表格结构数据展开。从一张销售明细表到一份完整的分析报告,表格结构数据贯穿始终。但你真 ...
2026-04-16在机器学习无监督学习领域,Kmeans聚类因其原理简洁、计算高效、可扩展性强的优势,成为数据聚类任务中的主流算法,广泛应用于用 ...
2026-04-16在机器学习建模实践中,特征工程是决定模型性能的核心环节之一。面对高维数据集,冗余特征、无关特征不仅会增加模型训练成本、延 ...
2026-04-16在数字化时代,用户是产品的核心资产,用户运营的本质的是通过科学的指标监测、分析与优化,实现“拉新、促活、留存、转化、复购 ...
2026-04-15在企业数字化转型、系统架构设计、数据治理与AI落地过程中,数据模型、本体模型、业务模型是三大核心基础模型,三者相互支撑、各 ...
2026-04-15数据分析师的一天,80%的时间花在表格数据上,但80%的坑也踩在表格数据上。 如果你分不清数值型和文本型的区别,不知道数据从哪 ...
2026-04-15在人工智能与机器学习落地过程中,模型质量直接决定了应用效果的优劣——无论是分类、回归、生成式模型,还是推荐、预测类模型, ...
2026-04-14在Python网络编程、接口测试、爬虫开发等场景中,HTTP请求的发送与响应处理是核心需求。Requests库作为Python生态中最流行的HTTP ...
2026-04-14 很多新人学完Python、SQL,拿到一张Excel表还是不知从何下手。 其实,90%的商业分析问题,都藏在表格的结构里。 ” 引言:为 ...
2026-04-14在回归分析中,因子(即自变量)的筛选是构建高效、可靠回归模型的核心步骤——实际分析场景中,往往存在多个候选因子,其中部分 ...
2026-04-13在机器学习模型开发过程中,过拟合是制约模型泛化能力的核心痛点——模型过度学习训练数据中的噪声与偶然细节,导致在训练集上表 ...
2026-04-13在数据驱动商业升级的今天,商业数据分析已成为企业精细化运营、科学决策的核心手段,而一套规范、高效的商业数据分析总体流程, ...
2026-04-13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 ...
2026-04-13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 ...
2026-04-13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